【正文】 2. 實(shí)驗(yàn)環(huán)境（1)硬件環(huán)境：聯(lián)想筆記本，Intel(R)CORE(TM)I2CPU（）,，顯卡為NVIDIA GEFORCE（顯存512M）。% %逆變換ca2=idwt2(a3,ch3,cv3,cd3,39。 cd3=hard_t(d3,thr1)。sym839。III=uint8(ca)。 cd3=soft_t(d3,thr1)。%小波變換dwtmode(39。)。thr3=x。%小波變換dwtmode(39。而經(jīng)典方法草莓表皮的紋路比較光滑連續(xù)，得到的去噪圖像對(duì)細(xì)節(jié)保護(hù)不夠。熵值越大，說(shuō)明去噪后的圖像上的有用信息保留的越多，從而說(shuō)明去噪效果越好。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(jué)特性。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： （33）其中，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。分解算法即： (29） (210） (211） (212） 下面闡述圖像的二維小波重構(gòu)算法：=+++(213）根據(jù)上述公式，畫出示意圖如下所示。2006年，楊福增等人又提出了一種基于小波變換的Wiener濾波去噪方法。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(guò)實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的可行性和有效性。由此可見，果品的科學(xué)分級(jí)直接影響到果品的銷售以及在市場(chǎng)上的競(jìng)爭(zhēng)力。本文共分為5章，各章內(nèi)容安排如下：第1章緒論,介紹本文的選題背景和意義，重點(diǎn)分析了果品圖像去噪的研究現(xiàn)狀。對(duì)圖像進(jìn)行去噪最初主要是在空域內(nèi)進(jìn)行的，圖像空域去噪方法很多，主要是通過(guò)各種濾波器對(duì)圖像進(jìn)行去噪。選用不同的小波基、濾波器進(jìn)行實(shí)驗(yàn)，最終本文算法采用sym8小波基，97濾波器，此時(shí)效果最佳。它只是一種定性的方法，沒(méi)有定量的標(biāo)準(zhǔn)，而且受到觀察者的主觀因素的影響，評(píng)價(jià)結(jié)果有一定的不確定性。所以同樣具有一定的研究?jī)r(jià)值?，F(xiàn)將本文工作總結(jié)如下：（1）介紹本文的選題背景和意義，重點(diǎn)分析了果品圖像去噪的研究現(xiàn)狀。)。 ch2=hard_t(h2,thr2)。 %去噪后的圖像figureimshow(III)。)。 cv1=soft_t(v1,thr3)。%指標(biāo)psnr1=psnr(II,I)psnr2=psnr(III,I)RMSE1=rmse(II,I)RMSE2=rmse(III,I)Entropy=entropy(III) % boat clearclcI=imread(39。[a3,h3,v3,d3]=dwt2(a2,39。 cv1=hard_t(v1,thr3)。)。我們一起上網(wǎng)查詢資料，整合資料，然后各自結(jié)合自己課題的主要內(nèi)容進(jìn)行一絲不茍的撰寫。imwrite(III,39。 cv2=soft_t(v2,thr2)。thr2=x*2^()。 figureimshow(II,[])。sym839。)。)。% %逆變換ca2=idwt2(a3,ch3,cv3,cd3,39。)。)。實(shí)驗(yàn)中采用均方根誤差RMSE、峰值信噪比PSNR、熵Entropy作為評(píng)價(jià)指標(biāo)來(lái)評(píng)價(jià)去噪的效果。（2）峰值信噪比PSNR，在實(shí)際應(yīng)用中，峰值信噪比是圖像處理中最常用的圖像質(zhì)量評(píng)價(jià)的客觀標(biāo)準(zhǔn)，定義為： （42）式中表示處理后的圖像的灰度，表示原始圖像的灰度，表示圖像像素的個(gè)數(shù)。利用二維離散小波變換的重構(gòu)公式即公式（213）對(duì)步驟1獲取的低頻系數(shù)與步驟2中獲取的閾值處理后的高頻分量進(jìn)行反變換，獲得去噪的圖像。（2）硬閾值函數(shù)定義為： （32）其中T代表閾值；是指小波系數(shù)。 連續(xù)小波變換 將任意函數(shù)在小波基下進(jìn)行展開，稱其為函數(shù)的連續(xù)小波變換，連續(xù)小波變換的變換式為： （21） 其中小波基：。近幾年，國(guó)內(nèi)外眾多學(xué)者將圖像去噪算法成功地運(yùn)用到果品圖像的去噪中，并進(jìn)行了廣泛的研究。本 科 生 畢 業(yè) 設(shè) 計(jì)（申請(qǐng)學(xué)士學(xué)位）論文題目小波變換在果品圖像去噪中的應(yīng)用作者姓名 沈陽(yáng) 專業(yè)名稱 2009級(jí)電子信息工程 指導(dǎo)教師 石永華 2013年6月學(xué) 生： （簽字）學(xué) 號(hào)： 答 辯 日 期：2013年6月18日指 導(dǎo) 教 師： （簽字）目錄摘要 1Abstract 11 緒論 2 2 2 32小波變換的基本理論 3 連續(xù)小波變換 3 離散小波變換 4 Mallat 算法 43 基于小波變換的果品圖像去噪 6 圖像去噪的基本原理 6 閾值函數(shù)的改進(jìn) 6 常見的閾值函數(shù) 6 改進(jìn)的閾值函數(shù) 7 圖像去噪新算法描述 74 應(yīng)用研究 8 圖像去噪質(zhì)量的評(píng)價(jià)方法 8 主觀評(píng)價(jià)方法 8 客觀評(píng)價(jià)方法 9 研究方法 9 實(shí)驗(yàn)結(jié)果與數(shù)據(jù)分析 105 結(jié)束語(yǔ) 12參考文獻(xiàn) 12附錄1 算法源代碼 14附錄2 圖像來(lái)源與實(shí)驗(yàn)環(huán)境 17致謝 18滁州學(xué)院本科畢業(yè)設(shè)計(jì)小波變換在果品圖像去噪中的應(yīng)用摘要：果品圖像在獲取及傳輸過(guò)程中經(jīng)常會(huì)被噪聲污染，極大的影響了人們對(duì)圖像中細(xì)節(jié)信息的提取。為此，對(duì)果品圖像進(jìn)行去噪就成了一項(xiàng)很重要的工作，去噪的結(jié)果直接影響到分級(jí)的效果和質(zhì)量。2小波變換的基本理論小波分析是在傅里葉變換的基礎(chǔ)上發(fā)展起來(lái)的，它作為一種嶄新的分析方法，在時(shí)域和頻域上同時(shí)具有良好的局部化特性，因此，小波分析可以根據(jù)實(shí)際分析的需要，自適應(yīng)地調(diào)節(jié)時(shí)頻窗口，能夠聚焦到信號(hào)時(shí)域和頻域的任意細(xì)節(jié)，這一特性即是小波變換的“變聚焦”特性，小波變換因此被譽(yù)為信號(hào)分析的“顯微鏡”。 （1）軟閾值函數(shù)定義為： （31）軟閾值函數(shù)是比較含