【正文】 某種方法進(jìn)行反變換，這樣就實(shí)現(xiàn)了將圖像去除圖像噪聲的目的。 基于此 ,需要對(duì)傳統(tǒng)的軟硬閾值函數(shù)進(jìn)行改進(jìn) ,構(gòu)造出效果更好的閾值函數(shù)。 第二步：閾值 函數(shù) 處理。 4 應(yīng)用研究 圖像去噪 質(zhì)量的評(píng)價(jià)方法 在圖像去噪的處理中， 需要評(píng)價(jià)去噪后圖像的質(zhì)量。另一種是隨著模糊數(shù)學(xué)的發(fā)展，可以用模糊綜合評(píng)判方法來盡量減少主觀因素的影響，實(shí)現(xiàn)對(duì)圖像質(zhì)量近似定量的評(píng)價(jià)，不過它仍然沒有完全消除主觀不確定性的影響，其定量計(jì)算公式中的參數(shù)往往要依賴專家經(jīng)驗(yàn)確定。 PSNR單位為 dB。草莓營養(yǎng)價(jià)值高，含豐富維生素 C，有幫助消化的功效，與此同時(shí)，草莓還可以鞏固齒齦，清新口氣，滁州學(xué)院本科畢業(yè)設(shè)計(jì) 10 潤澤喉部。 圖像 1 圖像 1 加噪 硬閾值 方法 去噪結(jié)果 軟閾值 方法 去噪結(jié)果 本文 方法 去噪結(jié)果 圖 41 圖像 1不同方法的去噪結(jié)果 表 42 實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)結(jié)果（ T=20） 圖像 1 RMSE PSNR（ dB） Entropy 硬閾值方法 軟閾值 方法 本文方法 從圖像 41 結(jié)果來看，本 文方法具有更飽滿的飽和度，去噪后的邊緣也更加光滑。并利用本文方法與傳統(tǒng)方法進(jìn)行了仿真實(shí)驗(yàn)，通過實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法 的可行性和有效性。 imshow(I)。sym839。 %閾值改善系數(shù) sigma=median(abs(d1(:)))/。 cd3=hard_t(d3,thr1)。sym839。 III=uint8(ca)。 imshow(I)。sym839。 %閾值改善系數(shù) sigma=median(abs(d1(:)))/。 ch1=soft_t(h1,thr3)。)。)。 %%%%%%%%%%%%%%%%%小波新 閾值去噪 %%%%%%%%%%%%%%% %小波變換 dwtmode(39。)。thr3=x。 ch1=hard_t(h1,thr3)。 cd2=soft_t(d2,thr2)。sym839。39。 在 撰寫畢業(yè)設(shè)計(jì)的時(shí)候， 石老師循循善誘的教導(dǎo)以及 不拘一格的思路給予我無盡的啟迪 ，與同組同學(xué)們的相互探討使我懂得大家的力 量更加強(qiáng)大 。 最后我想感謝大學(xué)四年來，給了我無窮幫助的老師、同學(xué)和學(xué)長。 %指標(biāo) psnr1=psnr(II,I) psnr2=psnr(III,I) RMSE1=rmse(II,I) RMSE2=rmse(III,I) Entropy=entropy(III) 附錄 2 圖像來源與實(shí)驗(yàn)環(huán)境 1. 圖像來源 本文二組原圖像來自于百度圖像，由于是彩色圖像，于是用 的 rgb2gray 函數(shù)進(jìn)行了灰度化處理。 ca=idwt2(ca1,ch1,cv1,cd1,39。 cv1=soft_t(v1,thr3)。 cd1=hard_t(d1,thr3)。 ch3=hard_t(h3,thr1)。sym839。)。39。sym839。 cd1=soft_t(d1,thr3)。 %%%%%%%%%%%%%%%%%小波軟閾值去噪 %%%%%%%%%%%%%%% ch3=soft_t(h3,thr1)。 [a2,h2,v2,d2]=dwt2(a1,39。 II=I+20*randn(size(I))。 imwrite(III,39。 ca1=idwt2(ca2,ch2,cv2,cd2,39。 cv2=hard_t(v2,thr2)。 thr1=x*2^(1)。 [a2,h2,v2,d2]=dwt2(a1,39。 II=I+20*randn(size(I))。 （ 2）闡述 小波 分析的基本原理 ,詳細(xì)探討了 Mallat 算法。 同時(shí)，由表 42 可得： 本文方法獲取的 均方根誤差 比較低， 均方根誤差 RMSE 相比軟閾值下降了 ％ , 比硬閾值所得結(jié)果下降了 ％，表明了去噪圖像更接近于原圖像 ，去噪效果更加有效；獲取的峰值信噪比較高， 比軟閾值所得結(jié)果提高了 ％，比硬閾值所得結(jié)果提高了 7％，顯然， 本文方法比較更有效地保留了有用信息； 熵 Entropy相比軟閾值提高了 %，相比硬閾值提高了 %，表明了去噪圖像保留了更多的原圖像信息 。 圖像的噪聲選擇 加入 25%的加性噪聲。因此去噪后圖像越接近原來的圖像，其 PSNR 也就越 大。 表 41 圖像主觀評(píng)價(jià)尺度評(píng)分表 效果 得分 質(zhì)量尺度 妨礙尺度 5 非常好 絲毫看不出圖像質(zhì)量變壞 4 好 能看出圖像質(zhì)量變壞，不妨礙觀看 3 一般 能清楚地看出圖像質(zhì)量變壞，對(duì)觀看稍有妨礙 2 差 對(duì)觀看有妨礙 1 非常差 非常嚴(yán)重地妨礙觀看 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 9 客觀評(píng)價(jià)方法 為了客觀地評(píng)價(jià)去噪圖像的質(zhì)量，本文在主觀視覺的基礎(chǔ)上，選用體現(xiàn)去噪圖像自身特性與原圖像關(guān)系的 均方根誤差 RMSE（ rootmeansquare error） 、峰值信噪比 PSNR（ Peak Signal to Noise Ratio） 以及熵 Entropy，作為對(duì)不 同方法去噪結(jié)果的客觀評(píng)價(jià)指標(biāo)。目前對(duì)圖像的去噪質(zhì)量評(píng)價(jià)主要有兩類常用的方法：一類是人的主觀評(píng)價(jià)，它由人眼直接觀察圖像效果，還只是一個(gè) 定性的描述方法，不能作定量描述，但它能反映人眼的視覺特性。而本文 新的閾值 函數(shù)不僅能實(shí)現(xiàn)閾值函數(shù)的功能， 體現(xiàn)出了分解后系數(shù)的能量分布， 而且具有高階導(dǎo)數(shù)， 是介于軟 硬閾值函數(shù)之間的一個(gè)靈活選擇 。根據(jù) 指數(shù)函數(shù)具有 高階可導(dǎo)的特性，為此 給出 了改進(jìn)的新的閾值函數(shù)，其函數(shù)表達(dá)式如下： ???????????TkjWTkjWTkjWkjWukjWkjW),(,0),(),),())(,(s gn ()1(),(),(? （ 33） 其中， )0(1 2)),(( ??? ?? meu TkjWm ，新閾值函數(shù)是介于軟 硬閾值函數(shù)之間的一個(gè)靈活選擇?；谛〔ㄗ儞Q的圖像去噪過程可以用圖 31 表示。分解算法 即 ： ? ???? lk MlknlmkM nm chhc , 1,22, (29） ? ???? lk MlknlmkM nm cgh, 1,22,? (210） ? ???? lk MlknlmkM nm chg, 1,22,? (211） ? ???? lk MlknlmkM nm cgg, 1,22,? (212） 下面闡述 圖 像的二維小波重構(gòu)算法 ： 1,?Mnmc =? ???lk Mlknlmk chh, 1,22+????lkMlknlmk cgh,1,22+????lkMlknlmk chg,1,22+????lkMlknlmk cgg,1,22(213） 根據(jù)上述公式，畫出示意圖如下所示。 第 5 章結(jié)束語 ， 對(duì) 畢業(yè)設(shè)計(jì) 所做的 工作 進(jìn)行總結(jié)。采用該方滁州學(xué)院本科畢業(yè)設(shè)計(jì) 3 法對(duì)果品 圖像的加性噪聲 ( 高斯白噪聲 )去噪 ,視覺效果清晰 ,優(yōu)于鄰域平均法、中值濾波法、小波閾值去噪法和 Wiener 濾波去噪法的去噪結(jié)果 , 更好于數(shù)學(xué)形態(tài)學(xué)的去噪結(jié)果； 20xx 年楊福增等為了彌補(bǔ)小波閾值去噪后的圖像上容易出現(xiàn)吉布斯現(xiàn)象，提出了一種將小波變換維納濾波器相結(jié)合的去噪方法，并將該方法用來去除蘋果圖像上的噪聲 。事實(shí)上，采集到的圖像上常常帶有一些噪聲，這些噪聲主要來源于：受到諸如電子元器件等的影響造成采集、轉(zhuǎn)換以及傳輸?shù)倪^程中附帶有噪聲；也有可能采集到的圖像在采集之前該對(duì)象就已經(jīng)受到自然界中各種噪聲干擾。 關(guān)鍵字 ： 圖像 去噪； 小波 變換；閾值函數(shù) Application of fruit image denoise based on Wavelet Transform Abstract: Fruit image in access and transmission process will often be noise pollution, greatly influence the people to extract the image detail information. Image denoising is the purpose of for the most part in removing the noise at the same time as far as possible keep the detail of the image features, provide convenience for subsequent processing work, it is necessary before subsequent processing in fruit im