用Python基于小波分解实现图像高频和低频分离的代码

以下为Python基于小波分解实现图像高频和低频分离的代码，供您参考：

import numpy as np
import pywt #需要安装PyWavelets库

#高频和低频分离函数
def wavelet_transform(image, mode='haar', level=1):
    coeffs = pywt.wavedec2(image, mode, level=level)
    cA, (cH, cV, cD) = coeffs[0], coeffs[1:]
    return cA, cH, cV, cD

#图像重构函数
def inverse_wavelet_transform(coeffs, mode='haar'):
    image = pywt.waverec2(coeffs, mode=mode)
    return image

#测试
import cv2
image = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)
cA, cH, cV, cD = wavelet_transform(image, mode='haar', level=2)
#低频分量图像
cv2.imshow('cA', cA.astype(np.uint8))
#高频分量图像
cv2.imshow('cH', cH.astype(np.uint8))
cv2.imshow('cV', cV.astype(np.uint8))
cv2.imshow('cD', cD.astype(np.uint8))
#重构图像
image_reconstructed = inverse_wavelet_transform((cA, (cH, cV, cD)), mode='haar')
cv2.imshow('image_reconstructed', image_reconstructed.astype(np.uint8))
cv2.waitKey(0)

请注意：该代码仅供参考，实际应用中需根据具体情况进行优化和改进。