Matlab小波工具箱入门.docx

Matlab小波工具箱入门.docx

《Matlab小波工具箱入门.docx》由会员分享，可在线阅读，更多相关《Matlab小波工具箱入门.docx（10页珍藏版）》请在冰豆网上搜索。

Matlab小波工具箱入门

使用MATLAB小波工具箱进行小波分析:

fKJURE7S\

Imir-kuklTUl

.

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：

%Setwaveletname.

wname='db5：

%Computethefourfiltersassociatedwithwaveletnamegiven

%bytheinputstringwname.

[Lo_D,Hi_D,Lo_R,Hi_R]=wfilters（wname）;

subplot（221）;stem（Lo_D）;

title（'Decompositionlow-passfilter'）;

subplot（222）;stem（Hi_D）;

title（'Decompositionhigh-passfilter'）;

subplot（223）;stem（Lo_R）;

title（'Reconstructionlow-passfilter'）;

subplot（224）;stem（Hi_R）;title（'Reconstructionhigh-passfilter'）;xlabel（'Thefourfiltersfordb5'）%Editingsomegraphicalproperties,%thefollowingfigureisgenerated.

以上例子，得到’db5'小波的分解和综合滤波器系数，并显示出来。

下面是

wfilters的具体用法：

wfilters

WavdeiSzcis

[Lo_D,Hi^D・LO-BL二wfilrerst*vnarrs*I

[Fl,F2J-wfilters{rvra^w,■右

Dt5trtption

[lo_C/Hz.t>fto_RfHiA]=wfilt&ra（*vr:

ai：

eTicomputt^fourChersassociatedx\iilithe«ih&f

Helowotnpinfilersare

*itO-Di6號ehm血归nk'v-pa^sfltn

•i>oi_R1xherec&nstnKboaL«v-passfiber

・i_R,Therrcon^oructicohigbp章鹑fiher

Ataihbkmh«gpuJorbiwho戡ndwivdctTunica'丁辭口肚主*arclimdmtheublcbek?

^'

Wiv«E«tFikiiiltes

Daubwhiei

・dbl*sr'ha«r1r*^2*rdblOBr*”

C^iflets

l

'coifl*t*.*t1coi£51

Symlets

•

■sym21f….声1syro81#■…J3yrn.4S*

；DU<«reXlever

dm^yrl

biorl-1','biorl.3\'biorl.S

・bicrB.l1f*bior3.3\%込医3・h・・bioc3・T

Tbicr3,9rf'bior^,4\'biorS.S^'biorG.S7

wfilters（•vnaiKc*f1type-*Irehsnsthefoliatingfitters.

Wname可指定为列表中的任意一种小波，直接调用

[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4种类型，每种类型的具体意义详见matlabwfilters

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

%Setnumberofiterationsandwaveletname.

iter=10;

wav='sym4：

%Computeapproximationsofthewaveletfunctionusingthe

%cascadealgorithm.

fori=1:

iter

[phi,psi,xval]=wavefun（wav,i）;

plot（xval,psi）;

holdon

end

title（['Approximationsofthewavelet',wav,...

'for1to',num2str（iter）,'iterations']）;

holdoff

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丄o_D,Hi_D）

反过来，已知小波综合滤波器系数，计算反小波变换，只需

X=waverec2（C,S,'wname'）

X=waverec2（C,S,Lo_R,Hi_R）

%图片的小波分解

clearall

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=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,colormapgraysubplot（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，以一维矢量的形式组织，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来提取近似矩阵和的n级的某一个细节矩阵。

A=即pcoef2（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,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_1.1.4toolbox

clearallclc

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）;

关于wave2gray更多用法详见dipum_1.1.4toolbox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得到的小波矢量和矢量描述矩阵，或者符合这种规定形式的数据。

返回X是实数图像矩阵，由于计算误差，可能需要经过一些处理才能正常显示。

%小波综合

clearall

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,S,'haar'）;

%或者

%[Lo_R,Hi_R]=wfilters（'haar','r'）;

%X=waverec2（C,S,Lo_D,Hi_D）;

X=（X-min（X（:

）））/（max（X（:

））-min（X（:

）））;

figure,imshow（X）;

—凶

F>1«liltVioImm*1ToolsViodo*Kelp

□

11■□