【】Matlab_小波工具箱入门

使用 MATLAB 小波工具箱进行小波分析：

如上图所示的小波分解过程，可以调用 wfilters 来获得指定小波的分解和综合滤波器系数，例如：

以上例子，得到’db5’小波的分解和综合滤波器系数，并显示出来。下面是wfilters的具体用法：

Wname 可指定为列表中的任意一种小波，直接调用

[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('wname')

会返回分解和综合滤波器系数。如果只想返回其中的一些而不是全部，可以调用

[F1,F2] = wfilters('wname','type')

其中’type’可指定为4种类型，每种类型的具体意义详见matlab wfilters帮助。

查看具体小波的信息

waveinfo(‘wname’)

获得一个标准的正交变换/双正交变换 的尺度和小波函数（数字近似值）

[PHI,PSI,XVAL] = wavefun('wname',ITER)

[PHI1,PSI1,PHI2,PSI2,XVAL] = wavefun('wname',ITER)

例如

如果已知小波分解滤波器系数，计算小波变换的最简单方法就是

[C,S] = wavedec2(X,N,'wname') [C,S] = wavedec2(X,N,Lo_D,Hi_D)

反过来，已知小波综合滤波器系数，计算反小波变换，只需

X = waverec2(C,S,'wname') X = waverec2(C,S,Lo_R,Hi_R)

cD = reshape(cD,S(2,1),S(2,2)); % figure,colormap gray subplot(221),imagesc(cA); subplot(222),imagesc(cH); subplot(223),imagesc(cV); subplot(224),imagesc(cD);

其中C是小波变换后的结果数据，以一维矢量的形式组织，S是二维数组，记录了C中数据的分布形式，详见matlab 的帮助文档。此外，dwtmode可以设定输入的边界处理方式。

提取小波的系数。前面使用的wavedec2得到的[C,S]不是非常的直观，可以利用小波工具箱中的函数 appcoef2和detcoef2来提取近似矩阵和的n级的某一个细节矩阵。

A = appcoef2(C,S,'wname',N) A = appcoef2(C,S,'wname')

D = detcoef2(O,C,S,N)

针对特定的小波系数矩阵进行阈值化处理

NC = wthcoef2('type',C,S,N,T,SORH)

NC = wthcoef2('type',C,S,N) NC = wthcoef2('a',C,S) NC = wthcoef2('t',C,S,N,T,SORH)

使用 wave2gray来显示小波分解的结果

关于wave2gray更多用法详见dipum_1.1.4 toolbox 的说明文档[官方网站]。

小波综合（重建）：waverec2

X = waverec2(C,S,'wname') X = waverec2(C,S,Lo_R,Hi_R)

[C,S]是使用小波分解函数wavedec2得到的小波矢量和矢量描述矩阵，或者符合这种规定形式的数据。返回X是实数图像矩阵，由于计算误差，可能需要经过一些处理才能正常显示。