多尺度二维离散小波分解wavedec2

clc,clear all,close all;
load woman;
[c,s]=wavedec2(X,2,‘db1‘);%进行2尺度二维离散小波分解。分解小波函数-db1
[cH1,cV1,cD1]=detcoef2(‘all‘,c,s,1);%尺度1的所有方向的高频系数
[cH2,cV2,cD2]=detcoef2(‘all‘,c,s,2);%尺度2的所有方向的高频系数
cA1=appcoef2(c,s,‘db1‘,1);%尺度1的低频系数
cA2=appcoef2(c,s,‘db1‘,2);%尺度2的低频系数
figure,imshow(X,map);title(‘原图‘);
figure;
subplot(1,2,1),imshow(uint8(cA1));axis off;title(‘尺度1的低频系数图像‘);
subplot(1,2,2),imshow(uint8(cA2));axis off;title(‘尺度2的低频系数图像‘);
figure;
subplot(2,3,1),imshow(uint8(cH1));axis off;title(‘尺度1水平方向高频系数‘);
subplot(2,3,2),imshow(uint8(cV1));axis off;title(‘尺度1垂直方向高频系数‘);
subplot(2,3,3),imshow(uint8(cD1));axis off;title(‘尺度1斜线方向高频系数‘);
subplot(2,3,4),imshow(uint8(cH2));axis off;title(‘尺度2水平方向高频系数‘);
subplot(2,3,5),imshow(uint8(cV2));axis off;title(‘尺度2垂直方向高频系数‘);
subplot(2,3,6),imshow(uint8(cD2));axis off;title(‘尺度2斜线方向高频系数‘);

  

时间: 2024-10-18 07:32:50

多尺度二维离散小波分解wavedec2的相关文章

单尺度二维离散小波分解dwt2

clc,clear all,close all; load woman; [cA,cH,cV,cD]=dwt2(X,'haar');%单尺度二维离散小波分解.分解小波函数haar figure,imshow(X,map),axis image; figure; subplot(2,2,1),imshow(uint8(cA));axis off;title('低频系数图像'); subplot(2,2,2),imshow(uint8(cH));axis off;title('水平高频系数图像');

多尺度二维离散小波重构waverec2

clc,clear all,close all; load woman; [c,s]=wavedec2(X,2,'haar');%进行2尺度二维离散小波分解.分解小波函数haar %多尺度二维离散小波重构(逆变换) Y=waverec2(c,s,'haar'); figure; subplot(1,2,1),imshow(X,map),title('原始图像'); subplot(1,2,2),imshow(Y,map),title('重构图像');

单尺度二维离散小波重构(逆变换)idwt2

clc,clear all,close all; load woman; %单尺度二维离散小波分解.分解小波函数haar [cA,cH,cV,cD]=dwt2(X,'haar'); %单尺度二维离散小波重构(逆变换) Y=idwt2(cA,cH,cV,cD,'haar'); figure; subplot(1,2,1),imshow(X,map),title('原始图像'); subplot(1,2,2),imshow(Y,map),title('重构图像');

小波分解和重构

小波变换能够很好地表征一大类以低频信息为主要成分的信号, 小波包变换可以对高频部分提供更精细的分解 详见(http://www.cnblogs.com/welen/articles/5667217.html) 小波分解函数和重构函数的应用和区别 (https://www.baidu.com/link?url=NsLWcGxYPabqB0JEFzkjHzeLmcvGkjDRccPoaD7K0gwo9mrHRDCUgTbV15zT8NKTm9PAuTJ2Hwb3n10PutFRpbOdQRac7XC

小波分析:三、二维离散小波变换

四.二维离散小波变换 声明: 该文为本人对小波的理解,不保证正确性与严谨性. 参考: <数字图像处理> Gonzalez P317 1. 概述 在给定尺度函数和小波函数下,可以组合出一个二维尺度函数和三个二维小波函数: f(x, y)离散函数可以分解为这四个函数不同尺度与位置的线性组合(2DIDWT): 其中近似系数和细节系数分别如下(2DDWT): 2. 其他符号说明 分别为不同尺度和位置的尺度函数和小波函数,定义如下: 3. 理解 细节的阶数越高,其尺度越小,越细致,相当于傅立叶中的高频部

灰度图像--频域滤波 傅里叶变换之二维离散傅里叶变换

学习DIP第24天 转载请标明本文出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些论坛转载后,图像无法正常显示,无法正常表达本人观点,对此表示很不满意.有些网站转载了我的博文,很开心的是自己写的东西被更多人看到了,但不开心的是这段话被去掉了,也没标明转载来源,虽然这并没有版权保护,但感觉还是不太好,出于尊重文章作者的劳动,转载请标明出处!!!! 开篇废话 今天要记录的是二维离散傅里叶变换的一些性质,也是傅里叶在图像处理中要用到的一些性质,所以

小波分解和合成的simulink仿真

采用5-3提升小波的方法 小波分解 数据拆分 预测 更新 数据输出使能电路 电路共有两个输入三个输出,in1是数据输入,in2是输入数据有效信号,out1是更新后的低频信号,out2是预测的高频信号,out3是输出有效信号. 电路需要考虑数据的边界延拓,我直接延拓为0,简单.有其他延拓方法如对称延拓和周期延拓,没弄,只是简单的把一层分解和合成电路给搭了出来,延拓的方法是将输入数据延拓而不是用电路延拓,看到过别人用电路延拓的,没弄. 以上是分解电路,合成的就不贴了,类似,把这些东西贴到这里,以后如

c语言数字图像处理(六):二维离散傅里叶变换

基础知识 复数表示 C = R + jI 极坐标:C = |C|(cosθ + jsinθ) 欧拉公式:C = |C|ejθ 有关更多的时域与复频域的知识可以学习复变函数与积分变换,本篇文章只给出DFT公式,性质,以及实现方法 二维离散傅里叶变换(DFT) 其中f(x,y)为原图像,F(u,v)为傅里叶变换以后的结果,根据欧拉公式可得,每个F(u,v)值都为复数,由实部和虚部组成 代码示例 1 void dft(short** in_array, double** re_array, doubl

AOJ 0531:Paint Color(二维离散+imos)

[题目链接] http://judge.u-aizu.ac.jp/onlinejudge/description.jsp?id=0531 [题目大意] 给出一张图,和一些矩形障碍物,求该图没被障碍物覆盖的部分被划分为几个连通块 [题解] 首先对图中的点进行离散化,对于一个障碍物来说, 我们将其看做左闭右开上闭下开的图形,所以在离散的时候只要离散障碍物的点即可. 之后我们利用imos积累法得出哪些部分是障碍物,就可以统计连通块了. [代码] #include <cstdio> #include