小波变换图像增强C++实现

小波变换是一种用于信号和图像处理的数学工具，可以将信号或图像分解为不同尺度和频率的子信号或子图像。图像增强是指改善图像质量的一种方法，使得图像更加清晰、明亮、对比度更高等。

以下是C++实现小波变换图像增强的基本步骤：

1. 加载图像并将其转换为灰度图像；
2. 对图像进行小波变换；
3. 对小波系数进行阈值处理；
4. 对处理后的小波系数进行反变换；
5. 输出增强后的图像。

下面是一个示例代码：

#include <opencv2/opencv.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <cmath>

using namespace cv;
using namespace std;

// 小波变换函数
void dwt(Mat& src, Mat& dst)
{
    int rows = src.rows, cols = src.cols;
    Mat temp(rows, cols, CV_32FC1);
    src.convertTo(temp, CV_32FC1);
    for (int i = 0; i < log2(rows); i++) {
        for (int j = 0; j < cols; j++) {
            for (int k = 0; k < rows / pow(2, i + 1); k++) {
                float a = temp.at<float>(k * 2, j), b = temp.at<float>(k * 2 + 1, j);
                dst.at<float>(k, j + cols * i * 2) = (a + b) / 2;
                dst.at<float>(k, j + cols * (i * 2 + 1)) = (a - b) / 2;
            }
        }
        Mat roi(temp, Rect(0, 0, cols, rows / pow(2, i + 1)));
        Mat temp_roi(dst, Rect(0, cols * (i + 1), cols, rows / pow(2, i + 1)));
        roi = temp_roi.clone();
    }
}

// 阈值处理函数
void thresholding(Mat& src, float thresh)
{
    for (int i = 0; i < src.rows; i++) {
        for (int j = 0; j < src.cols; j++) {
            if (abs(src.at<float>(i, j)) < thresh) {
                src.at<float>(i, j) = 0;
            }
        }
    }
}

// 反小波变换函数
void idwt(Mat& src, Mat& dst)
{
    int rows = dst.rows, cols = dst.cols;
    Mat temp(rows, cols, CV_32FC1);
    for (int i = log2(rows) - 1; i >= 0; i--) {
        for (int j = 0; j < cols; j++) {
            for (int k = 0; k < rows / pow(2, i + 1); k++) {
                float a = src.at<float>(k, j + cols * i * 2), b = src.at<float>(k, j + cols * (i * 2 + 1));
                temp.at<float>(k * 2, j) = a + b;
                temp.at<float>(k * 2 + 1, j) = a - b;
            }
        }
        Mat roi(dst, Rect(0, 0, cols, rows / pow(2, i + 1)));
        Mat temp_roi(temp, Rect(0, 0, cols, rows / pow(2, i + 1)));
        temp_roi.copyTo(roi);
    }
    temp.convertTo(dst, CV_8UC1);
}

int main()
{
    Mat src = imread("lena.jpg", IMREAD_GRAYSCALE);
    if (src.empty()) {
        cout << "Cannot load image!" << endl;
        return -1;
    }
    imshow("Original Image", src);

    Mat dst(src.size(), CV_32FC1);
    dwt(src, dst);
    thresholding(dst, 20);
    idwt(dst, src);

    imshow("Enhanced Image", src);
    waitKey(0);

    return 0;
}

在上述代码中，使用OpenCV库加载和处理图像。在`dwt`函数中，实现小波变换，将原始图像分解为不同频率和尺度的子图像。在`thresholding`函数中，对小波系数进行阈值处理，将小于给定阈值的系数设置为零。在`idwt`函数中，执行反小波变换，将处理后的小波系数重新组合成增强后的图像。

注意，在本示例中，我们使用了Haar小波变换，但是可以根据需要使用其他小波基函数进行变换。此外，可以根据实际需求调整阈值的值以实现不同程度的图像增强。