信号压缩 步骤 1.信号的小波分解 2.对高频系数进行阈值量化处理。对第一到第N层的高频系数，均可选择不同的阈值，并用硬阈值进行系数的量化。 对量化的系数进行小波重构。 压缩与消噪主要区别：第2步。 有效的信号压缩方法： 1.对信号进行小波尺度的扩展，并保留绝对值最大的系数； 2.根据分解后各层的效果来确定某一层的阈值，且这些阈值是互不相同。

图小波变换matlab代码

Wdencmp函数 %装载并显示原始图像 load wbarb; subplot(1,2,1); image(X);colormap(map); title(‘原始图像'); % %采用默认的全局阈值对图像进行压缩 [thr,sorh,keepapp,crit]=ddencmp('cmp','wp',X); Xc=wpdencmp(X,sorh,3,'bior3.1',crit,thr,keepapp); subplot(1,2,2); image(Xc);colormap(map); title(‘全局阈值压缩图像');

同步压缩小波变换程序，适用于同步压缩小波变换的各种变形与研究

基于小波变换的图像融合，可以在matlab上运行。亲测有效。

引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略

matlab小波变换、离散小波变换的多层分解、主要用于有机质

单尺度一维离散小波变换DWT的Mallat算法C++和MATLAB实现

资源来源于 https://blog.csdn.net/weixin_30390075/article/details/96019462?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-0-96019462-blog-125852782.pc_relevant_multi_platform_whitelistv1&spm=1001.2101.3001.4242.1&utm_relevant_index=3 的转载文章所提到的资源。即单层一维离散小波变换DWT的Mallat算法C++和MATLAB实现。

小波变换，给出不同尺度的变换重构，MATLAB自带函数库