在许多文献关于离散小波变换的讨论中，均隐含地假设待变换的输入序列是无限长的，因此没有考虑边界问题。但是，对于数字图像编码而言，一幅图像的行和列都是有限的，因此就遇到的所谓的边界问题。这是一个实际编程需要考虑的问题。我们知道，离散小波变换的Mallat算法，实际上是一个滤波加亚采样的过程。对于一个有限长序列，用一个FIR滤波器进行滤波，滤波器的输出数据会产生扩展。设一个偶数长序列为N，滤波器系数长为M，滤波器输出长度为N+M-1，亚采样后尺度系数和小波系数均为(N+M)/2长，总系数为N+M，因此一层变换就扩展了。实际中小波变换的层数常采用3～6层，系数会进一步扩展，这是对一维序列而言。对于图像信号，每一层变换都要对每一行和每一列分别进行变换，系数扩展问题就更突出。对于数字图像编码器的实现，人们非常希望用存储图像数据的数组原址变换系数，这就要求必须解决系数扩展问题。图像压缩的目的是用最少的码字表示一定质量的编码图像，系数扩展问题对提高压缩率显然是非常不利的，于是就有所谓的非扩张小波变换(nonexpansivewavelettransform)。另外，在对于分辨率较大的图像，系统不一定能将整个图像一次都读入内存进行处理，这是就需要将整个图像划分为若干块，在分别对这些块进行处理后再进行拼接，此时如何克服边界失真就变得非常重要。在一维信号中常用的解决方法是信号的周期扩展，但这种方法有一些弊端：在图像边界不连续的情况下这种方法人为的增加了高频分量，使得其重构图像有边界失真，拼接图像边界缝隙较为明显，并并对图像压缩不利。在双正交小波中，对称周期扩展法因为其计算简单，效果好成为解决上述问题的好办法。然而这种方法要求滤波器是线性相位的，在一维正交小波中，除了Haar小波外，其他都不满足，但对于多通道则不受此限制。对于上述问题，本文主要将这种边界处理方法推广到M通道及基于取样矩阵为(2002)的二维四通道不可分离中心对称小波上，给出了完全与一维双正交小波中的对称扩展法等效的算法。我们还对一维二通道正交小波的边界处理做了进一步的改进，并以时间换空间的策略克服了上述问题，并给出了相应的试验结果。