PPT中详细介绍了关于小波包如何分解与重构的理论基础，是大学生学习小波包分解与重构的很好的参考。

本资源实验结果可以让初学小波者很好的了解小波每层的分解和重构过程，以便于进行后续的研究。

在理解了离散小波变换的基本原理和算法的基础上，通过设计VC程序对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换，从而得到小波分解系数

小波去噪的原程序.包括分解和重构往往往往往往

基于小波分析是继傅立叶分析之后的一个新的时频域分析工具。小波分析在图像处理中有非常重要的应用,包括图像压缩、图像去噪、图像融合、图像分解和图像增强等图像处理的几乎所有阶段。介绍了小波分析的基本理论,小波分析是傅立叶分析方法的发展与延拓。使用Matlab软件中的小波变换工具箱编写小波变换程序,对原始图像进行了各种仿真,包括对图像进行分解和重构、阈值处理、图像降噪和图像压缩等。利用小波变换,我们获得了不同效果的处理图像,加深了我们进一步理解小波变换的基本理论及小波变换在图像处理中的应用。

对matlab中，用小波变换对信号进行分解，提取近似系数、细节系数，通过近似系数对信号进行重构的方法做了简易的说明

二维图像的小波分解与重构，并画图显示。通过多分辨率分析实现。

本实验利用MATLAB2015进行编程，调用系统小波函数对信号进行分解，实现Mallat分解与重构算法对一维信号进行多层分解和重构。对信号进行多层分解可实现对信号的去噪和数据压缩处理，分解为小波函数的线性组合，阶数高的可以认为是噪声，在去噪时令阶数高的部分系数为0，数据压缩时，幅度小的部分可以舍去，认为对信号影响不大，减小了传输的数据量。利用重构算法对分解的信号进行重构恢复原来的信号，mallat分解和重构算法在信号处理中有很重要的作用。 实验中可以设置调用的系统小波函数与小波分解的层数，为不失一般性本实验设置小波函数为db10，分解层数为4层。采用模块化编程由以下6个文件构成： 源数据文件dataset.txt； 主程序mallat_main.m； 小波分解程序mallet_decompose.m； 小波合成函数mallet_compose.m； 上采样程序upsample.m； 下采样程序downsample.m。

使用形态小波对图像进行多尺度分解和完全重构！

老师布置的作业，对自己的自拍照进行二级小波重构与分解，并且对图像加高斯噪声、去燥