1、急需用matlab对图像进行小波分解和重构的程序
matlab中有关于小波分解和重构的函数，可以直接调用的，例如：wavedec2（）可实现图像多尺度小波分解，waverec2函数可实现重构功能。还有其他函数，可参考matlab帮助。
2、想把多张CT二维图像进行三维重建，什么软件可以实现这个功能？
只要二维图像具备重建分析的条件（有薄层图像、二维阅片无异常）就可用博 为的三维后处理工作站重建出不错的效果。
博 为的三维分为：三维基础模块和三维高级模块。基础三维分为：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（三维虚拟内窥镜）、VR（三维容积重建），这些模板的功能非常基础，而高级三维是专门针对脏器分析和测量的：心脏、肝脏、结肠、血管、齿科都属于高级三维，比如用来做心脏的分割、冠脉提取、量化分析等，操作起来非常简单和实用。
3、matlab 之图像重构问题
挖 好难好难呀 555做不的哦啊
4、图像处理：利用VC与Matlab将二维图像三维重构
把下面的代码写成m文件，运行就可以了。具体你要看到什么样的三维模型，你可以在此基础上修改。
% 读取图象数据到矩阵
[A, map] = imread('Frame-00391.bmp');
% 得到图象信息
info = imfinfo('Frame-00391.bmp');
w = info.Width;
h = info.Height;
% 创建与图象大小相对应的网格
[x,y] = meshgrid(1:w,1:h);
z = x - y + y - x;
i = 1;
j = 1;
% 用图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;
% 绘制三维图象
meshc(x,y,z);
% 绘制表面
surf(x,y,z,'FaceColor','interp','EdgeColor','none','FaceLighting','phong')
5、用opencv进行三维重构，如何通过图像中特征点的坐标来求该特征点的世界坐标？
用matlab吧，opencv烦
6、在matlab中如何对重构的图像细节显示？（或者对图像的细节放大）！谢谢了！
在gui窗口fig中画2个axes
直接在回调函数下 显示就可以了
axes(handles.axes1);
imshow(bw1);
另外一个回调函数下
axes(handles.axes2);
imshow(bw2);
7、图像小波分解后重构问题
三级小波分解得到的是10个矩阵，第一级变换可以得到4个小波系数矩阵，但是第二级变换的时候是将第一级中那个低频分量矩阵分解成四个新的矩阵，第三级同样是这样分解的，所以三级小波分解得到的是10个矩阵，你可以先从第三层开始，将第三层的四个系数矩阵分别进行单支重构，然后叠加，得到的矩阵再同第二层的剩下三个高频系数矩阵分别进行单支重构，再叠加，同理，再和第一层的三个高频矩阵分别进行单支重构，再叠加，就得到重构出的和原图像大小相同的图像了
8、用haar小波对图像进行3级分解，然后分别对每层图像进行重构，重构后的为什么得到的三个图不一样呢。
理论上把图像分解后，然后重构，不管从哪一层重构得到的图像都应该不一样，按你的意思，处理分解完了，重构后的结果和之前一样，那还处理个啥？小波的重构分两种，一种是完全重构，就是把最终分解的最大阶次的逼近信息和各阶细节信息加到一起重构，得到原始信号，通常应用时为了某种目的，可以减少某些阶次的信息去重构。例如消噪时，可以去掉几个低阶的细节信息，用高阶细节和最大阶次的逼近信息完全重构，就可以得到原始图像消噪的结果；另一种是单级重构，就是不管逼近还是细节的小波系数都是不能直接应用的，通常都需要用小波系数重构才能得到处理结果。由于每一层分解的小波系数都不同，所以重构后的图像当然不同。你的基本概念完全是混乱的啊！
9、Matlab数字图像处理,要求详细解释代码,每个函数都要解释.这个是对图像求幅值谱和相位谱,并对其进行重构.
>> I=imread('辣椒bmp.bmp'); % 从当前目录读取图像
>> figure(1) % 创建一个视图，取名1
>> imshow(real(I)); % 将图像I只取实部(如果是虚数的话)，并显示在视图1中
>> I=I(:,:,3); % 取图像I的蓝色分量，1为红色，2为绿色，3为蓝色。
??? Index exceeds matrix dimensions.
>> fftI=fft2(I); % 获取2维离散傅里叶变化后的图像，保存到fftI
>> sfftI=fftshift(fftI); % 将傅里叶变化的中心移到图像中心，保存到sfftI
>> RRfdp1=real(sfftI); % 取实部
>> IIfdp1=imag(sfftI); % 取虚部
>> a=sqrt( RRfdp1.^2+IIfdp1.^2); % 取模，即实部于虚部的平方和再开方
>> a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225; % 灰度拉升，将变换后的图像拉升到0~255区间
>> figure(2) % 创建一个视图，取名2
>> imshow(real(a)); % 将图像a只取实部(如果是虚数的话)，并显示在视图2中
>> b=angle(fftI); % 取虚数fftI的弧度
>> figure(3) % 创建一个视图，取名3
>> imshow(real(b)); % 将图像b只取实部(如果是虚数的话)，并显示在视图3中
>> theta=30; % 角度常量
>> RR1=a*cos(theta); % RR1 = a*cos(30),注意，这里可能有错误，30度角没有转到弧度，本意可能是cos(theta/180*pi);
>> II1=a*sin(theta); % II1 = a*sin(30),注意，这里可能有错误，30度角没有转到弧度，本意可能是sin(theta/180*pi);
>> fftI1=RR1+i.*II1; % 得到的实部RR1和虚部II1组合成虚数fftI1
>> C=ifft2(fftI1)*255; % 2维傅里叶反变化后*255保存到C
>> figure(4) % 创建一个视图，取名4
>> imshow(real(C)); % 将图像C只取实部(如果是虚数的话)，并显示在视图4中
>> MM=150; % 常量
>> RR2=MM*cos(angle(fftI)); % 常量*cos(虚数fftI的弧度)
>> II2=MM*sin(angle(fftI)); % 常量*sin(虚数fftI的弧度)
>> fftI2=RR2+i.*II2; % 得到新的虚数fftI2
>> D=ifft2(fftI2); % 2维傅里叶反变化
>> figure(5) % 创建一个视图，取名5
>> imshow(real(D)); % 将图像D只取实部(如果是虚数的话)，并显示在视图5中
10、如何对图像进行小波分解重构，得到噪声分量。
matlab中如果使用waverec函数重构，将最高阶的低频分量小波系数置零，可以得到噪声信息和图像高频信息组成的高频分量的重构结果。可参看http://.baidu.com/question/560397721568200644.html?oldq=1的评论部分。也可使用wrcoef函数，可以将所有的高频分量的小波系数重构后再相加，与前一种方法是等同的。
另外，如果噪声信息和图像高频信息的尺寸大小差不多，那么想要完全分离噪声信息和图像高频信息是非常困难的。