R语言 waveslim包 denoise.2d()函数中文帮助文档(中英文对照)

loveR

denoise.2d(waveslim)
denoise.2d()所属R语言包：waveslim

                                        Denoise an Image via the 2D Discrete Wavelet Transform
                                         通过二维离散小波变换的去噪图像

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Perform simple de-noising of an image using the two-dimensional discrete wavelet transform.
执行简单使用的二维离散小波变换的图像去噪。


用法----------Usage----------


denoise.dwt.2d(x, wf = "la8", J = 4, method = "universal", H = 0.5,
               noise.dir = 3, rule = "hard")
denoise.modwt.2d(x, wf = "la8", J = 4, method = "universal", H = 0.5,
                 rule = "hard")



参数----------Arguments----------

参数：x
input matrix (image)
输入矩阵（图像）


参数：wf
name of the wavelet filter to use in the decomposition
的小波滤波器的名称使用在分解


参数：J
depth of the decomposition, must be a number less than or equal to log(min{M,N},2)
深度的分解，必须是一个数小于或等于log(min{M,N},2)


参数：method
character string describing the threshold applied, only "universal" and "long-memory" are currently implemented
字符串描述阈值时，只有"universal"和"long-memory"目前实施


参数：H
self-similarity or Hurst parameter to indicate spectral scaling, white noise is 0.5
自相似Hurst参数来表示光谱缩放，白噪声为0.5


参数：noise.dir
number of directions to estimate background noise standard deviation, the default is 3 which produces a unique estimate of the background noise for each spatial direction
指示来估计背景噪声标准偏差数，默认值是3，对于每个空间方向上产生一个独特的估计的背景噪声


参数：rule
either a "hard" or "soft" thresholding rule may be used
无论是"hard"或"soft"阈值规则可能会使用


Details

详细信息----------Details----------

See Thresholding.
见Thresholding。


值----------Value----------

Image of the same dimension as the original but with high-freqency fluctuations removed.
原，但与高块频率波动除去相同的尺寸的图像。


（作者）----------Author(s)----------


B. Whitcher



参考文献----------References----------

one dimension.

参见----------See Also----------

Thresholding
Thresholding


实例----------Examples----------


## Xbox image[＃的Xbox图像]
data(xbox)
n <- NROW(xbox)
xbox.noise <- xbox + matrix(rnorm(n*n, sd=.15), n, n)
par(mfrow=c(2,2), cex=.8, pty="s")
image(xbox.noise, col=rainbow(128), main="Original Image")
image(denoise.dwt.2d(xbox.noise, wf="haar"), col=rainbow(128),
      zlim=range(xbox.noise), main="Denoised image")
image(xbox.noise - denoise.dwt.2d(xbox.noise, wf="haar"), col=rainbow(128),
      zlim=range(xbox.noise), main="Residual image")

## Daubechies image[＃Daubechies小波图像]
data(dau)
n <- NROW(dau)
dau.noise <- dau + matrix(rnorm(n*n, sd=10), n, n)
par(mfrow=c(2,2), cex=.8, pty="s")
image(dau.noise, col=rainbow(128), main="Original Image")
dau.denoise <- denoise.modwt.2d(dau.noise, wf="d4", rule="soft")
image(dau.denoise, col=rainbow(128), zlim=range(dau.noise),
      main="Denoised image")
image(dau.noise - dau.denoise, col=rainbow(128), main="Residual image")

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。