【正文】 函數(shù)imshow作用是顯示文件，其語法格式如下：imshow(BW)imshow(X,map)（3）計算二維卷積函數(shù)conv2格式：C=conv2(A,B) 作用是算矩陣A和B的卷積。xy坐標圖就是用一系列有序的數(shù)據(jù)標出二維平面坐標上的點，然后把這些點連接起來構成二維圖。elsep2(i)=0。for i=1:1:2 %自適應模糊軟閾值處理得到重構小波系數(shù)估計值 p1(i)=1/((p1(i)p4)^2+1)。,c,s,2)。h39。p3(1)=detcoef2(39。,c,s,1)。d39。 size(detcoef2(39。 %設置尺度向量p4=*(sqrt(2*log(a*b)))。[c,s]=wavedec2(x12,3,39。)。subplot(122)。imshow(x)。,)。)。去噪后圖像39。)。 %維納濾波subplot(121)。gaus sian39。（3）維納濾波法程序：clear all %刪除變量close all %關閉窗口clc %清除窗口i=imread(39。imshow(k3)。title(39。33模板39。k3=medfilt2(x,[7 7])。含噪聲圖像39。x=j(:,:,1)。)。77模板中值濾波39。)。subplot(223)。image(k1)。k1= medfilt2(x,[3 3])。image(x)。 pepper39。E:/39。去噪后圖像39。axis square。imshow(j)。原圖像39。k=conv2(j,h)。 pepper39。E:/39。去噪圖像39。axis square。imshow(j)。原圖像39。k=conv2(j,h)。gaussian39。E:/39。同時感謝寶雞文理學院，在這里我留下了學生時代美好的回憶，希望今后離開了母校，我能為祖國的建設貢獻出微薄的力量，也不算辜負母校對我的培養(yǎng)。在此，首先感謝高老師給予的大力幫助與悉心的指導，謝謝您。參考文獻[1] MALLATS．A Tour Guide of Signal Processing[M].Beijing：Machine Industry Press，2003．95150．[2] DONOHODL，VETTERLIM，DEVORERA　Data pression and harmonic analysis[J]．IEEE Trans on Information Theory，1998，244(6)：24352476．[3] STACK JL，CANDESE J，DONOHOD L，The curvelet transform for image denoising[J]．IEEE Trans on Image Proccessing，2002，11(6)：670684．[4] STACK JL，MURTAGH F．Gray and color image constrast enhancement by the curvelet transform [J]．IEEE Trans on Image Processing，2003，12(6)：706 716．[5] CAITT,SILVERMANBW．Incorporating information on Neighbouring Coefficients into wavelet estimation [J]．The Indian Journal of Statistics，2001，63(2)：127148．[6] 楊群生，陳敏等．基于模糊技術的隨機噪聲消除算法[J]．華南理工大學學報，2000，28(8)：8287．[7] and by optimal fuzzy thresholding in wavelet domain [J]．IEEE Electronics letters，2000，36(6)：581582．[8] ，Sifen Zhong，Characterization of signals from multiscale edges[J]．IEEE Trans on PAMI，1992，PAMI14(7)：710732．致 謝時光飛逝，轉(zhuǎn)眼間大學四年的日子就要走到最后。近幾年出現(xiàn)的小波變換法雖然比之傳統(tǒng)的方法有優(yōu)勢，但是還應不斷探索，將理論結合實際，爭取對小波法有更深入的認識。所以，小波變換應當會廣泛應用于圖像處理中。 對于小波中的極大值法，雖然也具有濾除圖像噪聲的功能，但其操作方法比較復雜，計算量相比閾值法較大，并且只適用于低信噪比信號。 對于維納濾波來說，其思想是將圖像信號近似的看作一種平穩(wěn)隨機過程，是基于原圖像與復原圖像的均方差最小來實現(xiàn)的。和線性濾波不相同的是，這種方法可以濾除噪聲并保持圖像的清晰度，幾乎不會模糊圖像細節(jié)。但是均值濾波的作用相當于低通濾波器，雖然它可以消除噪聲，但是所帶來的對圖片清晰度的破壞是不可避免的。 5 總 結 對本文的總結 前面幾章中。小波變換模極大值去噪方法的流程圖如下：圖14 小波變換模極大值去噪方法的流程圖 兩種小波去噪算法的比較在圖像去噪的過程中，應根據(jù)實際信號的特點以及這兩種方法的優(yōu)缺點來決定采用哪種去噪方法。具體地，在尺度j1（J=…4，3）上尋找尺度j上每個模極大值點對應的傳播點，保留信號產(chǎn)生的模極大值點，去除噪聲引起的模極大值點，并將每個尺度j上不在任意模極大曲線上的點去掉，這樣逐級搜索，直到尺度j二20 (5)對于尺度j=1，在j=2存在極值點的位置上保留j=1時相應的極值點，而將其余位置上的極值點置為零。一般選取4或5尺度。設Wf（s，t）是f（t）的小波變換。圖12 自適應模糊閾值法對高斯噪聲的濾除結果 圖13 自適應模糊閾值法對椒鹽噪聲的濾除結果對比以上四張圖片，在與前一章中三種去噪方法進行比較，可以得出：自適應模糊小波變換法對于高斯噪聲和椒鹽噪聲都有明顯的濾除作用，與之前的三種方法相比，可以保留圖片原有的清晰度，并且算法容易實現(xiàn)，對于不用種類的噪聲，有多種選擇的應對策略，是一種比較理想的去噪方法。)。 %中值濾波x12=double(x11)。而在大于時，和越來越接近，讓重新構成的信號和真實信號的逼真程度相近。因為中值濾波對椒鹽噪聲的處理效果明顯，同時也不會破壞圖像的清晰度。所以我們得出：維納濾波對椒鹽噪聲的濾除作用甚微。imshow(k)。k=wiener2(x)。 %讀入圖片j=imnoise(i,39。但是會讓圖片更加的模糊。相比對高斯噪聲的效果，如圖所示，噪點也有明顯的減少，但是對原有圖片的清晰度進行了破壞，幾乎將圖片的細節(jié)全部模糊化了。 經(jīng)過MATLAB的仿真后，得到了下面的圖像。含噪圖像39。x=j(x,y,1)。j=imnoise(i,39。如圖所示，均值濾波可以很好地濾除高斯噪聲，但是對于椒鹽噪聲的濾除作用很小，從圖中可以看出椒鹽噪聲仍然存在，不過相比與加噪圖片已經(jīng)有了明顯的減少。)。subplot(234)。,)。 %輸入圖像x=i(x,y,1)。 下面是本次仿真中使用的原始圖片： 圖3 經(jīng)過MATLAB仿真運行后出現(xiàn)下圖：圖4 均值濾波去高斯噪聲仿真圖 將仿真運行后的結果放大來看：圖5 放大后的仿真結果圖 同樣的，對此圖片加入椒鹽噪聲后進行仿真。 imshow(x)。 %給圖像加入高斯噪聲h=ones(3,3)。 %輸入圖像x=i(:,:,1)。3 常用濾波法仿真 ，操作界面如下：圖2 MATLAB操作界面示意圖 在上圖的Command Window界面中，我們輸入仿真程序?qū)σ粡埫麨椤啊钡膱D片進行仿真。在這3個步驟中，最重要的內(nèi)容是如何選取閾值并對閾值進行量化。所以，這種方法也可以說是特征提取和低通濾波的結合 ，其它的流程框圖如圖所示：低通信號 特征提取帶噪信號 重建信號 特征信號通常來說，一維信號的降噪步驟可以分為 3步：（1） 把一維信號做小波分解，選擇一個小波并確定一個小波分解的層次N，然后對信號進行N層小波分解計算。（3）選基靈活性，對于不同的情況，可以自由選取與之相對應的小波基，來獲得最佳效果。在所有可能的縮放和平移上操作的為連續(xù)變換，使用縮放和平移值的子集的是離散變換。 小波的基本分類 一般認為，小波有三種定義： （1）縮放濾波器：小波可以完全通過的一個低通有限脈沖響應（長度為2N和1）的濾波器。之所以帶有“小”字，是因為它具有衰減性，“波”是指它的波動性，在正負相同的振幅下來回震蕩。 要想使用維納濾波法，必須滿足以下兩點： （1）以平穩(wěn)隨機的輸入過程為前提；（2）已經(jīng)得出輸入過程中的統(tǒng)計特性。 我們使用這種方法的優(yōu)勢：（1）當H（u，v）→ O或很小時，分母不是O，不會出現(xiàn)被O除的結果。和逆濾波的原理相同，減少混疊效應引起的誤差，我們擴大尺寸。由Andrews和Hunt推出的滿足條件的傳遞函數(shù)為： (25)則有 （26） 對于上述兩式，H*（u，v）是