【】Matlab_小波工具箱入门

1、使用MATLAB小波工具箱进行小波分析: 如上图所示的小波分解过程，可以调用wfilters 来获得指定小波的分解和综合 滤波器系数，例如： % Set wavelet name. wname = db5; % Compute the four filters associated with wavelet name given % by the input string wname. Lo_D,Hi_D,Lo_R,Hi_R = wfilters(wname); subplot(221); stem(Lo_D); title(Decomposition low-pass filter); su

2、bplot(222); stem(Hi_D); title(Decomposition high-pass filter); subplot(223); stem(Lo_R); title(Reconstruction low-pass filter);-兰- 如 J 7 riOURE 7S A I 嫌酬M) ikMlimcnionaL 井 1 hurik hx Ehbatid a 4 d t Mt, H 1 Cdiiinni (Lo_D, H i Dr Lo_R, Hi _R二 wfi Iters ( 1 urnaire1 Fl,F2 = wfilters(1vrace,type1) Des

3、cription to Hi Tir wfilttrs ( wnjEt1 i four fibers associated itlillir wth&fonal er bwnhojwial ivavelet (Lamed ui the string * vaic1 Ttue four output ftlicri nc , IIK dwg网就脚 pass fihcr Hi _以 5he dtcompoiinon hi血，paw filter LOI_RT the icc(Mistnietim cv. -pass Ektr Ri_R.如 rcconstruoitm fiber Avaih

4、bk nlw Qml w birdwnat 粗 stkt rumc arc lifted in HK tblc below 噂 rv 画 M 也ukhies dblr or hzL, *dba * t t 1dblO* , - r db侦 C&fkx k cei.fl11 .,1 cai f S r Syndeti * symE * t * * syinB 1 t -#3yra451 Discrete Xlevef dknffyT BwrtlicoxLal pbiorL1* f Tbi&rl.31, bkorS.a*, hi史2.4, bioEa.l, rbior3 3 Tbi

5、or3.9 EoEf biorl.5 *biei2.t *faio2.a( bicraS*, *biaE3.7, Tbior5T5T, iorG.S Rm* Bicrlhfl-FonaJ prbiol.l rbiol.3. rbiisi, 4 1, vcbxe3.1 ebLol.S11 prbioJ.9rbiM H rtoiol,5* *XEio2.C + , *rt)io2.S, xfaieS.S, *rbla3.7T rJbinS.S，. rbioC.e FJ. r F2 = Mfilters 1 wnacie1 r，type1 ) fftiifiii the foHos hefs Wna

6、meM指定为列表中的任意一种小波，直接调用13_DMdHi_D Lo_R andHi_P La_D and ltn_R Hi_Dard i_H (Deconip&sition fihei&i i.R canjtnjctica fihtrsl (Lew-pass 曲mi (High-pass QICTS) If type = Td If typep = Lo_D,Hi_D,Lo_R,Hi_R = wfilters(wname) 会返回分解和综合滤波器系数。如果只想返回其中的一些而不是全部， 可以调用 F1,F2 = wfilters(wname,type) 其中type 可指定为

7、4种类型，每种类型的具体意义详见 matlab wfilters 帮助。 查看具体小波的信息 waveinfo( wname ) 获得一个标准的正交变换/双正交变换的尺度和小波函数(数字近似值) PHI,PSI,XVAL = wavefun(wname,ITER) PHI1,PSI1,PHI2,PSI2,XVAL = wavefun(wname,ITER) 例如 % Set number of iterations and wavelet name. iter = 10; wav = sym4; % Compute approximations of the wavelet function

8、using the % cascade algorithm. for i = 1:iter phi,psi,xval = wavefun(wav,i); plot(xval,psi); hold on end title( Approximations of the wavelet ,wav, . for 1 to ,num2str(iter), iterations); hold off 如果已知小波分解滤波器系数，计算小波变换的最简单方法就是 C,S = wavedec2(X,N,wname) C,S = wavedec2(X,N,Lo_D,Hi_D) 反过来，已知小波综合滤波器系数，计算

9、反小波变换，只需 X = waverec2(C,S,wname) X = waverec2(C,S,Lo_R,Hi_R) % 图片的小波分解 clear all clc im = imread(././std_images/lena.bmp); % 灰度 im = double(im); Lo_D,Hi_D = wfilters( haar,d); C,S = wavedec2(im,1,Lo_D,Hi_D); isize = prod(S(1,:); % cA = C(1:isize); cH = C(isize+(1:isize); cV = C(2*isize+(1:isize); cD

10、 = C(3*isize+(1:isize); % cA = reshape(cA,S(1,1),S(1,2); cH = reshape(cH,S(2,1),S(2,2); cV = reshape(cV,S(2,1),S(2,2); cD = reshape(cD,S(2,1),S(2,2); % figure,colormap gray subplot(221),imagesc(cA); subplot(222),imagesc(cH); subplot(223),imagesc(cV); subplot(224),imagesc(cD); 其中C是小波变换后的结果数据，以一维欠量的形式

11、组织， S是二维数组，记录 了 C中数据的分布形式，详见 matlab的帮助文档。此外，dwtmode可以设定输 入的边界处理方式。 提取小波的系数。前面使用的wavedec2得到的C,S不是非常的直观，可以利用 小波工具箱中的函数appcoef2和detcoef2来机取近似矩阵和的n级的某一个 细节矩阵。 A = appcoef2(C,S,wname,N) A = appcoef2(C,S,wname) D = detcoef2(O,C,S,N) 针对特定的小波系数矩阵进行阈值化处理 NC = wthcoef2(type,C,S,N,T,SORH) NC = wthcoef2(type,C,

12、S,N) NC = wthcoef2(a,C,S) NC = wthcoef2(t,C,S,N,T,SORH) 使用wave2gray来显示小波分解的结果 % 使用 wave2gray显示小波分解的结果，来自 dipum_1.1.4 toolbox clear all clc im = imread(././std_images/lena.bmp); % 灰度 im = double(im); Lo_D,Hi_D = wfilters( haar,d); C,S = wavedec2(im,2,Lo_D,Hi_D); wave2gray(C,S); 关丁 wave2gray更多用法详见dipu

13、m_1.1.4 toolbox 的说明文档官方网站。 小波综合(重建)：waverec2 X = waverec2(C,S,wname) X = waverec2(C,S,Lo_R,Hi_R) C,S是使用小波分解函数wavedec2得到的小波欠量和欠量描述矩阵，或者符合 这种规定形式的数据。返回X是实数图像矩阵，由丁计算误差，可能需要经过一 些处理才能正常显示。 %小波综合 clear all clc im = imread(././std_images/lena.bmp); % 灰度 im = double(im); Lo_D,Hi_D = wfilters( haar,d); C,S = wavedec2(im,2,Lo_D,Hi_D); X = waverec2(C,