2.4小波变换(my)数字图像处理案例.ppt

基于小波的边缘提取 基于小波的噪声去除 2尺度，全局门限94.9093 最高分辨率细节系数置零 所有细节置零 Digital Image Processing * 【例6.6】图像的三层小波分解实际过程如图6.20所示。 (a) 一层小波分解的计算 h0(-y) h1(-y) h0(-y) h1(-y) h0(-x) h1(-x) f1(x,y) W10(x,y) W11(x,y) W12(x,y) W13(x,y) 列处理 丢奇数行 行处理 丢奇数列 2:1 2：1 2：1 Digital Image Processing * 图6.20 图像小波分解的示例 2：1 2：1 W20 W12 W11 W13 W22 W21 W23 j=2层次 W40 W12 W11 W13 W22 W21 W23 j=3层次 (b) 三层小波分解的示意图 f1(x,y) W10 W12 W11 W13 j=1层次 f1 ,ψ11 f1 ,ψ12 f1 ,ψ13 2：1 原图像 f1(x,y),φ1 Digital Image Processing * 图6.20 图像小波分解的示例 (c) 二层小波分解结果 * （2）二维小波逆变换 二维小波逆变换（IDWT）过程和正变换相反，其中一层的计算如图6.21所示。 重建 f1(x,y) W10(m,n) 列插0 行插0 卷积行 卷积列 图6.21一次小波反变换示意图 h0(m) h1(m) h0(m) h1(m) h0(n) h1(n) W11(m,n) W12(m,n) W13(m,n) 1:2 1:2 1:2 1:2 1:2 1:2 章毓晋 (TH-EE-IE) 小波家族名称 ‘wname’简称 Haar wavelet ‘haar’ Morlet wavelet ‘morl’ Meyer wavelet ‘meyr’ Biothogonal wavelet ‘bior’ Daubechies wavelets ‘db’ Symlets ‘sym’ Matlab中的小波变换函数： 章毓晋 (TH-EE-IE) 小波家族函数waveletfamilies() Waveletfamilies或waveletfamilies(‘f’)：该函数返回Matlab中所有可用的小波家族名称 Waveletfamilies(‘n’)：该函数返回Matlab中所有可用的小波家族名称及成员小波的名称 Waveletfamilies(‘a’)：该函数返回在Matlab中所有可用的小波家族名称、成员小波的名称及其特性 章毓晋 (TH-EE-IE) 小波函数信息查询函数 Waveinfo(‘wname’)：返回名为’wname’的小波家族的具体信息 waveinfo(db) 章毓晋 (TH-EE-IE) 小波函数和尺度函数wavefun() [PHI,PSI,XVAL] = wavefun(‘wname’, ITER) 该函数返回名为’wname’的正交小波的小波函数和尺度函数；XVAL表示横坐标采样点，PHI为对应采样点的尺度函数纵坐标，PSI为对应采样点的小波函数，ITER确定小波函数和尺度采样点数为2^ITER个，默认取8，即默认采256点 章毓晋 (TH-EE-IE) 小波函数和尺度函数wfilters() [LO_D,HI_D,LO_R,HI_R] = WFILTERS(‘wname’) 该函数返回与母小波’wname’相关的4个滤波器；其中，LO_D和HI_D分别表示分解低通滤波器和分解高通滤波器，LO_R和HI_R表示重构低通滤波器和高通滤波器 1-D离散小波变换函数dwt（） 格式： [cA,cD]=dwt(X,’wname’) [cA,cD]=dwt(X,Lo_D,Hi_D) 说明： [cA,cD]=dwt(X,’wname’)使用指定的小波基函数‘wname’对 信号X进行分解，cA和cD分别是近似分量和细节分量； [cA,cD]=dwt(X,Lo_D,Hi_D)用指定的滤波器组Lo_D,Hi_D对 信号进行分解 1-D离散小波反变换函数idwt（） 格式： X=idwt(cA,cD,’wname’) X=idwt(cA,cD,Lo_R,Hi_R) X=idwt(cA,cD,’wname’,L) X=idwt(cA,cD,Lo_R,Hi_R,L) 说明：由近似分量cA和细节分量cD经过小波反变换