- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
matlab小波学习总结
1.小波分析用于去噪
二维信号用二维小波分析的去噪步骤如下:
(1.)二维信号的小波分解。选择一个小波和小波分解的层次N,然后计算信号s到第N层的分解。
(2)对高斯系数进行阈值量化。对于从1到N的每一层,选择一个阈值,并对这一层的高斯系数进行软阈值量化处理。
(3)二维信号的重构。根据小波分解的第N层的低频系数和经过修改的从第1层到第N层的各层高频系数计算二维信号的小波重构。
其中的重点是如何选取阈值和阈值的量化,本代码中使用了ddendmp和wdencmp函数。
代码如下:
load detfingr%装入图像
init=3718025452;%下面进行噪声的生成
randn(seed,init);%randn产生均值0,方差1的正态随机噪声
Xnoise=X+18*(randn(size(X)));
colormap(map);%显示原始图像以及它的含噪声的图像
subplot(221),image(wcodemat(X,192));
title(原始图像X);
axis square
subplot(222),image(wcodemat(Xnoise,192));
title(含噪声的图像Xnoise);
axis square
[c,s]=wavedec2(X,2,sym5);%用sym5小波对图像信号进行二层的小波分解
%下面进行图像的去噪处理
%使用ddencmp函数来计算去噪的默认阈值和熵标准
%使用wdencmp函数用小波来实现图像的去噪和压缩
[thr,sorh,keepapp]=ddencmp(den,wv,Xnoise);
[Xdenoise,cxc,lxc,perf0,perfl2]=wdencmp(gbl,c,s,sym5,2,thr,sorh,keepapp);
subplot(223),image(Xdenoise);%显示去噪后的图像
title(去噪后的图像)
axis square
得到如下的图形:
可以看出,最终得到的图像在滤除噪声的同时细节信息也损失严重。
2.小波用于图像压缩
一个图像作小波分解以后,可得到一系列不同分辨率的图像,不同分辨率的子图像对应的频率是不相同的。高分辨率(即高频)子图像上大部分点的数值都接近0,越是高频这种现象越明显。对于一个图像来说,表现一个图像最主要的部分是低频部分,所以一个最简单的压缩方法是利用小波分解,去掉图像的高频部分,而只保留低频部分。
代码如下:
[X,map]=imread(lena.bmp);%调入图像
X=double(X)/255;%归一化处理
figure(1);subimage(X);%显示图像
colormap(map)
[C,S]=wavedec2(X,2,bior3.7);%对图像用bior3.7进行2层小波分解
thr=20;%设置小波系数阈值
ca1=appcoef2(C,S,bior3.7,1);%提取小波分解结构中第一层的低频系数和高频系数
ch1=detcoef2(h,C,S,1);
cv1=detcoef2(v,C,S,1);
cd1=detcoef2(d,C,S,1);
a1=wrcoef2(a,C,S,bior3.7,1);%分别对各频率成分进行重构
h1=wrcoef2(h,C,S,bior3.7,1);
v1=wrcoef2(v,C,S,bior3.7,1);
d1=wrcoef2(d,C,S,bior3.7,1);
c1=[a1,h1;v1,d1];
%进行图像压缩处理,保留小波分解第一层低频信息,进行图像的压缩
%第一层的低频信息为ca1,显示第一层的低频信息
%首先对第一层信息进行量化编码
ca1=appcoef2(C,S,bior3.7,1);
ca1=wcodemat(ca1,440,mat,0);
ca1=0.5*ca1;
figure(2),image(ca1)%显示第一次压缩图像
colormap(map)
%保留小波分解第二层低频信息,进行图像的压缩,此时压缩比更大
%第二层的低频信息信息为ca2,显示第二层的低频信息
ca2=appcoef2(C,S,bior3.7,2);
%首先对第二层信息进行量化编码
ca2=wcodemat(ca2,440,mat,0);
%改变图像的高度
ca2=0.5*ca2;
%显示第二次压缩图像
figure(3),image(ca2);
colormap(map)
试验结果如下:
第一幅为原图,第二幅图像是用小波分解的第一层低频信息重构得到的。第三幅图像是用小波分解的第二层低频信息重构得到的。
3.小波用于边界扭曲
代码如下:
%调入图像,设置DWT的填充模式为零填充,显示图像
load geometry;
subplot(221),image(X);t
您可能关注的文档
最近下载
- 2024年陕西省中考生物试题(含解析).pdf VIP
- 2023年天津化学会考试卷.pdf VIP
- 广西宝坛地区铜镍硫化物矿石982_省略_Re_Os同位素年龄及其地质意义_毛景文.pdf VIP
- 专业调研报告(工业机器人技术专业).pdf
- 管理学(北师大)中国大学MOOC慕课 章节测验 客观题答案.docx
- 小暑24节气ppt模板.pptx
- 安利股份:2023年度业绩预告.pdf VIP
- 常见疾病康复:挛缩的康复.pptx VIP
- 浅谈数学如何提高学生计算能力的方法研究-来源:文理导航(教育研究与实践)(第2020009期)-内蒙古自治区北方文化研究院.pdf VIP
- 某上市公司珠海旧改项目前期服务协议.docx VIP
文档评论(0)