灰度图像的小波分解与重构技术方案.docVIP

灰度图像的小波分解与重构 摘要：本文概述了小波变换的基本理论，介绍了haar小波的分解和重构过程，并在Matlab环境下实现了用haar小波对灰度图像的三级分解与重构，最后对结果作了简要的分析与讨论。 关键词：小波；小波变换；图像分解；图像重构 1.引言 小波变换理论自80年代末成为国际上十分活跃的研究领域，是继Fourier变换发展的一个新的里程碑。由于小波变换克服了傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力 ，从而使小波理论在图像处理、故障诊断、量子场论、光学成像、数据压缩等领域得到了广泛的应用。小波变换在图像处理中主要用于以下几个方面：图像分解、图像重构、图像融合、图像消噪等。本文主要讨论了小波分解与重构过程，在此基础上进一步阐述了在Matlab环境下利用haar小波对灰度图像进行三级分解和重构的编码实现。 2.小波变换的基本理论 2.1.小波变换的定义 一个实值函数,若它的频谱满足允许条件（Admissible Condition）。 则被称作一个基本小波或母小波（mother wavelet）。由于在积分 式的分母上，所以必须有=0, =0。可以看到，类似于一个带通滤波器的传递函数，是的傅立叶变换。 小波是一个满足∫R=0的,通过平移和伸缩而产生的一个函数族, ,被称为小波基或小波。 设2,定义其小波变换为： 由定义可见，参数,具有非常重要的意义，为伸缩因子，反映一个特定基函数的尺度，它的变化不仅改变连续小波的频谱结构，而且也改变其窗口的大小和形状。为平移因子，指明它沿x轴的平移位置。 2.2. 小波变换的基本思想 小波变换是用一组小波函数或者基函数表示一个函数或者信号，例如图像信号。其核心就是对图像对应的像素值或者叫做图像位置的系数进行均值和差值的操作计算，产生新的像素值的平均值和细节系数表示的图像，进一步去除一些微不足道的细节系数，从而提高小波图像的编码效率，达到取得较好的图像压缩的目的。 3.小波分解与重构过程 由于基本小波的选取具有很大的灵活性(只要满足允许条件即可)，因此研究者应根据所讨论问题的自身特点，选取基本小波。小波有多种，选择什么样的小波对信号分析是一个至关重要的问题。它直接关系到使用小波分析能否达到分析的目的。 3.1.haar小波 Haar小波是小波分析中最早用到的一个具有紧支撑的正交小波函数，由于它计算简单，因此常用于图像的分析上，haar小波是由一组分段常数值函数组成的函数集，它是非连续的。 Haar小波函数的定义为： 其图像如图1所示: Haar小波尺度函数为: 1 x ∈[0,1] ((x) = 其它 其图像如图2所示: 3.2. Haar小波的分解Haar小波的分解≤(的值置为0，如上例中如果设阀值为5，经过变换后得到：[-9.5 0 0 11 0 0 0]，去掉了5个细节系数，在此基础上通过小波逆变换就可得到重构图像。 3.4.haar小波的分解与重构过程示意图 4.小波图像分解与合成的编码实现 以上分析了小波图像分解与合成的过程，为了验证图像分解与重构的效果，使用MATLAB7.0设计了3级小波分解和重构图像程序，通过编程实现了图像的三级标准小波分解，分解结果的输出。 Matlab软件是一种被公认的功能强人的用于进行科学计算和工程计算的交互式软件。其编程语言具有简单、高效、功能强大的特点，在科学与工程计算领域，它有着其他语言无与伦比的优势。文中所用的小波是Matlab软件的小波工具包中的Haar小波。 4.1.图像分解与重构的Matlab程序设计 4.1.1图像分解与重构的Matlab程序设计流程图 程序可对Png格式的256级灰度图，256色彩图和真彩色图文件进行3级小波分解和合成。其中灰度图、彩图、真彩图所对应的处理程序（分解、合成）是各不相同的，为了简便，这里仅给出256级灰度图像的处理程序。 4.1.2256级灰度图的三级小波分解程序 （1）%一级小波分解及绘图 sx=size(x); [ca1,ch1,cv1,cd1]=dwt2(x, ’wname’); subplot(1,3,1); imagesc([ca1,ch1,cv1,cd1]); colormap(map); axis square. (2) %二级小波分解及绘图 sx=size(x); [ca2,ch2,cv2,cd2]=dwt2(ca1, ’wname’); tm=[ca2,ch2,cv2,cd2]; subplot(1,3,2); ima