【正文】 。祝愿李老師身體健康、工作愉快、桃李滿天下。李老師以其嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、一絲不茍的工作作風(fēng)、高度的責(zé)任感和實(shí)干精神給我留下深刻影響，使我受益匪淺。 淮北師范大學(xué) 2020 屆學(xué)士畢業(yè)論文 基于 MATLAB 小波變換的圖形圖像處理 18 參考文獻(xiàn) [1]胡昌華，張軍波，周濤 .基于 的系統(tǒng)分析與設(shè)計(jì) 小波分析（第三 版） [M].西安：西安電子科技大學(xué)出版社， 2020 [2]徐長(zhǎng)發(fā)，李國(guó)寬 .實(shí)用小波方法（第三版） .武漢：華中科技大學(xué)出版社， 2020 [3]張德豐 .MATLAB 小波分析 .機(jī)械工業(yè)出版 社， 2020 [4]張德豐 .MATLA 數(shù)字圖像處理 .機(jī)械工業(yè)出版社， 2020 [5]高志，余嘯海 .Matlab 小波分析與應(yīng)用（第 2 版） .國(guó)防工業(yè)出版社， 2020 [6]王家文，曹 宇 .Matlab 圖像圖像處理 [M].北京：國(guó)防工業(yè)出版社， 2020. [7]張兆禮 .現(xiàn)代圖像處理技術(shù)及 Matlab 實(shí)現(xiàn) [M].北京：人民郵電出版社， 2020 [8]阮秋琦 .數(shù)字圖像處理學(xué) [M].北京：電子工業(yè)出版社， 2020 [9] 數(shù)字圖像處理 [M].朱志剛等譯 .北京：電子工業(yè)出版社， 1998 [10]郁曉紅，姚敏 .小波變換及在圖像處理中小波系數(shù)分析 [J].計(jì)算機(jī)應(yīng)用， 2020， 23（ 2）： 4548 [11]雷寒聲，朱小平 .基于小波變換和矢量量化的人臉圖像壓縮 [J].中國(guó)圖像圖形 學(xué)報(bào)， 2020（ 7） . [12]Patrick and GUIS with MatlabThird Edition [M]. USA:CRC Press,2020 淮北師范大學(xué) 2020 屆學(xué)士畢業(yè)論文 基于 MATLAB 小波變換的圖形圖像處理 19 致 謝 在我的論文完成之際，在此對(duì)我的指導(dǎo)老師表示衷心的感謝。 小波圖像分析展望：近年來(lái) MATLAB 在各個(gè)領(lǐng)域應(yīng)用中越來(lái)越廣泛，而小波分析又是基于 MATLAB 的，其強(qiáng)大的工具箱也是實(shí)現(xiàn)各種圖像變換的基礎(chǔ)，由于MATLAB 本 身的優(yōu)點(diǎn)是效率高、使用方便、擴(kuò)充的能力強(qiáng)、繪圖又很方便。不管是對(duì)圖像增強(qiáng)、壓縮、去噪、融合來(lái)說(shuō)，其基本原理上都是一樣，都是利用小波分析的方法（即小波變換），首先是要對(duì)圖像進(jìn)行層分解提取分解的低頻和高頻系數(shù)，然后對(duì)其各頻率（豎直、水平、斜向）進(jìn)行重構(gòu)或弱化細(xì)節(jié)部分，突出近似部分。)。 title(39。 %畫(huà)出融合后的圖像 subplot(223)。sym439。 %減小圖像亮度 c=*c。)。 end %用小波函數(shù) sym4對(duì) X2進(jìn)行 2層小波分解 [c2,s2]=wavedec2(X2,2,39。 %對(duì)分解系數(shù)進(jìn)行處理以突出輪廓部分，弱化細(xì)節(jié)部分 sizec1=size(c1)。sym439。)。 title(39。image(X2)。 else X2(i,j)=*X2(i,j)。map2=map。 axis square load wbarb。woman39。colormap(map1)。 %畫(huà)出原始圖像 subplot(221)。 X1=X。 下面用二維小波分析將 和 兩幅圖像融合在一起。這一技術(shù)可應(yīng)用于多頻譜圖像理解以及醫(yī)學(xué)圖像處理等領(lǐng)域。從去噪的結(jié)果可以看出，它具 有較好的去噪效果。 輸出結(jié)果如圖： 淮北師范大學(xué) 2020 屆學(xué)士畢業(yè)論文 基于 MATLAB 小波變換的圖形圖像處理 14 從上面的輸出結(jié)果可以看出，第一次去噪已濾去大部分的高頻噪聲，但從去噪圖像與原始圖像相比可以看出，第一次去噪后的圖像中還是含有不少的高頻噪聲 。)。title(39。 %畫(huà)出去噪后的圖像 subplot(224)。sym439。a39。 axis square。第一次去噪圖像 39。image(a1)。)。,c,s,39。 %提取小波分解中第一層的低頻圖像，即實(shí)現(xiàn)了低通濾波去噪 a1=wrcoef2(39。sym439。 axis square。含噪聲圖像 39。colormap(map)。 %畫(huà)出含噪圖像 subplot(222)。seed39。 axis square %產(chǎn)生含噪圖像 init=2055615866。原始圖像 39。colormap(map)。 %畫(huà)出原始圖像 subplot(221)。由于圖像所含的噪聲主要是白噪 聲，而且主要集中在圖像的高頻部分，所以我們可以通過(guò)全部濾掉圖像中的高頻部分實(shí)現(xiàn)圖像的去噪。 在這 3 個(gè)步驟中，重點(diǎn)是如何選擇閾值和閾值的量化。 （ 3）二維小波的重構(gòu)。 （ 2）對(duì)高頻系數(shù)進(jìn)行閾值量化。二維信號(hào)用二維小波分析的去噪步驟有 3步： （ 1）二維信號(hào)的小波分解。可以看出，第一次壓縮提取的是原始圖像中小波分解第一層的低頻信息，此時(shí)壓縮效果較好，壓縮比較好（約為 13）；第二次壓縮是提取第一層分解低頻部分的低頻信息（即小波分解第二層的低頻部分），其壓縮比較大約為 12 原始圖像50 100 150 200 25050100150200250分解后低頻和高頻信息100 200 300 400 500100200300400500第一次壓縮20 40 60 80 100 12020406080100120第二次壓縮20 40 60204060 淮北師范大學(xué) 2020 屆學(xué)士畢業(yè)論文 基于 MATLAB 小波變換的圖形圖像處理 12 小波分析用于圖像去噪 對(duì)二維圖像 信號(hào)的去噪方法同樣適用于一維信號(hào)，尤其是對(duì)于幾何圖像更適合。ca239。)。 disp(39。第二次壓縮 39。colormap(map)。 subplot(224)。,0)。 %首先對(duì)第二層信息進(jìn)行量化編碼 ca2=wcodemat(ca2,440,39。39。ca139。)。 disp(39。第一次壓縮 39。colormap(map)。 subplot(223)。,0)。 ca1=wcodemat(ca1,440,39。39。)。 axis square title(39。 %顯示分解后各頻率成分的信息 subplot(222)。 c1=[a1,h1。39。d39。,1)。,c,s,39。 v1=wrcoef2(39。39。h39。,1)。,c,s,39。 %分別對(duì)各頻率成分進(jìn)行重構(gòu) a1=wrcoef2(39。d39。,c,s,1)。 cv1=detcoef2(39。h39。,1)。 %提取小波分解結(jié)構(gòu)中第一層低頻系數(shù)和高頻系數(shù) ca1=appcoef2(c,s,39。39。X39。)。 axis square disp(39。原始圖像 39。image(X)。 load wbarb。一個(gè)圖像作小波分解后，可得到一系列不同分辨率的子圖像，不同分辨率的子圖像對(duì)應(yīng)的頻率是不同的，高分辨率（即高頻）子圖像上大部分點(diǎn)的數(shù)值接近于 0，