小波分析在图像去噪中的应用

关于图像的噪声，可以这样理解：妨碍眼睛或者视觉传感器对接收到的图像进行理解或分析的因素，例如透过窗户看窗外的风景，但是却有一层“雾水”使得窗外风景在你眼中变得朦胧，窗外实际的风景显然不是如此的，所以这层“雾水”就相当于噪声了。一般噪声是不可预测的随机信号，只能用概率统计的方法去认识，但是图像噪声又不可忽视，它存在于图像处理的输入、采集、处理的各环节以及输出结果的整个过程，特别是图像的输入、采集部分，该部分的噪声是个很关键的因素，如果输入的时候就跟随着较大噪声，之后的环节也将受到影响。因此一个良好的图像处理系统，都会将减少前级噪声作为一个主要的目标，去噪是图像处理中极为重要的步骤，由于噪声并不能完全去除，因此也可以称作是降噪。 去噪步骤 二维图像信号用二维小波分析的去噪步骤含三步，即： 1）、对图像信号s进行小波分解：选择好小波以及小波分解的层次N，然后计算图像信号s到第N层的分解。 2）、对高频系数进行阈值量化：从1到N的每一层，选择一个阈值，并对该层的高频系数进行软阈值量化处理。 3）、二维小波的重构：根据小波分解的第N层的低频系数和经过阈值量化处理的从第一层到第N层的