利用matlab對圖片進(jìn)行多層小波分解 會(huì)的加QQ511607771 加過作圖之后積分加倍送

mip版??關(guān)注:96??答案:2??懸賞:0

解決時(shí)間 2021-01-23 13:02

已解決

2021-01-23 04:23

(Haar小波、Daubechies小波、Coiflets小波和Symlets小波) 三層分解下的去噪圖

可以直接發(fā)信息15836900853 立馬上線

最佳答案

2021-01-23 05:49

load x:%加載含噪圖像；

subplot(2,2,1);

image(x);

colormap(map);

title('含噪圖像');

%對圖像進(jìn)行去噪處理

%用 sym5小波對圖像進(jìn)行分解

[c,l]=wavedec2(x,3,'sym5');

%圖像的三層重構(gòu)逼近信號(hào)

[a1,a2,a3]=wrcoef2('a',c,l,'sym5',[1,2,3]);

%顯示去噪圖像

subplot(2,2,2);

image(a1);

colormap(map);

title('第1層重構(gòu)圖像');

subplot(2,2,3);

image(a2);

colormap(map);

title('第2層重構(gòu)圖像');

subplot(2,2,4);

image(a3);

colormap(map);

title('第3層重構(gòu)圖像');

或者你用小波工具箱~用wavemenu調(diào)出工具箱，選擇二維小波分解

全部回答

1樓

2021-01-23 07:23

哈哈！不知你如何想到用復(fù)小波進(jìn)行dwt滴，目的是啥？matlab沒有用復(fù)小波進(jìn)行dwt滴分解和重構(gòu)滴方法。用復(fù)小波進(jìn)行dwt分解與重構(gòu)滴研究目的一般有兩種：

第一，復(fù)小波變換具有優(yōu)于實(shí)小波滴平移不變性，對突變點(diǎn)的反應(yīng)更加靈敏，可更加準(zhǔn)確和清晰的表現(xiàn)信號(hào)的突變信息。在實(shí)際應(yīng)用中也可用實(shí)小波滴swt抑制消弱平移敏感性以達(dá)到類似滴效果。

第二，復(fù)小波與實(shí)小波相比除了不僅可提供幅值信息還有相位信息，而且還能提供多種復(fù)合信息，然而，復(fù)小波變換得到的小波系數(shù)為復(fù)數(shù)形式，構(gòu)造它的完全重構(gòu)濾波器非常困難，1998年，n.g .kingsbury提出了對偶樹(雙樹)復(fù)小波變換(dual-tree complex wavelet transform, dt cwt)理論，該變換滿足完全重構(gòu)條件，且保留了復(fù)小波變換的諸多優(yōu)良特性：近似的平移不變性、良好的方向選擇性(6個(gè)，±15°、±45°、±75°)、有限的冗余和高效的階數(shù)，與此同時(shí)，它還具有完全重構(gòu)特性。這玩意兒有國內(nèi)學(xué)位論文，好像是圖像方面滴，你可以查查。但貌似沒啥具體代碼和操作性說明，也不知是不是正宗滴dt cwt，實(shí)際應(yīng)用中相位信息滴解讀在信號(hào)處理中一直不夠直觀，清晰和明確，如同ft中相位譜一直難以研究一樣，做試探性研究尚可，實(shí)用性貌似不強(qiáng)。

所以完全不知你為啥要玩復(fù)小波滴分解和重構(gòu)呦！不為實(shí)用只為與眾不同，容易發(fā)文章嗎！此種風(fēng)氣不可有啊，哇咔咔！

我要舉報(bào)

如果感覺以上信息為低俗/不良/侵權(quán)的信息，可以點(diǎn)下面鏈接進(jìn)行舉報(bào)，我們會(huì)做出相應(yīng)處理，感謝你的支持！

點(diǎn)此我要舉報(bào)以上信息！

推薦資訊

大家都在看

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的matlab dwt 多层分解,利用matlab对图片进行多层小波分解 会的加QQ511607771 加过作图之后积分加倍送...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。