写一个不用dwt图像分解、高频子带融合、低频子带融合、图像重建的详细代码

以下是一个基于小波变换的图像分解、融合和重建的Python代码示例，不使用DWT，而是使用pywt库中的小波变换函数。

import cv2
import pywt
import numpy as np

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

# 定义小波变换类型和层数
wavelet_type = 'db4'
level = 3

# 进行小波变换
coeffs = pywt.wavedec2(img, wavelet_type, level=level)

# 高频子带融合方法：取两个图像的高频子带系数的平均值
def high_frequency_fusion(coeffs1, coeffs2):
    fused_coeffs = []
    for i in range(1, len(coeffs1)):
        if isinstance(coeffs1[i], tuple):
            cH1, cV1, cD1 = coeffs1[i]
            cH2, cV2, cD2 = coeffs2[i]
            cH = (cH1 + cH2) / 2
            cV = (cV1 + cV2) / 2
            cD = (cD1 + cD2) / 2
            fused_coeffs.append((cH, cV, cD))
        else:
            cA1, cA2 = coeffs1[i], coeffs2[i]
            cA = (cA1 + cA2) / 2
            fused_coeffs.append(cA)
    return tuple(fused_coeffs)

# 低频子带融合方法：取两个图像的低频子带系数的加权平均值
def low_frequency_fusion(coeffs1, coeffs2, alpha=0.5):
    cA1 = coeffs1[0]
    cA2 = coeffs2[0]
    cA = alpha * cA1 + (1 - alpha) * cA2
    return cA

# 融合两幅图像的小波系数
fused_coeffs = []
for i in range(len(coeffs)):
    if i == 0:
        # 对低频子带系数进行融合
        fused_coeffs.append(low_frequency_fusion(coeffs[i], coeffs2[i], alpha=0.5))
    else:
        # 对高频子带系数进行融合
        fused_coeffs.append(high_frequency_fusion(coeffs[i], coeffs2[i]))

# 进行小波变换反变换，重构图像
fused_img = pywt.waverec2(fused_coeffs, wavelet_type)

# 显示原图像和融合后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Fused Image', fused_img.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先使用pywt库中的`wavedec2`函数对原图像进行小波变换，得到小波系数。然后，我们使用`high_frequency_fusion`函数对两幅图像的高频子带系数进行融合，使用`low_frequency_fusion`函数对两幅图像的低频子带系数进行融合。最后，我们使用`waverec2`函数进行小波反变换，得到融合后的图像。这个过程也可以用于图像融合和纹理合成等应用。