图像的变换MATLAB实现.
Matlab课设_图像的输入输出及格式转换
课程设计任务书学生姓名：专业班级：指导教师：工作单位：信息工程学院题目:利用MATLAB仿真软件进行图像的输入、输出和格式变换要求完成的主要任务:读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换课程设计的目的：1．理论目的课程设计的目的之一是为了巩固课堂理论学习，并能用所学理论知识正确分析信号处理的基本问题和解释信号处理的基本现象。
2．实践目的课程设计的目的之二是通过设计具体的图像信号变换掌握图像和信号处理的方法和步骤。
课程设计的要求：每个学生单独完成课程设计内容，并写出课程设计说明书、给出程序清单，最后通过课程设计答辩。
时间安排：指导教师签名：年月日系主任（或责任教师）签字：年月日目录摘要 (I)Abstract (II)1设计项目要求与说明 (1)1.1设计项目要求 (1)1.2Matlab简介及其在图像处理与分析的应用 (1)1.2.1Matlab简介 (1)1.2.2数字图像及其处理 (1)1.2.3Matlab在图像处理与分析的应用 (3)2软件流程分析 (6)2.1图像的读取 (6)2.2图像的显示 (6)2.2.1以图像形式输出（图像的显示） (6)2.2.2索引图像的显示 (7)2.2.3灰度图像的显示 (7)2.2.4二值图像的显示 (7)2.2.5RGB图像的显示 (7)2.2.6以图像文件的形式输出（图像文件形式之间的转换） (7)2.3图像的保存 (8)2.4图像类型的相互转换 (9)2.4.1RGB图像→灰度图像 (9)2.4.2RGB图像→索引图像 (9)2.4.3RGB图像→二值图像 (9)2.4.4索引图像→RGB图像 (9)2.4.5索引图像→灰度图像 (10)2.4.6灰度图像→索引图像 (10)2.4.7灰度图像→二值图像 (10)3调试分析 (11)3.1图像读取 (11)3.2图像显示 (12)3.2.1索引图像显示 (12)3.2.2灰度图像显示 (12)3.2.3二值图像显示 (13)3.2.4RGB图像显示 (13)3.3图像类型的相互转换 (14)3.3.1RGB图像→灰度图像 (14)3.3.2RGB图像→索引图像 (14)3.3.3RGB图像→二值图像 (15)3.3.4索引图像→灰度图像 (15)3.3.5灰度图像→索引图像 (16)3.3.6灰度图像→二值图像 (16)4附录（程序清单及使用图像） (17)4.1图像的读取 (17)4.2图像的显示 (17)4.2.1索引图像显示 (17)4.2.2灰度图像显示 (17)4.2.3二值图像显示 (17)4.2.4RGB图像显示 (17)4.3以图像文件的形式输出（图像文件形式之间的转换） (18)4.4图像类型的相互转换 (18)4.4.1RGB图像→灰度图像 (18)4.4.2RGB图像→索引图像 (18)4.4.3RGB图像→二值图像 (18)4.4.4索引图像→灰度图像 (18)4.4.5灰度图像→索引图像 (19)4.4.6灰度图像→二值图像 (19)4.5原图像 (19)5课程设计总结 (22)6参考资料 (23)摘要MATLAB语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
第5章 图像变换技术 MATLAB 数字图像处理课件
5.6.2 Hough变换的MATLAB实现
hough函数用于实现Hough变换。其调用格式为： （1）[H, theta, rho]=hough(BW) （2）[H, theta, rho]=hough(BW, param1,
val1, param2, val2)
【例5-15】用hough函数检测图像中的直线。
（2）B = idct2(A,m,n)或B = idct2(A,[m n])：在对图 像A进行二维离散余弦逆变换前，先将图像A补零到m×n。 如果m和n比图像A的尺寸小，则在进行变换前，将图像A进 行剪切。
【例5-9】对图像进行二维离散余弦逆变换。
（a）原始图像
（b）逆DCT变换
3．dctmtx函数 在MATLAB图像处理工具箱中提供了dctmtx函数用
于计算二维离散DCT矩阵。 其调用格式为：D = dctmtx(n)。
返回n×n的DCT变换矩阵，如果矩阵A的大小为 n×n，D*A为A矩阵每一列的DCT变换值，A*D'为A 每一列的DCT变换值的转置（当A为n×n的方阵） 。
【例5-10】计算二维离散DCT矩阵。
（a）原始图像
（b）离散DCT矩阵
5.4 离散余弦变换
5.4.1 一维离散余弦变换 5.4.2 二维离散余弦变换 5.4.3 快速离散余弦变换
5.4.4 离散余弦变换的MATLAB实现
1．dct2函数 在MATLAB图像处理工具箱中提供了dct2函数用于实现二维
离散余弦变换。该函数常用于图像压缩，最常见的便是用 于JPEG图像压缩。其调用格式为： （1）B = dct2(A)：返回图像A的二维离散余弦变换值，其 大小与A相同，且各元素为离散余弦变换的系数B(k1,k2)。 （2）B = dct2(A,m,n)或B = dct2(A,[m n])：在对图像A 进行二维离散余弦变换前，先将图像A补零到m×n。如果m 和n比图像A的尺寸小，则在进行变换前，将图像A进行剪切 。
matlab image函数用法
matlab image函数用法MATLAB Image函数用法Image函数是Matlab的一个基本的图像处理函数，可以用来读取、显示和储存各种格式的图像，并且可以进行基本的图像矩阵变换，是Matlab中常用的图像处理方法。
以下将详细介绍如何使用Image函数：第一步：载入图片如果要对某个图片进行处理，首先需要将其载入Matlab环境中，可以使用Image函数来实现。
可以通过下面的代码来完成：A = imread('path_to_image');其中path_to_image指定了图片的位置，读取后会自动填充到变量A 中，这样就可以用A来进行后续的处理。
第二步：显示载入的图片载入完图片以后，我们可以使用下面的命令来显示该图片：imshow(A);这步骤完成后，就可以在Matlab环境中看到载入的图片。
第三步：图像矩阵变换如果要对载入的图片进行像素矩阵的变换，比如反转、镜像等等，可以使用以下代码来实现：B = imrotate(A, 90); //旋转90度C = flipud(A); //上下翻转D = fliplr(A); //左右翻转这些操作会对载入的图片进行像素矩阵变换，变换后的图像就会储存到相应变量中，例如旋转后的图像就会储存在B中，上下翻转后的图像就会储存在C中，左右翻转后的图像就会储存在D中，之后可以使用imshow函数来查看这些变换后的图片。
第四步：存储变换后的图片如果想对变换后的图片进行存储，可以使用Image函数中提供的imwrite函数来实现，可以使用如下代码：imwrite(B,'rotated.jpg'); //保存旋转后的图片imwrite(C,'Vertical_flip.jpg'); //保存上下翻转后的图片imwrite(D,'Horizontal_flip.jpg'); //保存左右翻转后的图片其中，括号内的参数指定图片的存储路径和名称，执行完上述代码，就可以在指定位置看到三张变换后的图片。
图像的等距变换,相似变换,仿射变换,射影变换及其matlab实现
图像的等距变换，相似变换，仿射变换，射影变换及其matlab实现第二次写CSDN文档，上一篇的排版实在太烂了，于是决定认真学习一下markdown的语法。
好了，废话不多说，今天，我们学习一下图像（2维平面）到图像（2维平面）的四种变换，等距变换，相似变换，仿射变换，投影变换首先介绍它的原理，最后介绍matlab的实现1.数学基础射影变换矩阵H属于射影群PL(n)中的一个，仿射群是由PL(3)中最后一行为(0,0,1)的矩阵组成的子群，包括仿射群，欧式群，其中欧式群是仿射群的子群，其左上角的矩阵是正交的，当它的行列式为1是称为定向欧式群，距离是欧式群的不变量，但不是相似群的不变量，而夹角是这两个群的不变量。
听了这么多群，不变量的数学概念，可能有点晕，下面我用最直观的语言解释。
线性空间中的线性变换可以用矩阵来描述，因此我们用矩阵来刻画这四种变换。
我们以数学系的经典代数入门教材北大版的《高等代数》为例，研究这些变换是如何进行的2. 等距变换等距变换（isometric transform），保持欧式距离不变，当图像中的点用齐次坐标表示时，变换矩阵如下所示：???x′y′1???=???εcos(θ)εsin(θ)0?εsin(θ)?εcos(θ)0txty1??? ???xy1???当ε=1是保向的，ε=?1是逆向的，等距变换可以更简单的写成x′=HEx=(R0t1)x其中R是旋转矩阵。
t是平移矢量，有3个自由度（1旋转角θ+两个平移tx,ty），需要2组点4个方程求解，等距变换的不变量是:长度，角度，面积。
用matlab实现等距变换如下：clear;close all;clcI=imread('book1.jpg');figure,imshow(I);[w,h]=size(I);theta=pi/4;t=[100,100];s=0.5;% test Eucludian transformH_e=projective2d([cos(theta) -sin(theta) t(1);sin(theta) cos(theta) t(2);0 0 1]');newimg=imwarp(I,H_e);figure,imshow(newimg); 12345678910111213141234567891011121314可以看出，等距变换就是对图像的旋转+平移3. 相似变换相似变换（similarity transform）：等距变换+均匀缩放，当图像中的点用齐次坐标表示时，变换矩阵如下所示：???x′y′1???=???scos(θ)ssin(θ)0?ssin(θ)?scos(θ)0txty1?? ????xy1???当s=1是保向的，s=?1是逆向的，相似变换可以更简单的写成x′=HSx=(sR0t1)x其中R是旋转矩阵。
图像傅立叶变换的matlab实现
imshow(wnr4); % 显示处理后的图像
title('Inverse Filtering of Noisy Data'); % 设置图像标题
figure, % 新建窗口
imshow(wnr3); % 显示处理后的图像
title('Restored, Steep'); % 设置图像标题
IP = abs(fftn(im2double(I))).^2; % 傅立叶变换
IPOW = sum(IP(:))/prod(size(I)); % 原始图像功率
ICORR = fftshift(real(ifftn(IP))); % 图像自相关函数，居中的
I = imread('peppers.png'); % 读入图像
I = I(10+[1:256],222+[1:256],:); % 图像剪切
figure, imshow(I); % 显示原始图像
title('Original Image'); % 设置图像标题
figure, % 新建窗口
imshow(wnr8); % 显示处理后的图像
title('Restored with NP & 1D-ACF'); % 设置图像标题
NSR = sum(noise(:).^2)/sum(im2double(I(:)).^2); % 计算信噪比
wnr5 = deconvwnr(blurredNoisy,PSF,NSR); % 图像恢复
figure, % 新建窗口
% 模糊运动长度取值是真实长度的2倍，2*LEN
matlab实现图像的放大及旋转
MATLAB是一个包含大量计算算法的集合。
其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。
函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和容错处理。
在通常情况下，可以用它来代替底层编程语言，如C和C 。
在计算要求相同的情况下，使用MATLAB的编程工作量会大大减少。
MATLAB的这些函数集包括从最简单最基本的函数到诸如距阵，特征向量、快速傅立叶变换的复杂函数。
函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。
（4）出色的图形处理功能MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和距阵用图形表现出来，并且可以对图形进行标注和打印。
高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。
可用于科学计算和工程绘图。
新版本的MATLAB 对整个图形处理功能作了很大的改进和完善，使他不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB 同样表现了出色的处理能力。
同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功能函数，保证了用户不同层次的要求。
另外新版本的MATLAB还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。
（5）应用广泛的模块集合工具箱MATLAB对许多专门的领域都开发了功能强大的模块集和工具箱。
一般来说，他们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。
目前，MATLAB已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、DSP 与通讯、电力系统仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。
matlab实现图像的放大及旋转
实验三图像的几何操作一、图像的基本运算1、加法运算图像相加一般用于对同一场景的多幅图像求平均效果，以便有效地降低具有叠加性质的随机噪声。
直接采集的图像品质一般都较好，不需要进行加法运算处理，但是对于那些经过长距离模拟通信方式传送的图像（如卫星图像），这种处理是必不可少的。
在MA TLAB7.0中，如果要进行两幅图像的加法，或者给一幅图像加上一个常数，可以调用imadd函数来实现。
imadd函数将某一幅输入图像的每一个像素值与另一幅图像相应的像素值相加，返回相应的像素值之和作为输入图像。
imadd函数的调用格式可参考图像处理的工具箱。
下面的程序可将图1两幅图像叠加在一起，叠加效果如图2所示。
imshow('rice.png');imshow('cameraman.tif');I=imread('rice.png');J=imread('cameraman.tif');K=imadd(I,J,'uint16');%大小必须一样imshow(K,[])图1 图2给图像的每一个像素加上一个常数可以使图像的亮度增加。
例如以下程序示例的处理效果如图3所示。
I=imread('rice.png');J=imadd(I,50);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);图32、减法运算图像减法也称为差分方法，是一种常用于检测图像变化及运动物体的图像处理方法。
图像减法可以作为许多图像处理过程的准备步骤。
例如，可以使用图像减法来检测一系列相同场景图像的差异。
图像减法与阈值化处理的综合使用通常是建立机器视觉系统最有效的方法之一。
当然，在利用图像减法处理图像时，往往需要考虑背景的更新机制，尽量补偿因天气、光线等因素对图像显示效果造成的影响。
在MATLAB7.0中，使用imsubtract函数可以将一幅图像从另一幅图像中减去，或者从一幅图像中减去一个常数。
图像处理之傅里叶变换matlab实现
图像处理之傅里叶变换matlab实现傅里叶变换是一种将时域信号转换为频域信号的数学工具。
在图像处理中，傅里叶变换可以用于图像的频域分析和滤波，以及图像的压缩和增强等应用。
Matlab是一种功能强大的数值计算和图形化工具，它提供了丰富的函数和工具箱，可以方便地进行傅里叶变换的实现。
在Matlab中，可以使用fft2函数对图像进行二维傅里叶变换。
该函数的基本语法如下：Y = fft2(X)其中，X是输入的图像矩阵，Y是输出的频域图像矩阵。
Y的大小与X 相同，表示了图像在频域中的分布情况。
为了更好地理解傅里叶变换的过程，我们可以使用一幅灰度图像作为示例进行实现。
首先，我们需要读取图像并将其转换为灰度图像。
可以使用imread函数读取图像，并使用rgb2gray函数将图像转换为灰度图像：img = imread('image.jpg');gray_img = rgb2gray(img);接下来，我们可以对灰度图像进行傅里叶变换。
首先，我们需要将图像矩阵进行归一化操作，以避免频谱的幅度过大。
可以使用im2double函数将图像矩阵转换为双精度类型：normalized_img = im2double(gray_img);然后，我们可以使用fft2函数对归一化后的图像矩阵进行傅里叶变换：fft_img = fft2(normalized_img);得到的fft_img是一个复数矩阵，包含了图像在频域中的幅度和相位信息。
为了更好地可视化频域图像，可以使用fftshift函数将频域图像的零频率移到中心位置：shifted_fft_img = fftshift(fft_img);最后，我们可以使用abs函数计算频域图像的幅度谱，并使用matshow函数将其显示出来：amplitude_spectrum = abs(shifted_fft_img);imshow(amplitude_spectrum, []);通过以上步骤，我们就可以实现对图像的傅里叶变换，并显示出频域图像的幅度谱。
- 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)。
图像的变换
1. 离散傅立叶变换的Matlab 实现
Matlab 函数fft、fft2 和fftn 分别可以实现一维、二维和N 维DFT 算法；而函数ifft、ifft2 和ifftn 则用来计算反DFT 。
这些函数的调用格式如下：
A＝fft(X,N,DIM)
其中，X 表示输入图像；N 表示采样间隔点，如果X 小于该数值，那么Matlab 将会对X 进行零填充，否则将进行截取，使之长度为
N ；DIM 表示要进行离散傅立叶变换。
A＝fft2(X,MROWS,NCOLS)
其中，MROWS 和NCOLS 指定对X 进行零填充后的X 大小。
A＝fftn(X,SIZE)
其中，SIZE 是一个向量，它们每一个元素都将指定X 相应维进行零填充后的长度。
函数ifft、ifft2 和ifftn的调用格式于对应的离散傅立叶变换函数一致。
例子：图像的二维傅立叶频谱
% 读入原始图像
I＝imread('lena.bmp');
imshow(I)
% 求离散傅立叶频谱
J=fftshift(fft2(I));
figure;
imshow(log(abs(J)),[8,10])
2. 离散余弦变换的Matlab 实现
2.1. dCT2 函数
功能：二维DCT 变换
格式：B=dct2(A)
B=dct2(A,m,n)
B=dct2(A,[m,n])
说明：B＝dct2(A) 计算 A 的DCT 变换 B ，A 与 B 的大小相同；B＝dct2(A,m,n) 和B=dct2(A,[m,n]) 通过对A 补0 或剪裁，使B 的大小为m×n。
2.2. dict2 函数
功能：DCT 反变换
格式：B=idct2(A)
B=idct2(A,m,n)
B=idct2(A,[m,n])
说明：B＝idct2(A) 计算 A 的DCT 反变换B ，A 与 B 的大小相同；B＝idct2(A,m,n) 和B=idct2(A,[m,n]) 通过对A 补0 或剪裁，使B的大小为m×n。
2.3. dctmtx函数
功能：计算DCT 变换矩阵
格式：D＝dctmtx(n)
说明：D＝dctmtx(n) 返回一个n×n 的DCT 变换矩阵，输出矩阵D 为double 类型。
3. 图像小波变换的Matlab 实现
3.1 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)
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)
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。
3.2 二维小波变换的Matlab 实现
二维小波变换的函数
-------------------------------------------------
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
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：
OPT＝'row' ，按行编码
OPT＝'col' ，按列编码
OPT＝'mat' ，按整个矩阵编码
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)
(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 。
(3) wavedec2 函数
功能：二维信号的多层小波分解
格式：[C,S]=wavedec2(X,N,'wname')
[C,S]=wavedec2(X,N,Lo_D,Hi_D)
说明：[C,S]=wavedec2(X,N,'wname') 使用小波基函数'wname' 对二维信号X 进行N 层分解；[C,S]=wavedec2(X,N,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 。
(4) idwt2 函数
功能：二维离散小波反变换
格式：X=idwt2(cA,cH,cV,cD,'wname')
X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)
X=idwt2(cA,cH,cV,cD,'wname',S)
X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)
说明：X=idwt2(cA,cH,cV,cD,'wname') 由信号小波分解的近似信号cA 和细节信号cH、cH、
cV、cD 经小波反变换重构原信号X
；X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重构低通和高通滤波器Lo_R 和Hi_R 重构原信号X ；X=idwt2(cA,cH,cV,cD,'wname',S)
和X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的S 个数据点。
(5) waverec2 函数
说明：二维信号的多层小波重构
格式：X=waverec2(C,S,'wname')
X=waverec2(C,S,Lo_R,Hi_R)
说明：X=waverec2(C,S,'wname') 由多层二维小波分解的结果C、S 重构原始信号X ，'wname'为使用的小波基函数；X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器Lo_R 和Hi_R 重构原信号。