MATLAB——二维小波的单层分解
2023-12-13 03:31:21
%% 学习目标:二维小波的单层分解
%% 二维小波适合图像处理和分析,将图像分解为4个图像 两个维度 低通,高通
clear all;
close all;
load woman.mat;
%% which woman.mat
Y=ind2gray(X,map); %将索引图像转换为灰度图像
[cA,cH,cV,cD]=dwt2(Y,'db1'); %二维小波的单层分解
%% cA(近似系数)是两个维度低通滤波,
%% cH(水平细节系数)是横向低通滤波,纵向高通滤波,
%% cV(垂直细节系数)是横向高通滤波,纵向低通滤波
%% cD(对角细节系数)是两个维度高通滤波
figure;
subplot(221);
imshow(cA,[]);
subplot(222);
imshow(cH,[]);
subplot(223);
imshow(cV,[]);
subplot(224);
imshow(cD,[]);
set(gcf,'position',[50,50,400,400]);
直接复制代码就可以使用,文末有我的微信公众号欢迎关注呦!
%% ?学习目标:二维小波的单层分解
%% ?二维小波适合图像处理和分析,将图像分解为4个图像 ?两个维度 ?低通,高通
clear all;
close all;
load woman.mat;
%% ?which woman.mat
Y=ind2gray(X,map); ? ? ? ? ? ? ? ?%将索引图像转换为灰度图像
[cA,cH,cV,cD]=dwt2(Y,'db1'); ? ? ?%二维小波的单层分解
%% ?cA(近似系数)是两个维度低通滤波,
%% ?cH(水平细节系数)是横向低通滤波,纵向高通滤波,
%% ?cV(垂直细节系数)是横向高通滤波,纵向低通滤波
%% ?cD(对角细节系数)是两个维度高通滤波
figure;
subplot(221);
imshow(cA,[]);
subplot(222);
imshow(cH,[]);
subplot(223);
imshow(cV,[]);
subplot(224);
imshow(cD,[]);
set(gcf,'position',[50,50,400,400]);
文章来源:https://blog.csdn.net/qq_50594161/article/details/134832698
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!