使用c++实现一维信号的连续小波变换，将长度625的一维信号变成二维图片的代码

以下是使用C++实现一维信号的连续小波变换，并将长度为625的一维信号变成二维图片的代码：

#include <iostream>
#include <cmath>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

#define PI 3.14159265358979323846

// Haar小波函数
double haar(int n)
{
    if (n < 0 || n >= 2) return 0;
    if (n == 0) return 1 / sqrt(2.0);
    return (-1) / sqrt(2.0);
}

// Daubechies-4小波函数
double db4(int n)
{
    if (n < 0 || n >= 8) return 0;
    switch (n)
    {
    case 0: return (1 + sqrt(3)) / (4 * sqrt(2));
    case 1: return (3 + sqrt(3)) / (4 * sqrt(2));
    case 2: return (3 - sqrt(3)) / (4 * sqrt(2));
    case 3: return (1 - sqrt(3)) / (4 * sqrt(2));
    case 4: return -(1 - sqrt(3)) / (4 * sqrt(2));
    case 5: return (3 - sqrt(3)) / (4 * sqrt(2));
    case 6: return (3 + sqrt(3)) / (4 * sqrt(2));
    case 7: return -(1 + sqrt(3)) / (4 * sqrt(2));
    }
}

// 连续小波变换
void cwt(double* sig, int n, double* w, int len_w, double* scales, int len_scales, double* cwt_result)
{
    for (int i = 0; i < len_scales; i++)
    {
        double scale = scales[i];
        for (int j = 0; j < len_w; j++)
        {
            int mid = len_w / 2;
            double sum_real = 0.0, sum_imag = 0.0;
            for (int k = 0; k < n; k++)
            {
                double t = (double)k / scale;
                int idx = (int)floor(t + 0.5);
                double y = t - idx;
                double real = sig[min(max(idx - mid + j, 0), n - 1)] * w[(2 - y) * mid] +
                    sig[min(max(idx - mid + j + 1, 0), n - 1)] * w[(1 - y) * mid] +
                    sig[min(max(idx - mid + j + 2, 0), n - 1)] * w[(0 - y) * mid] +
                    sig[min(max(idx - mid + j + 3, 0), n - 1)] * w[(y + 1) * mid];
                double imag = sig[min(max(idx - mid + j, 0), n - 1)] * w[(2 - y) * mid + 1] +
                    sig[min(max(idx - mid + j + 1, 0), n - 1)] * w[(1 - y) * mid + 1] +
                    sig[min(max(idx - mid + j + 2, 0), n - 1)] * w[(0 - y) * mid + 1] +
                    sig[min(max(idx - mid + j + 3, 0), n - 1)] * w[(y + 1) * mid + 1];
                sum_real += real;
                sum_imag += imag;
            }
            cwt_result[i * len_w + j] = sqrt(sum_real * sum_real + sum_imag * sum_imag);
        }
    }
}

// 将一维信号转为二维图像
Mat reshape_to_image(double* data, int rows, int cols)
{
    Mat img(rows, cols, CV_64FC1);
    for (int i = 0; i < rows; i++)
    {
        for (int j = 0; j < cols; j++)
        {
            img.at<double>(i, j) = data[i * cols + j];
        }
    }
    return img;
}

int main()
{
    // 生成长度为625的一维信号
    double sig[625];
    for (int i = 0; i < 625; i++)
    {
        sig[i] = sin(2 * PI * i / 25) + sin(2 * PI * i / 50);
    }

    // 定义小波函数和尺度数组
    int len_w = 256;  // 小波函数长度
    double w[len_w];
    for (int i = 0; i < len_w; i++)
    {
        w[i] = db4(2 * i - len_w + 1);
    }
    int len_scales = 64;  // 尺度数量
    double scales[len_scales];
    double q = 2.0;
    for (int i = 0; i < len_scales; i++)
    {
        scales[i] = pow(q, i);
    }

    // 进行连续小波变换
    double cwt_result[len_scales * len_w];
    cwt(sig, 625, w, len_w, scales, len_scales, cwt_result);

    // 将一维信号转为二维图像
    Mat img = reshape_to_image(cwt_result, len_scales, len_w);

    // 显示图像
    normalize(img, img, 0, 255, NORM_MINMAX);
    Mat img_show;
    img.convertTo(img_show, CV_8UC1);
    imshow("CWT result", img_show);
    waitKey();

    return 0;
}

该代码使用Daubechies-4小波函数进行连续小波变换，并将结果转换为二维图像，最终显示出来。其中，使用了OpenCV库来显示图像，如果没有安装该库，需要先安装。