SPIHT压缩算法，代码简洁，注释清楚，已调试可运行

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。

以MATLAB为仿真实验平台,先通过所设计的模拟信号验证方法的可行性,再进一步进行实际语音信号的仿真实验;通过仿真实验,结果表明了EEMD结合小波硬软阈值折衷的方法能够减小均方误差提高信噪比,有效解决了小波分解中需要预先设定小波基和分解层数的问题,取得了良好的降噪效果。

用DCT变换和小波变换对全色光学图像和多光谱图像进行融合，生成同一图像。 数字图像处理的课程作业，由matlab完成，可直接运行。有很大的参考价值。

除一般的小波变换函数工具外，添加了wavefast，wave2gray，wavefilter，wavecopy，waveback等函数，直接加入matlab中就可以用，自己做实验添加的，比较全面

边缘检测该算法采用的是样条小波，为了更好的检测边缘，用a tuous 算法代替了mallat算法。

基于MATLAB，针对一维信号（可用matlab工具箱自带信号sumsin.mat），实现一维离散小波变换，选用Daubechies小波（如db3）函数，进行五层分解，并对第5层到第1层的低频、高频系数分别进行重构。

f1=50; % 频率1 f2=100; % 频率2 fs=2*(f1+f2); % 采样频率 Ts=1/fs; % 采样间隔 N=120; % 采样点数 n=1:N; y=sin(2*pi*f1*n*Ts)+sin(2*pi*f2*n*Ts); % 正弦波混合 figure(1) plot(y); title('两个正弦信号') figure(2) stem(abs(fft(y))); title('两信号频谱') %% 2.小波滤波器谱分析 h=wfilters('db30','l'); % 低通 g=wfilters('db30','h'); % 高通 h=[h,zeros(1,N-length(h))]; % 补零（圆周卷积，且增大分辨率变于观察） g=[g,zeros(1,N-length(g))]; % 补零（圆周卷积，且增大分辨率变于观察） figure(3); stem(abs(fft(h))); title('低通滤波器图'); figure(4); stem(abs(fft(g))); title('高通滤波器图') %% 3.MALLET分解算法(圆周卷积的快速傅里叶变换实现) sig1=ifft(fft(y).*fft(h)); % 低通(低频分量) sig2=ifft(fft(y).*fft(g)); % 高通(高频分量) figure(5); % 信号图 subplot(2,1,1) plot(real(sig1)); title('分解信号1') subplot(2,1,2) plot(real(sig2)); title('分解信号2') figure(6); % 频谱图 subplot(2,1,1) stem(abs(fft(sig1))); title('分解信号1频谱') subplot(2,1,2) stem(abs(fft(sig2))); title('分解信号2频谱') %% 4.MALLET重构算法 sig1=dyaddown(sig1); % 2抽取 sig2=dyaddown(sig2); % 2抽取 sig1=dyadup(sig1); % 2插值 sig2=dyadup(sig2); % 2插值 sig1=sig1(1,[1:N]); % 去掉最后一个零 sig2=sig2(1,[1:N]); % 去掉最后一个零 hr=h(end:-1:1); % 重构低通 gr=g(end:-1:1); % 重构高通 hr=circshift(hr',1)'; % 位置调整圆周右移一位 gr=circshift(gr',1)'; % 位置调整圆周右移一位 sig1=ifft(fft(hr).*fft(sig1)); % 低频 sig2=ifft(fft(gr).*fft(sig2)); % 高频 sig=sig1+sig2; % 源信号 %% 5.比较 figure(7); subplot(2,1,1) plot(real(sig1)); title('重构低频信号'); subplot(2,1,2) plot(real(sig2)); title('重构高频信号'); figure(8); subplot(2,1,1) stem(abs(fft(sig1))); title('重构低频信号频谱'); subplot(2,1,2) stem(abs(fft(sig2))); title('重构高频信号频谱'); figure(9) plot(real(sig),'r','linewidth',2); hold on; plot(y); legend('重构信号','原始信号') title('重构信号与原始信号比较') f1=50; % 频率1 f2=100; % 频率2 fs=2*(f1+f2); % 采样频率 Ts=1/fs; % 采样间隔 N=120; % 采样点数 n=1:N; y=sin(2*pi*f1*n*Ts)+sin(2*pi*f2*n*Ts); % 正弦波混合 figure(1) plot(y); title('两个正弦信号') figure(2) stem(abs(fft(y))); title('两信号频谱') %% 2.小波滤波器谱分析 h=wfilters('db30','l'); % 低通 g=wfilters('db30','h'); % 高通 h=[h,zeros(1,N-length(h))]; % 补零（圆周卷积，且增大分辨率变于观察） g=[g,zeros(1,N-l

本课题为基于MATLAB的小波变换图像拼接技术。

小波作业，将图像小波分解，提取高频和低频系数，利用不同的融合规则进行融合，最终重构出清晰图像。真实有效 包含论文，代码复现