小波变换和多分辨率处理

                       小波变换和多分辨率处理

1.基本概念：

   小波变换（wavelet transform，WT）是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。   

2.用到的函数：

  （1）用到matlab自带的函数：

     wavemenu：Wavelet GUI工具；

     Dwt, dwt2： 一维、二维小波变换；

     idwt, idwt2：一维、二维小波反变换。

  （2）非matlab自带的函数：

      Wavefilter，Wave2gray，wavecut等。

3.matlab源码：

  (1) wave2gray.m

func function w = wave2gray(c,  s,  scale,  border)
%WAVE2GRAY Display wavelet decomposition coefficients.
%	W = WAVE2GRAY(C, S, SCALE, BORDER) displays and returns a
%	wavelet coefficient image.
%		EXAMPLES:
%			wave2gray(c, s);						Display w/defaults.
%			foo = wave2gray(c,   s);				Display and return.
%			foo = wave2gray(c,   s, 4);				Magnify the details.
%			foo = wave2gray(c,   s, -4);			Magnify absolute values.
%			foo = wave2gray(c,   s, 1, 'append');	Keep border values.
%
%		INPUTS/OUTPUTS:
%			[C, S] is a wavelet decomposition vector and bookkeeping
%			matrix.
%
%		SCALE				Detail coefficient scaling
%--------------------------------------------------------------------
%		0 or 1      Maximum range (default)
%		2, 3...     Magnify default by the scale factor
%		-1, -2...   Magnify absolute values by abs(scale)
%
%		BORDER			Border between wavelet decompositions
%--------------------------------------------------------------------
%		'absorb'		Border replaces image (default)
%		'append'		Border increases width of image
%
%		Image W:	------- ------ -------------- -------------------
%					|      |      |              |
%					| a(n) | h(n) |              |
%					|      |      |              |
%					------- ------     h(n-1)    |
%					|      |      |              |
%					| v(n) | d(n) |              |      h(n-2)
%					|      |      |              |
%					------- ------ --------------
%					|             |              |
%					|    v(n-1)   |    d(n-1)    |
%					|             |              |
%					-------------- -------------- -------------------
%					|                            |
%					|           v(n-2)           |      d(n-2)
%					|                            |
%
%		Here,  n denotes the decomposition step scale and a, h, v, d are
%		approximation,  horizontal,  vertical, and diagonal detail
%		coefficients,  respectively.

% Check input arguments for  reasonableness.

error(nargchk(2,   4,   nargin));

if (ndims(c) ~= 2)   |   (size(c, 1) ~= 1)
	error('C must be a row vector.'); end

if (ndims(s) ~= 2)   | ~isreal(s)   | ~isnumeric(s)   |   (size(s, 2) ~= 2)
	error('S must be a real, numeric two-column array.'); end

elements = prod(s, 2);

if (length(c) < elements(end))   |   ...
		~(elements(1) + 3 * sum(elements(2:end - 1)) >= elements(end))
	error(['[C S] must be a standard wavelet ' ...
				'decomposition structure.']);
end

if (nargin > 2) & (~isreal(scale) | ~isnumeric(sca