图像小波变换分解python代码

以下是使用PyWavelets库进行图像小波变换分解的Python代码示例：

import pywt
import cv2

# 读取图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

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

# 获取低频分量
cA3 = coeffs[0]
# 获取高频分量
cH3, cV3, cD3, cH2, cV2, cD2, cH1, cV1, cD1 = coeffs[1:]

# 将小波系数转换为图像
cA3_img = pywt.waverec2([cA3, None, None, None, None, None, None, None, None], 'haar')
cH3_img = pywt.waverec2([(cH3, cV3, cD3), None, None, None, None, None, None, None, None], 'haar')
cH2_img = pywt.waverec2([(cH2, cV2, cD2), None, None, None, None, None, None, None, None], 'haar')
cH1_img = pywt.waverec2([(cH1, cV1, cD1), None, None, None, None, None, None, None, None], 'haar')

# 显示原始图像和小波分量图像
cv2.imshow('Original Image', img)
cv2.imshow('cA3', cA3_img)
cv2.imshow('cH3', cH3_img)
cv2.imshow('cH2', cH2_img)
cv2.imshow('cH1', cH1_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，我们使用`pywt.wavedec2()`函数对图像进行小波变换分解，返回的是一个元组，包含了每个分量的小波系数。然后，我们将低频分量和高频分量的系数分别提取出来，使用`pywt.waverec2()`函数将它们转换为图像。最后，我们将原始图像和每个小波分量图像显示出来。