資源簡介
圖像處理與分析作業(yè):以lena圖像為例，編程實現(xiàn)小波域維納濾波.
? 首先使用高斯噪聲疊加在原始圖像上。
? 使用分解三次后進(jìn)行維納濾波再逐層返回，使用的是dwt2這個函數(shù)
? [cA,cH,cV,cD]=dwt2(X,' bior2.2')
? 每次進(jìn)行計算的是CH，CV，CD三個高頻分量。
? 計算完之后再和低頻進(jìn)行重構(gòu)復(fù)原。
? 最后對三次維納濾波的結(jié)果和原始圖像做差值，發(fā)現(xiàn)差值基本都是一些邊緣，說明一些高頻的分量在濾波的過程中被濾掉了。但是總體的濾波效果還是不錯的
代碼片段和文件信息
clear?all;
clc;
I?=?imread（‘lena.jpg‘）;
I?=?rgb2gray（I）;
subplot（231）;
imshow（I）;
title（‘原始圖像‘）;
J1=imnoise（I‘gaussian‘00.01）;
subplot（232）;
imshow（J1）;
title（‘加高斯噪聲圖‘）;
K1=wiener2（J1[3?3]）;
subplot（233）;
imshow（K1）;
title（‘系統(tǒng)維納濾波后的圖像‘）
%?（cA?（cH?cV?cD））要注意返回的值，
%?分別為低頻分量，水平高頻，垂直高頻，對角線高頻。高頻的值包含在一個tuple中
[CACHCVCD]?=?dwt2（J1‘bior2.2‘）;
[CA2CH2CV2CD2]?=?dwt2（CA‘bior2.2‘）;
[CA3CH3CV3CD3]?=?dwt2（CA2‘bior2.2‘）;
subplot（234）;imshow（CA[]）;
title（‘低通分解一次‘）;
temp?=?sort（CH3（:））;
[colcow]?=?size（CH3）;
M?=?CH3（:）;%二維矩陣變成一維矩陣
m?=?median（abs（M））;%取中值
sigma1?=?m/0.6745;
sigma?=?sum（sum（temp.^2））/（col*cow）?-?sigma1*sigma1;
CH3?=?CH3*（sigma/（sigma1^2+sigma））;
temp?=?sort（CV3（:））;
[colcow]?=?size（CV3）;
M?=?CV3（:）;%二維矩陣變成一維矩陣
m?=?median（a ?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件?????137469??2019-12-09?23:49??第十三講作業(yè).pdf
?????文件?????157024??2019-12-09?23:38??維納濾波.png
?????文件??????91814??2019-06-25?09:31??lena.jpg
?????文件???????2796??2019-12-09?23:37??wavelet.m
-----------?---------??----------?-----??----
???????????????389103????????????????????4
評論
共有 條評論