基于MATLAB小波变换在图像锐化应用.docVIP

基于MATLAB小波变换在图像锐化应用 　　摘 要：图像锐化是为了使图像的边缘、轮廓线以及图像的细节变得更清晰。本文介绍了图像锐化的作用和常见的图像锐化方法，分析了小波变换的理论基础，以及在图像锐化方面小波基的选择，最终在MATLAB中采用Db3小波基，通过多尺度的分析变换对图像进行两层分解和图像重构，实现图像锐化。并与传统的傅里叶变换相比较，得到采用Db3小波锐化图像的效果要比DCT方法有优势。 　　关键词：小波变换；Db3；图像锐化； 　　中图分类号：TP391.41 文献标识号：A 文章编号：2095-2163（2015）06- 　　Abstract： Image sharpening is to make the image edge， contour and image details become clearer. This paper introduces the function of image sharpening and common image sharpening method， analyzes the theoretical basis of wavelet transform， and the selection of wavelet bases in image sharpening. Finally the paper uses Db3 wavelet base in MATLAB， and carries on the two layer decomposition and image reconstruction through multi-scale analysis transform. And compared with the traditional Fourier transform， the effect of the Db3 wavelet is better than the DCT method. 　　Keywords： Wavelet Transform； Db3； Image Sharpening； 　　0 引 言 　　图像锐化（image sharpening）属于图像增强技术之一。在图像采集或传输过程中，图像的边界、轮廓常常变得模糊，为了减少模糊，增强图像轮廓或边缘，这就需要利用图像锐化技术。图像锐化可以看作是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰[1]。目前图像锐化的技术跟图像增强技术一样主要分为空域方法和频域方法，但是这两种方法在处理图像中各有优劣，而被称为“数学显微镜”的小波分析权衡考虑以上两种方法的优点及不足，在锐化图像方面具有其独特优势[2]。 　　1 图像锐化常见方法 　　经过平滑的图像往往因平滑过程受到平均或积分运算会使图像的边缘、轮廓变得模糊，因此通常采取逆运算（如微分运算）使图像趋于清晰。从空域方面来说主要用模板卷积来实现，在频域方面，由于图像模糊的实质是因图像高频分量出现了衰减，因此可以用去除低频噪声，增强高频的滤波器来使图像重现清晰[3]。 　　目前常见的图像锐化算法有基于一阶导数梯度算法的Roberts梯度算子、Prewitt梯度算子法（平均差分法）、Sobel算子法（加权平均差分法）和基于二阶微分算法的Laplacian算子[4]。在图像处理过程中，把利用一阶导数通过梯度来检测边缘点的方法称为梯度算子法。梯度算子法的关键是选择合适的梯度值。梯度值正比于像素之差，对于一幅图像中突出的边缘区，其梯度值较大，在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。二阶微分算法在图像边缘，其二阶导数在边缘点处出现零交叉，即边缘点两旁的二阶导数取异号，用这种方法通过二阶导数来检测边缘点，强调了灰度变化缓慢区。这两种方法特别是基于二阶微分算法对噪声敏感，会使噪声成分加强，不能有效的检测到边缘和轮廓[5]。 　　2 小波变换图像锐化 　　小波变换提出了变化的时间窗，当需要精确的低频信息时，采用长的时间窗；当需要精确的高频信息时，采用短的时间窗[6]。小波变换的可调性时间窗可以根据图像的含噪不同适当地调整时间窗的长度来实现图像锐化。 　　2.1小波变换理论基础[6-8] 　　2.2 小波图像锐化 　　在利用小波变换方法对信号进行处理的过程中，小波基函数的选择十分重要，利用不同小波基函数对信号进行分解，可以突出不同特点的信号特征。本文介绍的Db3小波函数的小波基选择Daubechies小波，在MATLAB中简称为DbN，其中N表示阶数，Db是小波名的前缀。Daubechies利用离散滤波器的迭代构造了具有紧支集的正交小波基[9]。Db3小波函数与尺度函数，通过离散小波变换来分解图像信号，然后再把低频系