基于opencv的小波变换

原创 已于 2023-11-23 20:26:09 修改 · 1.9k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv

于 2017-10-18 21:11:22 首次发布
本文介绍了一种基于Harr小波变换的图像处理方法，使用滤波器组实现了图像的小波分解，并提供了详细的C++代码实现。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文是通过滤波器组实现的harr小波变换（还没写反变换）

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat wavelet(Mat srcImage,Mat* A1,Mat* D1,Mat* D2,Mat* D3);
Mat wavelet(Mat srcImage);
Mat InverseWavelet(Mat srcImage);
float convolution(float* arr0,int length0,float* arr1,int length,float* result);//实现序列卷积
int main()
{

Mat srcImage= imread("F:/低剂量CT图.bmp",0);
//Mat srcImage=imread("F:/位图资源/图片（jpg）/2.jpg",0);
//Mat srcImage= imread("F:/lena.bmp",0);
if(!srcImage.data)
return -1;
Mat A1,D1,D2,D3;
Mat result=wavelet(srcImage);
imshow("result",result);
Mat dst=wavelet(srcImage,&A1,&D1,&D2,&D3);
Mat A11,D11,D21,D31;
Mat dst1=wavelet(A1,&A11,&D11,&D21,&D31);
Mat A111,D111,D211,D311;
Mat dst2=wavelet(A11,&A111,&D111,&D211,&D311);
imshow("dst2",dst2);
imshow("dst1",dst1);
imshow("A1",A1);
imshow("srcImage",srcImage);
imshow("dst",dst);









waitKey(0);
return 1;
}
/*
小波变换函数一
*/
Mat wavelet(Mat srcImage)
{
Mat tempImage=srcImage.clone();
tempImage.convertTo(tempImage,CV_32FC1);

int nCols=tempImage.cols;
int nRows=tempImage.rows;//hang




//定义低通和高通滤波器
float kernelH_[2]={0.707,0.707};
float kernelG_[2]={0.707,-0.707};
float kernelH[2]={0.707,0.707};
float kernelG[2]={-0.707,0.707};
int M=2+nCols-1;
int N=2+nRows-1;
//临时存储对行列都卷积后的Mat
Mat tempMat=Mat::zeros(N,M,CV_32FC1);
Mat tempMatH_,tempMatG_,tempMatH,tempMatG;
tempMatH=Mat::zeros(N,M,CV_32FC1);
tempMatH_=Mat::zeros(N,M,CV_32FC1);
tempMatG=Mat::zeros(N,M,CV_32FC1);
tempMatG_=Mat::zeros(N,M,CV_32FC1);




float *result=new float[M];
float* Carr=new float[M];
float* tempArr=new float[nRows];
Mat a1,d1,d2,d3;
a1=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d1=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d2=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d3=Mat::zeros(nRows/2,nCols/2,CV_32FC1);


/*---------------------求a1和d1-------------------------------------*/
//对图像每一列做卷积
for(int j=0;j<nCols;j++)
{
for(int i=0;i<nRows;i++)
{
tempArr[i]=tempImage.at<float>(i,j);
}
convolution(tempArr,nRows,kernelH_,2,Carr);
for(int i=0;i<nRows;i++)
{
tempMat.at<float>(i,j)=*(Carr+i);
}
}
//对上面结果每一行再做卷积
for(int i=0;i<N;i++)
{
float* p=tempMat.ptr<float>(i);
convolution(p,nCols,kernelH_,2,Carr);//用H_卷积
convolution(p,nCols,kernelG_,2,result);//用G_卷积
for(int j=0;j<M;j++)
{
tempMatH_.at<float>(i,j)=*(Carr+j);
tempMatG_.at<float>(i,j)=*(result+j);
}
}
for(int i=0;i<nRows/2;i++)
{
for(int j=0;j<nCols/2;j++)
{
a1.at<float>(i,j)=tempMatH_.at<float>(2*i+1,2*j+1);
d1.at<float>(i,j)=tempMatG_.at<float>(2*i+1,2*j+1);
}
}
/*--------------求d2，d3--------------------------*/
//对图像每一列做卷积
for(int j=0;j<nCols;j++)
{
for(int i=0;i<nRows;i++)
{
tempArr[i]=tempImage.at<float>(i,j);
}
convolution(tempArr,nRows,kernelG_,2,Carr);
for(int i=0;i<nRows;i++)
{
tempMat.at<float>(i,j)=*(Carr+i);
}
}
//对上面结果每一行再做卷积
for(int i=0;i<N;i++)
{
float* p=tempMat.ptr<float>(i);
convolution(p,nCols,kernelH_,2,Carr);//用H_卷积
convolution(p,nCols,kernelG_,2,result);//用G_卷积
for(int j=0;j<M;j++)
{
tempMatH.at<float>(i,j)=*(Carr+j);
tempMatG.at<float>(i,j)=*(result+j);
}
}
for(int i=0;i<nRows/2;i++)
{
for(int j=0;j<nCols/2;j++)
{
d2.at<float>(i,j)=tempMatH.at<float>(2*i+1,2*j+1);
d3.at<float>(i,j)=tempMatG.at<float>(2*i+1,2*j+1);
}
}

a1.copyTo(tempImage(Range(0,tempImage.rows/2),Range(0,tempImage.cols/2)));//Range函数是包含头，不包含尾
d1.copyTo(tempImage(Range(0,tempImage.rows/2),Range(tempImage.cols/2,tempImage.cols)));
d2.copyTo(tempImage(Range(tempImage.rows/2,tempImage.rows),Range(0,tempImage.cols/2)));
d3.copyTo(tempImage(Range(tempImage.rows/2,tempImage.rows),Range(tempImage.cols/2,tempImage.cols)));

tempImage.convertTo(tempImage,CV_8UC1);
return tempImage;


}
/*
小波变换函数二
*/
Mat wavelet(Mat srcImage,Mat* A1,Mat* D1,Mat* D2,Mat* D3)
{
Mat tempImage=srcImage.clone();
tempImage.convertTo(tempImage,CV_32FC1);

int nCols=tempImage.cols;
int nRows=tempImage.rows;//hang




//定义低通和高通滤波器
float kernelH_[2]={0.707,0.707};
float kernelG_[2]={0.707,-0.707};
float kernelH[2]={0.707,0.707};
float kernelG[2]={-0.707,0.707};
int M=2+nCols-1;
int N=2+nRows-1;
//临时存储对行列都卷积后的Mat
Mat tempMat=Mat::zeros(N,M,CV_32FC1);
Mat tempMatH_,tempMatG_,tempMatH,tempMatG;
tempMatH=Mat::zeros(N,M,CV_32FC1);
tempMatH_=Mat::zeros(N,M,CV_32FC1);
tempMatG=Mat::zeros(N,M,CV_32FC1);
tempMatG_=Mat::zeros(N,M,CV_32FC1);




float *result=new float[M];
float* Carr=new float[M];
float* tempArr=new float[nRows];
Mat a1,d1,d2,d3;
a1=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d1=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d2=Mat::zeros(nRows/2,nCols/2,CV_32FC1);
d3=Mat::zeros(nRows/2,nCols/2,CV_32FC1);


/*---------------------求a1和d1-------------------------------------*/
//对图像每一列做卷积
for(int j=0;j<nCols;j++)
{
for(int i=0;i<nRows;i++)
{
tempArr[i]=tempImage.at<float>(i,j);
}
convolution(tempArr,nRows,kernelH_,2,Carr);
for(int i=0;i<nRows;i++)
{
tempMat.at<float>(i,j)=*(Carr+i);
}
}
//对上面结果每一行再做卷积
for(int i=0;i<N;i++)
{
float* p=tempMat.ptr<float>(i);
convolution(p,nCols,kernelH_,2,Carr);//用H_卷积
convolution(p,nCols,kernelG_,2,result);//用G_卷积
for(int j=0;j<M;j++)
{
tempMatH_.at<float>(i,j)=*(Carr+j);
tempMatG_.at<float>(i,j)=*(result+j);
}
}
for(int i=0;i<nRows/2;i++)
{
for(int j=0;j<nCols/2;j++)
{
a1.at<float>(i,j)=tempMatH_.at<float>(2*i+1,2*j+1);
d1.at<float>(i,j)=tempMatG_.at<float>(2*i+1,2*j+1);
}
}
/*--------------求d2，d3--------------------------*/
//对图像每一列做卷积
for(int j=0;j<nCols;j++)
{
for(int i=0;i<nRows;i++)
{
tempArr[i]=tempImage.at<float>(i,j);
}
convolution(tempArr,nRows,kernelG_,2,Carr);
for(int i=0;i<nRows;i++)
{
tempMat.at<float>(i,j)=*(Carr+i);
}
}
//对上面结果每一行再做卷积
for(int i=0;i<N;i++)
{
float* p=tempMat.ptr<float>(i);
convolution(p,nCols,kernelH_,2,Carr);//用H_卷积
convolution(p,nCols,kernelG_,2,result);//用G_卷积
for(int j=0;j<M;j++)
{
tempMatH.at<float>(i,j)=*(Carr+j);
tempMatG.at<float>(i,j)=*(result+j);
}
}
for(int i=0;i<nRows/2;i++)
{
for(int j=0;j<nCols/2;j++)
{
d2.at<float>(i,j)=tempMatH.at<float>(2*i+1,2*j+1);
d3.at<float>(i,j)=tempMatG.at<float>(2*i+1,2*j+1);
}
}

a1.copyTo(tempImage(Range(0,tempImage.rows/2),Range(0,tempImage.cols/2)));//Range函数是包含头，不包含尾
d1.copyTo(tempImage(Range(0,tempImage.rows/2),Range(tempImage.cols/2,tempImage.cols)));
d2.copyTo(tempImage(Range(tempImage.rows/2,tempImage.rows),Range(0,tempImage.cols/2)));
d3.copyTo(tempImage(Range(tempImage.rows/2,tempImage.rows),Range(tempImage.cols/2,tempImage.cols)));


d1.convertTo(d1,CV_8UC1);
d2.convertTo(d2,CV_8UC1);
d3.convertTo(d3,CV_8UC1);
a1.convertTo(a1,CV_8UC1);
/*
imshow("a1",a1);
imshow("d1",d1);
imshow("d2",d2);
imshow("d3",d3);
*/


*A1=a1;
*D1=d1;
*D2=d2;
*D3=d3;
tempImage.convertTo(tempImage,CV_8UC1);
return tempImage;


}
/*
序列卷积
*/
float convolution(float* arr0,int length0,float* arr1,int length1,float* result)
{
int N=length0+length1-1;
float* res=new float[N];
for(int n=0;n<N;n++)
{
*(res+n)=0;
for(int m=0;m<=n;m++)
{
if(m<length0&&(n-m)<length1)
{
*(res+n) +=arr0[m]*arr1[n-m];
}else
{
continue;
}
}
}
for(int i=0;i<N;i++)
{
*(result+i)=*(res+i);
}
return N;

}

OpenCV Haar小波变换
dayuhaitang1的博客
05-27 691
OpenCV Haar小波变换
OpenCV3 小波变换
06-20
借鉴网上前辈代码，用OpenCV3写的小波变换，如有错误，请各位大神批评指正。
转：基于opencv的小波变换
weixin_34218890的博客
08-08 666
转自http://www.cnblogs.com/zhangzhi/archive/2009/09/19/1569888.html 提供函数DWT()和IDWT()，前者完成任意层次的小波变换，后者完成任意层次的小波逆变换。输入图像要求必须是单通道浮点图像，对图像大小也有要求（1层变换：w,h必须是2的倍数；2层变换：w,h必须是4的倍数；3层变换：w,h必须是8的倍数......），变换后的结...
opencv实现小波变换
04-25
在VC++6.0和opencv1.0版本基础上实现小波变换
opencv+小波变换
热门推荐
qq_37333087的博客
07-18 1万+
什么是小波变换   小波变换，作为图像处理中的一个重要分支，在图像压缩，医疗图像处理中有着比较好的应用，在一定程度上甚至可以取代傅里叶变换。与傅里叶变换不同，由于小波变换是建立在多尺度上的，因而可以有着更高的灵活度。这里为了让各位更好地理解小波，先打个比方。存在一家做产品的公司，该公司等级制度明确，其中有一个负责产品方向的CEO，以及一个负责技术的CTO。此时CEO决定做产品A，跟同为大佬的CT...
VC++实现小波变换图像融合,基于小波变换的图像处理,C,C++
09-10
在基于小波变换的图像融合中，首先对每个源图像进行小波分解，得到不同尺度和方向的细节信息。然后，根据一定的融合规则（如加权平均、最大值选择等）对这些细节信息进行组合。最后，通过逆小波变换恢复出融合后的...
opencv小波变换的实现代码
09-02
总体来说，opencv小波变换的实现代码基于opencv库，并利用了该库提供的图像处理功能，将图像分解成不同尺度下的低频和高频分量。这种变换对于图像的多层次特征提取、压缩和信号处理等方面具有重要意义。通过阅读这段...
快速小波变换 基于opencv带注释
07-19
总结来说，这个基于OpenCV的快速小波变换实例涵盖了小波理论的基础知识，包括二代小波、快速小波变换的原理和实现，以及如何利用这些工具进行图像处理。源码注释为学习者提供了深入理解小波变换在实际项目中如何应用...
opencv小波变换
08-25
opencv小波变换,基于哈尔函数的尺度向量和小波向量分别为：hf=[1/sqr2,1/sqr2],hs=[1/sqr2,1/sqr2]
Opencv实现Gabor小波变换
06-08
基于opencv实现了对给定图像Gabor小波变换；尺度、方向、高斯窗口等参数可调
Opencv + c++实现简单的小波变换
10-06
简单的实现二维图像的小波变换，实现简答，也便于后期的小波拓展。
图像小波变换和逆变换_openCV
11-26
基于openCV实现的图像小波变换和逆变换功能函数源代码，可以在你的工程项目中直接调用，适用于图像融合分析分类识别等计算机视觉领域。
openCV图像的小波变换和逆变换
11-21
基于openCV的小波变换和逆变换，实现对输入图像的多层小波变换和逆变换重构，适用于图像处理、融合、识别等。
openCV 上的小波变换
05-20
在openCV平台下的小波变换函数,可以进行图像的小波分解和重构!
一维连续小波变换的c/c++/opencv代码和matlab代码CWT.zip
06-28
一维连续小波变换的c/c++/opencv代码和matlab代码。opencv显示时频信号的频谱，可以用作信号处理和时频分析以及故障诊断。代码环境为VS2015和Matlab2017。
在OpenCV里实现小波变换
大坡3D软件开发
11-23 3786
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，...
小波变换 opencv
huangli19870217的专栏
09-24 2557
Mat WDT( const Mat &_src, const string _wname, const int _level )const { int reValue = THID_ERR_NONE; Mat src = Mat_float>(_src); Mat dst = Mat::zeros( src.rows, src.cols, src.type() )
opencv小波变换代码
天边那颗星
01-02 1347
// DWT.cpp : 定义控制台应用程序的入口点。 #include "stdafx.h" #include "cv.h" #include "highgui.h" // 二维离散小波变换（单通道浮点图像） void DWT(IplImage *pImage, int nLayer) {  // 执行条件  if (pImage)  {   if (pImage
python的opencv操作记录(八)——小波变换
新兴IT民工的专栏
11-09 3592
小波变换的概念，一般逻辑和例子
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值