小波变换在图像处理中的运用及其matlab实现 - 副本
小波变换及其matlab工具的应用

小波变换及其matlab工具的应用小波变换是信号处理领域中的一种基本方法,可以用于信号分析、压缩和去噪等应用。
通过对信号进行小波变换,我们能够将不同频率的信号分离出来,从而更好地了解信号的特性。
本文将介绍小波变换的基本概念以及其在matlab工具中的应用。
一、小波变换的基本概念小波变换是一种将信号分解成一组不同频率、不同时间的函数,以便于分析的方法。
它是基于多尺度分析理论而发展起来的,可以有效地捕捉信号的瞬时特征。
小波变换的核心思想是将信号进行局部变换,从而在不同时间和频率上获取不同的信息。
其中,小波基函数是用于局部变换的基本单元,它可以根据不同问题的需求而灵活选择。
小波基函数具有良好的局部特性和紧凑性,可以在不同频率范围内对信号进行分解。
对于一个实数信号x(t),它在小波分析后可以表示为:$$x(t) = \sum_{j=0}^{J} \sum_{k}^{} c_{jk}\psi_{jk}(t)$$其中,$J$表示小波分解的层数,$c_{jk}$是小波系数,表示信号在不同频率和不同时间段的能量贡献,$\psi_{jk}(t)$是小波基函数,它可以根据不同问题的需求而灵活选择。
matlab中提供了丰富的小波变换工具箱,可以方便地进行小波分析和处理。
下面介绍基于matlab的小波变换应用方法。
1. 小波变换函数matlab中有多种小波变换函数可供选择,其中最常用的是"wavelet"函数。
使用该函数需要输入以下参数:- 小波类型- 小波系数- 分解层数- 信号例如,我们可以使用db4小波对信号进行一层分解:```matlab[coeffs, l] = wavedec(x, 1, 'db4');```其中,"coeffs"是输出的小波系数,"l"是每层小波系数的长度。
小波分解后,我们需要对分解得到的小波系数进行重构,以便于分析和处理。
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。
小波变换在图像处理中的应用毕业论文

结论.......................................................................15
参考文献...................................................................16
cl是x的小波分解结构则perf0100小波分解系数里值为0的系数个数全部小波分解系数个数perfl2100cxc向量的范数c向量的范数华侨大学厦门工学院毕业设计论文首先对图像进行2层小波分解并通过ddencmp函数获取全局阈值对阈值进行处理而后用wdencmp函数压缩处理对所有的高频系数进行同样的阈值量化处理最后显示压缩后的图像并与原始图像比较同时在显示相关的压缩参数
3.2.2实现增强的算法流程............................................10
3.3小波包图像去噪......................................................10
3.3.1实现去噪的主要函数............................................11
指导教师签名:
日期:
华侨大学厦门工学院毕业设计(论文)
小波变换在图像处理中的应用
摘要
近年来小波变换技术已广泛地应用于图像处理中。小波分析的基本理论包括小波包分析、连续小波变换、离散小波变换。小波变换是一种新的多分辨分析的方法,具有多分辨率和时频局部化的特性,
可以同时进行时域和频域分析。
因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定
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。
完整版)小波变换图像去噪MATLAB实现

完整版)小波变换图像去噪MATLAB实现本论文旨在研究数字图像的滤波去噪问题,以提高图像质量。
数字图像处理(Digital Image Processing。
DIP)是指用计算机辅助技术对图像信号进行处理的过程。
DIP技术在医疗、艺术、军事、航天等图像处理领域都有着十分广泛的应用。
然而,图像的采集、获取、编码和传输的过程中,都存在不同程度被各种噪声所“污染”的现象。
如果图像被污染得比较严重,噪声会变成可见的颗粒形状,导致图像质量的严重下降。
因此,通过一些卓有成效的噪声处理技术后,尽可能地去除图像噪声,有利于进一步的对图像进行如特征提取、信号检测和图像压缩等处理。
小波变换处理应用于图像去噪外,在其他图像处理领域都有着十分广泛的应用。
小波定义为对给定函数局部化的新领域,小波可由一个定义在有限区域的函数Ψ(x)来构造,Ψ(x)称为母小波,或者叫做基本小波。
一组小波基函数,{Ψa,b(x)},可以通过缩放和平移基本小波来生成。
当a=2j和b=ia的情况下,一维小波基函数序列定义为Ψi,j(x)=2-j2Ψ2-jx-1.函数f(x)以小波Ψ(x)为基的连续小波变换定义为函数f(x)和Ψa,b(x)的内积。
在频域上有Ψa,b(x)=ae-jωΨ(aω)。
因此,本论文以小波变换作为分析工具处理图像噪声,研究数字图像的滤波去噪问题,以提高图像质量。
当绝对值|a|减小时,小波函数在时域的宽度会减小,但在频域的宽度会增大,同时窗口中心会向|ω|增大的方向移动。
这说明连续小波的局部变化是不同的,高频时分辨率高,低频时分辨率低,这是小波变换相对于___变换的优势之一。
总的来说,小波变换具有更好的时频窗口特性。
噪声是指妨碍人或相关传感器理解或分析图像信息的各种因素。
噪声通常是不可预测的随机信号。
由于噪声在图像输入、采集、处理和输出的各个环节中都会影响,特别是在输入和采集中,噪声会影响整个图像处理过程,因此抑制噪声已成为图像处理中非常重要的一步。
(完整版)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 。
- 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)。
clear % 清理工作空间load wbarb; % 装入图像figure; % 新建窗口image(X); % 显示图像colormap(map) % 设置色彩索引图title('原始图像'); % 设置图像标题axis square % 设置显示比例disp('压缩前图像X的大小'); % 显示文字whos('X') % 显示图像属性%对图像用小波进行层小波分解[c,s]=wavedec2(X,2,'bior3.7'); %提取小波分解结构中的一层的低频系数和高频系数cal=appcoef2(c,s,'bior3.7',1); %水平方向ch1=detcoef2('h',c,s,1); %垂直方向cv1=detcoef2('v',c,s,1); %斜线方向cd1=detcoef2('d',c,s,1);%各频率成份重构a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2('h',c,s,'bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=[a1,h1;v1,d1];%显示分频信息figure; % 新建窗口image(c1); % 显示图像colormap(jet) % 设置色彩索引图axis square; % 设置显示比例title ('分解后低频和高频信息'); % 设置图像标题ca1=appcoef2(c,s,'bior3.7',1);ca1=wcodemat(ca1,440,'mat',0);%改变图像高度并显示ca1=0.5*ca1;figure; % 新建窗口image(ca1); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title('第一次压缩图像'); % 设置图像标题disp('第一次压缩图像的大小为:'); % 显示文字whos('ca1') % 显示图像属性%保留小波分解第二层低频信息进行压缩ca2=appcoef2(c,s,'bior3.7',2);%首先对第二层信息进行量化编码ca2=wcodemat(ca2,440,'mat',0);%改变图像高度并显示ca2=0.25*ca2;figure; % 新建窗口image(ca2); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title('第二次压缩图像'); % 设置图像标题disp('第二次压缩图像的大小为:'); % 显示文字whos('ca2') % 显示图像属性clear; % 清理工作空间load wbarb; % 装入图形信号figure; % 新建窗口image(X); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title('原始图像'); % 设置图像标题disp('压缩前图像的大小'); % 显示文字whos('X'); % 显示图像属性axis square; % 设置显示比例%对图像用db3小波进行二层小波分解[c,s]=wavedec2(X,5,'db3');[thr,sorh,keepapp]=ddencmp('cmp','wv',X);[Xcomp,cxc,lxc,perf0,perfl2]=wdencmp('gbl',c,s,'db3',5,thr,sorh,keepapp); figure; % 新建窗口image(Xcomp); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title(' 压缩后的图像'); % 设置图像标题disp('压缩后图像的大小'); % 显示文字whos('Xcomp') % 显示图像属性disp('小波分解系数中值为0的系数个数百分比'); % 显示文字disp(perf0); % 显示数值disp('压缩后剩余能量百分比'); % 显示文字disp(perfl2); % 显示数值load wbarb; % 装载原始图像figure; % 新建窗口image(X); % 显示图像colormap(map); % 设置色彩索引图title('原图'); % 设置图像标题axis square; % 设置显示比例%生成含噪图像init=2055615866; % 初始值randn('seed',init) % 随机值x=X+38*randn(size(X)); % 添加随机噪声figure; % 新建窗口image(x); % 显示图像colormap(map); % 设置色彩索引图title('含噪声图像'); % 设置图像标题axis square; % 设置显示比例% 下面对图像消噪,首先利用sym4函数对图像进行2层分解[c,s]=wavedec2(x,2,'sym4'); % 分解a1=wrcoef2('a',c,s,'sym4',1); % 图像第一层的重构逼近信号 figure; % 新建窗口image(a1); % 显示图像colormap(map); % 设置色彩索引图title('第一层重构图像'); % 设置图像标题axis square; % 设置显示比例a2=wrcoef2('a',c,s,'sym4',2); % 图像第二层的重构逼近信号figure; % 新建窗口image(a2); % 显示图像colormap(map); % 设置色彩索引图title('第二层重构图像'); % 设置图像标题axis square; % 设置显示比例load wbarb; % 装载原始图像figure; % 新建窗口image(X); % 显示图像colormap(map); % 设置色彩索引图title('原始图像'); % 设置图像标题axis square; % 设置显示比例,生成含噪图像并图示init=2055615866; % 初始值randn('seed',init); % 随机值XX=X+8*randn(size(X)); % 添加随机噪声figure; % 新建窗口image(XX); % 显示图像colormap(map); % 设置色彩索引图title('含噪图像'); % 设置图像标题axis square; %用小波函数coif2对图像XX进行2层分解[c,l]=wavedec2(XX,2,'coif2'); % 分解n=[1,2]; % 设置尺度向量p=[10.28,24.08]; % 设置阈值向量,对高频小波系数进行阈值处理%nc=wthcoef2('h',c,l,n,p,'s');%nc=wthcoef2('v',c,l,n,p,'s');nc=wthcoef2('d',c,l,n,p,'s');X1=waverec2(nc,l,'coif2'); % 图像的二维小波重构figure; % 新建窗口image(X1); % 显示图像colormap(map); % 设置色彩索引图title('第一次消噪后的图像'); % 设置图像标题axis square; % 设置显示比例,再次对高频小波系数进行阈值处理%mc=wthcoef2('h',nc,l,n,p,'s');mc=wthcoef2('v',nc,l,n,p,'s');%mc=wthcoef2('d',nc,l,n,p,'s');X2=waverec2(mc,l,'coif2'); % 图像的二维小波重构figure; % 新建窗口image(X2); % 显示图像colormap(map); % 设置色彩索引图title('第二次消噪后的图像'); % 设置图像标题axis square; % 设置显示比例load sinsinfigure; % 新建窗口image(X); % 显示图像colormap(map); % 设置色彩索引图title('原始图像'); % 设置图像标题axis square; % 设置显示比例,生成噪声图像init=2055615866; % 初始值randn('state',init); % 随机值x = X + 18*randn(size(X));figure; % 新建窗口image(x); % 显示图像colormap(map); % 设置色彩索引图title('含噪图像'); % 设置图像标题axis square; % 设置显示比例,查找默认值 (参见函数ddencmp).[thr,sorh,keepapp] = ddencmp('den','wv',x); % 使用全局阈值选项进行图像降噪处理。
xd = wdencmp('gbl',x,'sym4',2,thr,sorh,keepapp);figure; % 新建窗口image(xd); % 显示图像colormap(map); % 设置色彩索引图title('消噪后的图像'); % 设置图像标题axis square; % 设置显示比例load wbarb; % 装载原始图像figure; % 新建窗口image(X); % 显示图像colormap(map); % 设置色彩索引图title('原始图像'); % 设置图像标题axis square; % 设置显示比例[c,s]=wavedec2(X,2,'sym4'); % 进行二层小波分解sizec=size(c); % 处理分解系数,突出轮廓,弱化细节for I =1:sizec(2) % 小波系数处理if(c(I)>350)c(I)=2*c(I);elsec(I)=0.5*c(I);endendxx=waverec2(c,s,'sym4'); % 分解系数重构figure; % 新建窗口image(xx); % 显示图像colormap(map); % 设置色彩索引图title('增强图像') % 设置图像标题axis square; % 设置显示比例clear % 清理工作空间load woman; % 装入原图像X1=X; % 复制map1=map; % 复制figure; % 新建窗口image(X1); % 显示图像colormap(map1); % 设置色彩索引图title('woman'); % 设置图像标题 axis square % 画出woman 图像load wbarb; % 装入原图像X2=X; % 复制map2=map; % 复制for I =1:256for j=1:256if(X2(I, j)>100)X2(I, j)=1.2*X2(I, j);elseX2(I, j)=0.5*X2(I, j);endendendfigure; % 新建窗口image(X2); % 显示图像colormap(map2); % 设置色彩索引图title('wbarb'); % 设置图像标题axis square % 设置显示比例[c1,s1]=wavedec2(X1,2,'sym4'); % 分解sizec1=size(c1);for I=1:sizec1(2) % 系数处理c1(I)=1.2*c1(I);end[c2,s2]=wavedec2(X2,2,'sym4'); % 分解c=c1+c2; % 系数处理c=0.5*c;xx=waverec2(c,s1,'sym4'); % 重构figure; % 新建窗口image(xx); % 显示图像colormap(map); % 设置色彩索引图title('融合图像'); % 设置图像标题axis square % 设置显示比例load cathe_1; % 调入第一幅模糊图像X1=X; % 复制load cathe_2; % 调入第二幅模糊图像X2=X; % 复制XFUS=wfusimg(X1,X2,'sym4',5,'max','max'); %基于小波分解的图像融合figure; % 新建窗口image(X1); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title(' Catherine 1'); % 设置图像标题figure; % 新建窗口image(X2); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title(' Catherine 2'); % 设置图像标题figure; % 新建窗口image(XFUS); % 显示图像colormap(map); % 设置色彩索引图axis square; % 设置显示比例title('Synthesized image'); % 设置图像标题。