小波变换 matlab 总结
matlab小波变换函数的总结与程序
小波去噪举例MATLAB中用wnoise函数测试去噪算法sqrt_snr=3;init=231434;[x,xn]=wnoise(3,11,sqrt_snr,init); % 加噪，信噪比为3 subplot(3,2,1),plot(x)title('original test function')subplot(3,2,2),plot(xn)title('noised function')lev=5;xd=wden(x,'heursure','s','one',lev,'sym8');%利用小波对一维信号进行降噪, XD为降噪后的%信号，CXD，LXD为XD的小波分解结构% 's' or 'h'决定阈值的使用方式，SCAL决定阈值是%否随噪声变化：'one' 不调整， 'sln'对第一层系%数的层噪声分别进行估计和调整； 'mln'对各层%系数的层噪声分别进行估计和调整；subplot(3,2,3),plot(xd)title('One de-noised function')xd=wden(x,'heursure','s','sln',lev,'sym8');subplot(3,2,4),plot(xd)title('Sln de-noised function')xd=wden(x,'sqtwolog','s','sln',lev,'sym8');% 固定阈值选择算法去噪subplot(3,2,5),plot(xd)title('Sqtwolog de-noised function')[c,l]=wavedec(x,lev,'sym8');subplot(3,2,6),plot(xd)title('CL de-noised function')MATLAB中图像噪声处理举例load sinsin;colormap('default');subplot(1,3,1),image(X);title('original image');axis('square');init=231434;randn('seed',init);X=X+18*randn(size(X)); %产生噪声信号subplot(1,3,2),image(x);title('noised image');axis('square');[thr,sorh,keepapp]=ddencmp('den','wv',x); %自动生成小波去躁或压缩的阈值选择方案，也 %就是寻找默认值[xc,cxc,lxc,perf0,perfl2]=wdencmp('gbl',x,'sym4',2,thr, sorh,keepapp);%使用全局阈值进行%图象降噪subplot(1,3,3),image(xc);title('denoised image');axis('square')可见，含躁图像的噪声含量很强，利用小波去躁，可以有效去除躁声，同时保留了边界。
Matlab中的小波变换与小波包分析方法详解
Matlab中的小波变换与小波包分析方法详解引言近年来，小波变换在信号处理领域中得到了广泛的应用。
小波变换是一种能够捕捉信号时频特性的有效工具，可以用来分析、压缩和去噪各种类型的信号。
本文将详细介绍Matlab中的小波变换和小波包分析方法，以帮助读者更好地理解和应用这一强大的信号处理技术。
一、小波变换（Wavelet Transform）小波变换是一种将信号分解成不同尺度的基函数的技术。
与传统的傅里叶变换相比，小波变换具有更好的时频局部化特性。
Matlab中提供了丰富的小波分析工具箱，可以方便地进行小波变换的计算。
1.1 小波基函数小波基函数是小波变换的基础。
不同类型的小波基函数适用于不同类型的信号。
在Matlab中，我们可以使用多种小波基函数，如Daubechies小波、Haar小波和Morlet小波等。
1.2 小波分解小波分解是指将信号分解成多个尺度的小波系数。
通过小波分解，我们可以获取信号在不同尺度上的时频特性。
Matlab中提供了方便的小波分解函数，例如'dwt'和'wavedec'。
1.3 小波重构小波重构是指根据小波系数重新构建原始信号。
通过小波重构，我们可以恢复原始信号的时域特性。
在Matlab中，可以使用'idwt'和'waverec'函数进行小波重构。
二、小波包分析（Wavelet Packet Analysis）小波包分析是对小波变换的进一步扩展，它允许对信号进行更精细的分解和重构。
小波包分析提供了一种更灵活的信号分析方法，能够获得更详细的时频特性。
2.1 小波包分解小波包分解是指将信号分解成具有不同频带的小波包系数。
与小波分解相比，小波包分解提供了更高的分辨率和更详细的频谱信息。
在Matlab中，可以使用'wavedec'函数进行小波包分解。
2.2 小波包重构小波包重构是根据小波包系数重新构建原始信号。
Matlab中的小波变换技术详解
Matlab中的小波变换技术详解1. 引言小波变换是一种数学工具，可将任意信号分解成不同尺度和频率成分。
它在信号处理、图像压缩等领域得到广泛应用。
Matlab作为一种功能强大的数值计算和数据可视化软件，提供了丰富的小波变换函数和工具箱。
本文将详细介绍Matlab中小波变换的原理、应用和实现方法。
2. 小波变换原理小波变换利用小波函数的一组基来表示信号。
小波函数是一种局部振荡函数，具有时域和频域局部化的特性。
通过将信号与小波函数进行内积运算，可以得到不同尺度和频率的小波系数，从而揭示信号的局部特征。
小波变换具有多分辨率分析的优势，能够在时间和频率上同时提供较好的分析结果。
3. 小波变换函数在Matlab中，可以使用wavelet工具箱提供的函数来进行小波变换。
最常用的函数是cwt，用于连续小波变换。
通过设置小波函数、尺度范围和采样频率等参数，可以得到连续小波系数矩阵。
另外，还有其他函数如dwt、idwt用于离散小波变换和反离散小波变换。
4. 小波函数小波变换的关键在于选择合适的小波函数。
常用的小波函数有多种，如哈尔、Daubechies、Symlets等。
这些小波函数在时域和频域上都有不同的特性，适用于不同类型的信号。
Matlab提供了丰富的小波函数库，可以根据需要选择合适的小波基函数。
5. 小波分析与信号处理小波变换在信号处理中有广泛的应用。
它可以用于信号去噪、特征提取、边缘检测等方面。
通过对小波系数进行阈值去噪，可以有效地去除信号中的噪声。
小波变换还能够提取信号的局部特征，捕捉信号的边缘信息。
此外，小波变换还可以用于图像压缩、图像分割等领域。
6. Matlab中的小波分析实例为了更好地理解Matlab中小波变换的应用，下面将给出一个实例。
假设我们有一个包含某种周期性成分和噪声的信号，我们希望通过小波变换将其分解成不同尺度的成分，并去除噪声。
首先，我们使用Matlab中的cwt函数对信号进行连续小波变换，并得到小波系数矩阵。
MATLAB小波变换指令及其功能介绍(超级有用)解读
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 。
收集和总结MATLAB中涉及到的小波函数
一、收集和总结MA TLAB中涉及到的小波函数1．cwt函数功能：实现一维连续小波变换的函数。
cwt函数语法格式：COEFS=cwt(S, SCALES, 'wname')COEFS=cwt(S, SCALES, 'wname', 'plot')COEFS=cwt(S, SCALES, 'wname', 'PLOTMODE') 2．dwt函数功能：单尺度一维离散小波变换函数语法格式：[cA,cD] = dwt(X,'wname')[cA,cD] = dwt(X,'wname','mode',MODE)[cA,cD] = dwt(X,Lo_D,Hi_D)3．meyer函数功能：Meyer小波函数语法格式：[PHI,PSI,T] = meyer(LB,UB,N)[PHI,T] = meyer(LB,UB,N,'phi')[PSI,T] = meyer(LB,UB,N,'psi')4．plot函数功能：绘制向量或矩阵的图形函数语法格式：plot(Y)plot(X1,Y1,...)plot(X1,Y1,LineSpec,...)5．cgauwavf函数功能：Complex Gaussian小波函数语法格式：[PSI,X] = cgauwavf(LB,UB,N,P)6．iswt函数功能：一维逆SWT(Stationary Wavelet Transform)变换函数语法格式：X = iswt(SWC,'wname')X = iswt(SWA,SWD,'wname')X = iswt(SWC,Lo_R,Hi_R)7．mexihat函数功能：墨西哥帽小波函数语法格式：[PSI,X] = mexihat(LB,UB,N)8．morlet函数功能：Morlet小波函数语法格式：[PSI,X] = morlet(LB,UB,N)9．symwavf函数功能：Symlets小波滤波器函数语法格式：F = symwavf(W)10．upcoef函数功能：一维小波分解系数的直接重构函数语法格式：Y = upcoef(O,X,'wname',N)Y = upcoef(O,X,'wname',N,L)Y = upcoef(O,X,Lo_R,Hi_R,N)Y = upcoef(O,X,Lo_R,Hi_R,N,L)Y = upcoef(O,X,'wname')Y = upcoef(O,X,Lo_R,Hi_R) 11．upwlev函数功能：单尺度一维小波分解的重构函数语法格式：[NC,NL,cA] = upwlev(C,L,'wname')[NC,NL,cA] = upwlev(C,L,Lo_R,Hi_R) 12．wavedec函数功能：单尺度一维小波分解函数语法格式：[C,L] = wavedec(X,N,'wname')[C,L] = wavedec(X,N,Lo_D,Hi_D) 13．wavefun函数功能：小波函数和尺度函数函数语法格式：[PHI,PSI,XVAL] = wavefun('wname',ITER) 14．waverec函数功能：多尺度一维小波重构函数语法格式：X = waverec(C,L,'wname')X = waverec(C,L,Lo_R,Hi_R)15．wpcoef函数功能：计算小波包系数函数语法格式：X = wpcoef(T,N)X = wpcoef(T)16．wpdec函数功能：一维小波包的分解函数语法格式：T = wpdec(X,N,'wname',E,P)T = wpdec(X,N,'wname')17．wpfun函数功能：小波包函数[函数语法格式：WPWS,X] = wpfun('wname',NUM,PREC) [WPWS,X] = wpfun('wname',NUM) 18．wprcoef函数功能：小波包分解系数的重构函数语法格式：X = wprcoef(T,N)19．wprec函数功能：一维小波包分解的重构函数语法格式：X = wprec(T)20．wrcoef函数功能：对一维小波系数进行单支重构函数语法格式：X = wrcoef('type',C,L,'wname',N)X = wrcoef('type',C,L,Lo_R,Hi_R,N)X = wrcoef('type',C,L,'wname')X = wrcoef('type',C,L,Lo_R,Hi_R)。
小波变换的matlab实现
举例： A1=upcoef('a','cA1','db1',1,ls); D1=upcoef('d','cD1','db1',1,ls);
subplot(1,2,1);plot(A1);title('Approximation A1')
subplot(1,2,2);plot(D1);title('Detail D1')
重构原始信号
*
2D图形接口
*
显示
*
小波分析用于信号处理
01
信号的特征提取
信号处理
常用信号的小波分析
GUI进行信号处理
*
正弦波的线性组合
S(t)=sin(2t)+sin(20t)+sin(200t)
*
2019
间断点检测
01
2020
波形未来预测
02
2021
各分信号的频率识别
03
2022
信号从近似到细节的迁移
*
多尺度二维小波
命令：wavedec2
格式： [C, S]=wavedec2(X,N,’wname’) [C, S]=wavedec2(X,N,Lo_D,Hi_D)
*
[C,S] = wavedec2(X,2,'bior3.7'); %图像的多尺度二维小波分解
提取低频系数
命令：appcoef2 格式： 1. A=appcoef2(C,S,’wname’,N) 2. A=appcoef2(C,S,’wname’) 3. A=appcoef2(C,S,Lo_R,Hi_R) 4. A=appcoef2(C,S,Lo_R,Hi_R,N) cA2 = appcoef2(C,S,'bior3.7',2); %从上面的C中提取第二层的低频系数
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_RX=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,ABSOLY=wcodemat(X,NB,OPTY=wcodemat(X,NBY=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(X1. 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 。
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 。
- 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、"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、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)。
小波变换matlab总结目录一、预置工具 (4)1.预置信号 (4)2.预置小波 (4)3.滤波器函数 (6)wfilters函数 (6)4.量化编码 (6)wcodemat函数 (6)5.阈值获取 (6)ddencmp函数 (6)thselect函数 (7)wbmpen函数 (7)wdcbm函数 (7)6.阈值去噪 (8)wden函数 (8)wdencmp函数 (8)wthresh函数 (9)wthcoef函数 (9)wpdencmp函数 (9)二、小波变换函数 (12)单尺度一维小波变换 (12)cwt一维连续小波变换 (12)dwt一维离散小波变换 (12)idwt一维离散小波逆变换 (13)upcoef 一维小波系数重构 (13)多尺度一维小波变换 (14)wavedec多尺度一维分解 (14)waverec多尺度一维重构 (15)appcoef低频系数提取 (16)detcoef高频系数提取 (16)wrcoef多尺度小波系数重构 (17)一维静态（平稳）小波变换 (18)swt一维平稳小波变换 (18)iswt一维平稳小波逆变换 (18)实例 (19)单尺度二维小波变换 (19)dwt2二维离散小波变换 (19)idwt2二维离散小波逆变换 (20)upcoef2二维系数重构 (20)多尺度二维小波变换 (21)wavedec2多尺度二维分解 (21)waverec2多尺度二维重构 (22)appcoef2低频系数提取 (23)detcoef2高频系数提取 (23)wrcoef2多尺度小波系数重构 (24)二维静态（平稳）小波变换 (26)swt2二维静态小波变换 (26)iswt2二维静态小波逆变换 (26)实例 (26)直接调用的小波函数 (28)meyer函数 (28)cgauwavf函数 (28)mexihat函数 (28)morlet函数 (29)symwavf函数 (29)三、图像接口调用 (30)使用图形接口做一维连续小波分析 (30)使用图形接口做一维离散小波分析 (33)使用图形接口分析复信号 (36)使用图形接口做一维除噪分析 (36)四、小波变换在图像处理中的应用 (40)4.1 小波分析用于图像压缩 (40)4.1.1 基于小波变换的图像局部压缩 (40)4.1.2 小波变换用于图像压缩的一般方法 (41)4.1.3 基于小波包变换的图像压缩 (45)4.2 小波分析用于图像去噪 (47)小噪声阈值去噪 (48)大噪声滤波去噪 (49)少量噪声的小波分解系数阈值量化去噪 (50)4.3 小波分析用于图像增强 (52)4.3.1 图像增强问题描述 (52)4.3.2 图像钝化 (53)4.3.3 图像锐化 (54)4.4 小波分析用于图像融合 (56)4.5 小波分析用于图像分解 (57)一、预置工具1.预置信号Matlab 内置了大量的信号实例，进行信号试验的时候可以调用。
调用格式:load signalmatlab安装目录的toolbox/wavelet/wavedemonoissin 包含噪声的正弦波leleccum一维电压信号,有365560个采样点wbarb 专指图片：2.预置小波Matlab预置了共计15种小波。
查看语句：wavemngr('read',1)查看单个小波：waveinfo('wname')1.Haar小波小波名haar2. Daubechies小波系小波名db调用名db1 db2 db3 db4 db5 db6 db7 db8 db9 db103.对称小波系Symlets小波名sym调用名sym2 sym3 sym4 sym5 sym6 sym7 sym84. Coiflets 小波系小波名coif调用名 coif1 coif2 coif3 coif4 coif55. Biorthogonal小波系小波名bior调用名bior1.1 bior1.3 bior1.5 bior2.2 bior2.4 bior2.6 bior2.8 bior3.1 bior3.3 bior3.5 bior3.7 bior3.9 bior4.4 bior5.5 bior6.86.ReverseBior小波系小波名rbio调用名rbio1.1 rbio1.3 rbio1.5 rbio2.2 rbio2.4 rbio2.6 rbio2.8 rbio3.1 rbio3.3 rbio3.5 rbio3.7 rbio3.9 rbio4.4 rbio5.5 rbio6.87.Meyer小波小波名meyr8. Dmeyer小波小波名dmey9. Gaussian小波系小波名gaus调用名gaus1 gaus2 gaus3 gaus4 gaus5 gaus6 gaus7 gaus810. Mexican hat小波小波名mexh11. Morlet小波小波名morlplex Gaussian小波系小波名cgau调用名cgau1 cgau2 cgau3 cgau4 cgau5 cgau13. Shannon小波系小波名shan调用名shan1-1.5 shan1-1 shan1-0.5 shan1-0.1 shan2-314. Frequency B小波系小波名fbsp调用名fbsp1-1-1.5 fbsp1-1-1 fbsp1-1-0.5 fbsp2-1-1 fbsp2-1-0.5 fbsp2-1-0.115. Complex Morlet小波系小波名cmor调用名cmor1-1.5 cmor1-1 cmor1-0.5 cmor1-1 cmor1-0.5 cmor1-0.13.滤波器函数wfilters函数[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('wname')计算对应小波的滤波器。
The four output filters areLo_D, 用于分解的低通滤波器Hi_D, 用于分解的高通滤波器Lo_R, 用于重构的低通滤波器Hi_R, 用于重构的高通滤波器4.量化编码wcodemat函数y=wcodemat(x,nb,opt,absol)y=wcodemat(x,nb,opt)y=wcodemat(x,nb)y=wcodemat(x)该函数是用来对矩阵X进行量化编码,它返回矩阵X的一个编码矩阵,在编码中,把矩阵X中元素绝对值最大的作为NB(NB是一个整数),绝对值最小的作为1,其他元素依其绝对值的大小在1与NB中排列.当OPT为'row'时,做行编码;当OPT为'col'时,做列编码,当OPT为'mat'时,做全局编码,即把整个矩阵中的元素绝对值最大的元素作为NB,最小的作为1,其他元素依其绝对值的大小在整个矩阵中排列.当ABSOL为0时,该函数返回输入矩阵X的一个编码版本；为非0时,返回X的绝对值5.阈值获取MATLAB中实现阈值获取的函数有ddencmp、thselect、wbmpen和wwdcbm，下面对它们的用法进行简单的说明。
ddencmp函数调用格式：[THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,IN2,X)函数ddencmp用于获取信号在消噪或压缩过程中的默认阈值。
输入参数X为一维或二维信号；IN1取值为'den'或'cmp'，'den'表示进行去噪，'cmp'表示进行压缩；IN2取值为'wv'或'wp'，wv表示选择小波，wp表示选择小波包。
输出参数THR为函数选择的阈值，SORH为函数选择阈值使用方式。
Sorh=s，为软阈值;Sorh=h，为硬阈值;输出参数KEEPAPP决定了是否对近似分量进行阈值处理。
可选为0或1。
CRIT为使用小波包进行分解时所选取的熵函数类型。
例：自动生成信号小波处理的阈值选取方案。
r=2055415866; randn('seed',r);x=randn(1,1000);%产生白噪声;%求取对信号进行小波消噪处理的默认阈值、软阈值，并且保留低频系数;[thr,sorh,keepapp]=ddencmp('den','wv',x);输出：thr = 3.8593sorh = skeepapp = 1thselect函数调用格式如下：THR=thselect(X,TPTR);根据字符串TPTR定义的阈值选择规则来选择信号X的自适应阈值。
自适应阈值的选择规则包括以下四种：*TPTR='rigrsure'，自适应阈值选择使用Stein的无偏风险估计原理。
*TPTR='heursure'，使用启发式阈值选择。
*TPTR='sqtwolog'，阈值等于sqrt(2*log(length(X))).*TPTR='minimaxi'，用极大极小原理选择阈值。
阈值选择规则基于模型 y = f(t) + e，e是高斯白噪声N(0,1)。
wbmpen函数调用格式：THR=wbmpen(C,L,SIGMA,ALPHA);返回去噪的全局阈值THR。
THR通过给定的一种小波系数选择规则计算得到，小波系数选择规则使用Birge-Massart的处罚算法。
[C,L]是进行去噪的信号或图像的小波分解结构；SIGMA是零均值的高斯白噪声的标准偏差；ALPHA是用于处罚的调整参数，它必须是一个大于1的实数，一般去ALPHA=2。
wdcbm函数调用格式：（1）[THR,NKEEP]=wdcbm(C,L,ALPHA);（2）[THR,NKEEP]=wdcbm(C,L,ALPHA,M);函数wdcbm是使用Birge-Massart算法获取一维小波变换的阈值。
返回值THR是与尺度无关的阈值，NKEEP是系数的个数。
[C,L]是要进行压缩或消噪的信号在j=length(L)-2层的分解结构；LAPHA和M必须是大于1的实数；THR是关于j的向量，THR（i)是第i层的阈值；NKEEP也是关于j的向量，NKEEP(i)是第i层的系数个数。
一般压缩时ALPHA取1.5，去噪时ALPHA取3.6.阈值去噪MATLAB中实现信号的阈值去噪的函数有wden、wdencmp、wthresh、wthcoef、wpthcoef 以及wpdencmp。
下面对它们的用法作简单的介绍。
wden函数调用格式：（1）[XD,CXD,LXD]=wden(X,TPTR,SORH,SCAL,N,'wname')（2）[XD,CXD,LXD]=wden(C,L,TPTR,SORH,SCAL,N,'wname')函数wden用于一维信号的自动消噪。