写一个图像处理小波变换技术在生物医学工程方面的应用MATLAB代码演示加注释稍微复杂一点点的

图像小波变换是一种常用的技术，在生物医学工程领域，它能用于诸如医疗影像分析、疾病检测和信号降噪等方面。这里是一个简单的MATLAB代码示例，使用Haar小波进行二维图像分解。请注意，这个例子假设你已经安装了` wavedec2`函数，它是MATLAB内置的小波分解工具箱。

% 加载测试图像
image = imread('test_image.jpg'); % 替换为实际的图像路径

% 使用Haar小波初始化
wavelet = 'haar';
[nRows, nCols] = size(image);
level = 2; % 分解层数，可以根据需要调整

% 进行小波变换
[coeffs, ~] = wavedec2(image, level, wavelet);

% 显示低频系数 (近似部分)
approx coeffs = coeffs{1};
subplot(1,2,1), imshow(approx), title('Approximation Coefficients');

% 展示高频系数（详细部分）
detail_coeffs = [];
for i = 1:length(coeffs)-1
    detail_coeffs{i} = coeffs{i+1};
end
combined_detail = cat(3, detail_coeffs{:}); % 合并所有水平和垂直方向的细节系数
subplot(1,2,2), imshow(combined_detail), title('Detail Coefficients');

% 可视化重构图像
reconstructed_image = waverec2(coeffs, wavelet);
subplot(2,1,2), imshow(reconstructed_image), title('Reconstructed Image');

%