1、“.....对低频系数进行放大处理，并抑制高频系数通过处理后的小波系数重建图像显示三幅图像,原始图像,采用方法钝化图像,采用小波方法钝化图像原始图像采用方法钝化图像采用小波方法钝化图像图图像钝化从图中可以看出，采用在频域做滤波的方法得到钝化结果更为平滑，这是因为其分辨率最高，而小波方法得到的结果在很多地方有不连续的现象，因为我们对系数做放大或抑制在阈值两侧有间断，而且分解层数很低，没有完全分离出频域的信息。而且我们在做系数放大或抑制的时候，采用的标准是根据系数绝对值的大小，没有完全体现出其位置信息，但是在小波系数中，我们很容易在处理系数的过程中加入位置信息。图像锐化与图像钝化所做的工作相反，图像锐化的任务是突出高频信息，抑制低频信息，从快速变化的成分中分离出标识系统特性或区分子系统边界的成分......”。

2、“.....在时域空域中，锐化的方法不外乎是作用掩码或做差分，同钝化的道理样，无论是掩码和差分都很难识别点之间的关联信息，我们下面的例子同样是在频域完成的，用传统的傅立叶分析方法这里采用的是变换得到的频域系数。分别保存用方法和小波方法的变换系数对原图像做二维离散余弦变换对变换结果在频域做滤波重建变换后的图像对图像做层的二维小波分解,对低频系数进行放大处理，并抑制高频系数通过处理后的小波系数重建图像显示三幅图像,原始图像,采用方法锐化图像,采用小波方法锐化图像得到的结果如图所示原始图像采用方法锐化图像采用小波方法锐化图像图图像锐化从结果中可以看出，使用方法进行高通滤波得到的高频结果比较纯粹，完全是原图像上的边缘信息，而在小波方法得到的结果中，不只有高频成分，还有变换非常缓慢的低频成分，这是因为两者同样在小波系数上体现为绝对值较低的部分......”。

3、“.....最后我们来比较次这两个例子的时间复杂度，对方法，需要做两次复杂度为的变换，中间系数处理部分复杂度为，而对小波变换，无论是分解和重构还有系数处理的复杂度都是，所以时间复杂度的优势非常明显。小波分析用于图像融合图像融合是将同对象的两个或更多的图像合成在幅图像中，以便它比原来的任何幅图像更容易得为人们所理解。这技术可应用于多频谱图像理解以及医学图，从中重建各级系数。使用小波对图像进行三层小波分解使用的滤波器功能，重建第层的近似系数，为了避免的合成运算，注意在重建过程中，应保证其他各项系数为零。分别重建级的各个细节系数，同样在重建吸收的时候......”。

4、“.....详细讨论小波在图像处理领域的应用，并结合程序设计语言来说明其应用。第个重点是了解小波变换和小波分析的理论和方法。主要研究了连续小波变换离散小波变换和小波包分析的基本理论，介绍了些常用的小波基。第二个重点是研究小波分析和小波变换在图像处理中的应用。图像处理主要采用两大类方法类是空域中的处理，即在图像空间中对图像进行各种处理另类是把空间与图像经过变换，如傅立叶变换，变到频率域，在频率域中进行各种处理，然后在变回到图像的空间域，形成处理后的图像......”。

5、“.....主要是用来进行图像压缩图像去噪图像增强包括图像钝化和图像锐化图像融合图像分解。参考文献胡昌华,张军波,周涛基于的系统分析与设计小波分析第三版西安西安电子科技大学出版社,徐长发,李国宽实用小波方法第三版武汉华中科技大学出版社,张德丰小波分析机械工业出版社,张德丰数字图像处理机械工业出版社,高志,余啸海小波分析与应用第版国防工业出版社,处理等领域。在这些场合。同物体部件的图像往往是采用不同的成像机理得到的。下面用二维小波分析将上例中和两幅图像融合在起。程序清单画出原始图像,,用小波函数对进行层小波分解对分解系数进行处理以突出轮廓部分，弱化细节部分用小波函数对进行层小波分解下面进行小波变换域的图像融合减小图像亮度对融合的系数进行重构画出融合后的图像融合图像输出结果如图融合图像图小波分析用于图像融合小波分析用于图像分解回顾从维离散小波变换到二维的扩展......”。

6、“.....对行和列分别采用高通和低通滤波器。这样分解的结果仍然是四组图像近似图像水平细节图像竖直细节图像和对角图像，与离散小波变换不同的只是静态小波分解得到的四幅图像与原图像尺寸致，道理与维情况相同。二维离散小波变换同样只提供了个函数，因为它不对分解系数进行下采样，所以单层分解和多层分解的结果是样的。不需要另外提供多层分解的功能。下面举个用命令行使用命令的例子，大家可以对比它和处理结果的区别，在命令行下键入使用小波对图像进行三层静态小波分解可以看出，所小波分解同样不改变信号的长度，原来的的图像做了三层分解以后，分解系数是个的图像。,显示第层近似系数图像，以字节为单位编码显示的结果如图所示，由于分解过程中没有改变信号的长度，所以在显示近似和细节系数时不需要重建。图小波分析用于图像分解同的类似，对二维静态小波重建提供了命令，同的去边也同维情况类似......”。

7、“.....同维的静态小波重建样，我将用例子说明如何将单纯用做滤波器来实现各层系数的重建，与维的情况不同的只是为了重建第层近似系数，需要次用到作为重建滤波器对第层的系数进行滤波，在对个近似系数滤波的过程中，同样需要把其他的三个系数指定为。为了便于比较，本例接上面的二维静态分解的例子，直接利用对的分解结第二次压缩第二次压缩图像的大小为输出结果如下所示压缩前图像的大小第次压缩图像的大小为第二次压缩图像的大小为图像对比如图所示。可以看出，第次压缩提取的是原始图像中小波分解第层的低频信息，此时压缩效果较好，压缩比较小约为第二次压缩是提取第层分解低频部分的低频部分即小波分解第二层的低频部分，其压缩比较大约为，压缩效果在视觉上也基本过的去。这是种最简单的压缩方法，只保留原始图像中低频信息，不经过其他处理即可获得较好的压缩效果。在上面的例子中......”。

8、“.....从理论上说，我们可以获得任意压缩比的压缩图像。原始图像分解后低频和高频信息第次压缩第二次压缩图利用二维小波分析进行图像压缩下面再给出用函数对个图像文件名进行压缩的程序。装入个二维信号显示图像原始图像下面进行图像压缩对图像用小波进行层小波分解使用函数来实现图像的压缩输入参数中选择了全局阈值选项，用来对所有高频系数进行相同的阈值量化处理将压缩后的图像与原始图像相比较，并显示出来压缩图像小波分解系数中置的系数个数百分比压缩后图像剩余能量百分比输出结果如下所示小波分解系数中置的系数个数百分比压缩后图像剩余能量百分比图像对比如图所示原始图像压缩图像图利用二维小波分析对图像进行压缩利用二维小波变换进行图像压缩时，小波变换将图像从空间域变换到时间域，它的作用与以前在图像压缩中所用到的离散余弦傅立叶变换等的作用类似。但是要很好的进行图像的压缩......”。

9、“.....特别是数据的编码与解码算法等，所以利用小波分析进行图像压缩通常需要利用小波分析和许多其他相关技术共同完成。基于小波包变换的图像压缩小波分析之所以在信号处理中有着强大的功能，是基于其分离信息的思想，分离到各个小波域的信息除了与其他小波域的关联，使得处理的时候更为灵活。全局阈值化方法作用的信息粒度太大，不够精细，所以很难同时获得高的压缩比和能量保留成分，在作用的分层阈值以后，性能明显提高，因为分层阈值更能体现信号固有的时频局部特性。但是小波分解仍然不够灵活，分解出来的小波树只有种模式，不能完全地体现时频局部化信息。而压缩的核心思想既是尽可能去处各小波域系数之间的信息关联，最大限度体现时频局部化的信息，因此，实际的压缩算法多采用小波包算法，而小波树的确定则是根据不同的信息论准则，以达到分解系数表达的信息密度最高......”。