小波去噪教程.pptVIP

小波去噪;主要内容; 迄今为止，人们从图像特性和噪声特性以及噪声在频域上分布的规 律出发，提出了很多种图像消噪的方法。在傅里叶变换基础上发展起 来的小波变换在图像处理上有显著地优越性。通过有效的噪声处理技术，尽最大可能的去除图像噪声后，我们就能够更容易的获取到图像中的有效信息，这样一来，从而对图像 进行进一步的处理加工有很大好处，例如图像压缩、特征提取等。小 波变换作为一种信号分析处理的方法，它所具有的特点和在信号分析 方面的优势使得它的应用越来越广泛，例如图像去噪、数字水印、模 式识别等，并在各个领域都取得显著地成效和重大的突破。; 小波变换不仅可以用于图像压缩还可以用于其他的一些领域，如信号分析、计算机视觉、静态图像识别、CT成像等等。 在目前的工程学科和应用数学中，小波分析已成为迅速发???的新领域，在经过近20年的不断的研究和探索，已经建立了数学形式化体系从而使它理论上的基础更加的扎实。;数字图像处理; 在实际的应用中，在图像的采集获取、编码传输的过 程中都不可避免的会受到各种各样噪声的干扰，从而导致 图片质量的降低。如果图像被噪声干扰的程度较为严重， 它就会直接影响图片的质量，从而影响到人们看的视觉效 果，不仅如此，它还会影响到图像后续的一系列处理结果。所以，从上述的情况看来，为了满足实际生活中的需要，非常有必要在利用图像之前先进行去噪处理。 ;连续小波变换;连续小波的逆变换; 在连续的小波变换中，a,b的取值都是连续的。它主 要用于理论上的分析，实际上，计算机处理加工用离散小 波变换更适合。 其中，离散小波的定义为: 与它对应的离散小波变换的定义为:; ;小波变换对信号分析时的特点：;图像系统中常见噪声: ⑴加性噪声 加性噪声和图像信号之间是没有一点关联的，此时含有噪 声的图像为： ⑵乘性噪声 乘性噪声与图像信号是相互关联的。在数字图像处理中， 乘性噪声可以分为两类：一类是某一像素处的噪声只与该 像素有关而与其它的像素没有关系；另一类则是不仅与该 像素有关还与它的邻域的像素有关系。此时含有噪声的图 像为： ;⑶高斯噪声 噪声的幅度分布符合高斯分布的称为高斯噪声。 ⑷椒盐噪声 椒盐噪声是一种随机的黑点或白点，CCD、解 码处理以及传输的信道经常会产生此类噪声。它是在 图像中较为常见的一种噪声。;将图像分别加入高斯噪声、椒盐噪声以及随机噪声， 运用Matalab编程进行仿真。加入噪声后的图像如下：;主观评价:主观评价就是由人的肉眼直接对去噪前 后的图片进行观察，通过观察清晰度，边缘信息 是否模糊等来判断。这种方法容易受到观察者主 观因素的影响，因此它的评判结果准确度不怎么 高。 客观评价:客观评价有很多种方法，这里主要介绍 峰值信噪比。;峰值信噪比是通过均方差（MSE）来定义的。两个的 图像I和图像J，其中I为原图，J为含噪图像，那么均 方差定义为： 峰值信噪比定义为： 其中， 是表示图像点颜色的最大数值。;空域去噪法:空域滤波是指借助模板对图像进行处理， 就是将模板在图像上遍历，用模板邻域的值根据特定 算法算出的值作为该模板中心所在像素的值。 下面介绍几种常见的空域滤波方法。 ⑴邻域平均法 邻域平均又被称为均值滤波，属于线性滤波器。它是利用 均值滤波模板下各点所对应的所有像素的平均值来代替该 模板中心所在的像素的值。它是一种最简单的空域滤波方 法。;均值滤波的去噪效果与所使用的模板大小有关，通常 使用3*3,5*5,7*7的均值滤波模板，模板越大，去噪 效果越好，与此同时，它的边缘和细节信息丢失的越 严重致使图像变的越模糊，因此3*3均值滤波的效果 较好；除此之外，它还与使用的邻域半径大小有关， 半径越大，图像越模糊。综上，均值滤波的去噪效果 是以图像模糊为代价的。;⑵中值滤波 中值滤波属于非线性滤波器。它的思想是用模板邻域 的中间值来代替模板中心的像素灰度值。这种方法是 让与周围像素相差较远的像素取与周围像素相近的值， 从而消除噪声点。中值滤波不仅能够去除噪声，而且 能较好的保留图像细节及边缘信息。;它的主要步骤如下： ①将模板的中心与图像中的某个像素相重合。 ②读取模板下各点所对应像素的灰度值。 ③将这些值按从小到大排好。 ④找出排在中间的值。 ⑤将中间值赋给模板中心位置的像素。 ⑥将模板遍历图像，重复上述步骤。;频域线性滤波和空域滤波一样，其基础都是卷积定理。 频域滤波的基本步骤为：①计算数字图像的傅里叶变 换；②乘以滤波传递函数；③将结果进行傅里叶反变 换，得到数字图像。;理想低通滤波器 理想低通滤波器是直接截断傅里叶变换中的高频部分， 仅仅通过频率为指定频率以下的低频部分，即该滤波 器的二维传递函数为： 表示从点到频率域原点的距离，那