发布时间 : 星期三 文章离散二维小波变换的程序更新完毕开始阅读8c66d53b0912a21614792902
程序是下面这样，但只能处理长宽一样的方形图像，灰度和彩色图像都可，要用其他图像只需把Lena.bmp改为其他图像，但图像要保存在m文件所在路径下。下面还有一个运行后的图像（之一），希望能对你有所帮助。
clear;clc;
%%%%%%%%%%测试图像只能是方形图像，长宽像素一样。
f=imread('Lena.bmp');%%读取图像数据，图像只能保存在m文件所在的路径下 d=size(f);
if length(d)>2
f=rgb2gray((f));%%%%%%%%如果是彩色图像则转化为灰度图 end
T=d(1); SUB_T=T/2;
% 2.进行二维小波分解
l=wfilters('db10','l'); % db10（消失矩为10)低通分解滤波器冲击响应（长度为20） L=T-length(l);
l_zeros=[l,zeros(1,L)]; % 矩阵行数与输入图像一致，为2的整数幂 h=wfilters('db10','h'); % db10（消失矩为10)高通分解滤波器冲击响应（长度为20）
h_zeros=[h,zeros(1,L)]; % 矩阵行数与输入图像一致，为2的整数幂 for i=1:T; % 列变换
row(1:SUB_T,i)=dyaddown( ifft( fft(l_zeros).*fft(f(:,i)') ) ).'; % 圆周卷积<->FFT
row(SUB_T+1:T,i)=dyaddown( ifft( fft(h_zeros).*fft(f(:,i)') ) ).'; % 圆周卷积<->FFT end;
for j=1:T; % 行变换
line(j,1:SUB_T)=dyaddown( ifft( fft(l_zeros).*fft(row(j,:)) ) ); % 圆周卷积<->FFT
line(j,SUB_T+1:T)=dyaddown( ifft( fft(h_zeros).*fft(row(j,:)) ) ); % 圆周卷积<->FFT end;
decompose_pic=line; % 分解矩阵 % 图像分为四块
lt_pic=decompose_pic(1:SUB_T,1:SUB_T); % 在矩阵左上方为低频分量--fi(x)*fi(y)
rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T); % 矩阵右上为--fi(x)*psi(y)
lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T); % 矩阵左下为--psi(x)*fi(y)
rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T); % 右下方为高频分量--psi(x)*psi(y)
% 3.分解结果显示 figure(1);
subplot(2,1,1);
imshow(f,[]); % 原始图像 title('original pic'); subplot(2,1,2);
image(abs(decompose_pic)); % 分解后图像 title('decomposed pic'); figure(2);
% colormap(map); subplot(2,2,1);
imshow(abs(lt_pic),[]); % 左上方为低频分量--fi(x)*fi(y) title('\\Phi(x)*\\Phi(y)'); subplot(2,2,2);
imshow(abs(rt_pic),[]); % 矩阵右上为--fi(x)*psi(y) title('\\Phi(x)*\\Psi(y)'); subplot(2,2,3);
imshow(abs(lb_pic),[]); % 矩阵左下为--psi(x)*fi(y) title('\\Psi(x)*\\Phi(y)'); subplot(2,2,4);
imshow(abs(rb_pic),[]); % 右下方为高频分量--psi(x)*psi(y) title('\\Psi(x)*\\Psi(y)');
% 5.重构源图像及结果显示
% construct_pic=decompose_matrix'*decompose_pic*decompose_matrix;
l_re=l_zeros(end:-1:1); % 重构低通滤波 l_r=circshift(l_re',1)'; % 位置调整
h_re=h_zeros(end:-1:1); % 重构高通滤波 h_r=circshift(h_re',1)'; % 位置调整
top_pic=[lt_pic,rt_pic]; % 图像上半部分 t=0;
for i=1:T; % 行插值低频
if (mod(i,2)==0)
topll(i,:)=top_pic(t,:); % 偶数行保持 else
t=t+1;
topll(i,:)=zeros(1,T); % 奇数行为零 end end;
for i=1:T; % 列变换
topcl_re(:,i)=ifft( fft(l_r).*fft(topll(:,i)') )'; % 圆周卷积<->FFT end;
bottom_pic=[lb_pic,rb_pic]; % 图像下半部分 t=0;
for i=1:T; % 行插值高频 if (mod(i,2)==0)
bottomlh(i,:)=bottom_pic(t,:); % 偶数行保持 else
bottomlh(i,:)=zeros(1,T); % 奇数行为零 t=t+1; end end
这个只是一级分解，matlab自带的函数可以实现多级分解，级数由编程者自己确定。
是的，是一样的。