对图像第三层低频小波系数进行直方图均衡化对高频系数进行高斯滤波的代码

以下是对图像第三层低频小波系数进行直方图均衡化，高频系数进行高斯滤波的 Python 代码：

import cv2
import numpy as np

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

# 计算小波系数
coefficients = pywt.wavedec2(image, 'haar', level=3)

# 对第三层低频系数进行直方图均衡化
coefficients[0] = cv2.equalizeHist(np.uint8(coefficients[0]))

# 对高频系数进行高斯滤波
for i in range(1, len(coefficients)):
    for j in range(len(coefficients[i])):
        coefficients[i][j] = cv2.GaussianBlur(coefficients[i][j], (3, 3), 0)

# 重构图像
image = pywt.waverec2(coefficients, 'haar')

# 显示图像
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`pywt` 是 Python 的小波库，需要先用 `pip` 安装。`level=3` 表示对图像进行三层小波变换，第一层得到的是 LL、LH、HL、HH 四个子带，第二层得到的是 LL2、LH2、HL2、HH2 四个子带，第三层得到的是 LL3、LH3、HL3、HH3 四个子带。直方图均衡化和高斯滤波通过对各自的系数进行操作来实现。最后，用 `pywt.waverec2` 函数将处理后的小波系数重构成图像。