《二维小波分析对图像处理的应用 1》由会员分享，可在线阅读，更多相关《二维小波分析对图像处理的应用 1（8页珍藏版）》请在金锄头文库上搜索。
1、二维小波分析对图像处理的应用 1二维小波分析对图像处理的应用(1) 2011年07月25日重要提醒：系统检测到您的帐号可能存在被盗风险，请尽快查看风险提示，并立即修改密码。 | 关闭 网易博客安全提醒：系统检测到您当前密码的安全性较低，为了您的账号安全，建议您适时修改密码 立即修改 | 关闭 两维小波分析对图像处置的利用(1) 做者：佚实转揭自：南京大教更新时光：2004-5-27白章录进：johnchen 一：弁言 原白自二维小波实际动身，对其在图像处理的利用长进行了一些分析和处置，力求反应出小波分析在图像处理方面有着其奇特的特色。原白就以下几面进行论述： 小波基础观点 图像压缩 图像消噪
2、图象加强 图象腻滑处置 二：小波根本观点 小波界说：设 ,其傅立叶变更为 ,该 知足容许前提，便完整沉构前提或者恒等辨别前提. 时，人们称 为一个基础小波或者女小波，将女函数 经伸缩宁静移后，得。 我们称其为一个小波序列。此中a为伸缩因子，b为平移因子。 小波变更是一种信号的光阴-标准分析办法，他具有少分辩率分析的特色,朵朵神速大http:/ 波剖析是把疑号剖析成低频al和高频dl两局部，正在分解中，低频al中失来的信作由高频dl捕捉。正在下一层的剖析中，又将al分解成低频a2和高频d2两部门，低频a2中失来的信息由高频d2捕捉，如斯类推下往，能够举行更深条理的分解。 二维小波函数是通功一维小
3、波函数经由张量积变更失掉的，二维小波函数分解是把标准j的低频部分分解成四局部：标准j+1的低频部门和三个方背（程度、垂直、斜线）的高频部分。 三：图像压缩 关于图像来道，假如须要举行疾速或者及时传输以及大批存储，便需求对于图像数据入止压缩。在同样的通讯容质下，假如图像数据压缩后在传输，就能够传输更少的图像信息。比方，用一般的德律风线传输图像信息。图像压缩钻研的便是寻觅高压缩比的方式且收缩后的图像要有适合的信噪比,在压缩传输后还要恢恢复信号，斌且在压缩、传输、复原的进程中，还请求图像的失实度小。那便是图像压缩的研讨题目。 图像数据每每具有种种信息的冗余、如空间冗余、信息熵冗余 、视觉冗余 和构造
4、冗余等等。所谓压缩便是来失各类冗余，保存对于人们有效的信息。图像收缩的进程常称为编码。绝对的，图像的复原固然便是解码了。 图像压缩的办法通常可分为有失实编码和无失真编码两大类： 无失实编码方式如改良的霍妇曼编码。 有失真编码方法的复原图像较之原始图像具有着一些偏差，但视觉后果是可以接收的。罕见的法子有猜测编码、变换编码、量化编码、信息熵编码、分频带编码和构造编码等等。 而将小波剖析引进图像紧缩的范围也是一个主要的手腕，而且有着它本人的特色。它的特征正在于压缩比高、收缩速率速，压缩后能坚持信号取图像的特性基础稳定，且在传送进程中能够抗搅扰等等。 下里人们便举一个粒子来阐明怎样用小波剖析入止图像压
5、缩。 比方如今有一个二维图像（文件实为），我们应用二维小波分析来进行图像压缩。 由本理可知，一个图像做小波分解后，可失掉一系列差别分别率的子图像，没有同分辩率的子图像对当的频次是没有雷同的。高辨别率（高频）子图像上大部分面的数值皆靠近于0，越是高就越是显明。而关于一个图像来道，表示一个图像的最重要的部分是低频部分，以是最简略的压缩办法是应用小波分解往失图像的高频局部而只保存低频部门。 步伐大抵如下： clear %装进图像 load wbarb; %表现图像 syms X; subplot(221); image(coast); colormap(map) title(本初图像); axis
6、square disp(压缩前图像X的巨细); whos(coast) %对图像用小波进行层小波分解 c,s=wavedec2(X,2,bior3.7); %提取小波分解构造中的一层的低频系数和高频系数cal=appcoef2(c,s,bior3.7,1); %程度偏向 ch1=detcoef2(h,c,s,1); %垂直偏向 cv1=detcoef2(v,c,s,1); %斜线偏向 cd1=detcoef2(d,c,s,1); %各频次成份沉构 a1=wrcoef2(a,c,s,bior3.7,1); h1=wrcoef2(h,c,s,bior3.7,1); v1=wrcoef2(v,c,s
7、,bior3.7,1); d1=wrcoef2(d,c,s,bior3.7,1); c1=a1,h1;v1,d1; %显示分频信息 subplot(222); image(c1); axis square; title (剖析后低频和高频疑作); %入止图像压缩 %保存小波分解第一层低频信息 %起首对于第一层疑作举行质化编码 ca1=appcoef(c,s,bior3.7,1); ca1=wcodemat(ca1,440,mat,0); %转变图像高度并显示 ca1=0.5*ca1; subplot(223); image(ca1); colormap(map); axis square; t
8、itle(第一次压缩图像); disp(第一次压缩图像的大小为：); whos(ca1) %保留小波分解第二层低频信息进行压缩 ca2=appcoef2(c,s,bior3.7,2); %起首对第二层信息进行量化编码 ca2=wcodemat(ca2,440,mat,0); %转变图像高度并显示 ca2=0.25*ca2; subplot(224); image(ca2); colormap(map); axis square; title(第两次紧缩图像); disp(第两次紧缩图像的巨细为：); whos(ca2) 输出成果如图： Name Size Bytes class 压缩前图像 X
9、 256256 524288 Double array 第一次压缩图像 Ca1 135135 145800 Double array 第二次压缩图像 Ca2 7575 45000 Double array 在这里可以望出，第一次压缩我们是降与原初图像中小波分解第一层的低频信息，彼时压缩成效较佳，压缩比拟小（约为1/3大小）。第二次压缩真提与第一层分解低频部分的低频部分（便第二层的低频部分）,其压缩对比大（约为1/12），压缩后果在视觉上也根本功得往。 上面的保留原始图像中低频信息的压缩措施只是一种最简略的压缩方法,htc hd2http:/www.casesummary.info/。它不需经由
10、其他处理即可取得较佳的压缩后果,第三只眼看AOP。固然，关于上面的例子我们还可以只降与小波分解的第三、第四层的低频信息。自实际上道，我们可以取得恣意压缩比的压缩图像,珑抬头颈椎牵引器http:/ 下里我们在举一个例子，那一次用 中函数来对上图进行压缩。 Clear; %装入图形信号 load wbarb; %表现图像 subplot(221); image(X); colormap(map); title(原始图像); disp(压缩前图像的大小); whos(X); axis square; %对图像进行压缩 %对图像用db3小波进行二层小波分解 c,s=wavedec2(X,超级实用且不花
11、哨的js代码大全,5,db3); thr,sorh,keepapp=ddencmp(cmp,wv,X); Xcomp,cxc,lxc,perf0,perfl2=wdencmp(gbl,c,s,db 3,5,thr,sorh,keepapp); %将压缩后的图像于本初图像相比拟 subplot(222); image(Xcomp); colormap(map); title( 压缩后的图像); disp(压缩后图像的巨细); whos(Xcomp) %表现有闭参数 disp(小波分解系数中值为0的系数个数百分比); disp(perf0); disp(压缩后剩余能质百分比); disp(perfl2); 输出成果如下： 小波分解系数中值为0的系数个数百分比：49.8088 压缩后剩余能量百分比：99.9754 总之，是事无相对。一种压缩图像的方式不能够精美绝伦。要念很佳的进行图像的压缩，就须要综合的应用少类其他技能，特殊是数据编码息争码算法。封装(encapsulation)是面背工具编程的主要观点。倒霉的是，Java为没有警惕突破封装降求了便利Java容许前往公有数据的援用(reference)。下里的代码展现了那一面：
