idw matlab 程序_小波图像重构 Matlab 程序 – V2.0版 | 学步园

注意！程序有新的修正了，详细请见如下文章：

%----------------------------------------------------------%

小波分解重构 V2.0 版程序存在的问题分析

小波图像分解 Matlab 程序 - V3.0版

小波图像重构 Matlab 程序 - V3.0版

%----------------------------------------------------------%

本文给出相应的小波图像重构程序的修正版代码，图像分解程序的代码请见下文：

《小波图像分解Matlab程序- V2.0版》

下面给出重构程序的代码，包括有：mywaverec2(), myidwt2(), myidwt(), upspl()。

function xrec=mywaverec2(coef,recdim,wname)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%函数MYWAVEREC2()对输入的分解系数矩阵x进行recdim层重构，得到重构矩阵xrec

%输入参数：y ——分解系数矩阵；

%          recdim ——重构级数；

%          wname ——重构所用的小波函数

%输出参数：xrec ——重构矩阵。

% % Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10, modified: 2008-06-04

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%求小波函数对应的重构滤波器组系数

[Lo_R,Hi_R] = wfilters(wname,'r');%通过小波系数矩阵求出图像的分解级数decdim

[yr,yc]=size(coef);%小波系数矩阵coef是一个细胞矩阵(cell matrix),其中有yr个子矩阵，yc=1

decdim=(yr-1)/3;%图像的N级分解会产生1个低频矩阵，N*3个高频矩阵

if decdim

error(['Reconstruction level can not larger than decomposition level ( declev = ',num2str(decdim),' )'])

end

rcA=coef{1};

for i=1:recdim%依次获取第decdim级至第(decdim - recdim + 1)级的高频系数矩阵

rcV=coef{(i-1)*3+2};

rcH=coef{(i-1)*3+3};

rcD=coef{(i-1)*3+4};

rcA=myidwt2(rcA,rcV,rcH,rcD,Lo_R,Hi_R);%第N级重构得到第N-1级低频系数矩阵

end

xrec=rcA;%重构结束后得到的矩阵rcA即为输出矩阵xrec

figure;

xr=uint8(xrec);%将矩阵xrec的数据格式转换为适合显示图像的uint8格式

[sr,sc]=size(xr);

imshow(xr);

title(['Reconstructed Image. DecLevel = ',num2str(decdim),' , RecLevel = ',num2str(recdim)]);

xlabel(['Size : ',num2str(sr),'*',num2str(sc)]);%显示重构矩阵的大小

function outcA=myidwt2(rcA,rcV,rcH,rcD,Lo_R,Hi_R)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%函数MYIDWT2()对输入的子矩阵序列进行逆小波变换，重构出矩阵y

%输入参数：rcA,rcV,rcH,rcD ——第N级低频、高频系数矩阵

%          Lo_R,Hi_R ——图像重构用到的低通、高通滤波器系数

%输出参数：outcA ——第N-1级低频系数矩阵，当N-1=0时即为重构图像。

% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10, modified: 2008-06-04

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%系数矩阵规范化，使各矩阵大小一致

[m,n]=size(rcA);

rcV=rcV(1:m,1:n);

rcH=rcH(1:m,1:n);

rcD=rcD(1:m,1:n);

%将四个第N级系数矩阵组合成一个矩阵

tmp_mat=[rcA,rcV;rcH,rcD];

[row,col]=size(tmp_mat);%这里tmp_mat的行列数比第N-1级低频矩阵cA(N-1)的要长lnf-1行(列)

%求出滤波器的长度

lnf=length(Lo_R);

for k=1:col%首先对组合矩阵tmp_mat的每一列，分开成上下两半

ca1=tmp_mat(1:row/2,k);%分开的两部分分别作为平均系数序列ca1、细节系数序列cd1

cd1=tmp_mat(row/2+1:row,k);% ca1、cd1的长度恰好等于tmp_mat的行数row

tmp1=myidwt(ca1,cd1,Lo_R,Hi_R);%重构序列的长度是(row+lnf-1)

%注意不论是分解或重构，卷积后序列的长度都会比原序列要长(lnf-1)

%所以这里tmp1的长度要比cA(N-1)的行数长2*(lnf-1)行

%故有效的重构序列应该是以tmp1中心的长度为(row-lnf+1)的那一段

%通过Matlab函数wkeep()来实现截取

yt1(:,k)=wkeep(tmp1,row-lnf+1);%截取后的重构序列存入缓存矩阵yt1

end

[row1,col1]=size(yt1);

for j=1:row1%将缓存矩阵yt1的每一行，分开成左右两半

ca2=yt1(j,1:col1/2);%分开的两部分分别作为平均系数序列ca2、细节系数序列cd2

cd2=yt1(j,col1/2+1:col1);

tmp2=myidwt(ca2,cd2,Lo_R,Hi_R);

outcA(j,:)=wkeep(tmp2,col-lnf+1);

%同理，也要截取tmp2中间长度为(col-lnf+1)的那一段，存入输出矩阵outcA

end

function y = myidwt(cA,cD,lpr,hpr);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%函数MYIDWT()对输入的小波分解系数进行逆离散小波变换，重构出信号序列y

%输入参数：cA ——平均部分的小波分解系数；

%           cD ——细节部分的小波分解系数；

%           lpr、hpr ——重构所用的低通、高通滤波器。

% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

lca=length(cA);%求出平均、细节部分分解系数的长度

lcd=length(cD);

while (lcd)>=(lca)

%每一层重构中，cA和cD的长度要相等，故每层重构后，

%若lcd小于lca，则重构停止，这时的cA即为重构信号序列y。

upl=upspl(cA);%对平均部分系数进行上抽样

cvl=conv(upl,lpr);%低通卷积

cD_up=cD(lcd-lca+1:lcd);%取出本层重构所需的细节部分系数，长度与本层平均部分系数的长度相等

uph=upspl(cD_up);%对细节部分系数进行上抽样

cvh=conv(uph,hpr);%高通卷积

cA=cvl+cvh;%用本层重构的序列更新cA，以进行下一层重构

cD=cD(1:lcd-lca);%舍弃本层重构用到的细节部分系数，更新cD

lca=length(cA);%求出下一层重构所用的平均、细节部分系数的长度

lcd=length(cD);

end% lcd < lca，重构完成，结束循环

y=cA;%输出的重构序列y等于重构完成后的平均部分系数序列cA

function y=upspl(x);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%函数Y = UPSPL(X)对输入的一维序列x进行上抽样，即对序列x每个元素之间

%插零，例如x=[x1,x2,x3,x4],上抽样后为y=[x1,0,x2,0,x3,0,x4]; %

% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

N=length(x);%读取输入序列长度

M=2*N-1;%输出序列的长度是输入序列长度的2倍再减一

for i=1:M%输出序列的偶数位为0，奇数位按次序等于相应位置的输入序列元素

if mod(i,2)

y(i)=x((i+1)/2);

else

y(i)=0;

end

end

运行结果图示：

1、Bior3.7 小波 3 级分解

由分解图可见，低频系数图像的边缘是有一定宽度的黑色边带，这是由于行、列变换时卷积产生的冗余数据，黑色表示这些数据的值为零，边带宽度与滤波器长度有关。图像原始大小为 256*256，n = 256, bior3.7小波的滤波器长度为 lnf=16，则上图中各级系数矩阵的大小可由公式 lenca1 = floor((n-1)/2)+lnf 计算得出：

Level-1: 256+16-1=271, floor(271/2)= 135   (128)   ( 7)

Level-2: 135+16-1=150, floor(150/2)=  75   ( 64)   (11)

Level-3:  75+16-1= 90, floor( 90/2)=  45   ( 32)   (13)

上面两列括号内的数据，第1列是有效的图像小波分解系数大小，第2列是黑色边带的宽度。

2、Bior3.7 小波 1 级重构

3、Bior3.7 小波 2 级重构

4、Bior3.7 小波 3 级重构

5、最后做一个有趣的实验，如果将分解后得到的平均系数 cA 清零，保留其它细节系数，然后进行重构，我们就会得到下面这样的重构图像：

这个重构图像完全是由各级细节系数重构得到的，可以说它表现了原始图像的轮廓、边缘特征的所有信息。应该可以作为图像纹理分析、边缘检测等应用的基础，呵呵，不知说的是否恰当，希望能抛砖引玉，欢迎大家拍砖，多多讨论交流！