opencv中有cpu 和 gpu版本的DFT函数，及傅里叶变换的函数，可以实现dft滤波。但opencv中没有DWT，及小波变换。下面将介绍一下实现的方法。
傅里叶变换与小波变换都能实现滤波，不好说那个更好。但傅里叶变换有个缺点，对于图像处理来说，其在处理图像锐利边缘时，很容易出现边缘抖动的情况。原因如下图：
傅里叶变换只能使用余弦波，很难拟合出突变。具体的解释和小波变换的特点。可以参考知乎上的文章 https://zhuanlan.zhihu.com/p/44215123
代码部分主要参考了GitHub上实现方法，经过一些简单的修改以适应vc++，和高频滤波的需要。原链接https://github.com/pierrepaleo/PDWT
一. 安装cuda开发环境
网上可以方法找到，我装的是CUDA11.1
二. 通过VS新建一个CUDA项目
三.考入PDWT源代码
新建的cuda项目中有个默认的cu文件，可以删了。然后导入PDWT的源代码
四.修改部分代码以适配VC++
原代码是在linux，gcc下开发的，直接编译会报错。需要对其中几个地方进行修改
1.修改utils.h
在文件开发加入下面一段
#include <vector> //为了修改VC++必须常数初始化数组的问题，导入vector
#define uint unsigned int
#define __intptr_t intptr_t
#ifdef _MSC_VER
#define strcasecmp stricmp
#define strncasecmp strnicmp
#endif2.修改必须常数初始化数值的问题
VC++ 有限制，必须使用常数初始化数值，而gcc是没有这样的要求的。所以代码中好几处使用变量初始化数组的地方都要修改，修改方法如下。整个源码中有好几处，全部修改即可。
//int tNr[levels+1]; tNr[0] = Nr;
//int tNc[levels+1]; tNc[0] = Nc;
std::vector<int> std_tNr(levels+1);std::vector<int> std_tNc(levels+1);
int* tNr = &std_tNr[0]; tNr[0] = Nr;
int* tNc = &std_tNc[0]; tNc[0] = Nc;3.修改软阈值函数
原PDWT代码可能是用于压缩的，对所有层都进行了阈值处理。由于是要进行高频滤波，只对第一层进行阈值处理，所以对代码进行了简单修改。如果需要完善，应该新开一个函数，可以对任意层进行阈值处理，这里就偷懒了，只改了一个函数。文件名 common.cu,第239行
/*
修改nlevels - > 1 ,只处理第一层
*/
for (int i = 0; i < 1; i++) {
// for (int i = 0; i < nlevels; i++) {
if (!do_swt) {
if (ndims > 1) w_div2(&Nr);
w_div2(&Nc);
}
if (normalize > 0) beta /= SQRT_2;
n_blocks = dim3(w_iDivUp(Nc, tpb), w_iDivUp(Nr, tpb), 1);
if (ndims > 1) w_kern_soft_thresh<<<n_blocks, n_threads_per_block>>>(d_coeffs[3*i+1], d_coeffs[3*i+2], d_coeffs[3*i+3], beta, Nr, Nc);
else w_kern_soft_thresh_1d<<<n_blocks, n_threads_per_block>>>(d_coeffs[i+1], beta, Nr, Nc);
}五.配置OPENCV
这个也不详细介绍了，需要注意，要使用但GPU OPENCV，下面的代码直接用GpuMat 传递数据
六.opencv 调用PDWT
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include "wt.h"
#include "io.h"
#include <opencv2/imgcodecs.hpp>
#include <iostream>
using namespace cv;
Mat img = imread("demo.png",IMREAD_GRAYSCALE); //读入图片
img.convertTo(img,CV_32FC1); //转换为float类型
cuda::GpuMat img_gpu;
img_gpu.upload(img); //图片读入GPU
/*
初始化小波变换类，第一个参数设置为0 因为图片数据我是直接用GPU传入而不是使用CPU内存传入
小波基函数使用了haar，当然可以修改，支持的类型可以在filters.cpp 里看到
小波变换的层数使用了3 高频滤波好像够了 其他参数默认就好了
*/
Wavelets W(0, img.rows, img.cols, "haar", 3, 1, 1, 0, 0);
/*
传入图片，第一个参数是图片的gpu显存指针，第二参数设1，表明传入的是显存指针，如果设0，就是内存指针。
*/
W.set_image((float*)img_gpu.cudaPtr(),1);
W.forward(); //进行小波变换
W.soft_threshold(750.0, 0, 0);//阈值可以自行修改，由于前面修改了代码，这里只处理第一层
W.inverse();//反变换
/*
这个get_image函数也是修改过的，参考了set_image，使其支持gpu显存指针。具体修改就不贴出来了，很简单。
这样处理的原因是为了整个变换都在显存中进行。实际应用时，小波变换必定是图像处理的其中一个环节，而频繁使用内存 显存切换 是非常耗时间的。
*/
W.get_image((float*)img_gpu.cudaPtr(),1);
/*
想看一下效果。可以参考下面代码保存变换后的图片
*/
Mat savemat;
img_gpu.download(savemat);
savemat.convertTo(savemat,CV_8UC1);
imwrite("inverse.png",savemat);效果
变换前
变换后
