數(shù)字信號處理DSP11-2

第十一章數(shù)字圖象處理簡介1數(shù)字圖象的表達(dá)與基本運(yùn)算2數(shù)字圖象的灰度處理技術(shù)3數(shù)字圖象的頻域分析與處理4數(shù)字圖象的變換與壓縮技術(shù)數(shù)字信號處理與一維信號類似，二維的圖像信號也能夠采用付氏分析方法進(jìn)行變換和處理。

二維DFT變換的定義為：

數(shù)字圖像頻譜的表達(dá)通過二維DFT變換，一個二維的圖像矩陣變換成為二維的頻譜矩陣。該矩陣的元素通常為復(fù)數(shù)，可以分別通過一個幅頻矩陣和一個相頻矩陣表現(xiàn)出來。數(shù)字圖像頻譜的表達(dá)簡單圖形的頻譜

對于簡單圖形進(jìn)行的DFT變換表明，二維DFT的很多效應(yīng)與一維DFT的效應(yīng)具有對應(yīng)關(guān)系，例如，由窗口截斷產(chǎn)生的頻譜波動，正弦信號產(chǎn)生的頻譜移動等。數(shù)字圖像頻譜的性質(zhì)例4-1矩形窗口：主瓣與旁瓣clear,closeall;b=20;l=30;a=zeros(960,1280);a(480-b:480+b,640-l:640+l)=1;figure(1),imshow(a);title('原始圖像');pause;f=(2/(b+l))*fft2(a);fr=abs(f);fa=angle(f);figure(2),imshow(log(fftshift(fr)));title('幅頻特性');pause;figure(3),imshow(fftshift(fa));title('相頻特性');數(shù)字圖像頻譜的性質(zhì)例4-2正弦信號：單頻率信號的頻譜clear,closeall;N=2*pi;M=2*pi;n=1:960;a=sin(2*pi*n/N);a1=zeros(960,1280);form=1:1280a1(:,m)=sin(2*pi*m/M)*a';endfigure(1),imshow(a1);title('原始圖像');pause;f=0.0002*fft2(a1);fr=abs(f);fa=angle(f);figure(2),imshow(log(fftshift(fr)));title('幅頻特性');pause;figure(3),imshow(fftshift(fa));title('相頻特性');數(shù)字圖像頻譜的性質(zhì)例4-3以矩形窗口截取周期信號：窗口頻譜與單頻率信號的卷積（調(diào)制）clear,closeall;b=40;l=60;a0=zeros(960,1280);a0(480-b:480+b,640-l:640+l)=1;N=10*pi;M=10*pi;n=1:960;a=cos(2*pi*n/N);a1=zeros(960,1280);form=1:1280a1(:,m)=sin(2*pi*m/M)*a';endfigure(1),imshow(a1);pause;f=0.001*fft2(a1);figure(2),imshow(log(abs(fftshift(f))));pause;a2=immultiply(a0,a1);figure(3),imshow(a2);pause;f=0.01*fft2(a2);figure(4),imshow(log(abs(fftshift(f))));數(shù)字圖像頻譜的性質(zhì)對于數(shù)字圖象信號，相位頻譜包含的信息多于幅度頻譜。如果在處理過程中丟失了幅頻特性，圖象至少還能保留主要的信息，但如果丟失了相位頻譜，則圖像將無法復(fù)原。這與一維時間信號的頻譜形成鮮明的對應(yīng)。幅度頻譜與相位頻譜例4-4：幅度頻譜與相位頻譜clear,closeall;a=imread('d:\\work\9.jpg');a1=a(:,:,1);figure(1),imshow(a1);pause;f=0.001*fft2(a1);fr=abs(f);fa=angle(f);figure(2),imshow(fftshift(fr));pause;figure(3),imshow(fftshift(fa));pause;cl=abs(ifft2(fr));figure(4),imshow(10*abs(cl));pause;ch=abs(ifft2(exp(j*fa)));figure(5),imshow(500*abs(ch));幅度頻譜與相位頻譜在數(shù)字圖像處理中，頻率表達(dá)了像素灰度沿空間坐標(biāo)的變化率。低頻表達(dá)緩慢的像素灰度變化，高頻則表達(dá)像素灰度的急劇變化。在一幅圖像頻譜中，低頻分量主要由圖像中大塊的灰度基本一致的區(qū)域所貢獻(xiàn)，而高頻分量則體現(xiàn)了各圖形對象邊緣提供的信息。高頻信號與低頻信號例4-5：黑白方格圖--高頻信號與低頻信號clear,closeall;a=imread('d:\\work\17.jpg');figure(1),imshow(a);pause;a1=a(:,:,1);f=0.0001*fft2(a1);figure(2),imshow(abs(fftshift(f)));pause;gl=f;gl(54:454,:)=0;gl(:,78:678)=0;figure(3),imshow(abs(fftshift(gl)));pause;gh=f;gh(1:204,1:328)=0;gh(1:204,428:757)=0;gh(304:508,1:328)=0;gh(304:508,428:757)=0;figure(4),imshow(abs(fftshift(gh)));pause;cl=abs(ifft2(gl));figure(5),imshow(200*abs(cl));pause;ch=abs(ifft2(gh));figure(6),imshow(200*abs(ch));高頻信號與低頻信號例4-6：黑白圖像的高低頻分離對比clear,closeall;a=imread('d:\\work\13.jpg');a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);figure(1),imshow(a2);pause;f=fft2(a2);figure(2),imshow(0.0003*abs(f));pause;gl=f;gl(1:40,:)=0;gl(440:480,:)=0;gl(:,1:50)=0;gl(:,590:640)=0;figure(3),imshow(0.0003*abs(gl));pause;gh=f;gh(40:440,50:590)=0;figure(4),imshow(0.0003*abs(gh));pause;cl=0.01*abs(ifft2(gl));figure(5),imshow(10*abs(cl));pause;ch=0.0035*abs(ifft2(gh));figure(6),imshow(abs(ch));高頻信號與低頻信號例4-7：彩色圖像的高低頻分離對比clear,closeall;a=imread('d:\\work\16.jpg');a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);figure(1),imshow(a);pause;f1=fft2(a1);f1h=f1;f1h(50:431,:)=0;f1h(:,50:591)=0;a(:,:,1)=ifft2(f1h);f2=fft2(a2);f2h=f2;f2h(50:431,:)=0;f2h(:,50:591)=0;a(:,:,2)=ifft2(f2h);f3=fft2(a3);f3h=f3;f3h(50:431,:)=0;f3h(:,50:591)=0;a(:,:,3)=ifft2(f3h);figure(2),imshow(a);pause;f1=fft2(a1);f1l=f1;f1l(1:50,1:50)=0;f1l(1:50,591:640)=0;f1l(431:480,1:50)=0;f1l(431:480,591:640)=0;a(:,:,1)=10*ifft2(f1l);f2=fft2(a2);f2l=f2;f2l(1:50,1:50)=0;f2l(1:50,591:640)=0;f2l(431:480,1:50)=0;f2l(431:480,591:640)=0;a(:,:,2)=10*ifft2(f2l);f3=fft2(a3);f3l=f1;f3l(1:50,1:50)=0;f3l(1:50,591:640)=0;f3l(431:480,1:50)=0;f3l(431:480,591:640)=0;a(:,:,3)=30*ifft2(f3l);figure(3),imshow(a);高頻信號與低頻信號為了改善數(shù)字圖像的質(zhì)量，濾波是數(shù)字圖像處理的常用方法之一。

由于相頻特性在數(shù)字圖像處理中的重要性，數(shù)字圖像濾波器的設(shè)計需要考慮盡量保持線性相位特性，因此通常采用空間域卷積形式或頻域FIR濾波形式進(jìn)行。數(shù)字圖象的濾波器設(shè)計設(shè)計要點(diǎn)：濾波器系統(tǒng)采用二維矩陣表達(dá)，通常稱為卷積核。將卷積核的中心對準(zhǔn)待處理的圖像像素點(diǎn)，對卷積核覆蓋圖像區(qū)域所有像素點(diǎn)的灰度值進(jìn)行運(yùn)算，運(yùn)算結(jié)果作為中心點(diǎn)的灰度值；空間域?yàn)V波器設(shè)計

空間域?yàn)V波器設(shè)計

低通濾波器

低通濾波主要用于消除圖像中的噪聲。由于各種干擾形成的圖象噪聲（雜點(diǎn)）通常表現(xiàn)為隨機(jī)分布，經(jīng)過低通濾波后，可以使噪聲水平大大降低，改善圖象的質(zhì)量。最常用的低通濾波器有平滑濾波器、中值濾波器、自適應(yīng)濾波器等?？臻g域?yàn)V波器設(shè)計

平滑濾波器：將卷積核覆蓋區(qū)域的所有像素灰度值相加后，求出灰度平均值，作為中心點(diǎn)的像素灰度；實(shí)現(xiàn)簡單；去噪效果隨區(qū)域加大而增強(qiáng)；對圖像邊緣有模糊作用；空間域?yàn)V波器設(shè)計

中值濾波器：將卷積核覆蓋區(qū)域的所有像素灰度值按大小排序后，選取中間的一個灰度值作為中心點(diǎn)像素灰度；能夠在去噪的同時保護(hù)圖像邊緣；對散粒噪聲濾波效果好；空間域?yàn)V波器設(shè)計

自適應(yīng)濾波器：也稱為維納（wiener）濾波器，根據(jù)卷積核覆蓋區(qū)域的所有像素灰度值的方差來決定中心點(diǎn)像素灰度；對于高斯噪聲具有較好的濾波效果。空間域?yàn)V波器設(shè)計

例5-1低通濾波clear,closeall;a=imread('d:\\work\16.jpg');figure(1),imshow(a);pause;b=imnoise(a,'salt&pepper',0.1);figure(2),imshow(b);pause;f=[0.040.040.040.040.04

0.040.040.040.040.04

0.040.040.040.040.04

0.040.040.040.040.04

0.040.040.040.040.04];b1=b(:,:,1);b2=b(:,:,2);b3=b(:,:,3);c=b;d=b;e=b;c1=conv2(f,b1);c2=conv2(f,b2);c3=conv2(f,b3);c(:,:,1)=c1(1:480,1:640);c(:,:,2)=c2(1:480,1:640);c(:,:,3)=c3(1:480,1:640);figure(3),imshow(c);pause;d1=medfilt2(b1);d2=medfilt2(b2);d3=medfilt2(b3);d(:,:,1)=d1;d(:,:,2)=d2;d(:,:,3)=d3;figure(4),imshow(d);空間域?yàn)V波器設(shè)計

高通濾波器高通濾波器主要用于補(bǔ)償或強(qiáng)化圖形的邊緣。通過高通濾波可以使邊緣銳化，增加圖像的清晰度。同時，高通濾波也是通過邊緣輪廓分割提取圖像的重要步驟。最常用的高通濾波器主要有sobel濾波器和laplacian濾波器?？臻g域?yàn)V波器設(shè)計

sobel濾波器：分別提取像素點(diǎn)附近像素灰度在水平方向的差分和垂直方向的差分作為該像素點(diǎn)的灰度值；具有單獨(dú)強(qiáng)化水平邊緣或垂直邊緣的作用。laplacian濾波器：提取像素點(diǎn)附近像素灰度的二維二階差分作為該像素點(diǎn)的灰度值；具有同時強(qiáng)化所有邊緣的作用?？臻g域?yàn)V波器設(shè)計

Sobel水平濾波Sobel垂直濾波laplacian濾波常用高通濾波器空間域?yàn)V波器設(shè)計

例5-2高通濾波clear,closeall;a=imread('d:\\work\18.jpg');b=imadd(a,-60);figure(1),imshow(a);pause;f=[-1-2-1

000121];%sobel????±??μ??2¨?÷a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);c=a;d=a;e=a;c1=conv2(f,a1);c2=conv2(f,a2);c3=conv2(f,a3);c(:,:,1)=c1(1:480,1:640);c(:,:,2)=c2(1:480,1:640);c(:,:,3)=c3(1:480,1:640);c=imadd(c,b);figure(2),imshow(c);pause;f=[-101

-202-101];%sobel′1?±±??μ??2¨?÷a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);c=a;d=a;e=a;c1=conv2(f,a1);c2=conv2(f,a2);c3=conv2(f,a3);c(:,:,1)=c1(1:480,1:640);c(:,:,2)=c2(1:480,1:640);c(:,:,3)=c3(1:480,1:640);c=imadd(c,b);figure(3),imshow(c);pause;f=[010

1-41010];%laplacian??2¨?÷a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);c=a;d=a;e=a;c1=conv2(f,a1);c2=conv2(f,a2);c3=conv2(f,a3);c(:,:,1)=c1(1:480,1:640);c(:,:,2)=c2(1:480,1:640);c(:,:,3)=c3(1:480,1:640);c=imadd(c,b);figure(4),imshow(c);空間域?yàn)V波器設(shè)計

例5-3通過邊緣分割圖像clear,closeall;a=imread('d:\\work\19.jpg');b=a;figure(1),imshow(a);pause;a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);b=a;c1=edge(a1,'sobel');figure(2),imshow(c1);pause;c90=strel('line',2,90);c0=strel('line',2,0);c2=imdilate(c1,[c90,c0]);figure(3),imshow(c2);pause;c3=imfill(c2,'hole');figure(4),imshow(c3);pause;c4=im2bw(c3);b(:,:,1)=c4;b(:,:,2)=c4;b(:,:,3)=c4;c=immultiply(a,b);figure(5),imshow(c);空間域?yàn)V波器設(shè)計

將具有線性相位的一維FIR濾波器進(jìn)行二維處理，即可構(gòu)成二維的圖像濾波器?？梢圆捎贸墒斓臅r域窗口法或頻域逼近法進(jìn)行濾波器設(shè)計。頻域FIR濾波設(shè)計例5-4：Hamming窗口高通濾波器最小極差低通濾波器clear,closeall;a=imread('d:\\work\20.jpg');a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);figure(1),imshow(a2);pause;f=fft2(a2);b=fir1(20,0.5/pi,'high');h=ftrans2(b);figure(2),freqz2(h);pause;y=2*conv2(a2,h);figure(3),imshow(y);pause;b=remez(10,[00.30.41],[1100]);h=ftrans2(b);figure(4),freqz2(h);pause;y1=0.003*conv2(a2,h);figure(5),imshow(y1);頻域FIR濾波設(shè)計第十二章數(shù)字圖象處理簡介1數(shù)字圖象的表達(dá)與基本運(yùn)算2數(shù)字圖象的灰度處理技術(shù)3數(shù)字圖象的頻域分析與處理4數(shù)字圖象的變換與壓縮技術(shù)數(shù)字信號處理數(shù)字圖像采用二維數(shù)據(jù)矩陣表達(dá)，每個像素點(diǎn)的數(shù)據(jù)量化值又通過灰度數(shù)據(jù)表現(xiàn)。因此，一幅圖像包含的數(shù)據(jù)量由像素數(shù)目和對灰度編碼所用的比特數(shù)決定。例6-1：若數(shù)字圖像的分辨率為1280*960，灰度值采用8位量化，以每秒24禎進(jìn)行傳送，則數(shù)據(jù)傳送速率為：707Mbps。數(shù)字圖像的變換與壓縮采用變換方法，將數(shù)字圖像由空間域表達(dá)形式轉(zhuǎn)換為其他表達(dá)形式，則可能使信息相對集中，從而減少圖像的數(shù)據(jù)量；同時，一些特殊的變換也能突出表現(xiàn)信號的某些特性，在信號分析中發(fā)揮重要作用。數(shù)字圖像的變換與壓縮除了DFT變換以外，目前在圖像變換中最常用的變換主要是DCT變換和DWT變換。數(shù)字圖像的變換與壓縮離散余弦變換（DCT）

DCT形式上與DFT相似，響應(yīng)于不同頻率的信號細(xì)節(jié)。對于N*N的圖像，二維DCT公式為：數(shù)字圖像的變換與壓縮與DFT相比，DCT的優(yōu)勢在于不涉及復(fù)數(shù)運(yùn)算，同時又具有與FFT類似的快速算法，因此能夠很快的計算。同時，DCT傾向于將圖像信息集中到較低的序號的系數(shù)中（低頻段），使得圖像信息能夠被有效地壓縮。數(shù)字圖像的變換與壓縮DCT在圖像壓縮標(biāo)準(zhǔn)JPEG中的應(yīng)用

目前圖像壓縮領(lǐng)域采用最廣泛的標(biāo)準(zhǔn)為JPEG標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)典型的處理方式是將原始圖像分為8*8的子塊，對這些子塊進(jìn)行DCT處理；由于DCT的重要系數(shù)都集中在左上角，通常只保留左上角的有限系數(shù)，而將其他系數(shù)都當(dāng)作0處理。數(shù)字圖像的變換與壓縮例6-2：對圖片的JPEG標(biāo)準(zhǔn)化處理clear,closeall;a=imread('22.jpg');I=im2double(a);b=I;figure(1),imshow(I);title('原始照片');pause;T=dctmtx(8);B=blkproc(I,[88],'P1*x*P2',T,T');figure(2),imshow(B);title('原始照片DCT');pause;mask=[1111100011110000111000001100000010000000000000000000000000000000];B2=blkproc(B,[88],'P1.*x',mask);figure(3),imshow(B2);title('壓縮照片DCT');pause;I2=0.9*abs(blkproc(B2,[88],'P1*x*P2',T',T));figure(4),imshow(I2);title('壓縮照片展開');pause;b(:,:,1)=I2(:,1:640);b(:,:,2)=I2(:,641:1280);b(:,:,3)=I2(:,1281:1920);b1=b(:,:,1);b2=b(:,:,2);b3=b(:,:,3);figure(5),imshow(b);title('壓縮照片');數(shù)字圖像的變換與壓縮在以上程序中，盡管只保留了15/64的DCT系數(shù)，丟掉了約77%的DCT系數(shù)，但是壓縮后的圖象還是具有較好的視覺效果。數(shù)字圖像的變換與壓縮小波分析及變換在數(shù)字圖象處理領(lǐng)域得到了最廣泛的應(yīng)用。數(shù)字圖象信號通常涉及大規(guī)模的數(shù)據(jù)量。將數(shù)字圖象數(shù)據(jù)按重要程度加以區(qū)分，進(jìn)行分層處理，這是提高效率的根本途徑。小波技術(shù)正是在這一方面顯示了獨(dú)特的優(yōu)點(diǎn)。二維DWT分析數(shù)字圖象采用二維數(shù)據(jù)矩陣表達(dá)，圖像信息處理需要采用二維DWT進(jìn)行處理。這種處理方式通過分析在圖像的行和列上其灰度級的變化，可以將水平、垂直和對角細(xì)節(jié)分開。二維DWT分析二維DWT分析步驟如下：1對N*N的圖像每一行進(jìn)行一維DWT分解（低通和高通），得到2個N*（N/2）的圖像；（每個子圖的列數(shù)比分解前減少一半）2對得到的兩個N*（N/2）的圖像的每一列進(jìn)行一維DWT分解（低通和高通），由此得到4個（N/2）*（N/2）的圖像；（每個子圖的行數(shù)比分解前減少一半）二維DWT分析通過上述步驟就完成了一級DWT分解，分解后得到4個子圖，分別代表了原圖像的低通近似、水平高通、垂直高通和對角高通。上述4個圖的數(shù)據(jù)總量與原始圖形一致。類似于一維DWT分析，可以對低通近似圖象進(jìn)一步分解，得出不同級別的圖形。分析可以進(jìn)行到獲得的子圖象只包含一個像素點(diǎn)為止。二維DWT分析例3-1：對圖象信號進(jìn)行多層小波分解

clear,closeall;[X,map]=imread('23.jpg');X=X(:,:,1);a=X;b=X;deccof=struct('ca',[],'ch',[],'cv',[],'cd',[]);reccof=struct('RX',[]);figure(1),imshow(X);title('原始圖象');pause;X=im2double(X);fori=2:6

[deccof(i).ca,deccof(i).ch,deccof(i).cv,deccof(i).cd]=dwt2(X,'haar');a=[deccof(i).cadeccof(i).chdeccof(i).cv,deccof(i).cd];二維DWT分析figure(i),imshow(a/(i));title('分解圖象');X=deccof(i).ca;pause;endreccof(i).RX=deccof(i).ca;forj=6:-1:2b=[reccof(j).RXdeccof(j).chdeccof(j).cvdeccof(j).cd];figure(j),imshow(b/j);title('重建圖象');reccof(j-1).RX=idwt2(reccof(j).RX,deccof(j).ch,deccof(j).cv,deccof(j).cd,'haar');pause;endfigure(7),imshow(reccof(j-1).RX);title('復(fù)原圖象');二維DWT分析在上述圖象分解中，進(jìn)行了5級分解，1280*960的圖象經(jīng)過分解后成為了40*30的圖象。一幅第5級圖象的完整數(shù)據(jù)不到原始圖象的萬分之一。二維DWT分析DWT在網(wǎng)絡(luò)圖象傳輸方面的應(yīng)用

在互聯(lián)網(wǎng)上，用戶經(jīng)常需要進(jìn)行各種圖象信息的查詢。由于完整的圖象包含的數(shù)據(jù)量很大，對其傳送需要占用大量的網(wǎng)絡(luò)資源，同時傳送過程也需要很多的時間。二維DWT分析由二維DWT分解和重建的簡單過程可以看到，圖象信息可以被分解到各種不同的層次中，在每一級圖象中，主要信息總是集中于低頻分量中。如果將圖像采用DWT系數(shù)的形式進(jìn)行保存，在圖象傳輸時可以首先傳送最高級別的低通近似子圖（最低頻信息），然后再傳送該級別的其他子圖，在用戶端逐步重建高級別的低通近似子圖。二維DWT分析按這樣的順序進(jìn)行各子圖的傳送和重建，就可以先在用戶端立即生成粗略的圖象，隨著傳送時間的增加，高頻細(xì)節(jié)的不斷補(bǔ)充，圖象會越來越清晰。用戶在此過程中很快就能得到足夠的信息以確定該幅圖象是否需要，如果不需要，可以立即終止傳送。這樣就極大地提高了圖象的傳送效率。二維DWT分析例3-2：假設(shè)在給定的網(wǎng)絡(luò)環(huán)境條件下，某幅高精度圖象的完整傳送需要約8分半鐘（512s）。將該圖象進(jìn)行5級小波分解后傳送，由于子圖象級別每增加一級，子圖象的傳送時間（數(shù)據(jù)量）就會降低1/4。因此，該圖象的第5級低通子圖象的傳送只需要0.5秒。二維DWT分析DWT信號壓縮的應(yīng)用

信號壓縮是為了減少表示信號所需要的信息量，這對于信號的存儲、處理和傳輸都具有非常重要的意義。對于數(shù)字圖象信號尤其如此。二維DWT的壓縮通常采用閾值法和低通濾波法實(shí)現(xiàn)。二維DWT分析DWT信號壓縮的閾值法信號壓縮最常用的方法是從信號中去除對信號能量影響很小的系數(shù)。如果能夠?qū)⒋罅康南禂?shù)都忽略為0而又能保障信號的能量不受嚴(yán)重影響，則能夠?qū)⑿盘柕臄?shù)據(jù)量大大減少。設(shè)定一個閾值，將低于該值的所有DWT系數(shù)都設(shè)置為0就可以實(shí)現(xiàn)這種壓縮。通過對閾值的數(shù)值調(diào)整能夠方便地控制壓縮率和圖象質(zhì)量。二維DWT分析DWT信號壓縮的低通濾波法在DWT中，低通圖象中通常包含主要的信號信息，而高通圖象則包含由高頻的系數(shù)表現(xiàn)的細(xì)節(jié)信息。將某一級別（或幾個級別）的所有高頻系數(shù)全部置0，只保留低頻數(shù)據(jù)，則可以使信號在保留主要信息的情況下得到壓縮。二維DWT分析例3-3：采用不同控制方式對圖象進(jìn)行壓縮：控制閾值，控制級別；clear,closeall;e=0.4;[X,map]=imread('23.jpg');X=X(:,:,1);a=X;b=X;deccof=struct('ca',[],'ch',[],'cv',[],'cd',[]);reccof=struct('RX',[]);figure(1),imshow(X);title('原始圖象');pause;X=im2double(X);二維DWT分析fori=2:6

[deccof(i).ca,deccof(i).ch,deccof(i).cv,deccof(i).cd]=dwt2(X,'haar');deccof(i).ch(abs(deccof(i).ch)<e)=0;deccof(i).cv(abs(deccof(i).cv)<e)=0;deccof(i).cd(abs(deccof(i).cd)<e)=0;yh=size(find(abs(deccof(i).ch)<e))/(1280/i)/(960/i)yv=size(find(abs(deccof(i).cv)<e))/(1280/i)/(960/i)yd=size(find(abs(deccof(i).cd)<e))/(1280/i)/(960/i)l=i-1,y=(yh+yv+yd)/3a=[deccof(i).cadeccof(i).chdeccof(i).cvdeccof(i).cd];二維DWT分析figure