matlab两个力的合成与分解,[转帖]小波图像分解与合成（例子） - Matlab讨论区 - 振动论坛 动力学,噪声 -......

% 该函数是根据对所输入的png格式的真彩图像、小波类型(db9或haar)

% 和相应的阈值进行了三级非标准小波harr或db9的分解和重构，从而达到了对原图像的压缩处理的

% 目的。它首先把通过原图像分离后的某颜色分量作为二维图像矩阵，通过调用自定义的二维离散

% 小波变换函数mydwt2()，并依据指定的小波基函数'wavename'进行二维离散的行、列小波变换，

% 得到了经变换后的相应颜色分量的近似分量% cA，水平细节分量cH，垂直细节分量cV，对角细节

% 分量cD和中间分量cM，然后调用自定义的图像输出函数outrgb分别把中间分量以及cA、cH、cV、

% cD合并后的图像阵进行R、G、B合成输出图像文件，其中某颜色分量的cA又做为下一级二维离散的

% 行、列小波分解的输入图像阵，如此共完成三次。

% 其次，把经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对角细

% 节分量矩阵通过调用自定义函数make_0()完成了相应矩阵元素数值小于阀值系数的个数统计，并

% 对它们进行小于阀值系数元素置0处理，且把分量尽数返回，以便三级的非标准小波重构处理。

% 最后，将返回得到的各颜色分量的第三级水平细节分量、垂直细节分量、对角细节分量矩阵和第

% 三级分解后的近似分量作为参数，通过调用自定义的二维离散小波反变换函数myidwt2()进行二维

% 离散的列、行重构，得到了经重构后的近似分量cA 和中间分量cM，把该中间分量cM以及近似分量

% cA分别和经置0处理后第二级cH、cV、cD行列扩展，同时进行R、G、B合成，后调用自定义的图像

% 输出函数outrgb()输出图像文件。其中各颜色分量的cA又做为下一级二维离散的列、行小波重构

% 的输入图像阵，如此共完成三次。最终得到了压缩处理的图像文件。

% 读入图像文件

picchar=strcat(mypic,'.png')

pic=imread(picchar);

pic=double(pic);

% 对原真彩图像进行R、G、B分离

cAr0=pic(:,:,1);cAg0=pic(:,:,2);cAb0=pic(:,:,3);

% 第1级非标准分解

[cAr1,cHr1,cVr1,cDr1,cMr1] = mydwt2(cAr0,wavename);

[cAg1,cHg1,cVg1,cDg1,cMg1] = mydwt2(cAg0,wavename);

[cAb1,cHb1,cVb1,cDb1,cMb1] = mydwt2(cAb0,wavename);

% 输出经第1级非标准分解后的图像文件

outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_1_row');

outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...

cVb1,cDb1),wavename,threshold,'_1_col');

% 第2级非标准分解

[cAr2,cHr2,cVr2,cDr2,cMr2] = mydwt2(cAr1,wavename);

[cAg2,cHg2,cVg2,cDg2,cMg2] = mydwt2(cAg1,wavename);

[cAb2,cHb2,cVb2,cDb2,cMb2] = mydwt2(cAb1,wavename);

% 输出经第2级非标准分解后的图像文件

outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...

cVb1,cDb1),wavename,threshold,'_2_row');

outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...

cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...

),wavename,threshold,'_2_col');

% 第3级非标准分解

[cAr3,cHr3,cVr3,cDr3,cMr3] = mydwt2(cAr2,wavename);

[cAg3,cHg3,cVg3,cDg3,cMg3] = mydwt2(cAg2,wavename);

[cAb3,cHb3,cVb3,cDb3,cMb3] = mydwt2(cAb2,wavename);

% 输出经第2级非标准分解后的图像文件

outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...

cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...

),wavename,threshold,'_3_row');

outrgb(merge(merge(merge(cAr3,cHr3,cVr3,cDr3),cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),...

merge(merge(merge(cAg3,cHg3,cVg3,cDg3),cHg2,cVg2,cDg2),cHg1,cVg1,cDg1),...

merge(merge(merge(cAb3,cHb3,cVb3,cDb3),cHb2,cVb2,cDb2),cHb1,cVb1,cDb1),...

wavename,threshold,'_3_col');

% 统计经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对

% 角细节分量的相应矩阵元素数值小于阀值系数的个数，并对它们进行小于阀值系数元素

% 置0处理。

zeronum=0;

[cHr3,cVr3,cDr3,cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,num_0]=make_0(cHr3,cVr3,cDr3,...

cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,threshold);

zeronum=zeronum+num_0;

[cHg3,cVg3,cDg3,cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,num_0]=make_0(cHg3,cVg3,cDg3,...

cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,threshold);

zeronum=zeronum+num_0;

[cHb3,cVb3,cDb3,cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,num_0]=make_0(cHb3,cVb3,cDb3,...

cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,threshold);

zeronum=zeronum+num_0;

% 把0的总数写入文本文件

zerotxt=strcat(wavename,'_',threshold,'_','zero','.txt')

csvwrite(zerotxt,zeronum);

% 第1级非标准重构

[cAr2,cMr3] = myidwt2(cAr3,cHr3,cVr3,cDr3,wavename);

[cAg2,cMg3] = myidwt2(cAg3,cHg3,cVg3,cDg3,wavename);

[cAb2,cMb3] = myidwt2(cAb3,cHb3,cVb3,cDb3,wavename);

% 输出经第1级非标准重构后的图像文件

outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...

cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...

),wavename,threshold,'_1_icol');

outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...

cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...

),wavename,threshold,'_1_irow')

% 第2级非标准重构

[cAr1,cMr2] = myidwt2(cAr2,cHr2,cVr2,cDr2,wavename);

[cAg1,cMg2] = myidwt2(cAg2,cHg2,cVg2,cDg2,wavename);

[cAb1,cMb2] = myidwt2(cAb2,cHb2,cVb2,cDb2,wavename);

% 输出经第2级非标准重构后的图像文件

outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...

cVb1,cDb1),wavename,threshold,'_2_icol');

outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...

cVb1,cDb1),wavename,threshold,'_2_irow');

% 第3级非标准重构

[cAr0,cMr1] = myidwt2(cAr1,cHr1,cVr1,cDr1,wavename);

[cAg0,cMg1] = myidwt2(cAg1,cHg1,cVg1,cDg1,wavename);

[cAb0,cMb1] = myidwt2(cAb1,cHb1,cVb1,cDb1,wavename);

% 输出经第3级非标准重构后的图像文件，即最终图像文件

outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_3_icol');

outrgb(cAr0,cAg0,cAb0,wavename,threshold,'_result');

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

function [cA,cH,cV,cD,cM]=mydwt2(mypic_RGB,wavename)

%此函数是利用MATLAB工具箱提供的一维离散小波变换函数dwt()对传递进来的图像矩阵mypic＿RGB

% 进行相应的小波类型分解处理，其中参数wavename是小波类型。它借助于使用了指定的小波基函

% 数'wavename' 的dwt()首先对图像矩阵进行行分解，而后进行列分解。生成了近似分量cA，水平

% 细节分量cH，垂直细节分量cV，对角细节分量cD和中间分量cM

% 变量初始化

cA=[];cH=[];cV=[];cD=[];cM=[];cAm=[];cDm=[];

% 进行逐行行分解变换

% cA1,cD1为临时近似,细节分量,把两分量进行列数扩展合成为中间分量矩阵以便输出

x=size(mypic_RGB);

for i=1:x(1)

[cA1,cD1]=dwt(mypic_RGB(i,:),wavename);

cAm=[cAm;cA1];cDm=[cDm;cD1];

end

cM=[cAm,cDm];

% 对两临时分量进行逐列列分解变换,最后生成近似分量cA，水平细节分量cH，垂直细节分量cV，对

% 角细节分量cD

cAm=cAm';cDm=cDm';

x=size(cAm);

for i=1:x(1)

[cA1,cD1]=dwt(cAm(i,:),wavename);

cA=[cA;cA1];cV=[cV;cD1];

end

x=size(cDm);

for i=1:x(1)

[cA1,cD1]=dwt(cDm(i,:),wavename);

cH=[cH;cA1];cD=[cD;cD1];

end

% 转置矩阵

cA=cA';cH=cH';cV=cV';cD=cD';

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

function [mypic_RGB,cM]=myidwt2(cA,cH,cV,cD,wavename)

% 此函数实现了二维离散小波反变换，即重构。它是利用MATLAB工具箱所提供的一维离散小波反变

% 换函数idwt()对传递进来的近似分量cA、水平细节分量cH、垂直细节分量cV和对角细节分量cD进

% 行相应的小波类型重构处理，其中参数wavename是小波类型。它借助于使用了指定的小波基函数

% 'wavename'的idwt()首先对四个分量矩阵进行列反变换，而后行反变换。重构出中间过程图像矩

% 阵cM和原始图像矩阵mypic_RGB。

cA1=[];cD1=[];

% 进行逐列列重构变换,得到过程矩阵cA1、cD1,再对它们列数扩展合成为中间图阵cM

cA=cA';cH=cH';cV=cV';cD=cD';

mypic_RGB=[];

x=size(cA);

for i=1:x(1)

temp=idwt(cA(i,:),cV(i,:),wavename);

cA1=[cA1;temp];

end

x=size(cH);

for i=1:x(1)

temp=idwt(cH(i,:),cD(i,:),wavename);

cD1=[cD1;temp];

end

cA1=cA1';

cD1=cD1';

cM=[cA1,cD1];

% 对上述得到的分量cA1、cD1作为过程细节分量进行逐行行重构变换，得到图像矩阵mypic_RGB

x=size(cA1);

for i=1:x(1)

temp=idwt(cA1(i,:),cD1(i,:),wavename);

mypic_RGB=[mypic_RGB;temp];

end

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

function []=outrgb(pic_R,pic_G,pic_B,wavename,threshold,level)

% 该函数确定了图像在各像素位置上的红、绿、蓝的强度值组合。实现了R、G、B各分量组合后所

% 成的真彩图像的文件输出

temp=size(pic_R);

pic=zeros(temp(1),temp(2),3);

for i=1:temp(1);

for j=1:temp(2);

pic(i,j,1)=pic_R(i,j);

pic(i,j,2)=pic_G(i,j);

pic(i,j,3)=pic_B(i,j);

end

end

%输出RGB图像，即真彩图像。

imwrite(pic/255,strcat('pic','_',wavename,'_',threshold,level,'.png'));

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

function [cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,count]...

=make_0(cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,threshold)

% 该函数功能是本课程役计的关键，它完成了对经过三级非标准分解后各分量图矩阵中所有元素数

% 值小于阀值的进行置0处理，为后面进行三级非标准重构原始图像从而实现图像压缩奠定了基础。

% 输入经过非标准分解后颜色分量的各级的水平细节分量、垂直细节分量、对角细节分量和阀值

% threshold其中数字表示非标准处理的级别。输出各分量图矩阵中所有元素数值小于阀值系数置

% 0处理后所对应的各级的水平细节分量、垂直细节分量、对角细节分% 量，并统计它们系数为0个

% 数count。

threshold_num=str2num(threshold);

count=0;

% 借助临时分量对第三级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数

% 扩展合成cM_matrix3，并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的

% 个数。

cM_cA3=cD3

cM_cA3=zeros(size(cM_cA3,1),size(cM_cA3,2));

num=size(cM_cA3,1)*size(cM_cA3,2);

cM_matrix3=[cM_cA3,cH3;cV3,cD3];

cM_size=size(cM_matrix3);

for i=1:cM_size(1)

for j=1:cM_size(2)

if abs(cM_matrix3(i,j))<=threshold_num

count=count+1;

cM_matrix3(i,j)=0;

end

end

end

% 对所合成的cM_matrix3重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量，并

% 精确了矩阵元素数值小于阀值系数的数目。

cH3=cM_matrix3;cV3=cM_matrix3;cD3=cM_matrix3;

cH3(1+size(cM_cA3,1):2*size(cM_cA3,1),:)=[];cH3(:,1:size(cM_cA3,2))=[];

cV3(1:size(cM_cA3,1),:)=[];cV3(:,1+size(cM_cA3,2):2*size(cM_cA3,2))=[];

cD3(1:size(cM_cA3,1),:)=[];cD3(:,1:size(cM_cA3,2))=[];

count=count-num;

% 借助临时分量对第二级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数

% 扩展合成cM_matrix2，并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的 % 个数。

cM_cA2=cD2

cM_cA2=zeros(size(cM_cA2,1),size(cM_cA2,2));

num=size(cM_cA2,1)*size(cM_cA2,2);

cM_matrix2=[cM_cA2,cH2;cV2,cD2];

cM_size=size(cM_matrix2);

for i=1:cM_size(1)

for j=1:cM_size(2)

if abs(cM_matrix2(i,j))<=threshold_num

count=count+1;

cM_matrix2(i,j)=0;

end

end

end

% 对所合成的cM_matrix2重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量，并

% 精确了矩阵元素数值小于阀值系数的数目。

cH2=cM_matrix2;cV2=cM_matrix2;cD2=cM_matrix2;

cH2(1+size(cM_cA2,1):2*size(cM_cA2,1),:)=[];cH2(:,1:size(cM_cA2,2))=[];

cV2(1:size(cM_cA2,1),:)=[];cV2(:,1+size(cM_cA2,2):2*size(cM_cA2,2))=[];

cD2(1:size(cM_cA2,1),:)=[];cD2(:,1:size(cM_cA2,2))=[];

count=count-num;

% 借助临时分量对第一级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数

% 扩展合成cM_matrix1，并对数值小于阀值系数的元素进行置0处理,且统计矩阵元素数值小于阀值

% 系数的个数。

cM_cA1=cD1

cM_cA1=zeros(size(cM_cA1,1),size(cM_cA1,2));

num=size(cM_cA1,1)*size(cM_cA1,2);

cM_matrix1=[cM_cA1,cH1;cV1,cD1];

cM_size=size(cM_matrix1);

for i=1:cM_size(1)

for j=1:cM_size(2)

if abs(cM_matrix1(i,j))<=threshold_num

count=count+1;

cM_matrix1(i,j)=0;

end

end

end

% 对所合成的cM_matrix1重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量，并

% 精确了矩阵元素数值小于阀值系数的数目。

cH1=cM_matrix1;cV1=cM_matrix1;cD1=cM_matrix1;

cH1(1+size(cM_cA1,1):2*size(cM_cA1,1),:)=[];cH1(:,1:size(cM_cA1,2))=[];

cV1(1:size(cM_cA1,1),:)=[];cV1(:,1+size(cM_cA1,2):2*size(cM_cA1,2))=[];

cD1(1:size(cM_cA1,1),:)=[];cD1(:,1:size(cM_cA1,2))=[];

count=count-num;

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

function pic=merge(cA,cH,cV,cD)

% 该函数实现了对传入的四个参数矩阵cA,cH,cV,cD合并，其中cA,cH,cV,cD分别代表左上角、右上

% 角、左下角、右下角矩阵,合并结果为输出矩阵pic

% 取得四个参数矩阵行、列两维的最大分别值row_max和col_max

temp1=size(cA);temp2=size(cH);temp3=size(cV);temp4=size(cD);

row_max=max([temp1(1),temp2(1),temp3(1),temp4(1)]);

col_max=max([temp1(2),temp2(2),temp3(2),temp4(2)]);

% pic=zeros(2*row_max,2*col_max);

% 与最大分别值row_max和col_max比较，对左上角矩阵扩展置0

if temp1(1)

cA(row_max,col_max)=0;

end

% 与最大分别值row_max和col_max比较，对右上角矩阵扩展置0

if temp2(1)

cH(row_max,col_max)=0;

end

% 与最大分别值row_max和col_max比较，对左下角矩阵扩展置0

if temp3(1)

cV(row_max,col_max)=0;

end

% 与最大分别值row_max和col_max比较，对右下角矩阵扩展置0

if temp4(1)

cD(row_max,col_max)=0;

end

% 合并左上角、右上角、左下角、右下角矩阵生成输出pic矩阵

pic=[cA,cH;cV,cD];