matlab读入两张图像，分别进行离散小波变换，将他们的对应成分cA，cH，cD，cV分别进行以下计算（低频成分相加，高频成分取大）然后将计算结果进行小波逆变换，最后，输出各个环节的结果

在MATLAB中，你可以按照以下步骤操作来完成这两个图像的离散小波变换（DWT）、处理以及逆变换：

1. **加载图像**：
使用`imread`函数分别读取两张图片，例如`img1 = imread('image1.jpg')` 和 `img2 = imread('image2.jpg')`。

2. **进行离散小波变换**：
对于每张图像，可以使用` wavedec2`函数进行二维小波分解，它会返回4个矩阵（cA, cH, cV, cD），分别代表水平、垂直、对角线正和负方向的系数：

   [cA1, cH1, cV1, cD1] = wavedec2(img1, 'db4', 2); % 对img1进行DB4小波分解，level=2
   [cA2, cH2, cV2, cD2] = wavedec2(img2, 'db4', 2); % 对img2同样操作

3. **处理高频成分**：
- 对于高频部分，你需要选择一个策略来合成。如果要求低频成分相加，高频部分取大值，可以这样做：

     cHCombined = max(cH1, cH2);

类似地，处理cV、cD部分：

     cVCombined = max(cV1, cV2);
     cDCombined = max(cD1, cD2);

4. **合并并重构**：
将处理后的高频部分合并回原始的小波系数：

   cHAux = cat(3, cA1, cA2, cHCombined, cVCombined, cDCombined);
   combinedImage = waverec2(cHAux, 'db4', 2); % 使用'waverec2'函数逆变换回去

5. **显示和保存结果**：
最后，你可以使用`imshow`展示`combinedImage`，并使用`saveas`将其保存为新图像：

   imshow(combinedImage);
   saveas(combinedImage, 'processed_image.jpg');