oepncv python 如何使用小波变换将图像分成低、高频两部分 并显示出来

使用小波变换将图像分成低、高频两部分的步骤如下：

1. 读取图像并转为灰度图像。

import cv2

# 读取图像并转为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2. 进行小波变换并分离低、高频部分。

import pywt

# 进行小波变换
coeffs = pywt.dwt2(gray, 'haar')

# 分离低、高频部分
cA, (cH, cV, cD) = coeffs

3. 显示低、高频部分图像。

# 显示低频部分图像
cv2.imshow('Low frequency', cv2.convertScaleAbs(cA))

# 显示高频部分图像
cv2.imshow('High frequency', cv2.convertScaleAbs(pywt.idwt2((None, (cH, cV, cD)), 'haar')))

完整代码如下：

import cv2
import pywt

# 读取图像并转为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行小波变换
coeffs = pywt.dwt2(gray, 'haar')

# 分离低、高频部分
cA, (cH, cV, cD) = coeffs

# 显示低频部分图像
cv2.imshow('Low frequency', cv2.convertScaleAbs(cA))

# 显示高频部分图像
cv2.imshow('High frequency', cv2.convertScaleAbs(pywt.idwt2((None, (cH, cV, cD)), 'haar')))

cv2.waitKey(0)
cv2.destroyAllWindows()