在没有下采样的情况下计算细节系数
Computing the Detail Coeffiecients without Downsampling
小波变换使我们能够计算信号或图像的细节系数。它还在每个分解级别对图像进行下采样。
我想在不缩减采样的情况下计算细节系数。我想使用低通滤波器 G 来提取细节系数，就像正交镜像滤波器描述的那样减去下采样。但是，我只有一维过滤器：[-1/sqrt(2), 1/sqrt(2)]
据我了解，我可以先将 G 应用于图像的行，然后再应用于列。我如何在 Numpy 中执行此乘法？我的图片大小为 768x768.
如果我对你的问题的理解正确，那么我们可以利用广播来做到这一点，但在此之前我们必须平铺我们的初始过滤器以匹配我们图像的一个维度。幸运的是，这里的图像是方形图像。于是，很多事情变得简单了：
In [70]: filter_ = np.array([-1/np.sqrt(2), 1/np.sqrt(2)])
In [71]: filter_
Out[71]: array([-0.70710678, 0.70710678])
# tile the initial array to match the dimensions of image
In [72]: filter_1d = np.tile(filter_, 768//2)
In [73]: filter_1d.shape
Out[73]: (768,)
In [74]: img = np.random.random_sample((768, 768))
# apply the filter on the image
In [76]: filtered = np.multiply(img, filter_1d)
In [77]: filtered.shape
Out[77]: (768, 768)
小波变换使我们能够计算信号或图像的细节系数。它还在每个分解级别对图像进行下采样。
我想在不缩减采样的情况下计算细节系数。我想使用低通滤波器 G 来提取细节系数，就像正交镜像滤波器描述的那样减去下采样。但是，我只有一维过滤器：[-1/sqrt(2), 1/sqrt(2)]
据我了解，我可以先将 G 应用于图像的行，然后再应用于列。我如何在 Numpy 中执行此乘法？我的图片大小为 768x768.
如果我对你的问题的理解正确，那么我们可以利用广播来做到这一点，但在此之前我们必须平铺我们的初始过滤器以匹配我们图像的一个维度。幸运的是，这里的图像是方形图像。于是，很多事情变得简单了：
In [70]: filter_ = np.array([-1/np.sqrt(2), 1/np.sqrt(2)])
In [71]: filter_
Out[71]: array([-0.70710678, 0.70710678])
# tile the initial array to match the dimensions of image
In [72]: filter_1d = np.tile(filter_, 768//2)
In [73]: filter_1d.shape
Out[73]: (768,)
In [74]: img = np.random.random_sample((768, 768))
# apply the filter on the image
In [76]: filtered = np.multiply(img, filter_1d)
In [77]: filtered.shape
Out[77]: (768, 768)