1、急需用matlab對圖像進行小波分解和重構的程序
matlab中有關於小波分解和重構的函數，可以直接調用的，例如：wavedec2（）可實現圖像多尺度小波分解，waverec2函數可實現重構功能。還有其他函數，可參考matlab幫助。
2、想把多張CT二維圖像進行三維重建，什麼軟體可以實現這個功能？
只要二維圖像具備重建分析的條件（有薄層圖像、二維閱片無異常）就可用博 為的三維後處理工作站重建出不錯的效果。
博 為的三維分為：三維基礎模塊和三維高級模塊。基礎三維分為：MIP（最大密度投影）、MinIP（最小密度投影）、MPR（多平面重建）、CPR（曲面重建）、VE（三維虛擬內窺鏡）、VR（三維容積重建），這些模板的功能非常基礎，而高級三維是專門針對臟器分析和測量的：心臟、肝臟、結腸、血管、齒科都屬於高級三維，比如用來做心臟的分割、冠脈提取、量化分析等，操作起來非常簡單和實用。
3、matlab 之圖像重構問題
挖 好難好難呀 555做不的哦啊
4、圖像處理：利用VC與Matlab將二維圖像三維重構
把下面的代碼寫成m文件，運行就可以了。具體你要看到什麼樣的三維模型，你可以在此基礎上修改。
% 讀取圖象數據到矩陣
[A, map] = imread('Frame-00391.bmp');
% 得到圖象信息
info = imfinfo('Frame-00391.bmp');
w = info.Width;
h = info.Height;
% 創建與圖象大小相對應的網格
[x,y] = meshgrid(1:w,1:h);
z = x - y + y - x;
i = 1;
j = 1;
% 用圖象灰度值填充高度值
while (i - 1) * w + j <= w * h
z(i,j) = A(i,j);
j = j + 1;
if j > w
j = 1;
i = i + 1;
end
end;
% 繪制三維圖象
meshc(x,y,z);
% 繪製表面
surf(x,y,z,'FaceColor','interp','EdgeColor','none','FaceLighting','phong')
5、用opencv進行三維重構，如何通過圖像中特徵點的坐標來求該特徵點的世界坐標？
用matlab吧，opencv煩
6、在matlab中如何對重構的圖像細節顯示？（或者對圖像的細節放大）！謝謝了！
在gui窗口fig中畫2個axes
直接在回調函數下 顯示就可以了
axes(handles.axes1);
imshow(bw1);
另外一個回調函數下
axes(handles.axes2);
imshow(bw2);
7、圖像小波分解後重構問題
三級小波分解得到的是10個矩陣，第一級變換可以得到4個小波系數矩陣，但是第二級變換的時候是將第一級中那個低頻分量矩陣分解成四個新的矩陣，第三級同樣是這樣分解的，所以三級小波分解得到的是10個矩陣，你可以先從第三層開始，將第三層的四個系數矩陣分別進行單支重構，然後疊加，得到的矩陣再同第二層的剩下三個高頻系數矩陣分別進行單支重構，再疊加，同理，再和第一層的三個高頻矩陣分別進行單支重構，再疊加，就得到重構出的和原圖像大小相同的圖像了
8、用haar小波對圖像進行3級分解，然後分別對每層圖像進行重構，重構後的為什麼得到的三個圖不一樣呢。
理論上把圖像分解後，然後重構，不管從哪一層重構得到的圖像都應該不一樣，按你的意思，處理分解完了，重構後的結果和之前一樣，那還處理個啥？小波的重構分兩種，一種是完全重構，就是把最終分解的最大階次的逼近信息和各階細節信息加到一起重構，得到原始信號，通常應用時為了某種目的，可以減少某些階次的信息去重構。例如消噪時，可以去掉幾個低階的細節信息，用高階細節和最大階次的逼近信息完全重構，就可以得到原始圖像消噪的結果；另一種是單級重構，就是不管逼近還是細節的小波系數都是不能直接應用的，通常都需要用小波系數重構才能得到處理結果。由於每一層分解的小波系數都不同，所以重構後的圖像當然不同。你的基本概念完全是混亂的啊！
9、Matlab數字圖像處理,要求詳細解釋代碼,每個函數都要解釋.這個是對圖像求幅值譜和相位譜,並對其進行重構.
>> I=imread('辣椒bmp.bmp'); % 從當前目錄讀取圖像
>> figure(1) % 創建一個視圖，取名1
>> imshow(real(I)); % 將圖像I只取實部(如果是虛數的話)，並顯示在視圖1中
>> I=I(:,:,3); % 取圖像I的藍色分量，1為紅色，2為綠色，3為藍色。
??? Index exceeds matrix dimensions.
>> fftI=fft2(I); % 獲取2維離散傅里葉變化後的圖像，保存到fftI
>> sfftI=fftshift(fftI); % 將傅里葉變化的中心移到圖像中心，保存到sfftI
>> RRfdp1=real(sfftI); % 取實部
>> IIfdp1=imag(sfftI); % 取虛部
>> a=sqrt( RRfdp1.^2+IIfdp1.^2); % 取模，即實部於虛部的平方和再開方
>> a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225; % 灰度拉升，將變換後的圖像拉升到0~255區間
>> figure(2) % 創建一個視圖，取名2
>> imshow(real(a)); % 將圖像a只取實部(如果是虛數的話)，並顯示在視圖2中
>> b=angle(fftI); % 取虛數fftI的弧度
>> figure(3) % 創建一個視圖，取名3
>> imshow(real(b)); % 將圖像b只取實部(如果是虛數的話)，並顯示在視圖3中
>> theta=30; % 角度常量
>> RR1=a*cos(theta); % RR1 = a*cos(30),注意，這里可能有錯誤，30度角沒有轉到弧度，本意可能是cos(theta/180*pi);
>> II1=a*sin(theta); % II1 = a*sin(30),注意，這里可能有錯誤，30度角沒有轉到弧度，本意可能是sin(theta/180*pi);
>> fftI1=RR1+i.*II1; % 得到的實部RR1和虛部II1組合成虛數fftI1
>> C=ifft2(fftI1)*255; % 2維傅里葉反變化後*255保存到C
>> figure(4) % 創建一個視圖，取名4
>> imshow(real(C)); % 將圖像C只取實部(如果是虛數的話)，並顯示在視圖4中
>> MM=150; % 常量
>> RR2=MM*cos(angle(fftI)); % 常量*cos(虛數fftI的弧度)
>> II2=MM*sin(angle(fftI)); % 常量*sin(虛數fftI的弧度)
>> fftI2=RR2+i.*II2; % 得到新的虛數fftI2
>> D=ifft2(fftI2); % 2維傅里葉反變化
>> figure(5) % 創建一個視圖，取名5
>> imshow(real(D)); % 將圖像D只取實部(如果是虛數的話)，並顯示在視圖5中
10、如何對圖像進行小波分解重構，得到雜訊分量。
matlab中如果使用waverec函數重構，將最高階的低頻分量小波系數置零，可以得到雜訊信息和圖像高頻信息組成的高頻分量的重構結果。可參看http://.baidu.com/question/560397721568200644.html?oldq=1的評論部分。也可使用wrcoef函數，可以將所有的高頻分量的小波系數重構後再相加，與前一種方法是等同的。
另外，如果雜訊信息和圖像高頻信息的尺寸大小差不多，那麼想要完全分離雜訊信息和圖像高頻信息是非常困難的。