中国无线安防技术资源网

四：图像消噪
   图像消噪方法的一般说明
对二维图像信号的消噪方法同样适用于一维信号,尤其是对于几何图像更适合。二维模型可以表述为
其中， e 是标准偏差不变得高斯白噪声。二维信号的消噪步骤与一维信号的消噪步骤完全相同，也有三步，只是用二维小波分析工具代替了一维小波分析工具。如果用固定的阀值形式，测选择的阀值用 m^2 代替了一维信号中的n 。着三步是：
（1）       二维信号的小波分解 。选择一个小波和小波分解的层次N, 然后计算信号s到第N层的分解。
（2）       对高频系数进行阀值量化。对于从一到N的每一层，选择一个阀值，斌对着一层的高频系数进行软阀值化处理。
（3）       二维小波的重构。根据小波分解的第N层的低频系数和经过修改的从第1层到第N层的各层高频系数，来计算二维信号的小波重构。
在这三个步骤中，重点内容就是如何选取阀值和如何进行阀值的量化。请注意，
了一维信号自动消噪的情况，对于其他的情况，一维信号的消噪和压缩用的是wdencmp, 这对于二维信号也是一样的。
 编程
给定一个有较大白噪声的图象，利用二维小波分析进行信号消噪处理。
分析：由于图象所含的噪声主要是白噪声，且集中于高部分，故用第通实现消去噪声。程
序如下。
load tire;
subplot(221);
image(X);
colormap(map);　　　　　　　　
title('原图 ');
axis square;                      ％画出原图象
init=2055615866;
randn('seed',init)
x=X+38*randn(size(X));
subplot(222);
image(x);
colormap(map);
title('含噪声图象 ');　　　　　　　　　　
axis square;　　　　　　　　　　％画出含噪声图象
[c,s]=wavedec2(x,2,'sym4');　
a1=wrcoef2('a',c,s,'sym4',1); ％第一次低通滤波消噪　
subplot(223);
image(a1);
title('第一次消噪后图象 ');
axis square;                        ％画出第一次低通滤波消噪后图象
a2=wrcoef2('a',c,s,'sym4',2); ％第二次低通滤波消噪
subplot(224);
image(a2);
 
title('第二次消噪后图象 ');
axis square;　　　　　　　　　　　％画出第二次低通滤波消噪后图象
 分析： 第一次消噪滤去了大部分高频噪声，但与原图比较，依然有不少高频噪声，第二次消噪在第一次消噪基础上，再次滤去高频噪声，消噪效果较好，但图像质量比原图稍差。
 五：图象增强