当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python SciPy fft.dct用法及代码示例


本文简要介绍 python 语言中 scipy.fft.dct 的用法。

用法:

scipy.fft.dct(x, type=2, n=None, axis=-1, norm=None, overwrite_x=False, workers=None, orthogonalize=None)#

返回任意类型序列 x 的离散余弦变换。

参数

x array_like

输入数组。

type {1, 2, 3, 4},可选

DCT 的类型(见注释)。默认类型为 2。

n 整数,可选

变换的长度。如果n < x.shape[axis],x被截断。如果n > x.shape[axis],x是零填充的。默认结果是n = x.shape[axis].

axis 整数,可选

计算 dct 的轴;默认值在最后一个轴上(即 axis=-1 )。

norm {“backward”, “ortho”, “forward”},可选

标准化模式(见注释)。默认为“backward”。

overwrite_x 布尔型,可选

如果为 True,则 x 的内容可以被销毁;默认为假。

workers 整数,可选

用于并行计算的最大工作线程数。如果为负,则该值从 os.cpu_count() 环绕。有关详细信息,请参阅 fft

orthogonalize 布尔型,可选

是否使用正交 DCT 变体(见注释)。默认为 Truenorm="ortho"False 否则。

返回

y 真实的ndarray

转换后的输入数组。

注意

对于一维数组 xdct(x, norm='ortho') 等于 MATLAB dct(x)

警告

对于 type in {1, 2, 3}norm="ortho" 打破了与直接傅里叶变换的直接对应关系。要恢复它,您必须指定 orthogonalize=False

对于norm="ortho"dct idct 在两个方向上均按相同的总体因子进行缩放。默认情况下,变换也是正交的,这对于类型 1、2 和 3 意味着变换定义被修改以给出 DCT 矩阵的正交性(见下文)。

对于 norm="backward"dct 没有缩放,并且 idct 1/N 缩放,其中 N 是 DCT 的 “logical” 大小。对于norm="forward"1/N 归一化应用于前向dct,而 idct 未归一化。

DCT 理论上有 8 种类型,SciPy 中只实现了前 4 种类型。'The'DCT 一般是指 DCT 类型 2,‘the’ Inverse DCT 一般是指 DCT 类型 3。

第一类

DCT-I有几个定义;我们使用以下内容(对于 norm="backward" )

如果orthogonalize=Truex[0]x[N-1]乘以 的比例因子,并且y[0]y[N-1]除以 。当与 norm="ortho" 结合使用时,这使得相应的系数矩阵正交( O @ O.T = np.eye(N) )。

注意

DCT-I 仅支持输入大小 > 1。

Ⅱ型

DCT-II有几个定义;我们使用以下内容(对于 norm="backward" )

如果 orthogonalize=Truey[0] 除以 ,当与 norm="ortho" 结合时,使相应的系数矩阵正交( O @ O.T = np.eye(N) )。

第三类

有几个定义,我们使用以下(对于norm="backward")

如果 orthogonalize=Truex[0] 项乘以 ,当与 norm="ortho" 结合时,使相应的系数矩阵正交( O @ O.T = np.eye(N) )。

(未归一化的)DCT-III 是(未归一化的)DCT-II 的倒数,最大因子为 2N。正交归一化的DCT-III 与正交归一化的DCT-II 正好相反。

Ⅳ型

DCT-IV有几个定义;我们使用以下内容(对于 norm="backward" )

orthogonalize 在这里没有影响,因为 DCT-IV 矩阵已经正交到 2N 的比例因子。

参考

[1]

“一维和二维的快速余弦变换”,作者:J. Makhoul,IEEE 声学、语音和信号处理汇刊卷。 28(1),第 27-34 页,DOI:10.1109/TASSP.1980.1163351(1980 年)。

[2]

维基百科,“Discrete cosine transform”,https://en.wikipedia.org/wiki/Discrete_cosine_transform

例子

对于真实的even-symmetrical 输入,Type 1 DCT 等效于 FFT(虽然更快)。输出也是真实的和even-symmetrical。一半的 FFT 输入用于生成一半的 FFT 输出:

>>> from scipy.fft import fft, dct
>>> import numpy as np
>>> fft(np.array([4., 3., 5., 10., 5., 3.])).real
array([ 30.,  -8.,   6.,  -2.,   6.,  -8.])
>>> dct(np.array([4., 3., 5., 10.]), 1)
array([ 30.,  -8.,   6.,  -2.])

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.fft.dct。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。