关系。小波变换(DWT)是现代谱分析工具,他既能考察局部时域过程的频域特征,又能考察局部频域过程的时域特征,因此即使对于非平稳过程,处理起来也得心应手。傅立叶变换提供了有关频率域的信息,但有关时间的局部化信息却基本丢失。与傅立叶变换不同,小波变换能将图像变换为一系列小波系数,这些系数可以被高效压缩和存储,此外,小波的粗略边缘可以更好地表现图像,因为他消除了DCT压缩普遍具有的方块效应。通过缩放母小波(Mother wavelet)的宽度来获得信号的频率特征, 通过平移母小波来获得信号的时间信息。对母小波的缩放和平移操作是为了计算小波系数,这些小波系数反映了小波和局部信号之间的相关程度。Р2.1.2DWT对目标图片的处理及相关函数介绍Р在Matlab中,二维离散小波变化对于图像的处理是通过函数的形式来进行的,主要的处理函数有如下几种:Р表1 常用的DWT函数Р函数名Р函数功能Рdwt2Р二维离散小波变换Рwavedec2Р二维信号的多层小波分解Рidwt2Р二维离散小波反变换Рupcoef2Р由多层小波分解重构近似分量或细节分量РwcodematР窗体顶端Р对矩阵进行量化编码窗体底端Рdwt2函数的应用格式为[cA,cH,cV,cD]=dwt2(X,'wname');其意义为使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变换。cA,cH,cV,cD 分别为近似分.g(R @ E E量、水平细节分量、垂直细节分量和对角细节分量。Рwavedec2函数的格式为[C,S]=wavedec2(X,N,'wname');其意义为使用小波基函数'wname' 对二维信号 X 进行 N 层分解。Рidwt2函数格式为=idwt2(cA,cH,cV,cD,'wname');它的含义为由信号小波分解的近似信号 cA 和细节信号 cH、cV、cD 经小波反变换重构原信号 X