小波分析在图像去噪中的应用

重庆交通大学2012届毕业论文

end end

程序3：

%信噪比及均方差函数 function W=fa(s,c) [m n]=size(s);

w1=sum(sum(s.^2)); w=sum(sum((s-c).^2));

PSNR=10*log10((max(max(max(s)),max(max(c)))^2/(1/m*n)*w)); SNR=10*log10(w1/w); MSE=1/(m*n)*w W=[PSNR SNR];

%主函数脚本文件 clc clear 程序4： %读取图像

L=imread('cameraman.tif'); subplot(3,2,1);imshow(L) title('原图像'); sL=im2double(L);

s=imnoise(sL,'gaussian',0.01); subplot(3,2,2);imshow(s) title('加噪后的图像'); %小波分解

[c,I]=wavedec2(s,3,'db8');

%调用函数求用改造阈值函数处理后的小波系数 Y1=f(c,I,s,1,2,1); Y2=f(c,I,s,2,2,1); Y3=f(c,I,s,3,2,1);

c1=[Y3 Y2 Y1]; %处理后的小波系数 s1=waverec2(c1,I,'db8'); %小波重组 subplot(3,2,3);imshow(s1) title('改造后的图像');

%调用函数求用硬阈值函数处理后的小波系数 Y11=f(c,I,s,1,2,2); Y21=f(c,I,s,2,2,2); Y31=f(c,I,s,3,2,2);

c2=[Y31 Y21 Y11]; s2=waverec2(c2,I,'db8'); subplot(3,2,4);imshow(s2) title('硬阈值处理后的图像);

%调用函数求用软阈值函数处理后的小波系数 Y12=f(c,I,s,1,2,3); Y22=f(c,I,s,2,2,3); Y32=f(c,I,s,3,2,3);

31

窦乾坤：小波分析在图像去噪中的应用

c3=[Y32 Y22 Y12]; s3=waverec2(c3,I,'db8'); subplot(3,2,5);imshow(s3) title('软阈值处理后的图像');

%调用函数求用改造前阈值函数处理后的小波系数 Y13=f(c,I,s,1,2,4); Y23=f(c,I,s,2,2,4); Y33=f(c,I,s,3,2,4); c4=[Y33 Y23 Y13];

s4=waverec2(c4,I,'db8 '); subplot(3,2,6);imshow(s4) title('改造前的图像'); Y14=f(c,I,s,1,2,5); Y24=f(c,I,s,2,2,5); Y34=f(c,I,s,3,2,5); c5=[Y34 Y24 Y14];

s5=waverec2(c5,I,'db8 '); %求信噪比及均方差 M1=fa(sL,s1) M2=fa(sL,s2) M3=fa(sL,s3) M4=fa(sL,s4) M5=fa(sL,s5)

32