实验报告Word下载.docx
《实验报告Word下载.docx》由会员分享,可在线阅读,更多相关《实验报告Word下载.docx(10页珍藏版)》请在冰点文库上搜索。
1、对图像进行一层小波分解与重建
操作程序为如下:
loadleleccum%加载信号
s=leleccum(1:
3920);
%截取信号
l_s=length(s);
%使用db1小波执行一层小波分解,执行下面的语句产生近似系数cA1、细节系数cD1
[cA1,cD1]=dwt(s,'
db1'
);
%从系数cA1和cD1中构建一层近似A1和细节D1
A1=upcoef('
a'
cA1,'
1,l_s);
D1=upcoef('
d'
cD1,'
%显示近似和细节
subplot(2,2,[12]);
plot(A1);
title('
ApproximationA1'
)
subplot(2,2,[34]);
plot(D1);
DetailD1'
结果见图(7-1)
2、对图像进行三层小波分解与重建
在上一个操作的基础上稍作修改直接进行三层分解,其中主要程序语句如下:
[C,L]=wavedec(s,3,'
%执行3层信号分解
%函数返回3层分解的各组分系数C,向量L里返回的是各组分的长度
cA3=appcoef(C,L,'
3);
%从C中抽取3层近似系数
[cD1,cD2,cD3]=detcoef(C,L,[1,2,3]);
%从C中抽取3、2、1层细节系数
A3=wrcoef('
C,L,'
%从C中重建3层近似
%从C中重建1、2、3层细节
D1=wrcoef('
1);
D2=wrcoef('
2);
D3=wrcoef('
%显示3层分解的结果
subplot(2,2,1);
plot(A3);
title('
ApproximationA3'
subplot(2,2,2);
subplot(2,2,3);
plot(D2);
DetailD2'
subplot(2,2,4);
plot(D3);
DetailD3'
结果见图(7-2)
3、对图像进行粗糙去噪和阈值去噪,并比较分析两种方法的结果
主要操作语句如下:
subplot(3,1,1);
plot(s);
Original'
subplot(3,1,2);
plot(A3);
Level3Approximation'
)
[thr,sorh,keepapp]=ddencmp('
den'
'
wv'
s);
clean=wdencmp('
gbl'
3,thr,sorh,keepapp);
subplot(3,1,3);
plot(clean);
denoised'
结果见图(7-3)
二、图象方式
在命令窗口执行wavemenu语句,得到wavelettoolboxmainmenu,选择二维小波变换对图像进行分解、复原、压缩以及降噪的处理,结果见(7-4)、(7-5)、(7-6)、(7-7)。
实验结果及分析
1、对图像进行一层分解:
图(7-1)
对图像进行三层分解:
图(7-2)
粗糙去噪
对比近似和原始信号:
使用小波从信号中移除噪声需要辨识哪个或哪些组分包含噪声,然后重建没有这些组分的信号。
在这个实验中,连续的近似随着越来越多的高频信息从信号中滤除,噪声变得越来越少。
3层近似与原始信号对比会发现变得很干净。
摒弃所有高频信息,我们会失去原始信号中的很多最尖锐的特征。
阈值去噪
对比阈值去噪及原图像:
粗糙去噪与阈值去噪的对比:
图(7-3)
显然,阈值去噪是一种更精细的方法,它只丢弃部分超过一定范围的细节,在移除了噪声之后,仍保有信号原来的尖锐细节。
2、图象方式
图像分解与近似:
图(7-4)
图像压缩处理:
图(7-5)
残差:
图(7-6)
降噪处理:
图(7-7)
参考文献
[1]RafaelC.GonzalezandRichardE.Woods.[2005].DigitalImageProcessingUsingMatlab.电子工业出版社.2005.9