[c,s] = wavedec2(I,3,'bior3.7'); ca1 = appcoef2(c,s,'bior3.7',1); ch1 = detcoef2('h',c,s,1); cv1 = detcoef2('v',c,s,1); cd1 = detcoef2('d',c,s,1); a1 = wrcoef2('a',c,s,'bior3.7',1); h1 = wrcoef2('h',c,s,'bior3.7',1); v1 = wrcoef2('v',c,s,'bior3.7',1); d1 = wrcoef2('d',c,s,'bior3.7',1); c1=[a1,h1;v1,d1];为什么显示出来的

是一个小的图像块？

这是因为代码中使用了小波变换对图像进行了分解，分解出了多个子图像和细节系数，其中ca1表示第一层低频系数（即最粗略的图像近似），ch1、cv1、cd1分别表示第一层高频系数的水平、垂直和对角线方向细节，a1、h1、v1、d1分别表示第一层小波变换的近似、水平、垂直和对角线方向细节。而c1是由a1、h1、v1、d1组成的小块矩阵。

因此，代码中显示出来的是第一层小波变换分解后的结果。

相关问题

clear X = imread('wgxy.jpg'); I = rgb2gray(X); imshow(I); I=double(I); subplot(231); imshow(I,[]); title('原始图像'); axis square; disp('压缩前图像大小字节'); whos('I'); [c,s] = wavedec2(I,3,'bior3.7'); ca1 = appcoef2(c,s,'bior3.7',1); ch1 = detcoef2('h',c,s,1); cv1 = detcoef2('v',c,s,1); cd1 = detcoef2('d',c,s,1); a1 = wrcoef2('a',c,s,'bior3.7',1); h1 = wrcoef2('h',c,s,'bior3.7',1); v1 = wrcoef2('v',c,s,'bior3.7',1); d1 = wrcoef2('d',c,s,'bior3.7',1); c1=[a1,h1;v1,d1]; subplot(232); imshow(c1,[]); axis square; title('分解后低频和高频信息'); ca1 = appcoef2(c,s,'bior3.7',1); ca1 = wcodemat(ca1,500,'mat',0); a11 = wrcoef2('a',c,s,'bior3.7',1); subplot(233); imshow(a11,[]); axis square; title('第一次压缩图像'); disp('第一次压缩图像字节大小'); whos('ca1'); subplot(234); ca2 = appcoef2(c,s,'bior3.7',2); ca2 = wcodemat(ca2,500,'mat',0); a22 = wrcoef2('a',c,s,'bior3.7',2); imshow(a22,[]); axis square; title('第二次压缩图像'); disp('第二次压缩图像字节大小'); whos('ca2'); subplot(235); ca3 = appcoef2(c,s,'bior3.7',3); ca3 = wcodemat(ca3,500,'mat',0); a33 = wrcoef2('a',c,s,'bior3.7',3); imshow(a33,[]); axis square; title('第三次压缩图像'); disp('第三次压缩图像字节大小'); whos('ca3');这个程序的图像每一个都单独显示，怎么写程序

这个程序通过 subplot 函数将多个小图像放在一个大图像中进行显示，具体步骤如下：

1. 使用 imshow 函数显示原始图像 I，以及分解后的低频和高频信息 c1；
2. 使用 subplot 函数分别创建 3 行 2 列的网格，将每个小图像放到对应的网格中；
3. 在网格的第 1 行第 1 列显示原始图像 I；
4. 在网格的第 1 行第 2 列显示分解后的低频和高频信息 c1；
5. 在网格的第 1 行第 3 列显示第一次压缩后的图像 ca1，并通过 whos 函数显示其字节大小；
6. 在网格的第 2 行第 1 列显示第二次压缩后的图像 ca2，并通过 whos 函数显示其字节大小；
7. 在网格的第 2 行第 2 列显示第三次压缩后的图像 ca3，并通过 whos 函数显示其字节大小；
8. 在网格的第 3 行第 1 列、第 2 列、第 3 列分别显示第一次、第二次、第三次压缩后的低频信息 a1、a2、a3。

下面是代码实现：

clear X = imread('wgxy.jpg'); 
I = rgb2gray(X); 
I=double(I); 
subplot(3,3,1); 
imshow(I,[]); 
title('原始图像'); 
axis square; 
disp('压缩前图像大小字节'); 
whos('I'); 
[c,s] = wavedec2(I,3,'bior3.7'); 
ca1 = appcoef2(c,s,'bior3.7',1); 
ch1 = detcoef2('h',c,s,1); 
cv1 = detcoef2('v',c,s,1); 
cd1 = detcoef2('d',c,s,1); 
a1 = wrcoef2('a',c,s,'bior3.7',1); 
h1 = wrcoef2('h',c,s,'bior3.7',1); 
v1 = wrcoef2('v',c,s,'bior3.7',1); 
d1 = wrcoef2('d',c,s,'bior3.7',1); 
c1=[a1,h1;v1,d1]; 
subplot(3,3,2); 
imshow(c1,[]); 
title('分解后低频和高频信息'); 
axis square; 
ca1 = appcoef2(c,s,'bior3.7',1); 
ca1 = wcodemat(ca1,500,'mat',0); 
a11 = wrcoef2('a',c,s,'bior3.7',1); 
subplot(3,3,3); 
imshow(a11,[]); 
title('第一次压缩图像'); 
disp('第一次压缩图像字节大小'); 
whos('ca1'); 
subplot(3,3,4); 
ca2 = appcoef2(c,s,'bior3.7',2); 
ca2 = wcodemat(ca2,500,'mat',0); 
a22 = wrcoef2('a',c,s,'bior3.7',2); 
imshow(a22,[]); 
title('第二次压缩图像'); 
disp('第二次压缩图像字节大小'); 
whos('ca2'); 
subplot(3,3,5); 
ca3 = appcoef2(c,s,'bior3.7',3); 
ca3 = wcodemat(ca3,500,'mat',0); 
a33 = wrcoef2('a',c,s,'bior3.7',3); 
imshow(a33,[]); 
title('第三次压缩图像'); 
disp('第三次压缩图像字节大小'); 
whos('ca3'); 
subplot(3,3,6); 
imshow(a11,[]); 
title('第一次压缩后低频信息'); 
axis square; 
subplot(3,3,7); 
imshow(a22,[]); 
title('第二次压缩后低频信息'); 
axis square; 
subplot(3,3,8); 
imshow(a33,[]); 
title('第三次压缩后低频信息'); 
axis square;

matlab里wavedec函数函数,常用小波函数及Matlab常用指令

wavedec函数是matlab中用来进行小波分解的函数，常用的小波函数包括haar、db、sym、bior、coif、rbio等，其中haar是最简单的小波函数，而db则是最常用的小波函数之一。

常用的matlab指令有：
- waverec：用于进行小波重构
- wrcoef：用于提取小波系数
- wfilters：用于生成小波滤波器系数
- appcoef：用于提取小波分解的近似系数
- detcoef：用于提取小波分解的细节系数