小波变换及其相关应用，Matlab代码，基于小波塔式分解的图像增强，基于离散小波变换的图像增强，基于小波变换的图像融合，基于小波变换的图像压缩，基于小波变换的数字水印技术，共6个典型案例，全部打包，适合初学者学习参考
1. 小波塔式分解增强对比度
先拿经典lena图开刀，三句代码玩转多尺度增强：
[c,s] = wavedec2(X, 3, 'db4'); % 三级分解 c(1:s(1,1)*s(1,2)) = c(1:s(1,1)*s(1,2)) * 1.2; % 低频分量增强 Y = waverec2(c, s, 'db4'); % 重构图像低频分量藏着图像的主体能量，适当放大能提升整体对比度。注意系数别调太猛，1.2-1.5倍刚刚好，否则灰度会溢出变成死白。
2. 离散小波边缘锐化
高频分量处理才是细节增强的灵魂：
[LL,HL,LH,HH] = dwt2(X, 'sym4'); % 单层分解 HL = HL * 2.5; % 水平细节增强 LH = LH * 1.8; % 垂直细节增强 Y = idwt2(LL,HL,LH,HH, 'sym4'); % 注意边界扩展方式这里用sym4小波比db系列边界处理更稳。敲黑板！高频增益超过3倍大概率出现halo效应，建议配合直方图均衡使用。
3. 双图融合的硬核操作
红外和可见光图像融合实战：
% 分解两幅源图 [cA1,cH1,cV1,cD1] = dwt2(img1, 'db2'); [cA2,cH2,cV2,cD2] = dwt2(img2, 'db2'); % 低频取平均，高频取最大 cA = (cA1 + cA2)/2; cH = max(cH1, cH2); cV = max(cV1, cV2); % 重构出融合结果 fusion = idwt2(cA, cH, cV, cD1, 'db2');低频融合策略决定整体亮度，高频最大法能保留更多边缘特征。想玩花活的话可以试试区域方差比较法，效果更自然。
4. 有损压缩的暴力美学
阈值砍系数才是压缩的本质：
[C,S] = wavedec2(X,3,'bior3.7'); thr = wdcbm2(C,S,3); % 贝叶斯阈值计算 sorh = 's'; % 硬阈值 keepapp = 1; % 保留低频 Y = wdencmp('gbl',C,S,'bior3.7',3,thr,sorh,keepapp);bior小波适合有损压缩，重构时伪影较少。压缩率控制在10:1以内肉眼基本看不出区别，超过这个值建议上JPEG2000。
5. 数字水印的隐身术
把logo藏进小波域：
% 宿主图像分解 [LL,HL,LH,HH] = dwt2(hostImg, 'haar'); % 在水印嵌入 alpha = 0.03; % 嵌入强度 LL_w = LL + alpha * double(watermark); % 重构带水印图像 watermarked = idwt2(LL_w, HL, LH, HH, 'haar');提取时用同样的分解层数，做逆运算即可。关键点：选低频子带更抗攻击，但别把alpha设太大，超过0.05就会露马脚。
6. 多方法集成实战包
给新手准备的懒人包结构：
WaveletToolkit/ ├── denoising_example.m % 降噪模板 ├── fusion_gui.fig % 图形化融合界面 └── utils/ └── psnr_calc.m % 质量评价函数建议从单层分解开始练手，逐步增加分解层数。遇到频带错位问题先检查矩阵维度，八成是subband大小没对齐。
代码跑不通的时候别慌，重点检查：1. 小波函数是否匹配 2. 边界处理方式 3. 系数矩阵维度。小波变换不是玄学，多试几种基函数(db/sym/bior系列)，总有一款适合你的图像类型。
最后扔个彩蛋：想快速可视化各层subband的话，用wcodemat函数做伪彩色映射，比直接imshow直观十倍。玩转小波就像搭乐高，分解只是开始，真正的魔法在于如何重组这些频率积木。
