opencv自带小波变换

OpenCV (Open Source Computer Vision Library) 自带了小波变换的功能，主要通过其 `cv2` 模块提供的 `waveletTransform` 和 `idwt2` 函数来实现。这两个函数分别对应离散小波变换（Discrete Wavelet Transform，DWT）和逆离散小波变换（Inverse Discrete Wavelet Transform，IDWT），它们通常用于图像分析、降噪、特征提取等应用场景。

`cv2.waveletTransform()` 函数用于计算输入图像的离散小波变换，并返回一组系数矩阵，每个系数矩阵表示低频成分和高频成分的一个层次。常用的小波类型包括 Haar、Daubechies、Coiflets 等，通过参数设置可以选择不同的小波类型。

而 `cv2.idwt2()` 函数则用于根据之前获取的系数矩阵重建原始图像。这两个函数的核心参数通常有 `wavelet` 参数用于指定小波类型，以及 `mode` 参数来设置边界条件，比如 `'constant'`, `'reflect'` 或 `'symmetric'`。

例如，如果你想要应用Haar小波变换到一个灰度图像上，可以这样做：

import cv2
import numpy as np

image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
coeffs = cv2.dwt2(image, cv2.WAVELET_HAAR)

# 现在coeffs包含了图像的哈达玛小波系数