包装装潢图像小波去噪的实现.pdfVIP

第25卷第3期 重庆工商大学学报(自然科学版) 2008年6月 V01．25No．3 TechnolBusiness Sci JChongqing Unlv．(NatEd) Jun．2008 文章编号：1672-058X(2008)03—0247—03 包装装潢图像小波去噪的实现 徐绍虎 (重庆工商大学机械与包装工程学院，重庆40(1067) 摘要：对包装装潢图像用Visual C++实现了去噪处理。通过选择不同的小波基、不同的 小波分解级数、不同的小波重构阈值，可以得到不同的去噪效果。 关键词：小波分解；小波重构；图像去噪 482 中图分类号：TB 文献标识码：A 包装装潢图像在采集、转换和传输的过程中，常常受到成像设备与外部环境噪声等的干扰，从而使得 图像质量降低‘11。一般来说，图像噪声是随机出现的，但是也有一定的规律可循。对于一幅含有噪声的 包装装潢图像，由于噪声与原始图像融为一体，所以图像去噪的目的就是要在保留原始图像所有细节的 同时尽可能地消除噪声。为了抑制噪声，改善包装装潢图像的质量，便于后续更高层次的处理，必须对包 装装潢图像进行去噪预处理㈨。 1 小波去噪 析、调和分析和数值分析完美的结合【3】。目前，小波变换已经被广泛地应用于数字图像处理领域。利用 小波变换理论可以实现图像压缩、图像融合、图像分割、图像检索、图像配准、图像重建等诸多方面的处 理。小波变换有3种不同但相关的技术，分别是连续小波变换、小波级数展开和离散小波变换。Mallat算 法是小波分解与重构的常见算法【4】。 小波去噪与传统的去噪方法相比，有着无可比拟的优点：(1)可以非常好地刻画图像信号的尖峰、断 点、边缘等非平稳特征；(2)降低了图像的熵；(3)对不同的研究对象可以选用不同的小波基，以便获得最 佳的效果；(4)小波域比时域更利于去噪。 1．1去噪机理 包装装潢图像去噪问题可采用如下模型瞪】： s(i)=以i)+盯·e(i)，i=0，l，2，…，厅一l (1) 通过分解上述模型得到： (s(i)，g。)=抓i)，g。)+(盯·e(i)，g。) (2) 1．2去噪算法 利用小波理论对包装装潢图像进行去噪的算法可分为以下几步： (1)选择合适的小波基并确定小波分解的级次，对含噪包装装潢图像进行小波变换，得到小波分解 系数； ， 收稿日期-2007—12—25；修回日期：2008—03—03。 作者简介：徐绍虎(1982一)，男，江苏泗阳人，硕士，助教，从事包装结构设计及包装CAD研究。 248 重庆工商大学学报(自然科学版) 第25卷 (2)在小波变换域设定阈值，对小波系数进行处理，从而获得新的小波系数； (3)通过小波逆变换重构图像。 2软件实现 2．1软件设计流程图 小波去噪的程序设计流程图如图1所示。 2．2主要函数 先用下面的MATLAB命令生成滤波器系数数组哺J。 [LO_D，HI_D，LO—R，HI-R]=wfilters(‘小波名称’)(3) 其中，LO—D[]、HI—D[]、LO—R[]和HI—R[]分别表示小 波低通分解、高通分解、低通重构和高通重构滤波器系数数组。 如果把4个滤波器系数数组全部作为参数，那么函数的可 读性虽然会变得很好，但是这样就会使得函数的参数增多。为 了减少函数的参数个数，可以根据下面的两个关系式把小波重 构滤波器系数数组用小波分解滤波器系数数组来表示。 HI—R[i]=(1—2×(i％2))×LO—D[i](4) LO—R[i]=一(1—2×(i％2))×HI—D[i](5) 其中。￡=O，l，2，…，L。￡为