小波变换原理： 小波变换的含义是把某一被称为基本小波（mother wavelet）的函数作位移τ再 在不同尺度α下，与待分析信号X(t)左内积，即 式中，α>0，称为尺度因子，其作用是对基本小波Φ（t）函数作伸缩，τ反映 位移，其值可正可负，α和τ都是连续变量，故又称为连续小波变换（continue wavelet transform， 简称CWT）。在不同尺度下小波的持续时间随值的加大而增 宽，幅度则与反比减少，但波的形式保持不变。 傅里叶分析是将信号分解成一系列不同频率的正弦波的叠加，同样小波分析 是将信号分解为一系列小波函数的叠加，而这些小波函数都是由一个母小波函数 经过平移和尺度伸缩得来的。 二、小波变换

三种方法实现图像融合，GUI界面实现，小波变换，适合初学者使用

EWT 能够对原始信号的 Fourier 谱进行自适应划分，并对每个分割区 间内构造相对应的小波滤波器，通过构造的正交小波滤波器组来 提取调幅-调频成分，从而能够准确提取分量信号。由于经验小波 变换是在小波变换的框架下提出的，因此具有完备的理论基础和 较快的计算速度，能够避免 EMD 中存在的问题。

图像处理的小波变换+二值化+Canny检测

小波变换支持opencv mat的vs2010完整工程,包括分解和重构，本人亲自调通，希望对你有所帮助

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离，但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上，利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法，能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明，该方法切实可行。

对于高频信号和高频噪声干扰相混叠的信号，采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号，在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层，利用极大极小值原则选择合适的阈值进行软阈值处理，最后利用处理后的小波系数进行重构。实验结果表明，对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象，使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。

针对图像的数据量的相对庞大、传输速度慢的问题，需要一种很好的压缩算法，既能以较少的失真率对图像进行压缩，又能使压缩的过程相对迅速，以满足当今网络应用的需求。通过研究两种已有的小波变换图像压缩算法的算法思想及算法流程，找出它们的特性及存在的不足，并通过对小波变换后的图像的不同频域子带的小波树进行分类，采用适合的压缩算法对各部分进行压缩，使图像的整体压缩效果得到提高，同时也降低了压缩过程的复杂度。实验结果表明，改进的小波变换图像压缩算法在压缩效果和压缩效率上都优于两种已有的小波变换图像压缩算法。这个分类压缩的方法能够有效地提高图像的压缩效果，也降低了算法的复杂度。

提出了一种基于离散小波变换的半脆弱水印认证算法。利用小波系数之间的相关性作为图像特征水 印，利用小波系数块均值量化来嵌入，在鲁棒性和脆弱性方面达到很好的平衡。该算法能够识别图像的恶意篡改， 并定位篡改发生区域，而对通常的图像处理具有一定的鲁棒性。

wavedec2函数 功能：2-D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：使用小波基函数或指定滤波器对2-D信号X进行N层分解