matlab小波分析源代碼分析

matlab小波分析源代碼分析MATLAB由一系列工具組成。這些工具方便用戶(hù)使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶(hù)界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶(hù)瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級(jí)，MATLAB的用戶(hù)界面也越來(lái)越精致，更加接近Windows的標(biāo)準(zhǔn)界面，人機(jī)交互性更強(qiáng)，操作更簡(jiǎn)單。而且新版本的MATLAB提供了完整的聯(lián)機(jī)查詢(xún)、幫助系統(tǒng)，極大的方便了用戶(hù)的使用。簡(jiǎn)單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過(guò)編譯就可以直接運(yùn)行，而且能夠及時(shí)地報(bào)告出現(xiàn)的錯(cuò)誤及進(jìn)行出錯(cuò)原因分析。新版本的MATLAB可以利用MATLAB編譯器和C/C++數(shù)學(xué)庫(kù)和圖形庫(kù)，將自己的MATLAB程序自動(dòng)轉(zhuǎn)換為獨(dú)立于MATLAB運(yùn)行的C和C++代碼。允許用戶(hù)編寫(xiě)可以和MATLAB進(jìn)行交互的C或C++語(yǔ)言程序。另外，MATLAB網(wǎng)頁(yè)服務(wù)程序還容許在Web應(yīng)用中使用自己的MATLAB數(shù)學(xué)和圖形程序。MATLAB的一個(gè)重要特色就是具有一套程序擴(kuò)展系統(tǒng)和一組稱(chēng)之為工具箱的特殊應(yīng)用子程序。工具箱是MATLAB函數(shù)的子程序庫(kù)，每一個(gè)工具箱都是為某一類(lèi)學(xué)科專(zhuān)業(yè)和應(yīng)用而定制的，主要包括信號(hào)處理、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、小波分析和系統(tǒng)仿真等方面的應(yīng)用。matlab小波分析源代碼［x，map］=imread（‘MUCS_新建文件夾_32603.ptl_208.bmp’）;subplot（1，2，1）;imshow（x）;［c，s］=wavedec2（x，3，‘sym4’）;Csize=size（c）;fori=1:Csize（2）if（c（i）》100）%低頻分量----s中第一維的長(zhǎng)度c（i）=1*c（i）;elsec（i）=0.9*c（i）;%高頻分量endendx1=waverec2（c，s，‘sym4’）;im=uint8（x1）;subplot（1，2，2）;imshow（im）;［c，s］=wavedec2（X，2，‘bior3.7’）;%對(duì)圖像用小波進(jìn)行層分解cal=appcoef2（c，s，‘bior3.7’，1）;%提取小波分解結(jié)構(gòu)中的一層的低頻系數(shù)和高頻系數(shù)ch1=detcoef2（‘h’，c，s，1）;%水平方向cv1=detcoef2（‘v’，c，s，1）;%垂直方向cd1=detcoef2（‘d’，c，s，1）;%斜線方向a1=wrcoef2（‘a(chǎn)’，c，s，‘bior3.7’，1）;%各頻率成份重構(gòu)［c，s］=wavedec2（X，1，‘sym4’）;a1=appcoef2（c，s，‘sym4’，1）;%小波分解結(jié)構(gòu)中的一層的低頻系數(shù)，下面是3個(gè)高頻系數(shù)a1=2*a1;h1=detcoef2（‘h’，c，s，1）;v1=detcoef2（‘v’，c，s，1）;d1=detcoef2（‘d’，c，s，1）;h1=0.5*h1;v1=0.5*v1;d1=0.5*d1;y=idwt2（a1，h1，v1，d1，‘sym4’）;loadwbarb;X1=X;map1=map;subplot（2，2，1）;image（X1）;colormap（map1）;title（‘圖像wbarb’）;loadwoman;X2=X;map2=map;subplot（2，2，2）;image（X2）;colormap（map2）;title（‘圖像woman’）;%=====================================%對(duì)上述二圖像進(jìn)行分解［c1，l1］=wavedec2（X1，2，‘sym4’）;［c2，l2］=wavedec2（X2，2，‘sym4’）;%對(duì)分解系數(shù)進(jìn)行融合c=c1+c2;%=====================================%應(yīng)用融合系數(shù)進(jìn)行圖像重構(gòu)并顯示XX=waverec2（c，l1，‘sym4’）;subplot（2，2，3）;image（XX）;title（‘融合圖像1’）;Csize1=size（c1）;%=====================================%對(duì)圖像進(jìn)行增強(qiáng)處理fori=1:Csize1（2）c1（i）=1.2*c1（i）;endCsize2=size（c2）;forj=1:Csize2（2）c2（j）=0.8*c2（j）;end%=====================================%通過(guò)減小融合系數(shù)以減小圖像的亮度c=0.5*（c1+c2）;%=====================================%對(duì)融合系數(shù)進(jìn)行圖像重構(gòu)XXX=waverec2（c，l2，‘sym4’）;%=====================================%顯示重構(gòu)結(jié)果subplot（2，2，4）;image（XXX）;title（‘融合圖像2’）;%本程序?qū)崿F(xiàn)下述功能：首先讀入原始圖像，并對(duì)它使用db3小波進(jìn)行2層分解，%然后對(duì)分解系數(shù)進(jìn)行處理突出所需，弱化不需要的部分%裝載并顯示原始圖像clearall;clc;loadflujet;subplot（1，2，1）;image（X）;colormap（map）;title（‘原始圖像’）;%=====================================%對(duì)圖像X用小波db3進(jìn)行2層分解［c，l］=wavedec2（X，2，‘db3’）;Csize=size（c）;%=====================================%對(duì)分解系數(shù)作處理以突出所需部分并弱化不需要部分fori=1:Csize（2）if（c（i）》300）%低頻分量c（i）=2*c（i）;elsec（i）=0.5*c（i）;%高頻分量endend%=====================================%重構(gòu)圖像并顯示X1=waverec2（c，l，‘db3’）;subplot（1，2，2）;image（X1）;colormap（map）;title（‘增強(qiáng)圖像’）;［c，s］=wavedec2（x，2，‘sym4’）;Csize=size（c）;fori=1:Csize（2）if（c（i）》169）%低頻分量----s中第一維的長(zhǎng)度c（i）=2*c（i）;elsec（i）=0.3*c（i）;%高頻分量endendx1=waverec2（c，s，‘sym4’）;im=uint8（x1）;imshow（im）;二維小波變換的Matlab實(shí)現(xiàn)%oun\{K*Y二維小波變換的函數(shù)-------------------------------------------------函數(shù)名函數(shù)功能---------------------------------------------------‘d3dtBe’x6gdwt2二維離散小波變換wavedec2二維信號(hào)的多層小波分解idwt2二維離散小波反變換waverec2二維信號(hào)的多層小波重構(gòu)zH！f6~）}-P_wrcoef2由多層小波分解重構(gòu)某一層的分解信號(hào)0E，\|.o|DT2@2b2K$Uupcoef2由多層小波分解重構(gòu)近似分量或細(xì)節(jié)分量detcoef2提取二維信號(hào)小波分解的細(xì)節(jié)分量appcoef2提取二維信號(hào)小波分解的近似分量upwlev2二維小波分解的單層重構(gòu)dwtpet2二維周期小波變換4Y/aN&Gq］EB“H）Widwtper2二維周期小波反變換-------------------------------------------------------------9Od7D`by&lX{IgusI`（1）wcodemat函數(shù)功能：對(duì)數(shù)據(jù)矩陣進(jìn)行偽彩色編碼格式：Y=wcodemat（X，NB，OPT，ABSOL）‘k#eCaI%HY=wcodemat（X，NB，OPT）i）E）p_！O-kjJ^Y=wcodemat（X，NB）Y=wcodemat（X）說(shuō)明：Y=wcodemat（X，NB，OPT，ABSOL）返回?cái)?shù)據(jù)矩陣X的編碼矩陣Y；NB偽編碼的最大值，即編碼范圍為0～NB，缺省值NB＝16；OPT指定了編碼的方式（缺省值為’mat‘），即：r（o？Lj（yefNOPT＝’row‘，按行編碼OPT＝’col‘，按列編碼OPT＝’mat‘，按整個(gè)矩陣編碼ABSOL是函數(shù)的控制參數(shù)（缺省值為’1‘），即：ix”^：|~5{ABSOL＝0時(shí)，返回編碼矩陣ABSOL＝1時(shí)，返回?cái)?shù)據(jù)矩陣的絕對(duì)值A(chǔ)BS（X）（2）dwt2函數(shù)DJ~0D/mS:OS“I功能：二維離散小波變換Bct_）hOXI格式：［cA，cH，cV，cD］=dwt2（X，’wname‘）3AN_WF［cA，cH，cV，cD］=dwt2（X，Lo_D，Hi_D）說(shuō)明：［cA，cH，cV，cD］=dwt2（X，’wname‘）使用指定的小波基函數(shù)’wname‘對(duì)二維信號(hào)X進(jìn)行二維離散小波變幻；cA，cH，cV，cD分別為近似分量、水平細(xì)節(jié)分量、垂直細(xì)節(jié)分量和對(duì)角細(xì)節(jié)分量；［cA，cH，cV，cD］=dwt2（X，Lo_D，Hi_D）使用指定的分解低通和高通濾波器Lo_D和Hi_D分解信號(hào)X。$Kv*SX2^8GQ7？M_dB（g”d（3）wavedec2函數(shù)功能：二維信號(hào)的多層小波分解HFS）bp$G:i格式：［C，S］=wavedec2（X，N，’wname‘）［C，S］=wavedec2（X，N，Lo_D，Hi_D）說(shuō)明：［C，S］=wavedec2（X，N，’wname‘）使用小波基函數(shù)’wname‘對(duì)二維信號(hào)X進(jìn)行N層分解；［C，S］=wavedec2（X，N，Lo_D，Hi_D）使用指定的分解低通和高通濾波器Lo_D和Hi_D分解信號(hào)X。7Yj~q5aHS4e1r（4）idwt2函數(shù)功能：二維離散小波反變換格式：X=idwt2（cA，cH，cV，cD，’wname‘）X=idwt2（cA，cH，cV，cD，Lo_R，Hi_R）X=idwt2（cA，cH，cV，cD，’wname‘，S）X=idwt2（cA，cH，cV，cD，Lo_R，Hi_R，S）說(shuō)明：X=idwt2（cA，cH，cV，cD，’wname‘）由信號(hào)小波分解的近似信號(hào)cA和細(xì)節(jié)信號(hào)cH、cH、cV、cD經(jīng)小波反變換重構(gòu)原信號(hào)X；X=idwt2（cA，cH，cV，cD，Lo_R，Hi_R）使用指定的重構(gòu)低通和高通濾波器Lo_R和Hi_R重構(gòu)原信號(hào)X；X=idwt2（cA，cH，cV，cD，’wname‘，S）’z6Zex;o和X=idwt2（cA，cH，cV，cD，Lo_R，Hi_R，S）返回中心附近的S個(gè)數(shù)據(jù)點(diǎn)。（5）waverec2函數(shù)說(shuō)明：二維信號(hào)的多層小波重構(gòu)格式：X=waverec2（C，S，‘wname’）X=waverec2（C，S，Lo_R，Hi_R）說(shuō)明：X=waverec2（C，S，‘wname’）由多層二維小波分解的結(jié)果C、S重構(gòu)原始信號(hào)X，‘wname’為使用的小波基函數(shù)；X=waverec2（C，S，Lo_R，Hi_R）使用重構(gòu)低通和高通濾波器Lo_R和Hi_R重構(gòu)原信號(hào)。s）A？*ni？+Gmatlab小波分析源代碼分析1.奇偶分開(kāi)。非常簡(jiǎn)單，就是［2，4，6，8］組成一列向量，［1，3，5，7］組成一列向量。2.預(yù)測(cè)。用［2，4，6，8］來(lái)預(yù)測(cè)［1，3，5，7］。比如說(shuō)1，3估計(jì)2；3，5估計(jì)4；5，7估計(jì)6；7，1估計(jì)8。（邊緣處理，我采用循環(huán)方法）。估計(jì)公式可以用別人的，也可以自己做。舉一個(gè)線性的例子：2=1*a+3*b，4=3*a+5*b，。。.，其他的都一樣。這樣我們就可找到最優(yōu)的a，b，使得（2-（1*a+3*b））.^2+（4-（3*a+5*b））.^2+.。。最小化。就是最小均方準(zhǔn)則。若正好為零，說(shuō)明偶可以完全預(yù)測(cè)奇，也就是我們只要存儲(chǔ)偶數(shù)列向量，和a，b就可以了，壓縮也就是實(shí)現(xiàn)了。對(duì)于信號(hào)很長(zhǎng)序列，就等于壓縮了一半。當(dāng)然，我們可以采用更復(fù)雜的立方差值預(yù)測(cè)，多項(xiàng)式預(yù)測(cè)，或其它的準(zhǔn)則，來(lái)使其最小，這樣我們的壓縮也就得到了最優(yōu)。3.提升。我們總希望，均方為零，但可望不可及。于是，提升就需要了。我們經(jīng)過(guò)預(yù)測(cè)后，要存儲(chǔ)的是偶數(shù)序列［2，4，6，8］，新的奇數(shù)序列［n1，n3，n5，n7］=［2-（1*a+3*b），4-（3*a+5*b），。。.］和線性變換系數(shù)（a，b）。這里新的奇數(shù)序列就是高頻分量。但偶數(shù)序列是不能完全代表信號(hào)的性質(zhì)的，有所差距。所以我們要對(duì)偶數(shù)序列進(jìn)行修正。即所謂的提升。我們這次