【MATLAB数字图像处理】小波变换对图像去噪

快来打我* 2024-04-17 17:39 13阅读 0赞

小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开。

**小波图像去噪处理**

clear;                   
    [A,map]=imread('lenna.jpg');                
    X=rgb2gray(A);  
    %画出原始图像  
    subplot(2,2,1);imshow(X);
    title('原始图像');  
    %产生含噪图像  
    x=imnoise(X ,'gaussian',0,0.003);
    %画出含噪图像  
    subplot(2,2,2);imshow(x);  
    title('含噪声图像');  
    %下面进行图像的去噪处理  
    %用小波函数sym4对x进行2层小波分解  
    [c,s]=wavedec2(x,2,'sym4');  
    %提取小波分解中第一层的低频图像，即实现了低通滤波去噪  
    a1=wrcoef2('a',c,s,'sym4');  % a1为 double 型数据；
    %画出去噪后的图像  
    subplot(2,2,3); imshow(uint8(a1)); % 注意 imshow()和image()显示图像有区别，imshow()不能显示 double 型数据，必须进行转换 uint8(a1)；
    title('第一次去噪图像');           % 并且image() 显示图像有坐标；
    %提取小波分解中第二层的低频图像，即实现了低通滤波去噪  
    %相当于把第一层的低频图像经过再一次的低频滤波处理  
    a2=wrcoef2('a',c,s,'sym4',2);  
    %画出去噪后的图像  
    subplot(2,2,4); imshow(uint8(a2)); %image(a2);
    title('第二次去噪图像');
    %保存图像  
    % imwrite(x,'2.jpg');
    % imwrite(uint8(a1),'3.jpg'); %imwrite()保存图像，也需要将数据类型转化为uint8
    % imwrite(uint8(a2),'4.jpg');

运行结果如图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xodzE5OTMxMjAx_size_16_color_FFFFFF_t_70][]

可以看出第一次去噪已经滤去了大部分的高频噪声，但图像还是含有很多的高频噪声；第二次去噪是在第一次的基础上，再次滤去其中的高频噪声。

参考：[https://www.cnblogs.com/warmbeast/p/7809728.html][https_www.cnblogs.com_warmbeast_p_7809728.html]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xodzE5OTMxMjAx_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/4f88aea153764f289f2093b175b26590.png
[https_www.cnblogs.com_warmbeast_p_7809728.html]: https://www.cnblogs.com/warmbeast/p/7809728.html