《二維小波變換與圖像處理的MATLAB仿真》由會(huì)員分享，可在線閱讀，更多相關(guān)《二維小波變換與圖像處理的MATLAB仿真（37頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、二維小波變換與圖像處理 ＞二維信號(hào)也稱圖像信號(hào)。 A為了避免引進(jìn)第二維之后問題的復(fù)雜性，我們 可以把圖像信號(hào)分解成沿行和列的一維問題來 處理。 二維小波變換 ＞圖像的?自身的特點(diǎn)決定了我們?cè)趯⑿〔ㄗ儞Q 應(yīng)用到圖像處理中時(shí)，必須把小波變換從一維 推廣到二維。 二維連續(xù)小波定義 :: >令/（兀1，兀2）wQ2（7?2）表示一個(gè)二維信號(hào)，X1 > X?分 別是其橫坐標(biāo)和縱坐標(biāo)O 0（坷,兀2 ）表示二維基本 小波，二維連續(xù)小波定義： 令屮a ；b\上2 （兀1，兀2 ）表示%（兀1宀）的尺度伸縮和二維位移 0訕A （兀1，兀2）=丄0（丑二^，玉二 a a a 二維連續(xù)小波定義

2、 >則二維連續(xù)小波變換為： （ a ；勺上2 ） = V / （坷,兀2 ），必也（兀1，兀2 ） > =丄 口 / （兀1,無2）0（ ~~—，—~~ ）dx[dx2 aa a A式中因子7是為了保證小波伸縮前后其能量 不變而引入的歸一因子。 二維圖像的小波變換實(shí)現(xiàn) ? 假定二維尺度函數(shù)可分離，則有 0（兀,刃=0（兀）0（?。? ? 其中頁Q、e（y是兩個(gè)一維尺度函數(shù)。若0（兀）是相應(yīng) 的小波，那么下列三個(gè)二維基本小波： 心）=0（兀）00） 0（3）= 0贏）=0（兀）0（刃 與0（x,y）—起就建立了二維小波變換的基礎(chǔ)。 圖像的小波變換實(shí)現(xiàn) 圖像小波分解的

3、正變換可以依據(jù)二維小波變換按如下方式 擴(kuò)展，在變換的每一層次，圖像都被分解為4個(gè)四分 之一大小的圖像。 L H LL1 HL1 LH1 HH1 LL2 HL2 HL1 LH2 HH2 LH1 HH1  Mallat二維多分辨率分解與重構(gòu) J J J / 3 D ， / J JJ 3" 「r" — "2> D D D A  二維離散小波函數(shù)介紹 分解函數(shù) dw2 單尺度二維離散小波變 換 wavedec2 多尺度二維小波分解 （二維多分辨率分析函 數(shù)） wmaxlev 允許的最大尺度分解  合成重構(gòu)工具

4、idwt2 單尺度逆二維離散小波變 換 waverec2 多尺度二維小波重構(gòu) wrcoef2 對(duì)二維小波系數(shù)進(jìn)行單支 重構(gòu) upcoef2 對(duì)二維小波分解的直接重 構(gòu)  分解結(jié)構(gòu)工具 detcoef2 提取二維小波分解高頻系 appcoef2 提取二維小波分解低頻系 數(shù) upwlev2 二維小波分解的單尺度重 構(gòu)  二維離散平穩(wěn)小波變換 swt2 二維離散平穩(wěn)小波變換 iswt2 一維禺散平穩(wěn)小波逆變換 目、小波分析在圖像處理中的應(yīng) 用 ?小波壓縮 ?小波消噪 ?小波平滑 圖像之所以能夠壓縮，數(shù)學(xué)機(jī)理:: 主要有以下兩點(diǎn) :: ?

5、(1)原始圖像數(shù)據(jù)往往存在各種信息的冗余, 數(shù)據(jù)之間存在相關(guān)性，臨近像素的灰度，高度 往往是相關(guān)的。 (2)在多媒體應(yīng)用領(lǐng)域中，人眼作為圖像信 息的接受端，其視覺對(duì)邊緣急劇變化不敏感， 對(duì)圖像亮度信息敏感，對(duì)顏色分辨率弱，因此 在高壓縮比的情況下，解壓縮后的圖像信號(hào)仍 有滿意的主觀質(zhì)量。 ?所謂圖像壓縮就是去掉冗余，保留主要信息。 ?小波變化通過多分辨分析過程，將一副圖像分 成近似和細(xì)節(jié)部分，細(xì)節(jié)對(duì)應(yīng)的是小尺度的瞬 間，它在本尺度內(nèi)很穩(wěn)定。因此將細(xì)節(jié)存儲(chǔ)起 來，對(duì)近似部分在下一個(gè)尺度進(jìn)行分解，重復(fù) 該過程即可。 ?近似與細(xì)節(jié)在正交鏡像濾波器算法中分別對(duì)應(yīng) 于高通和低通濾波器。 小波壓

6、縮 ? X=imread(C:\Users\hm\Pictures\1234.jpg); ? X=rgb2gray(X); ? figure ? subplot(2,2,1); ? imshow(X); ? colormap(pi nk); ? titl*原始圖像)； ? axis square; ? dispfffi縮前圖像的大小：’)； ? whos(X) ? [c,s]=wavedec2(X,2,bior3.7); ? cA1=appcoef2(c,s,bior3.7,1); ? cH1 =detcoef2(h,c,s,1); ? cD1 =detcoef2(

7、d,c,s,1); ? cV1 =detcoef2(v,c,s, 1); ? A1=wrcoef2(,a,,c,s；bior3.7,,1); ? H1=wrcoef2(,h,,c,s；bior3.7,,1); ? D1 =wrcoef2(,d,,c,s,,bior3.7,,1); ? V1 =wrcoef2(V,cJs/bior3.7,, 1); ? c1=[A1,H1;D1,V1]; ? subplot(2,2,2); ? image(cl); titled分解后的低頻和高頻信息)； 原始圖像 分解后的低頻和高頻信息

8、 1C0 200 300 400 500 ? cal =wcodemat(cA1,440,mat；0); ? ca1=0.5*ca1; ? subplot(2,2,3); ? image(cal); ? colormap(pink); ? titled第一次壓縮圖像？； ? axis square; ? dispC笫一次壓縮圖像的大?。? ? whos(cal); ? cA2=appcoef2(c,s,,bior3.7,,2); ? ca2=wcodemat(cA2,4403mat,0); ? ca2=0.5*ca2; ? su

9、bplot(2,2,4); ? image(ca2); ? colormap(pink); ? title。第二次壓縮圖像)； ? disp「第二次壓縮圖像的大?。? whos(,ca2,) ? ?? 原始圖像 分解后餉低頻和高頻信息 第一次壓縮團(tuán)像 20 40 60 80 100120 第二次壓縮團(tuán)像 壓縮前圖像的大小: Name Size Bytes Class Attributes X 256x256 65536

10、 uint8 壓縮前圖像的大?。? Name Size Bytes Class Attributes X 256x256 65536 uint8 第一次壓縮圖像的大小 Name Size Bytes Class Attributes cal 135x135 145800 double 第二次壓縮圖像的大小 Name Size Bytes Class Attributes ca2 75x75 45000 double 小波消噪的基本原理

11、 小波消噪 原始圖橡 含噪團(tuán)像 50 100 150 200 250 ? X=imread(,C:\Users\hm\Picture s\1234.jpg*); ? X=rgb2gray(X); ? figure ? subplot(2,2,1); ? imshow(X); ? colormap(pink); ? title(源始圖像)； ? B=imnoise(X5,gaussian\030.01): ? subplot(2,2,2); ? image(B); ? colormap(pi nk); ?啊含噪圖像)； ? [c3l]=wavedec2(B

12、52；sym5); ? a1 =wrcoef2(,a,,cJJ,sym5\1); ? a2=wrcoef2(a5cj5sym5,,2); ? subplot(252,3); ? image(al); ? colormap(pink); ? title。第1層重構(gòu)圖像)； ? subplot(252,4); ? image(a2); ? colormap(pink); titled第2層重構(gòu)圖像 含軀像 50 100 150 200 250 小

13、波平滑 ? [p,q]=size(X); ? for i=2:p-1 ? for j=2:q-1 ? Xtemp=0; ? for m=1:3 ? for n=1:3 ? Xtemp=Xtemp+X(i+m-2,j+n-2); ? end ? end ? Xtemp=Xtemp/9; ? X1(i,j)=Xtemp; ? end ? end ? subplot(2,2,3); ? image(X1); ? colormap(pink); title(平滑后圖像)； 50 100 150 200 250 50 100 150 200 250 平滑駆像 ■ IB 17〕 ?〕〕 250 50 100 150 200 250 謝