把一个任意函数应用于离散小波变换的所有系数中：

应用一个符号函数也取决于每个系数向量的小波指标：

WaveletMapIndexed 对 ContinuousWaveletData 或者 DiscreteWaveletData 进行操作：

该结果是同样类型的小波数据对象：

修改后的数据可以用于其它小波函数，比如逆小波变换：

只对 DiscreteWaveletData 中的特定系数进行变换：

使用指标模式 {___, 1}，将函数仅应用于细系数：

使用指标模式 {___, 0}，将函数仅应用于粗系数：

只对 ContinuousWaveletData 中的特定系数进行变换：

仅将函数应用于第一个倍频程 {1,_} 中的系数：

将函数应用于所有系数，除了第二倍频程、第一声音 {2,1}：

函数 f 可以取决于作为它的第二个变量的小波指标：

定义一个任意依赖于小波指标的函数：

把函数应用于连续小波变换的系数：

对于列表数据，作为 f 的第一个变量提供的系数是列表：

应用一个对列表进行变换的函数：

对于多维数据，系数是具有相同深度的数组：

应用一个对特定深度的数组系数进行变换的函数：

对于图像数据，系数作为 Image 对象提供给 f：

系数具有和原始图像相同数目的通道：

应用一个对图像系数进行变换的函数：

对于声音数据，该系数是二维数组：

一个系数的维数：

这两个维度指定了通道数目和该通道的小波系数：

应用一个对两个通道的数据进行变换的函数：

重构 Sound 数据：

具有短索引的系数对应于数据中的小规模结构：

随机数据的稳态小波变换的所有小规模系数取零：

该逆小波变换只在较大的规模上变化：

通过删除低幅度小波系数，执行简单的阈值化操作：

与原始数据比较：

通过把小规模细系数设置为零，对一个图像进行模糊化处理：

与原始图像进行比较：

通过放大小规模细系数，对一个图像进行锐化处理：

与原始图像进行比较：

使用掩模图像（mask image）在图像的模糊和锐化之间变化：

与原始图像进行比较：

把非线性函数应用于声音数据的小波系数：

执行逆变换以获取一个重构的声音对象：

根据条件均值进行基于小波的收缩:

计算不超过第6个精细层的离散小波变换：

计算最精细的细节系数的标准偏差 ：

计算全部小波系数的标准偏差 ：

在高斯混合模型的假定下，方差 可以根据 与 的比例估计：

信号系数的收缩估计由下式给出：

使用 WaveletMapIndexed 映射于细节系数：

重构阈值化的信号系数：