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
升级会员 