课程名称：小波分析及应用课程编号：B131R004 指导教师：张玲玲作业题目.PDF

课程名称：小波分析及应用 课程编号：B131R004 指导教师：张玲玲 作业题目：小波分析编程练习 提交日期：2013-06-02 成绩： 学号：1012203034 姓名：侯谨毅 学院：电气与自动化工程学院 专业：模式识别与智能系统 二维图像边缘尺度分析 1. 主题 数字图像处理技术中，图像的二值化话边缘信息非常有用，是常见的底层图 像特征信息。图像的边缘是图像中灰度变化剧烈的部分，可以认为边缘是两个 灰度值相对比较平滑的区域的分割线。这样一来，可以定义一个边缘的尺度特 征：边缘所分割的两片平缓区域的最大宽度。 如何自动确定边缘的尺度特征是本文主要解决的问题。 尺度特征信息粗分为三类：大尺度边缘，中尺度边缘，小尺度边缘。本文给 出基于小波变换的一个解决方案，能够在图像中边缘上的每个点标记出对应的 尺度特征信息。 2. 算法思想 2.1 概述 小波分解作为图像尺度分析的工具，非常适合图像尺度的分析。方案采用了 matlab 小波分解工具包，对输入的图像进行三层的haar 小波分解。以小波分解 系数为基础，求取最合理的小波分级系数，作为对应图像区域的尺度特征。 2.2 小波的选择 haar 小波的波形图2.1 所示： 图2.1： haar 小波波形 观察haar 小波的波形可以看出haar 小波变换非常适合于求取图像的边缘的 信息。同时该波形比较简单，二维图像处理使用该小波变换非常迅速。方便理 解。故采用haar 小波变换。 对二维图像的 haar 小波变换可以认为是求取图像上三个不同方向的边缘强 度系数,三个方向分别对应于水平方向,垂直方向和对角线方向.对于不同尺度的 haar 小波变换,可以认为反映了不同尺度的边缘强度。 2.3 matlab 小波分解效果。 采用matlab 的小波分解工具包，选择的小波为haar 小波，分解层次为三层。 第一层反映了图像的小尺度信息，三个系数矩阵为H1，V1 ，D1，代表了垂直方 向，水平方向，斜对角线方向的分解系数；第二层为图像中尺度信息，系数矩 阵为 H2，V2 ，D2；第三层为图像的大尺度信息，系数矩阵为 H3，V3 ，D3。算 法的设计是以小波分解变换的结果为基础的。 图2：采用haar 小波3 层分解树状显示 2.4 算法流程 ①调整三层九个方向的小波系数矩阵为同一大小，设第三层小波系数的矩阵 长度为m，宽度为n，通过线性差值，将系数矩阵全部调整为m*n 大小。 ②系数矩阵的范围调整，对第三层系数矩阵乘以4，第二层系数矩阵乘以2， 第一层系数矩阵保持不变。 ③系数调整小波分解的系数带有正负值之分，算法中需要对系数取绝对值。 绝对值的选取保证了两种不同梯度方向的边缘都能够检测出来。 ④像素点尺度计算公式。算法的结果为一个矩阵，记为 R，大小为 m*n*3。 对于结果图中的像素点R ，在H ,V ,D (K=1，2，3)中寻找系数值最大的点所在的 ij K K K 位置，即max （max （H (i，j)，V (i，j)，D (i，j) ）对应的k 值。那么R = 1. k k k ijk 最后的结果矩阵构成了一个 rgb 的真彩色图像。rgb 三个分量对应了不同的 尺度边缘。红色分量代表了最精细尺度的边缘，绿色分量代表了中间尺度的边 缘，而蓝色的分量代表了最大尺度的边缘。 3. 编程语言 本次作业采用matlab 的小波工具包实现，代码如下： %topic: the home work of the class: wavelet. %data: 2013.05.20 %author: houjinyi %tittle: Using matlab wavele