搜索引擎和网络浏览器之间的区别

%%  学习目标：二维小波的单层分解
%%  二维小波适合图像处理和分析，将图像分解为4个图像  两个维度  低通，高通
clear all;
close all;
load woman.mat;
%%  which woman.mat
Y=ind2gray(X,map);                %将索引图像转换为灰度图像
[cA,cH,cV,cD]=dwt2(Y,'db1');      %二维小波的单层分解
%%  cA（近似系数）是两个维度低通滤波，
%%  cH（水平细节系数）是横向低通滤波，纵向高通滤波，
%%  cV（垂直细节系数）是横向高通滤波，纵向低通滤波
%%  cD（对角细节系数）是两个维度高通滤波
figure;
subplot(221);
imshow(cA,[]);
subplot(222);
imshow(cH,[]);
subplot(223);
imshow(cV,[]);
subplot(224);
imshow(cD,[]);
set(gcf,'position',[50,50,400,400]);

直接复制代码就可以使用，文末有我的微信公众号欢迎关注呦！

%%  学习目标：二维小波的单层分解
%%  二维小波适合图像处理和分析，将图像分解为4个图像  两个维度  低通，高通
clear all;
close all;
load woman.mat;
%%  which woman.mat
Y=ind2gray(X,map);                %将索引图像转换为灰度图像
[cA,cH,cV,cD]=dwt2(Y,'db1');      %二维小波的单层分解
%%  cA（近似系数）是两个维度低通滤波，
%%  cH（水平细节系数）是横向低通滤波，纵向高通滤波，
%%  cV（垂直细节系数）是横向高通滤波，纵向低通滤波
%%  cD（对角细节系数）是两个维度高通滤波
figure;
subplot(221);
imshow(cA,[]);
subplot(222);
imshow(cH,[]);
subplot(223);
imshow(cV,[]);
subplot(224);
imshow(cD,[]);
set(gcf,'position',[50,50,400,400]);