我一直在 Mathematica 和 Matlab 中对图像数据使用小波进行一些实验。我已经确定了 Mathematica 中的一些代码似乎基本上可以满足我的要求，如下所示：
dwd = DiscreteWaveletTransform[imagedata, HaarWavelet[]];
thr = WaveletThreshold[dwd, {"LargestCoefficients", 100}, Automatic];
out = InverseWaveletTransform[thr];
以上通过仅保留 100 个最大系数来执行小波阈值。然而，我更喜欢做同样事情（或或多或少同样事情）的 Matlab 代码。
我一直在尝试使用 Wavelet 工具箱，但到目前为止还没有取得多大成功。到目前为止，我似乎最接近的是使用wavedec2. 我一直在修补这样的东西：
[c,s] = wavedec2(imagedata, level, 'haar');
c1 = threshold(c, 100) % a function that zeros everything but the 100 biggest coefficients in c.
out = waverec2(c1, s, 'haar');
结果有点相似，但似乎这不是正确的方法。我想让我感到困惑的是这里使用的不同类型的系数（细节和近似值），我不确定在哪里（以及如何）进行阈值处理是合适的。
我应该指出，小波对我来说是非常新的东西，因此任何指导都将不胜感激。
编辑：应该注意的是，threshold(c,100)在上面的代码片段中，除了c将前 10000 个最大（绝对）值之外的所有内容都视为一维向量，它仅将所有内容归零。