数据可视化|小波变换进行图像变换Matlab实现图像处理|小波变换|matlab

小波变换是傅里叶变换的发展和扩充，在一定程度上克服了傅里叶变换的弱点与局限性。小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。

文章目录

- 一、主要设计思想
- 二、实现算法及程序流程图
- 三、源程序
- 四、主要技术问题的处理方法
- - 1、matlab对于处理图像十分方便，许多函数都是现成的，开始做实验对函数和软件的使用不太会，经过查资料，解决了问题
  - 2、对于小波变换的原理理解不够，在matlab中这三种变换都有写好的函数，因此在不懂原理的情况下也可以进行操作，但是对于实验结果的分析是不利的
  - 3、实验中读入图像要注意将图像灰度化，不灰度化图像变换的结果不理想。
- 五、实验结果及分析

【数据可视化|小波变换进行图像变换Matlab实现】
一、主要设计思想傅里叶变换首先读入图像，然后将图像灰度化，在matlab中直接使用函数dwt2函数能够实现图像的变换，最后输出实验结果。
二、实现算法及程序流程图

文章图片

三、源程序

mypic=imread('d:\pic\HG.bmp'); %读入测试图像 figure(),imshow(mypic),title('原输入图像'); %显示读入的图像mypic=im2double(mypic); %将图像转换为双精度 nbc=size(mypic,1); % 获取矩阵mypic的行数nbc colormap(pink(nbc)); %用nbc矩阵映射当前图像的色图 %用小波函数db2对信号x进行单层分解 [cA1,cH1,cV1,cD1]=dwt2(mypic,'db2'); figure(1); subplot(3,2,1); image(mypic); title('原始图像'); subplot(3,2,3); image(cA1); title('低频系数图像'); subplot(3,2,4); image(cH1); title('水平高频系数图像'); subplot(3,2,5); image(cV1); title('垂直高频系数图像'); subplot(3,2,6); image(cD1); title('斜线高频系数图像');

四、主要技术问题的处理方法实验中遇到的问题及解决方法：
1、matlab对于处理图像十分方便，许多函数都是现成的，开始做实验对函数和软件的使用不太会，经过查资料，解决了问题
2、对于小波变换的原理理解不够，在matlab中这三种变换都有写好的函数，因此在不懂原理的情况下也可以进行操作，但是对于实验结果的分析是不利的
3、实验中读入图像要注意将图像灰度化，不灰度化图像变换的结果不理想。
五、实验结果及分析