将彩色图像分解为不同频率的小波信号然后对高频信息增强，保存为彩色图像，代码

以下是Python代码，使用pywt库实现小波变换：

import numpy as np
import cv2
import pywt

# 读取彩色图像
img = cv2.imread('image.jpg')

# 将图像转换为YCbCr颜色空间
img_ycc = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)

# 取出亮度分量Y
Y = img_ycc[:,:,0]

# 对Y进行小波变换
coeffs = pywt.dwt2(Y, 'haar')

# 取出低频分量LL和高频分量LH、HL、HH
LL, (LH, HL, HH) = coeffs

# 对高频分量进行增强
alpha = 1.5
LH_enhanced = alpha * LH
HL_enhanced = alpha * HL
HH_enhanced = alpha * HH

# 将增强后的分量合并
coeffs_enhanced = (LL, (LH_enhanced, HL_enhanced, HH_enhanced))

# 将增强后的Y分量合并回YCbCr图像
img_ycc_enhanced = np.empty_like(img_ycc)
img_ycc_enhanced[:,:,0] = pywt.idwt2(coeffs_enhanced, 'haar')
img_ycc_enhanced[:,:,1:3] = img_ycc[:,:,1:3]

# 将YCbCr图像转回BGR颜色空间
img_enhanced = cv2.cvtColor(img_ycc_enhanced, cv2.COLOR_YCR_CB2BGR)

# 显示增强前后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Enhanced Image', img_enhanced)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码中使用haar小波作为小波变换的基函数，对高频分量进行了简单的线性增强。注意，在增强后的分量合并时，LL应该使用原始的LL分量，否则会导致图像出现明显的色彩偏移。