【正文】 對比 效果圖 。 實(shí)驗(yàn)中采用均方根誤差 RMSE、峰值信噪比 PSNR、熵 Entropy 作為評價(jià)指標(biāo)來評價(jià)去噪的效果。而經(jīng)典方法蘋果 的光滑掉了一些，不夠連續(xù)，得到的去噪圖像對 蘋果 頂部和底部的 細(xì)節(jié)保護(hù)不夠，出滁州學(xué)院本科畢業(yè)設(shè)計(jì) 11 現(xiàn)了模糊和間斷現(xiàn)象。 圖像 2 圖像 2 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 42 圖像 2不同方法的去噪結(jié)果 表 43 實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)結(jié)果（ T=20） 圖像 2 RMSE PSNR (dB) Entropy 硬閾值 方法 軟閾值 方法 本文方法 從圖像 42 來看，本文方法大多數(shù)的紋理特性都保護(hù)得很好，草莓表皮的紋路走向保持清晰。 由表 43 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 ％，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 %，表明了去噪圖像保留了更多的原圖像信息 。 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 12 5 結(jié)束語 本文 詳細(xì)地介紹了小波變換的基本理論和果品圖像去噪的原理，研究和分析了常見的閾值 函數(shù) ，深入探討了閾值函數(shù)的改進(jìn)辦法，提出了一種新的圖像去噪方法。 現(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 。 （ 3）研究和分析了常見的閾值 函數(shù) ，深入探討了閾值函數(shù)的改進(jìn)辦法， 提出了一種新的圖像去噪方法。 參考文獻(xiàn) [1] Grossman A,Morlet of Hardy functions into square integrable waveletsof constant shape[J]. SIAM .,1984, 15(4):723736. [2] for multiresolution signal deposition:the wavelet representation[J].IEEE Trans. on ,11(7):674693. [3] Vetterli M, Herley C. Wavelet and filter banks: theory and design[J].IEEE Trans. ,40(9):22072232. [4] Steffen P, et of regular Mband wavelet bases[J]. IEEE Trans. Signal Processing, 1993, 41(2): 34973511. [5] Burt P J, Adelson E H. The Laplacian Pyramid as a Compact ImageCode[J]. IEEE Trans. Communications. 1983, 31(4): 532～ 540. [6] 鄭治真 ,沈萍 ,楊選輝 ,等 .小波變換及其 matlab 工具的應(yīng)用 [M].北京：地震出版社，20xx. [7]夏德深 .現(xiàn)代圖像處理技術(shù)與應(yīng)用 [M].江蘇 :東南大學(xué)出版社 ,20xx. [8]周天娟 ,張鐵中 ,楊麗等 .基于數(shù)學(xué)形態(tài)學(xué)的相接觸草莓果實(shí)的分割方法及比較研究 [J]. 農(nóng)業(yè)工程學(xué)報(bào) ,20xx,23(9):164168. [9]楊福增，楊亮亮 .基于機(jī)器視覺和 X 射線的蘋果霉心病檢測方法研究 [D].20xx. 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 13 [10]楊福增 ,王崢 ,楊青等 .基于小波變換的 Wiener濾波方法在農(nóng)產(chǎn)品圖像去噪中的應(yīng) 用 [J].農(nóng)業(yè)工程學(xué)報(bào) ,20xx,23(2):145150. [11]楊福增 ,陳麗萍 .基于雜交小波變換的紅棗圖像去噪及缺陷檢測研究 [D].20xx. [12]阮秋琦 .數(shù)字圖像處理基礎(chǔ) [J].北京：清華大學(xué)出版社， 20xx： 12， 145251. [13]田艷娜，楊福增 .基于雜交小波變換的農(nóng)業(yè)圖像去噪算法研究 [D].20xx(3). [14]羅仲亮，王修信，胡維平 .小波圖像去噪研究方法概述 [J]20xx,11(3):207211. [15]賈永紅 .數(shù)字圖像處理 [M].武漢 :武漢大學(xué)出版社 ,20xx. [16]章毓晉 .圖像 工程 [M]．北京：清華大學(xué)出版社 ,20xx. [17]陳書海 .實(shí)用數(shù)字圖像處理 [M].北京 :科學(xué)出版社 ,20xx. 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 14 附錄 1 算法源代碼 1. 硬閾值 Matlab 源代碼 clear clc I=imread(39。)。 I=double(I)。 figure imshow(II,[])。per39。%改變小波變換 的方式，改成循環(huán)卷積 [a1,h1,v1,d1]=dwt2(II,39。)。sym839。 [a3,h3,v3,d3]=dwt2(a2,39。)。 x=3*sigma。thr2=x*2^()。 thr=3*sigma。 cv3=hard_t(v3,thr1)。 ch2=hard_t(h2,thr2)。 cd2=hard_t(d2,thr2)。 cv1=hard_t(v1,thr3)。 % %逆變換 ca2=idwt2(a3,ch3,cv3,cd3,39。)。sym839。 ca=idwt2(ca1,ch1,cv1,cd1,39。)。 %去噪后的圖像 figure imshow(III)。39。 %指標(biāo) psnr1=psnr(II,I) 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 15 psnr2=psnr(III,I) RMSE1=rmse(II,I) RMSE2=rmse(III,I) Entropy=entropy(III) % boat 2. 軟閾值 Matlab 源代碼 clear clc I=imread(39。)。 I=double(I)。 figure imshow(II,[])。per39。%改變小波變換的方式，改成循環(huán)卷積 [a1,h1,v1,d1]=dwt2(II,39。)。sym839。 [a3,h3,v3,d3]=dwt2(a2,39。)。 x=3*sigma。 cv3=soft_t(v3,thr1)。 ch2=soft_t(h2,thr2)。 cd2=soft_t(d2,thr2)。 cv1=soft_t(v1,thr3)。 % %逆變換 ca2=idwt2(a3,ch3,cv3,cd3,39。)。sym839。 ca=idwt2(ca1,ch1,cv1,cd1,39。)。 %去噪后的圖像 figure imshow(III)。39。 滁州學(xué)院本科畢業(yè)設(shè)計(jì) 16 %指標(biāo) psnr1=psnr(II,I) psnr2=psnr(III,I) RMSE1=rmse(II,I) RMSE2=rmse(III,I) Entropy=entropy(III) % boat Matlab 源代碼 clear clc I=imread(39。)。 I=double(I)。 figure imshow(II,[])。per39。%改變小波變換的方式，改成循環(huán)卷積 [a1,h1,v1,d1]=dwt2(II,39。)。sym839。 [a3,h3,v3,d3]=dwt2(a2,39。)。 x=3*sigma。thr2=x*2^()。 thr=3*sigma。 cv3=hard_t(v3,thr1)。 ch2=hard_t(h2,thr2)。 cd2=hard_t(d2,thr2)。 cv1=hard_t(v1,thr3)。 ch3=soft_t(h3,thr1)。 cd3=soft_t(d3,thr1)。 cv2=soft_t(v2,thr2)。 ch1=soft_t(h1,thr3)。 cd1=soft_t(d1,thr3)。sym839。 ca1=idwt2(ca2,ch2,cv2,cd2,39。)。sym839。 III=uint8(ca)。 imwrite(III,39。)。 圖像大小采用 512*512。 （ 2)軟件環(huán)境： Windows 7 操作系統(tǒng)， Matlab 應(yīng)用軟件。 選題的時(shí)候，為了使選的題目具有研究價(jià)值，老師與我們共同探討，最終在仔 細(xì)推敲下選擇了我們各自的研究課題。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。特別的 ， 我想感謝我的室友們， 和你們在一起的日子恐怕已不多，但是 大學(xué)四年有你們的陪伴， 我對此感到無比榮