关于图像去噪，帮忙啊！

一、小波入门简介

(1)小波分析的起源、发展与应用

>

自适应滤波

clear all

I1=imread('1jpg');

I=rgb2gray(I1);

J=imnoise(I,'gaussian',0,005); %添加均值为0，方差为005的高斯噪声

K1=wiener2(J,[5,5]);

figure

imshow(J);

title('加入高斯噪声图像');

figure

imshow(K1);

title('55窗口自适应滤波');

小波软阈值

clear all

I1=imread('1jpg');

I=rgb2gray(I1);

J=imnoise(I,'gaussian',0,005); %添加均值为0，方差为005的高斯噪声

[Cr, Sr] = wavedec2(J, 2, 'sym4');

thr= Donoho(J);

J_soft = wdenoise(xr, 'gbl', 's', thr, 'sym4', 2);

figure; imshow(J_soft);

/////////////////////////////////用到的函数

function thr = Donoho(x)

%用Donoho通用阈值公式计算阈值 x为要进行处理的图像

% thr = delta sqrt( 2 log(n))

% n为信号的长度或尺寸

% delta = MAD / 06745 -经验公式，其中MAD为小波分解后高子带系数的中值

n = prod( size(x) ); %图像尺寸

%计算delta

[C, S] = wavedec2(x, 1, 'db1'); %小波分解

d = C( prod( S(1,:) ) + 2 prod( S(2,:) ) + 1 : end); %HH子带系数

delta = median( abs(d) ) / 06745;

%计算阈值

thr = delta sqrt(2log(n));

////////////////////////////////////用到的函数

function X = wdenoise(x, measure, sorh, thr, wname, n)

% 阈值去噪函数

% x为带噪声图像

% measure表示全局或局部

% sorh表示软硬阈值方法

% thr为阈值

% wname为小波函数名

% n为分解层次

[C, S] = wavedec2(x, n, wname); % 对图像进行小波分解

switch measure

case 'gbl' % 全局阈值方法

dcoef = C( prod(S(1, :)) + 1 : end); % 提取细节部分系数

switch sorh

case 'h' % 硬阈值

dcoef = dcoef (abs(dcoef) > thr);

case 's' % 软阈值

temp = abs(dcoef) - thr;

temp = (temp + abs(temp)) / 2;

dcoef = sign(dcoef) temp;

end

C( prod(S(1, :)) + 1 : end) = dcoef;

case 'lvd' % 局部阈值方法

for i = n:-1:1 % 每层单独处理

k = size(S,1) - i;

first = prod(S(1, :)) +

3 sum(S(2:k-1, 1) S(2:k-1, 2)) + 1;

% 第i层细节系数的起始位置

last = first + 3prod(S(k,:)) - 1; % 终止位置

dcoef = C(first : last); % 细节系数

switch sorh

case 'h' % 硬阈值

dcoef = dcoef (abs(dcoef) > thr(i));

case 's' % 软阈值

temp = abs(dcoef) - thr(i);

temp = (temp + abs(temp)) / 2;

dcoef = sign(dcoef) temp;

end

C(first:last) = dcoef;

end

end

X = waverec2(C, S, wname); % 重构图像

方法一：filter2

clear all;

I=imread('lenabmp');

%读入预处理图像

imshow(I)

%显示预处理图像

K1=filter2(fspecial('average',3),I)/255;

%进行33均值滤波

K2=filter2(fspecial('average',5),I)/255;

%进行55均值滤波

K3=filter2(fspecial('average',7),I)/255;

%进行77均值滤波

figure,imshow(K1)

figure,imshow(K2)

figure,imshow(K3)

方法二：双循环语句，移动平均法

%均值滤波

clc,clear;

f=imread('lenabmp');

subplot(121),imshow(f),title('原图');

f1=imnoise(f,'gaussian',0002,00008);

%subplot(222),imshow(f1),title('添加高斯噪声图');

k1=floor(3/2)+1;

k2=floor(3/2)+1;

X=f1;

[M,N]=size(X);

uint8 Y=zeros(M,N);

funBox=zeros(3,3);

for i=1:M-3

for j=1:N-3

funBox=X(i:i+3,j:j+3);

s=sum(funBox(:));

h=s/9;

Y(i+k1,j+k2)=h;

end;

end;

Y=Y/255;

subplot(122),imshow(Y),title('均值滤波');

实现图：

以上就是关于关于图像去噪，帮忙啊！全部的内容，包括:关于图像去噪，帮忙啊！、求MATLAB代码图像去噪的、急求大神帮助 相对一幅图像进行降噪处理 求能把自适应滤波和小波软阈值降噪的matlab代码等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！