使用小波函数对图像进行分解与重构.PDF

使用小波函数对图像进行分解与重构 精仪学院 生物医学工程2班 2015202091 张林 使用尺度函数与小波函数可以对图像进行近似，尺度函数近似的是图像的低通成分，小 波函数对图像近似的是高通成分。在matlab中，可以调用现成的函数对图像进行处理。使 用函数[C,S] = wavedec2(X,N,wname)对图像进行分解，X是进行分解的图像，N是分 解的层数，wname是进行分解所选用的小波。C是得到的分解系数，S是bookkeeping。Matlab 的解释：The output decomposition structure contains the wavelet decomposition vector C and the bookkeeping vector L. 这里我们选用图像： 由于图像是unit8类型 ，而进行处理后会变成double型，所以读取图像后，首先将图 像转换为double型： I = imread(C:\Users\123\Desktop\2.jpg);I = im2double(I); 我们首先将原始图像画出来： subplot(221);image(I);axis square 这里 subplot是为了能将原始图像与处理后的图像放在一起进行对比。Axis square 是将图像显示成正方形。分解后得到的低频系数是1*n的矩阵，画出点图如下： 我们对得到的近似系数求得平均值0.1519： a=0; for i = 1:sizec(2) a=a+c(i); end a=a/sizec(2); 我们设置一个阈值，对分解系数进行处理： for i = 1:sizec(2) if (c(i)4) c(i)=0.8*c(i); else c(i)=1.25*c(i); end end 再使用函数X = waverec2(C,S,wname)对矩阵C和S使用wname小波进行重建。 重建出来的图像如下： 在matlab 中，有现成的小波函数可以调用，这样我们就可以用函数得到分 解系数。得到后我们可以根据目标对这些系数进行处理，再使用重构的函数对图 像进行重构。 其实这个过程与傅里叶变换类似，当一个信号含有高频噪声时，我们可以将 信号进行傅里叶变换，变换到频域后使用低通滤波器滤除高频噪声，再进行傅里 叶逆变换将信号重建出来。 我们平时遇到的信号都是时域信号，但是许多时候再时域内处理并不能满足 我们的要求，于是我们可以将信号变换到另一个空间，在该空间中使用其特有 性质对信号进行处理，再将处理后的信号逆变换回来。 程序如下： clear; I = imread(C:\Users\123\Desktop\2.jpg); I = im2double(I); subplot(221);image(I);axis square title(original image); [c,s]=wavedec2(I,2,sym4); sizec=size(c) %a=0; for i = 1:sizec(2) if (c(i)4) c(i)=0.8*c(i); else c(i)=1.25*c(i); end %a=a+c(i); end %a=a/sizec(2); J=waverec2(c,s,sym4); subplot(222); image(J); axis square