i=imread('A.tif');
[A,B,C,D]=dwt2(i,'haar');
[a,b,c,d]=dwt2(A,'haar');
A=idwt2(a,b,c,d,'haar');
i=idwt2(A,B,C,D,'haar');
imshow(i,[]);
逆变换后的灰度图显得颜色更深,这是正常的吗?
有没有办法逆变换后的图和原图一样,或看不出差别呢?
那能不能直接告诉我,怎么对这幅图做二阶小波变换,得到这个呢
我已经说的很清楚了,您受累查查帮助文档,那两个函数怎么用就行了。
追问这样啊,那我自己继续琢磨。我看书上一会又是小波分量,一会又是小波系数,一会旁边又给幅分解的示意图,而究竟怎么来的实在理解不了,而我用[A,B,C,D]=dwt2(i,'haar');这样做,看到了A,B,C,D四幅图,所以就以为是这样分解了
追答小波分量指的是DWT中使用mallat算法后得到的小波细节和小波逼近,它们都是小波系数,不是重构得到的信号。按照你那副图的结构,是要得到两阶DWT的所有小波系数,而不是逆变换后的信号。使用wavedec2函数进行两层分解,对其结果使用appcoef2和detcoef2函数提取逼近和细节分量的小波系数,为了使小波系数成图清楚使用wcodemat函数对小波系数进行量化编码,最终使用image成图,这里就得到了你结构图中的结果,其数值是小波系数。另外,如果你要的是你原问题中的结果,只想得到重构图像那就只需要wavedec2、waverec2和image了,由于重构你得到的是有量纲的重构信号而不是小波系数。