4.图像消噪 (1) 二维信号的小波分解 。选择一个小波和小波分解的层次N, 然后计算信号s到第N层的分解。 (2) 对高频系数进行阀值量化。对于从一到N的每一层,选择一个阀值,斌对着一层的高频系数进行软阀值化处理。 (3) 二维小波的重构。根据小波分解的第N层的低频系数和经过修改的从第1层到第N层的各层高频系数,来计算二维信号的小波重构。 在这三个步骤中,重点内容就是如何选取阀值和如何进行阀值的量化。请注意一维信号自动消噪的情况,对于其他的情况,一维信号的消噪和压缩用的是wdencmp, 这对于二维信号也是一样的。 给定一个有较大白噪声的图象,利用二维小波分析进行信号消噪处理。 分析:由于图象所含的噪声主要是白噪声,且集中于高频部分,故用低通实现消去噪声。 程序如下: load tire; subplot(221); image(X); colormap(map); title("原图 "); axis square; %画出原图象 init=2055615866; randn("seed",init) x=X+38*randn(size(X)); subplot(222); image(x); colormap(map); title("含噪声图象 "); axis square; %画出含噪声图象 [c,s]=wavedec2(x,2,"sym4"); a1=wrcoef2("a",c,s,"sym4",1); %第一次低通滤波消噪 subplot(223); image(a1); title("第一次消噪后图象 "); axis square; %画出第一次低通滤波消噪后图象 a2=wrcoef2("a",c,s,"sym4",2); %第二次低通滤波消噪 subplot(224); image(a2); title("第二次消噪后图象 "); axis square; %画出第二次低通滤波消噪后图象 分析: 第一次消噪滤去了大部分高频噪声,但与原图比较,依然有不少高频噪声,第二次消噪在第一次消噪基础上,再次滤去高频噪声,消噪效果较好,但图像质量比原图稍差。 5.图象增强 小波变换将一幅图象分解为大小、位置和方向都不同的分量。在做逆变换之前可以改变小波变换域中某些系数的大小,这样就能够洋选择的放大所感兴趣的分量而减小不需要的分量。 给定一个图象信号,用二维小波分析对图象进行增强处理。 [分析]由于图象经二维小波分解后,图象的轮廓主要体现在低频部分,而细节部分则体现子高频部分,因此,可以通过对低频分解系数进行增强处理,对高频分解系数进行衰减处理,即可以达到图象增强的作用。具体处理过程如下程序: load woman; subplot(121); image(X); colormap(map); title(‘原始图象‘); axis square; %画出原图象 [c,s]=wavedec2(X,2,’sym4’); %进行二层小波分解 sizec=size(c); %处理分解系数,突出轮廓,弱化细节 for I =1:sizec(2) if(c( I )>350) c( I )=2*c( I ); else c( I )=0.5*c( I ); end end xx=waverec2(c,s,’sym4’); %分解系数重构 subplot(122); image(xx); title(‘增强图象‘) axis square; %画出增强图像 结果分析: 达到了图像增强的效果,图像对比更加明显,但由于细节上的弱化,却使得图像产生模糊的感觉。 (61ic) |