python opencv 使用小波变换将图像分解成cA, (cH, cV, cD) 如何将高频部分合成一个图像 并对其使用中值滤波

要将高频部分合成一个图像并对其进行中值滤波，可以按照以下步骤操作：

1. 将原始图像分解为小波系数，得到cA, (cH, cV, cD)。

2. 将(cH, cV, cD)合并为一个矩阵，得到高频部分的矩阵。

3. 对高频部分的矩阵进行中值滤波，可以使用OpenCV中的medianBlur函数。

4. 将cA和处理后的高频部分矩阵合并，得到处理后的小波系数。

5. 对处理后的小波系数进行逆变换，得到合成后的图像。

以下是Python代码示例：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# 进行小波变换
coeffs = pywt.wavedec2(img, 'haar', level=3)

# 将高频部分系数合并为一个矩阵
h, v, d = coeffs[1]
high_freq = np.concatenate((h, v, d), axis=1)

# 对高频部分矩阵进行中值滤波
high_freq = cv2.medianBlur(high_freq, 3)

# 将低频部分系数和处理后的高频部分矩阵合并
coeffs[1] = (high_freq[:, :img.shape[1]], high_freq[:, img.shape[1]:], high_freq[:, 2*img.shape[1]:])
new_img = pywt.waverec2(coeffs, 'haar')

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Processed Image', new_img.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，上述示例中使用的是haar小波变换，如果需要使用其他小波变换，只需要将代码中的'haar'替换为对应的小波名称即可。