【2DWT：2维离散小波变换（附Pytorch代码）】

图像信号具有非平稳特性，无法使用一种确定的数学模型来描述，而小波变换的多分辨率分析特性很好地解决了这个问题。小波变化的多分辨率特性使其既可以高效描述图像的平坦区域（低频信息、全局信息），也可以有效处理图像信号的局部突变（高频信息，即图像的边缘轮廓等部分）。小波变换在空域和频域同时具有良好的局部性，使其可以很好地聚焦到图像的任意细节。

一、相关基础

1.小波变换基础函数

二维小波变换的基础函数为：

其中φ(x,y)为一个可分离二维尺度函数，φ(x)为一维尺度函数；ψ¹(x,y)、ψ²(x,y)、ψ³(x,y)均为“方向敏感”可分离二维小波函数，且分别表示沿着列的水平方向、行的垂直方向以及对角线方向边缘的灰度变化 ，ψ(x)为一维小波函数。对一维离散小波变换进行推广即可得到二维离散小波变换。

2.小波变换

对图像每进行一次小波变换，会分解产生一个低频子带（LL：行低频、列低频）和三个高频子带(垂直子带LH：行低频、列高频；水平子带HL：行高频、列低频；对角子带HH&