一个小波变换实例及matlab实现

合集下载

(完整word版)MATLAB小波变换指令及其功能介绍(超级有用)

(完整word版)MATLAB小波变换指令及其功能介绍(超级有用)

MATLAB小波变换指令及其功能介绍1 一维小波变换的 Matlab 实现(1) dwt函数功能:一维离散小波变换格式:[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维 DFT说明:[cA,cD]=dwt(X,’wname’) 使用指定的小波基函数’wname’ 对信号X 进行分解,cA、cD 分别为近似分量和细节分量;[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。

(2) idwt 函数功能:一维离散小波反变换格式:X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分X=idwt(cA,cD,Lo_R,Hi_R,L)说明:X=idwt(cA,cD,’wname’) 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。

'wname’为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R)用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。

X=idwt(cA,cD,’wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L)指定返回信号 X 中心附近的 L 个点。

2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能—-————---—--—---——---—---—-—---—-——----——-----—————dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换—-----—-—-—-—-—-—--—-—-------—-——-—-————-———-—-——-——-—-----(1) wcodemat 函数功能:对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式:Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明:Y=wcodemat(X,NB,OPT,ABSOL)返回数据矩阵 X 的编码矩阵 Y ;NB 伪编码的最大值,即编码范围为 0~NB,缺省值 NB=16;OPT 指定了编码的方式(缺省值为 'mat'),即:别可以实现一维、二维和 N 维 DFTOPT='row’ ,按行编码OPT='col' ,按列编码OPT=’mat’ ,按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数(缺省值为’1'),即:ABSOL=0 时,返回编码矩阵ABSOL=1 时,返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的Matlab实现(2) dwt2 函数功能:二维离散小波变换格式:[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明:[cA,cH,cV,cD]=dwt2(X,'wname’)使用指定的小波基函数'wname’ 对二维信号 X 进行二维离散小波变幻;cA,cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量;[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。

一维连续小波变换的matlab基础程序实现

一维连续小波变换的matlab基础程序实现

小波变换实验二连续小波变换一、实验目的本实验的目的在于充分理解连续小波变换的算法和作用,利用matlab 程序实现对一维信号进行连续小波变换,进而在程序的编辑过程理解一位连续小波变换的小波系数矩阵的含义。

同时通过对预算的到的小波系数矩阵进行分析解释,得到原始信号的频谱分布以及了解小波系数在尺度和位移两个分量上的意义。

二、实验原理、实验编程思路1、根据书本的理论知识,知道一维连续小波变换的公式为:实际在编程过程当中,对于上式中积分的求解可以采用将积分函数离散化,通过求和来实现求积分,离散的过程如下式:本实验中,根据题目可以知道采样的时间间隔为0.03s ,即上式中Δt ,在实际编程当中为了计算方便可以省略掉这个时间常数,所以在编程过程当中使用的公式实际为:2、小波函数的选取:使用墨西哥草帽(mexhat )小波来进行小波变换,墨西哥草帽的函数为(支撑区间为-5—5):dt a b t t f a f b a W b a f⎰∞∞-->==<)()(1,),(,ϕϕ)()()()(),(21)1(21ab t k t k f t a t a b t a t f b a W k k t k t k f -∆⨯∆∆=∆-⨯=∑∑⎰-∆+∆-ϕϕ)()(),(21ab k k f a b a Wk f -⨯=∑-ϕ⎪⎩⎪⎨⎧≤-=-else x e x mexh x ,05,)1(222对于连续小波函数的采样间隔,根据不同的尺度参量来进行采样,比如尺度为i,实际对应小波的采样间隔取k/i,以保持和原信号在不同尺度上的同步。

3、程序运算简化:在程序设计过程当中,如果对于小波系数的每一个系数都按照公式来计算,算法的时间复杂度应当为o(n3)。

但通过对公式的分析,不难看出,对于同意尺度a,相邻的两个小波系数之间的求和项,只有第一项或者最后一项或者二者都不同,所以在下一个系数求解的时候可以减少一次循环,从而将时间复杂度降到o(n2),运算效率大大提高。

第5章 小波变换的matlab实现

第5章 小波变换的matlab实现
19
A3=wrcoef('a',C,L,'db1',3); D1=wrcoef('d',C,L,'db1',1); D2=wrcoef('d',C,L,'db1',2); D3=wrcoef('d',C,L,'db1',3);
Approximation A3 600
Detail D1 40
20 400
2000 1500 1000
500 0 0
50
Approximation cA3
200
400
600
Detail cD2
40 20
0 -20 -40
0
50
Detail cD1
500 1000 1500 2000 Detail cD3
0 0
-50
-50 0
-100
500
1000
0
200
400
600
18
重构系数 命令:wrcoef 格式:
50 100 150 200 250
50 100 150 200 250
Horizontal Detail H1
50 100 150 200 250
50 100 150 200 250
Diagonal Detail D1
50 100 150 200 250
50 100 150 200 250
32
二维逆变换 命令:idwt2 格式:
title('Vertical Detail V1')subplot(2,2,4);
image(wcodemat(D1,192));title('Diagonal Detail

matlab离散小波变换dwt(小波分解)

matlab离散小波变换dwt(小波分解)

小波变换是一种在信号处理领域广泛应用的数学工具,它可以将信号分解成不同尺度和频率成分,具有良好的局部化特性。

在Matlab中,离散小波变换(Discrete Wavelet Transform, DWT)是其中一种常用的小波变换方法,它广泛应用于图像处理、语音处理、数据压缩等领域。

本文将对Matlab中离散小波变换的原理、应用及实现方法进行详细介绍。

1. 离散小波变换的原理离散小波变换是通过将信号经过多级高通和低通滤波器的卷积运算,然后下采样,最终得到近似系数和细节系数的过程。

具体来说,设输入信号为x[n],高通滤波器为h[n],低通滤波器为g[n],则小波变换的原理可以表述为:\[a_{\text{scale},n} = x[n]*h_{\text{scale},n} \]\[d_{\text{scale},n} = x[n]*g_{\text{scale},n} \]其中,a为近似系数,d为细节系数,scale表示尺度,n表示离散时间序列。

2. Matlab中离散小波变换的应用离散小波变换在Matlab中有着广泛的应用,包括但不限于图像处理、语音处理、数据压缩等领域。

其中,图像处理是离散小波变换最为常见的应用之一。

通过对图像进行小波变换,可以将图像分解成不同尺度和频率的分量,实现图像的分析和处理。

在语音处理领域,离散小波变换可以用于信号降噪、语音特征提取等方面。

在数据压缩领域,离散小波变换可以实现对数据的降维和提取主要信息,从而实现数据的压缩存储。

3. Matlab中离散小波变换的实现方法在Matlab中,可以通过调用相关函数来实现离散小波变换。

其中,dwt函数是Matlab中常用的离散小波变换函数之一。

其调用格式为:\[cA = dwt(X,'wname','mode')\]\[cA, cD = dwt(X,'wname','mode')\]其中,X为输入信号,'wname'为小波基函数的名称,'mode'为信号的扩展模式。

小波变换matlab

小波变换matlab

小波变换是一种在信号和图像处理中广泛应用的工具。

在Matlab 中,你可以使用内置的函数来进行小波变换。

以下是一个基本的示例,显示了如何在Matlab中使用小波变换:
```matlab
首先,我们需要导入图像或者信号
I = imread('lena.bmp'); 导入图像
转换为灰度图像
I = rgb2gray(I);
使用'sym4'小波基进行小波分解
[C, S] = wavedec2(I, 1, 'sym4');
显示小波分解的结果
figure, wave2gray(C, S, -6);
```
在这个例子中,我们首先导入了图像,然后将其转换为灰度图像。

接着,我们使用`wavedec2`函数和`'sym4'`小波基进行小波分解。

最后,我们使用`wave2gray`函数显示小波分解的结果。

这只是使用Matlab进行小波变换的一个基本示例。

实际上,你
可以根据你的需求来选择不同的小波基(例如'haar'、'Daubechies'、'Symlet'、'Coiflet'等)以及进行不同级别的小波分解。

同时,Matlab也提供了其他的小波变换函数,例如`wavelet`和`wfilters`等,可以满足不同的需求。

一个小波变换实例及Matlab实现

一个小波变换实例及Matlab实现

1、选择'(t)或,使心(t-k)J∙k z为一组正交归一基2、求h n。

h n *W(t)]或H( Jh?(2 •)/ ?( •)3、由h n求g n。

gn - ( -I) h1 Jn或G( J=e^1H (仁)4、由g n, ;:(t)构成正交小波基函数(t)⑴八g n ln(t)或?^ J=GC ■ /2)?C ■ /2)Haar小波的构造1)、选择尺度函数。

⑴=1 O *1 C)O 其他易知「(t - n)关于n为一正交归一基2)、求h nh n In(t);=2. - (t)(2t-n)dt其中n n 1壬F= 1 20 其他当n=0时,——Icp(2t)=[0 当n=1时,1 C -t2其他e J σj +26"S J U 6 N H e ^。

≡G怪A寸 超M O一L HU L ^二—7τdL I τu 6 0"u ⅛二甘 LHU≡ 超M 010!—’」丄U —&¥(?⅛H 0IHUP H (U l10)¾(I)Cb 匸∙f⅛LHU O H U ≡疼超M 0________CXI H — &) Cb其图形如下:1、Haar尺度函数Haar尺度函数空间:C , (2 jχ 2), (2 j X -1), (2j x), (2 jχ -1), :(2j x-1), ? J 为非负的整数,该空间又称为J级阶梯函数空间V i。

则V O 二V1二V2二=V jJ=V j= V j 1 随j的增加,分辨更为精细。

2、性质函数集、2j/2「(2j X - k): k Z ?是V j的一个标准正交基。

f(x) V0当且仅当f(2j x) V j。

3、Haar小波函数函数满足两点:(1)••是V1的成员;(2)••与V0正交。

(X)V(2x) _ (2x -1)-bo性质:j(,(x)dx=0(x)是对称的、局部支撑的函数;小波函数空间Wj : V a k (2j x-k),a k RkZW j是V j的正交互补,即V jT=V j二W j函数集、2j/2 "2j x-k):k・Zi是W i的一个标准正交基4、Haar小波分解与重建对Haar 小波,有(2j x^( (2j^xp :(2j4x))/2 (2jχ-1) = ( Q j"1 x) - ’(2j*x)) / 2Haar 小波分解定理: 设:f j (χ)=∖a k (2j x-k),f j (x) := V j k 目则它可以有如下分解:f j = f j 1 ' ' 'j Jfj 」八 a k(2 X -k), f jI (X^ V j JkNCe j 丄=Σ b k^(2j」x — k )Q j 」(X)EW j 二 k 目_ a 2k ' a 2k 1_ 2a 2k - a2k 12把函数f 分解成一个小波空间与一个尺度空间的分量f(x)=^2 (4x) 2 (4x _1) (4x _2) _ (4x _3)解:按照分解定理,此j=2, ; k=0,1,2,3对应的系数是2,2,1, -1 ;代入公式,得出分解后尺度2-2 C 0,2f(x) =2 (2x)'(2x -1)a k 」2+2 1 _1函数空间元素的系数是〒二2 w 0 ;分解后小波函数空间元素的系数是Matlab 程序image1=imread('512.jpg');image1=rgb2gray(image1); subplot(2,2,1);imshow(image1); title('original image');image1=double(image1); imagew=imread('shuiyin.bmp'); imagew= rgb2gray (imagew); subplot(2,2,2);imshow(imagew); title('original watermark');[ca,ch,cv,cd]=dwt2(image1,'db1');[ca1,ch1,cv1,cd1]=dwt2(ca, 'db1');[cas,chs,cvs,cds]=dwt2(ca1,'db1');M=512;N=64;for i=1:Nfor j=1:N Ca(i,j)=cas(i,j)+0.01*imagew(i,j); end;end;IM=idwt2(Ca,chs,cvs,cds,'db1'); IM1=idwt2(IM,ch1,cv1,cd1, 'db1'); markedimage=double(idwt2(IM1,ch,cv,cd,'db1')); subplot(2,2,3);colormap(gray(256)); image(markedimage); title('marked image');imwrite(markedimage,gray(256),'watermarked.bmp','bmp'); image1=imread('512.jpg');image1=rgb2gray(image1); image1=double(image1); imaged=imread('watermarked.bmp');[ca,ch,cv,cd]=dwt2(image1,'db1');[ca1,ch1,cv1,cd1]=dwt2(ca,'db1');[cas,chs,cvs,cds]=dwt2(ca1,'db1');[caa,chh,cvv,cdd]=dwt2(imaged,'db1');[caa1,chh1,cvv1,cdd1]=dwt2(caa,'db1');[caas,chhs,cvvs,cdds]=dwt2(caa1,'db1');for p=1:Nfor q=1:NW(p,q)=100*(caas(p,q)-cas(p,q));end; subplot(2,2,4); colormap(gray(256)); image(W);title(' 从含水印图像中提取的水印');imwrite(W,gray(256),'watermark.bmp','bmp');。

小波变换(内附奇异值分析matlab程序)

小波变换(内附奇异值分析matlab程序)

2、算法及其应用实例
小波在信号的奇异性检测中的应用举例 信号的突变点和奇异点等不规则部分通常包含重要信息,一般信号 的奇异性分为两种情况: (1)信号在某一时刻其幅值发生突变,引起信号的非连续,这种类 型的突变称为第一类型的间断点; (2)信号在外观上很光滑,幅值没有发生突变,但是信号的一阶微 分有突变发生且一阶微分不连续,这种类型的突变称为第二类型的间 断点。 应用小波分析可以检测出信号中的突变点的位置、类型以及变 化的幅度。
程序代码
load nearbrk; x=nearbrk; %使用db4对信号进行2层分解 [c,l]=wavedec(x,2,‘db4’); subplot(411); subplot(4,1,i+2); plot(x); plot(d); ylabel('x'); ylabel(['d',num2str(3-i)]); %对分解的第六层低频系数进行重构 end a=wrcoef('a',c,l,'db4',2); subplot(412); plot(a); ylabel('a2'); for i=1:2 %对分解的第2层到第1层的高频系数 进行重构 a=wrcoef('a',c,l,'db4',3-i);
3、小波分析的优缺点
小波变换与Fourier变换相比,是一个时间和频域的局域变换因而能 有效地从信号中提取信息,通过伸缩和平移等运算功能对函数或信号进 行多尺度细化分析(Multiscale Analysis),解决了Fourier变换不能 解决的许多困难问题。 小波变换存在以下几个优点: 小波变换存在以下几个优点: (1)小波分解可以覆盖整个频域(提供了一个数学上完备的描述) (2)小波变换通过选取合适的滤波器,可以极大的减小或去除所提取得不 同特征之间的相关性 (3)小波变换具有“变焦”特性,在低频段可用高频率分辨率和低时间分 辨率(宽分析窗口),在高频段,可用低频率分辨率和高时间分辨率(窄分 析窗口) 。 (4)小波变换实现上有快速算法(Mallat小波分解算法)。

小波变换原理matlab

小波变换原理matlab

小波变换原理及在MATLAB中的应用小波变换是一种有效的信号分析方法,可以将时间序列信号按照不同频率分解为时频域上的小波系数。

其原理是利用小波基函数对信号进行多尺度分析,从而揭示信号中的局部特征和潜在信息。

在MATLAB中,小波变换得到了广泛的应用,可以用于信号处理、图像处理、数据压缩等领域。

小波变换原理小波变换的基本原理是将原始信号通过小波基函数的卷积运算,得到不同频率和时域范围的小波系数。

小波基函数是由母小波函数通过平移和尺度变换得到的。

小波基函数具有局部化特性,可以更精准地描述信号的局部特征。

小波变换可以通过连续小波变换(CWT)和离散小波变换(DWT)来实现。

CWT将小波基函数连续地与信号进行卷积,得到连续尺度的小波系数。

而DWT则通过对信号进行多级离散尺度下采样和滤波,从而得到离散的小波系数。

小波系数表示了信号在不同频率和时域范围上的能量分布,可以用于分析信号的频谱特性、辨识信号中的脉冲或噪声等。

小波变换能够同时提供时间和频率信息,比传统的傅里叶变换更符合实际问题的需求。

MATLAB中的小波变换MATLAB提供了丰富的小波变换函数和工具箱,方便用户进行小波分析和处理。

以下是一些常用的小波变换函数及其功能:wavefun函数该函数用于生成不同类型的小波基函数,供小波变换使用。

可以选择不同的小波类型(如“haar”、“db”、“sym”等)和小波尺度,生成对应的小波基函数。

cwt函数该函数实现了连续小波变换(CWT),可以对信号进行连续尺度的小波分解。

可以选择不同尺度和小波基函数进行分析,并可设置阈值进行信号去噪。

dwt函数该函数实现了离散小波变换(DWT),可以对信号进行多级离散尺度的小波分解。

可以选择不同小波基函数和分解层数,得到对应的离散小波系数。

idwt函数该函数实现了离散小波变换的逆变换,可以根据离散小波系数进行重构。

可以选择相同的小波基函数和分解层数,得到原始信号的重构。

wdenoise函数该函数基于小波变换提供了信号去噪的功能。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1、 选择()t ϕ或ˆ()ϕ
ω,使{}()k Z t k ϕ∈-为一组正交归一基; 2、 求n h 。

1,(),()n n h t t ϕϕ-=
或ˆˆ()(2)/()H ωϕωϕω=
3、 由n h 求n g 。

1(1)n n n g h -=- 或()()i G e H t ωωωπ-=
4、 由n g ,()t ϕ构成正交小波基函数()
t φ 1,()()n n t g t φϕ-=∑
或ˆˆ()(/2)(/2)G φωωϕω=
Haar 小波的构造
1)、选择尺度函数。

101
()0t t ϕ ≤≤⎧=⎨ ⎩其他
易知(n)t ϕ-关于n 为一正交归一基。

2)、求n h
1,(),()n n h t t ϕϕ-
=()2t-n)t dt ϕϕ(
其中
1
1(2)220n
n t t n ϕ+⎧
≤≤⎪-=⎨⎪ ⎩其他
当n=0时,
1
1(2)20t t ϕ⎧
0≤≤⎪=⎨⎪ ⎩其他
当n=1时,
1
11(21)20t t ϕ⎧
≤≤⎪-=⎨⎪ ⎩其他
故,当n=0,n=1时
1()(2)0n n t t n ϕϕ =0,=1
⎧•-=⎨ ⎩其他
当n=0时,
()(2)t t n ϕϕ•-1
120t ⎧
0≤≤⎪=⎨⎪ ⎩其他
当n=1时,
()(2)t t n ϕϕ•-1
1120t ⎧ ≤≤⎪=⎨⎪ ⎩其他

n
h ()2t-n)t dt ϕϕ
(1/0n n ⎧=0,=1
⎪=⎨ ⎪⎩其他
3)、求n g 。

11/0
(1)1/10n n n n g h n -⎧=⎪⎪=-=-=⎨⎪ ⎪⎩其他
4)、求()t φ。

1,()()n n t g t φϕ-=∑
=0-1,011,1()()g t g t ϕϕ-+
(2)(21)t t - =1
102
111
20t t ⎧ ≤≤⎪⎪⎪- ≤≤⎨⎪ ⎪⎪⎩
其他
其图形如下:
1、 Haar 尺度函数
101()0t t ϕ ≤≤⎧=⎨ ⎩
其他 Haar 尺度函数空间:
}{,(22),(21),(2),(21),(21),j j j j j x x x x x ϕϕϕϕϕ++-- j 为非负的整数,该空间又称为j 级阶梯函数空间j V 。


01211j j j V V V V V V -+⊂⊂⊂⊂⊂⊂⊂
随j 的增加,分辨更为精细。

2、 性质
函数集}{/22(2):j j x k k Z ϕ-∈是j V 的一个标准正交基。

0()f x V ∈当且仅当(2)j j f x V ∈。

3、 Haar 小波函数
函数满足两点:(1)φ是1V 的成员;(2)φ与0V 正交。

()x φ=(2)(21)x x ϕϕ--
性质:
()0x dx φ+∞
-∞=⎰
()x φ是对称的、局部支撑的函数;
小波函数空间:(2),j j k
k k Z W a x k a R φ∈-∈∑
j W 是j V 的正交互补,即1j j j V V W +=⊕
函数集}{/22(2):j j x k k Z φ-∈是j W 的一个标准正交基
4、 Haar 小波分解与重建
对Haar 小波,有11(2)((2)(2))j j j x x x φφϕ--=+/2 11(21)((2)(2))/2j j j x x x φφϕ---=-
Haar 小波分解定理:
设:()(2),()j j k
j j k Z f x a x k f x V φ∈=-∈∑
则它可以有如下分解:
11j j j f f ω--=+
11111(2),()j j j k j j k Z
f a x k f x V φ-----∈=-∈∑
11111(2),()j j j k j j k Z
b x k x W ωϕω-----∈=-∈∑
12212
j k k k a a a -++= 12212j k
k k a a b -+-= 把函数f 分解成一个小波空间与一个尺度空间的分量
()2(4)2(41)(42)(43)f x x x x x φφφφ=+-+---
解:按照分解定理,此j=2,;k=0,1,2,3对应的系数是2,2,1,-1;代入公式,得出分解后尺度函数空间元素的系数是2222+=,1102-=;分解后小波函数空间元素的系数是2202-=,1(1)12
--=;从而 ()2(2)(21)f x x x φϕ=+-
Matlab程序
image1=imread('512.jpg');
image1=rgb2gray(image1);
subplot(2,2,1);
imshow(image1);
title('original image');
image1=double(image1);
imagew=imread('shuiyin.bmp');
imagew= rgb2gray (imagew);
subplot(2,2,2);
imshow(imagew);
title('original watermark');
[ca,ch,cv,cd]=dwt2(image1,'db1');
[ca1,ch1,cv1,cd1]=dwt2(ca, 'db1');
[cas,chs,cvs,cds]=dwt2(ca1,'db1');
M=512;
N=64;
for i=1:N
for j=1:N
Ca(i,j)=cas(i,j)+0.01*imagew(i,j);
end;
end;
IM=idwt2(Ca,chs,cvs,cds,'db1');
IM1=idwt2(IM,ch1,cv1,cd1, 'db1');
markedimage=double(idwt2(IM1,ch,cv,cd,'db1'));
subplot(2,2,3);
colormap(gray(256));
image(markedimage);
title('marked image');
imwrite(markedimage,gray(256),'watermarked.bmp','bmp'); image1=imread('512.jpg');
image1=rgb2gray(image1);
image1=double(image1);
imaged=imread('watermarked.bmp');
[ca,ch,cv,cd]=dwt2(image1,'db1');
[ca1,ch1,cv1,cd1]=dwt2(ca,'db1');
[cas,chs,cvs,cds]=dwt2(ca1,'db1');
[caa,chh,cvv,cdd]=dwt2(imaged,'db1');
[caa1,chh1,cvv1,cdd1]=dwt2(caa,'db1');
[caas,chhs,cvvs,cdds]=dwt2(caa1,'db1');
for p=1:N
for q=1:N
W(p,q)=100*(caas(p,q)-cas(p,q));
..
end;
subplot(2,2,4);
colormap(gray(256));
image(W);
title('从含水印图像中提取的水印');
imwrite(W,gray(256),'watermark.bmp','bmp');。

相关文档
最新文档