基于小波分析和中值滤波 图像处理 matlab程序

程序是下面这样，但只能处理长宽一样的方形图像，灰度和彩祥宽谨色图像都可，要用其他图像只需把Lena.bmp改为其他图像，但图像要保存在m文件所在路径下。下面巧耐还有一个运行后的图像（之一），希望能对你有所帮助。

clearclc

%%%%%%%%%%测试图像只能是方形图像，长宽像素一样。

f=imread('Lena.bmp')%%读取图像数据，图像只能保存在m文件所在的路径下

d=size(f)

if length(d)>2

f=rgb2gray((f))%%%%%%%%如果是彩色图像则转化为灰度图

end

T=d(1)

SUB_T=T/2

% 2.进行二维小波分解

l=wfilters('db10','l') % db10（消失矩为10)低通分解滤波器冲击响应（长度为20）

L=T-length(l)

l_zeros=[l,zeros(1,L)] % 矩阵行数与输入图像一致，为2的整数幂

h=wfilters('db10','h') % db10（消失矩为10)高通分解滤波器冲击响应（长度为20）

h_zeros=[h,zeros(1,L)] % 矩阵行数与输入图像一致，为2的整数幂

for i=1:T % 列变换

row(1:SUB_T,i)=dyaddown( ifft( fft(l_zeros).*fft(f(:,i)') ) ).' % 圆周卷积<->FFT

row(SUB_T+1:T,i)=dyaddown( ifft( fft(h_zeros).*fft(f(:,i)') ) ).' % 圆周卷积<->FFT

end

for j=1:T % 行变换

line(j,1:SUB_T)=dyaddown( ifft( fft(l_zeros).*fft(row(j,:)) ) ) % 圆周卷积<->FFT

line(j,SUB_T+1:T)=dyaddown( ifft( fft(h_zeros).*fft(row(j,:)) ) ) % 圆周谨基卷积<->FFT

end

decompose_pic=line % 分解矩阵

% 图像分为四块

lt_pic=decompose_pic(1:SUB_T,1:SUB_T) % 在矩阵左上方为低频分量--fi(x)*fi(y)

rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T) % 矩阵右上为--fi(x)*psi(y)

lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T) % 矩阵左下为--psi(x)*fi(y)

rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T) % 右下方为高频分量--psi(x)*psi(y)

% 3.分解结果显示

figure(1)

subplot(2,1,1)

imshow(f,[]) % 原始图像

title('original pic')

subplot(2,1,2)

image(abs(decompose_pic)) % 分解后图像

title('decomposed pic')

figure(2)

% colormap(map)

subplot(2,2,1)

imshow(abs(lt_pic),[]) % 左上方为低频分量--fi(x)*fi(y)

title('\Phi(x)*\Phi(y)')

subplot(2,2,2)

imshow(abs(rt_pic),[]) % 矩阵右上为--fi(x)*psi(y)

title('\Phi(x)*\Psi(y)')

subplot(2,2,3)

imshow(abs(lb_pic),[]) % 矩阵左下为--psi(x)*fi(y)

title('\Psi(x)*\Phi(y)')

subplot(2,2,4)

imshow(abs(rb_pic),[]) % 右下方为高频分量--psi(x)*psi(y)

title('\Psi(x)*\Psi(y)')

% 5.重构源图像及结果显示

% construct_pic=decompose_matrix'*decompose_pic*decompose_matrix

l_re=l_zeros(end:-1:1) % 重构低通滤波

l_r=circshift(l_re',1)' % 位置调整

h_re=h_zeros(end:-1:1) % 重构高通滤波

h_r=circshift(h_re',1)' % 位置调整

top_pic=[lt_pic,rt_pic] % 图像上半部分

t=0

for i=1:T % 行插值低频

if (mod(i,2)==0)

topll(i,:)=top_pic(t,:)% 偶数行保持

else

t=t+1

topll(i,:)=zeros(1,T) % 奇数行为零

end

end

for i=1:T % 列变换

topcl_re(:,i)=ifft( fft(l_r).*fft(topll(:,i)') )' % 圆周卷积<->FFT

end

bottom_pic=[lb_pic,rb_pic] % 图像下半部分

t=0

for i=1:T % 行插值高频

if (mod(i,2)==0)

bottomlh(i,:)=bottom_pic(t,:) % 偶数行保持

else

bottomlh(i,:)=zeros(1,T) % 奇数行为零

t=t+1

end

end

这个只是一级分解，matlab自带的函数可以实现多级分解，级数由编程者自己确定。

是的，是一样的。

[c l]=wavedec(x,5,'db6') %%%x是要分析的数据%%%

d1=wrcoef('d',c,l,'db6',1)

d2=wrcoef('d',c,l,'db6',2)

d3=wrcoef('d',c,l,'db6'斗颂坦,3)

d4=wrcoef('d',c,l,'db6',4)

d5=wrcoef('d',c,l,'db6',5)

a5=wrcoef('a',c,l,'db6',5)

plot(d1) %%%输樱拦出d1的图像

合空桐并的话，直接用x1=a5+d5+d4+d3就可以吧

%用于提升变换 --若血残阳

%TransImage.m 输入参数为图像文件贺蠢李的路径加文件名

function TransImage(filename)

f=imread(filename)

f=im2double(f) %将矩阵转化成double型

A=-1.586134342 %提升系数

B=-0.052980118

R=0.882911075

D=0.443506852

K=1.230174105

[m_orgHeight m_orgWidth]=size(f)

h=ones(m_orgHeight,m_orgWidth)

h=im2double(h)

h=h.*128

%第一次列提升开始------------------------------------------------------------------------------------------

f=im2double(f-h)%将矩阵的每个元素减128向直流靠近--

for i=2:2:(m_orgWidth-2) %偶数列提升（C++奇数角标列）

f(:,i)=f(:,i)+A*[f(:,i-1)+f(:,i+1)]

end

f(:,m_orgWidth)=f(:,m_orgWidth)+2*A*f(:,m_orgWidth-1)%最后一列用前一列的2倍来预测

for i=3:2:(m_orgWidth-1)%奇数列提升（C++偶数角标列）

f(:,i)=f(:,i)+B*[f(:,i-1)+f(:,i+1)]

end

f(:,1)=f(:,1)+2*B*f(:,2) %第一列用第二列的2倍来预测

%第一次列提升完毕--------------------------------------------------------------------------------------------

%第二次列提升开始--------------------------------------------------------------------------------------------

for i=2:2:(m_orgWidth-2) %偶数列提升

f(:,i)=f(:,i)+R*[f(:,i-1)+f(:,i+1)]

end

f(:,m_orgWidth)=f(:,m_orgWidth)+2*R*f(:,m_orgWidth-1)

for i=3:2:(m_orgWidth-1) %奇数列提升

f(:,i)=f(:,i)+D*[f(:,i-1)+f(:,i+1)]

end

f(:,1)=f(:,1)+2*D*f(:,2)

%第二次列提升完毕-------------------------------------------------------------------------------------------

for i=1:2:(m_orgWidth-1)%调整起奇、偶列值

f(:,i+1)=f(:,i+1)*(-K) %偶数列（C++奇数角标）

f(:,i)=f(:,i)/K %奇数列（C++偶数禅迟角标）

end

%第一次行提升档乱开始------------------------------------------------------------------------------------------

for i=2:2:(m_orgHeight-2)

f(i,:)=f(i,:)+A*[f(i-1,:)+f(i+1,:)]

end

f(m_orgHeight,:)=f(m_orgHeight,:)+2*A*f(m_orgHeight-1,:)

for i=3:2:(m_orgHeight-1)

f(i,:)=f(i,:)+B*[f(i-1,:)+f(i+1,:)]

end

f(1,:)=f(1,:)+2*B*f(2,:)

%第一次行提升完毕------------------------------------------------------------------------------------------

%第二次行提升开始------------------------------------------------------------------------------------------

for i=2:2:(m_orgHeight-2)

f(i,:)=f(i,:)+R*[f(i-1,:)+f(i+1,:)]

end

f(m_orgHeight,:)=f(m_orgHeight,:)+2*R*f(m_orgHeight-1,:)

for i=3:2:(m_orgHeight-1)

f(i,:)=f(i,:)+D*[f(i-1,:)+f(i+1,:)]

end

f(1,:)=f(1,:)+2*D*f(2,:)

%第二次行提升完毕------------------------------------------------------------------------------------------

for i=1:2:(m_orgHeight-1) %调整奇、偶行值

f(i+1,:)=f(i+1,:)*(-K)%偶数行（C++奇数角标）

f(i,:)=f(i,:)/K%奇数行（C++偶数角标）

end

for i=1:2:(m_orgWidth-1) %把f的奇数列（C语言中的偶数列[角标]）存放到h的前半部分

h(:,(i+1)/2)=f(:,i)

end

for i=2:2:m_orgWidth %把f的偶数列（c语言中的奇数列[角标]）存放到h的后半部分

h(:,m_orgWidth/2+i/2)=f(:,i)

end

for i=1:2:(m_orgHeight-1) %把h的奇数行（c语言中的偶数行[角标]）存放到f的上半部分

f((i+1)/2,:)=h(i,:)

end

for i=2:2:m_orgHeight %把h的偶数行 (c语言中的奇数行[角标])存放到f的下半部分

f(m_orgHeight/2+i/2,:)=h(i,:)

end

f=f.*(-10)%为看清楚高频部分 给矩阵每个元素同时乘以(-10)

h=ones(m_orgHeight/2,m_orgWidth/2) %定义与低频子带阶数相同的“1”阵

h=im2double(h)%将上述阵变换为double型

h=h.*128 %给阵的每个元素乘以128（估计是开始减去的128）

f(1:m_orgHeight/2,1:m_orgWidth/2)=f(1:m_orgHeight/2,1:m_orgWidth/2)./(-10)+h %给低频部分除以（-10）返回原来值，在加上“128”阵，看清楚低频轮廓

imshow(f) %显示变换后图片

---