小波理论与应用期末论.docx

TAIYUAN UNIVERSITY OF SCIENCE & TECHNOLOGY 小波理论与应用 学 生 姓 名 王宣 学 号 S20150295 班 级 研1508 所属院（系） 研究生学院 专 业 电路与系统 2016 年 6 月 一、降噪对比1、阈值降噪% 装载原始图像I=imread(2.bmp);nbc=size(I,1);X = im2double(I);% 产生噪声图像init=2055415866;randn(seed,init);x=X+randn(size(X)/10;% 使用 sym4 执行图像的2层小波分解wname=sym4;lev=2;c,l=wavedec2(x,lev,wname);sigma_s=0.054779;% 图像降噪时，使用wbmpen 函数选择阈值,主要有ddencmp，thselect，wbmpen，wdcbm四种alpha=2;thr_s=wbmpen(c,l,sigma_s,alpha);% 使用软阈值和保存的低频信号，进行图像降噪。阈值去噪函数主要有wden，wdencmp，wpdencmp，whresh，wpthcoef，wthcoef2六种。keepapp=1;xds=wdencmp(gbl,x,wname,lev,thr_s,s,keepapp);sigma_h=0.062818;thr_h=wbmpen(c,l,sigma_h,alpha);% 使用硬阈值和保存的低频信号，进行图像降噪xdh=wdencmp(gbl,x,wname,lev,thr_h,h,keepapp);% 画出原始图像和降噪后的图像figure(1);subplot(221);imshow(I);title(原始图像);subplot(222);imshow(x);title(噪声图像);subplot(223);imshow(xds);title(软阈值降噪图像);subplot(224);imshow(xdh);title(硬阈值降噪图像);2、小波去噪%装载并图示原始图像clear all, close all;Y=imread(2.bmp);X=double(Y);subplot(2,2,1);imshow(Y);colormap(gray(100);title(王宣原始图像);%生成含噪图像并图示init=2055615866;randn(seed,init);XX=X+32*randn(size(X);XX1=uint8(XX);subplot(2,2,2);imshow(XX1);colormap(gray(100);title(王宣含噪图像); %对图像进行消噪处理%用小波函数coif2对图像XX进行2层分解c,l=wavedec2(XX,2,coif2);%设置尺度向量n=1,2;%设置阈值向量p=10.28,24.08; %对高频小波系数进行阈值处理%nc=wthcoef2(h,c,l,n,p,s);%nc=wthcoef2(v,c,l,n,p,s);nc=wthcoef2(d,c,l,n,p,s);%图像的二维小波重构X1=waverec2(nc,l,coif2);X11=uint8(X1);subplot(2,2,3);imshow(X11);title(第一次消噪后的图像);%再次对高频小波系数进行阈值处理%mc=wthcoef2(h,nc,l,n,p,s);mc=wthcoef2(v,nc,l,n,p,s);%mc=wthcoef2(d,nc,l,n,p,s);%图像的二维小波重构X2=waverec2(mc,l,coif2);X22=uint8(X2);subplot(2,2,4);imshow(X22);title(第二次消噪后的图像);3、 均值去噪 clear all;I=imread(1.bmp);M=rgb2gray(I);m n=size(M);T=50;%设定阈值G=; %创建数组用来存储新得到的图像像素值%创建均值滤波器模版H1=ones(3)/9;%添加椒盐噪声J=imnoise(M,salt & pepper,0.05);%转化J为double数据类型J=double(J); %用于卷积公式时要转化为双精度%均值滤波G1=conv2(J,H1,same); %G2=conv2(J,H2,same);%图像显示for i=1:m for j=1:n if abs(J(i,j)-G1(i,j)T G(i,j)=G1(i,j); else G(i,j)=J(i,j); end endendsubplot(2,2,1);imshow(M);title(原始图像);subplot(2,2,2);imshow(J,);title(添加椒盐噪声图像);subplot(2,2,3);imshow(G1,);title(3*3均值滤波图像);subplot(2,2,4);imshow(G,);title(超限像素平滑图像); 二、小波压缩clear all, close all;Y,map=imread(2.bmp);X=double(Y);subplot(221);image(X);colormap(map)title(原始图像)axis squaredisp(压缩前图像X的大小：);whos(X)%对图像用bior3.7小波进行2层小波分解c,s=wavedec2(X,2,bior3.7);%提取小波分解结构中第一层低频系数和高频系数ca1=appcoef2(c,s,bior3.7,1);ch1=detcoef2(h,c,s,1);cv1=detcoef2(v,c,s,1);cd1=detcoef2(d,c,s,1);%分别对个频率成分进行重构a1=wrcoef2(a,c,s,bior3.7,1);h1=wrcoef2(h,c,s,bior3.7,1);v1=wrcoef2(v,c,s,bior3.7,1);d1=wrcoef2(d,c,s,bior3.7,1);c1=a1,h1;v1,d1;%显示分解后各频率成分的信息subplot(222);image(c1);axis squaretitle(分解后低频和高频信息);%下面进行图像压缩处理%保留小波分解第一层低频信息，进行图像压缩%第一层的低频信息即为cal，显示第一层的低频信息%首先对第一层信息进行量化编码ca1=appcoef2(c,s,bior3.7,1);ca1=wcodemat(ca1,440,mat,0);%改变图像高度ca1=0.5*ca1;subplot(223);image(ca1);colormap(map);axis squaretitle(第一次压缩);disp(第一次压缩图像的大小为：);whos(ca1)%保留小波分解第二层低频信息，进行图像压缩%第二层的低频信息即为ca2，显示第二层的低频信息%首先对第二层信息进行量化编码ca2=appcoef2(