MATLAB 图像分解与重构：以 woman 图像为例详解 dwt2、idwt2、wavedec2 和 waverec2 命令的应用

👨‍🎓 博主简介：博士研究生

🔬 超级学长：超级学长@实验室（提供各种程序开发、实验复现与论文指导）

📧 个人邮箱：easy_optics@126.com

💬 个人微信：easy_optics

🐧 个人企鹅：754357517

---

---

摘要

本文详细分析了MATLAB中用于图像分解与重构的dwt2、idwt2、wavedec2和waverec2命令，并通过对woman图像进行实际操作演示了这些命令的应用。

一、MATLAB 中的图像分解与重构：dwt2、idwt2、wavedec2 和 waverec2 命令详解

MATLAB中实现图像分解和重构的主要命令主要有dwt2（idwt2）和wavedec2（waverec2）。其中，进行一层小波分解的命令为dwt2，对应的小波重构命令为idwt2；进行多层分解的命令为wavedec2，对应的重构命令为waverec2。

本博文主要介绍的是图像的分解与重构，一维信号的小波分解与重构可见博主的另一篇博文：

一维信号的低频与高频成分的小波多维分解与重构实例-附Matlab源代码

       (1) 一层小波分解与重构

       [CA, CH, CV, CD] = dwt2(X, ‘wname’);

其中，dwt2表示离散小波变换；X为输入参数，是图像；'wname’是小波名字；输出变量CA为低低频分解信息，刻画原始图像的逼近信息；CH为低高频分解信息，刻画原始图像的横向细节；CV为高低频分解信息，刻画原始图像的垂直细节；CD为高高频分解信息，刻画原始图像的对角线上的细节。

       [CA,CH,CV,CD] = dwt2(X,Lo_D,Hi_D);

为另一种离散小波变换，输入参数为分解的低通滤波器和高通滤波器。

      [CA,CH,CV,CD] = dwt2(X,Lo_D,Hi_D,‘mode’,MODE);

为不同形式边界延拓的离散小波变换，其中，MODE表示不同的延拓方式，具体有对称延拓’sym’或者’symh’(半点对称)，‘symw’(全点对称)，反对称延拓’asym’或者’asymh’(半点反对称)，‘asymw’(全点反对称)，零延拓’zpd’，一阶光滑延拓’spd’或者’sp1’(边界保持导数一致进行延拓)，常数延拓’sp0’，周期延拓’ppd’或者’per’。

       对应的小波重构实现：

       X = idwt2(CA, CH, CV, CD, ‘wname’);

       X = idwt2(CA, CH, CV, CD, Lo_D, Hi_D);

       X = idwt2(CA, CH, CV, CD, Lo_D, Hi_D,‘mode’,MODE);

       (2) 多层小波分解与重构

       [C,S] = wavedec2(X, N, ‘wname’);

其中，Wavedec2为多层小波分解函数；X为输入参数，是图像；N为分解层数；'wname’是小波名字；输出变量C为所有分解信息的组合，具体为C = [A(N) | H(N) | V(N) | D(N) | … | H(N - 1) | V(N - 1) | D(N - 1) | … | H(1) | V(1) | D(1)]，C为行向量；S为分解后各个频段图像的尺寸大小。

       [C, S] = wavedec2(X, N, Lo_D, Hi_D);

为另一种离散小波变换。其中，输入参数N为分解层数；Lo_D和Hi_D分别为分解的低通滤波器和高通滤波器。由于C表达的是行向量，函数appcoef2和detcoef2分别能够返回二维表达的逼近图像的系数和高频各通道的图像系数，具体形式为

       A = appcoef2(C,S,‘wname’,N);

       D = detcoef2(O,C,S,N);

       O可以取’h’,‘v’,‘d’,‘all’，返回分解的水平、垂直和对角高频图像系数。

       当O参数选all时，返回值是三个高通图像系数，即

       [H,V,D] = detcoef2(‘all’,C,S,N);

       小波的多层重构命令为完全重构命令waverec2和部分重构命令wrcoef2，具体为：

       X = waverec2(C, S, N, ‘wname’);

       X = waverec2(C, S, N, Lo_D, Hi_D);

       X = wrcoef2(‘type’,C,S,‘wname’,N);

       X = wrcoef2(‘type’,C,S,Lo_R,Hi_R,N);

       X = wrcoef2(‘type’,C,S,‘wname’);

       X = wrcoef2(‘type’,C,S,Lo_R,Hi_R);

       wrcoef2用于实现为由二维小波分解提取出的不同频段的信息重构图像。

       'type’为a, h, v, d分别对应的是低频信息、水平高频、垂直高频和对角高频信息。

二、MATLAB 的图像小波分解与重构实例分析

本文以woman图像为例进行小波分解与重构演示，原始图像如图1所示：

图1 原始woman图像

用MATLAB的dwt2命令对图1所示的woman图像进行分解重构，得到分解的低频和高频4个通道的图像，如图2所示。

图2 小波分解的4个通道图像

用wavedec2命令、detcoef2命令和appcoef2命令得到分解的各个层次的低频和高频图像，第二层分解的各通道图像如图3所示：

图3 第二层小波分解的各个通道图像

第一第二层分解的各通道图像如图4所示：

图4 第一和第二两层分解后的通道信息

各分解图像拼接图和原图的对比如图5所示。

图5 原始图像和所有系数拼接后的图像

用idwt2对分解图像进行重构，第一层分解的各个频率通道图像进行重构，如图6所示。

图6 原始图像和由第一层各个频率通道重构的图像

用waverec2命令进行多层图像重构，由第二层各个频率通道图像进行重构的结果如图7所示。

图7 由第二层各个频率通道重构的图像

与信号分解重构类似，可以看出图像只由高层低通信号重构的结果为信号的概貌，而细节信息可由各层次的高频信息进行重构，从而实现信号的分层次分解和重构。

三、程序获取

上述演示实例源程序：MATLAB 图像分解与重构：以 woman 图像为例详解 dwt2、idwt2、wavedec2 和 waverec2 命令的应用

更深入的研究，可私信博主。

---

博主简介：擅长智能优化算法、信号处理、图像处理、机器视觉、深度学习、神经网络等领域Matlab仿真以及实验数据分析等，matlab代码问题、商业合作、课题选题与科研指导等均可私信交流。

---