分享了Mexican Axolotl Optimization墨西哥蝾螈优化算法源代码及其原文，更多算法可进入空间查看

为了提高小波变换轮廓术中小波的空域局部化能力, 提出了一种基于Mexican hat小波变换的条纹图处理方法。基于希尔伯特变换得到条纹对应的解析信号, 用Mexican hat小波计算解析信号的连续小波变换, 从小波变换的脊上提取相位信息, 恢复物体高度信息。模拟结果表明, Mexican hat小波变换法在相位快变或突变的区域有更高的相位提取精度, 测量误差可减小0.1～0.5 rad。以人脸石膏像为例, 进行了实验测量。实验结果表明, 在高度不连续或变化剧烈的区域, Mexican hat小波变换法较Morlet小波方法误差传播更小, 精度更高。

Mexican Hat函数是Gauss函数的二阶导数，Mexican Hat小波变换的优点是在时域和频率都有很好的局部化，是对称的，可用于连续小波变换。并且比较接近人眼的空间响应特征，可用于计算机视觉中图像边缘检测。但它不存在尺度函数，所以Mexican Hat小波函数不具有正交性，不是紧支撑的。在频率分辨率的性能上，优于Haar小波变换。

Mexican hat小波基函数生成代码，可直接运行