基于matlab的图像多层小波变换

1 代码

Matlab 复制代码
%% %%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

%% 读取图像  
originalImage = imread('test.jpg'); % 替换为您的图像文件名  
originalImage = rgb2gray(originalImage); % 转换为灰度图像  
originalImage = im2double(originalImage); % 转换为双精度  
  
% 初始化变量以存储每一层的近似和细节系数  
LL = originalImage;  
coeffs = {}; % 存储每一层的系数  
%% 对图像进行多层二维小波分解  
numLevels = 3; % 假设进行3层分解  
for level = 1:numLevels  
    [LL, LH, HL, HH] = dwt2(LL, 'haar'); % 使用'haar'小波进行分解  
    coeffs{level} = {LL, LH, HL, HH}; % 存储当前层的系数  
end  
  
%% 绘制每层小波分解的结果  
% figure;  
figure('Position', [100 100 800 600]);
for level = 1:numLevels  
    subplot(numLevels, 4, (level-1)*4+1); imshow(coeffs{level}{1}, []); title(['Approximation after level ', num2str(level)]);  
    subplot(numLevels, 4, (level-1)*4+2); imshow(coeffs{level}{2}, []); title(['Horizontal Detail after level ', num2str(level)]);  
    subplot(numLevels, 4, (level-1)*4+3); imshow(coeffs{level}{3}, []); title(['Vertical Detail after level ', num2str(level)]);  
    subplot(numLevels, 4, (level-1)*4+4); imshow(coeffs{level}{4}, []); title(['Diagonal Detail after level ', num2str(level)]);  
end  
%% 对每层进行重构并绘制  
figure;  
for level = numLevels:-1:1  
    if level == numLevels  
        % 最顶层只有近似系数,直接显示  
        reconstructedImage = coeffs{level}{1};  
    else  
        % 使用当前层的四个系数进行重构  
        reconstructedImage = idwt2(coeffs{level}{1}, coeffs{level}{2}, coeffs{level}{3}, coeffs{level}{4}, 'haar');  
    end  
    subplot(numLevels, 1, numLevels-level+1);  
    imshow(reconstructedImage, []);  
    title(['Reconstructed Image after level ', num2str(level)]);  
end
  
%% 使用每一层的近似系数进行逆变换并绘制结果
figure;  
for level = numLevels:-1:1  
    % 仅使用当前层的近似系数进行逆变换  
    if level == 1  
        invTransformedImage = coeffs{level}{1}; % 第一层直接就是原图或近似  
    else  
        % 使用当前层的近似系数和前几层的空细节系数进行逆变换(模拟仅使用近似系数)  
        invTransformedImage = idwt2(coeffs{level}{1}, [], [], [], 'haar');  
        for i = level-1:-1:1  
            invTransformedImage = idwt2(invTransformedImage, [], [], [], 'haar'); % 继续添加空细节系数进行逆变换  
        end  
    end  
    subplot(numLevels, 1, numLevels-level+1);  
    imshow(invTransformedImage, []);  
    title(['Inverse Transformed Image using Approx. after level ', num2str(level)]);  
end    
%% 绘制各个小波系数直方图  
figure;  
for level = 1:numLevels  
    subplot(numLevels, 1, level);  
    imhist(coeffs{level}{1}); % 绘制每一层近似系数的直方图  
    title(['Histogram of Approximation Coefficients after level ', num2str(level)]);  
end

2 运行结果

图1 各层小波分解的近似与分量

图2 各层重构结果

图3 各层逆变换结果

图4 各个小波系数直方图

相关推荐
哥布林学者15 小时前
高光谱成像(一)高光谱图像
机器学习·高光谱成像
地平线开发者15 小时前
SparseDrive 模型导出与性能优化实战
算法·自动驾驶
董董灿是个攻城狮15 小时前
大模型连载2:初步认识 tokenizer 的过程
算法
地平线开发者16 小时前
地平线 VP 接口工程实践(一):hbVPRoiResize 接口功能、使用约束与典型问题总结
算法·自动驾驶
罗西的思考16 小时前
AI Agent框架探秘:拆解 OpenHands(10)--- Runtime
人工智能·算法·机器学习
HXhlx19 小时前
CART决策树基本原理
算法·机器学习
Wect20 小时前
LeetCode 210. 课程表 II 题解:Kahn算法+DFS 双解法精讲
前端·算法·typescript
颜酱20 小时前
单调队列:滑动窗口极值问题的最优解(通用模板版)
javascript·后端·算法
Gorway1 天前
解析残差网络 (ResNet)
算法
拖拉斯旋风1 天前
LeetCode 经典算法题解析:优先队列与广度优先搜索的巧妙应用
算法