Haar小波对图像的分解

haar小波对图像的一次分解实验，同样要求不使用matlab自带的小波函数和卷积函数。
分解过程：

matlab代码如下：

clc
clear
x=imread('cameraman.tif');  %读取matlab里自带的一副图片
%imshow(img);该图像的行列为366*364
%haar小波对图像进行分解

h1=x;
h3=x;
for i=1:256
    for j=1:255
        %对行,进行低通滤波 (1/2,1/2)
        h1(i,1)=0+1/2*x(i,1);
        h1(i,j)=1/2*x(i,j)+1/2*x(i,j+1);
        %对行,进行高通滤波()
        h3(i,1)=-1/2*x(i,1);
        h3(i,j)=1/2*x(i,j)-1/2*x(i,j+1);
    end
    h1(i,256)=1/2*x(i,256);
end



for i=1:256
    for j=1:128
        %对行压缩
        k=2*j;
        h1(i,j)=h1(i,k);
        h3(i,j)=h3(i,k);
    end
end

h2=h1;
h4=h3;
for j=1:128
    for i=1:255
        %对列进行低通滤波
        h1(1,j)=1/2*h1(1,j);
        h1(i,j)=1/2*h1(i,j)+1/2*h1(i+1,j);
        %对h2的列进行高通滤波
        h2(1,j)=-1/2*h2(1,j);
        h2(i,j)=1/2*h2(i,j)-1/2*h2(i+1,j);
        %对h3的列低通滤波
        h3(1,j)=1/2*h3(1,j);
        h3(i,j)=1/2*h3(i,j)+1/2*h3(i+1,j);
        %对h4的列高通滤波
        h4(1,j)=-1/2*h4(1,j);
        h4(i,j)=1/2*h4(i,j)-1/2*h4(i+1,j);
    end
end



%对列压缩
for j=1:128
    for i=1:128
        k=2*i;
        h1(i,j)=h1(k,j);
        h2(i,j)=h2(k,j);
        h3(i,j)=h3(k,j);
        h4(i,j)=h4(k,j);
    end
end

h1=h1(1:128,1:128);
h2=h2(1:128,1:128);
h3=h3(1:128,1:128);
h4=h4(1:128,1:128);


%haar小波的一次分解的边界太不明显，处理一下像素，使边缘更明显一些
n=9;
for i=1:128
    for j=1:128
        if(h2(i,j)*n<256) 
            h2(i,j)=n*h2(i,j);
        end
         if(h3(i,j)*n<256) 
            h3(i,j)=n*h3(i,j);
         end
         if(h3(i,j)*n<256) 
            h3(i,j)=n*h3(i,j);
         end
         if(h4(i,j)*n<256) 
            h4(i,j)=n*h4(i,j);
        end
    end
end

subplot(2,2,1),imshow(h1);
subplot(2,2,2),imshow(h2);
subplot(2,2,3),imshow(h3);
subplot(2,2,4),imshow(h4);

计算结果如下图所示，由于Haar小波的一次分解图像边缘太不明显，于是手动把像素计算结果放大了。