（d）
图3.3（a）原图（b）加噪声后的图像（c）第一次消躁后的图像（d）第二次消躁后的
图像
该实验采用不同阈值和不同小波得到的实验效果不相同，采用合适的于是重构图像与原图相比具有更小的失真，此外，由于图像的连续性较好，采用haar小波分解图像不是很适合。
4. 总结
小波变换虽是一种新兴的变换分析方法，但由于其在数学分析上的优越性，被广泛用于各个领域中，更是在工程应用中发挥了巨大的作用。在数字图像处理方面，图像压缩具 有压缩比高、压缩速度快 、压缩后能保持图像的特征基本不变等一系列优点 ,进行图像消噪和图像增强具 有方便快捷、去噪效果好 、目标明确等优点,同时说明了小波技术用于图像处理的有效性 。最后，随着计算机视觉的发展，在提取特征时，haar特征作为模式识别领域的三大特征之一，得到了广泛的应用。M ·Oren起初就是根据小波变换提出了三大哈尔特征（垂直，水平，对角），后人又在Oren的基础上扩展了哈尔特征，使得图像的特征种类更多，提高了识别的精确度。所以，为了在计算机视觉领域有所成就，学好小波变换是十分必要的。
5. 参考文献
[1] [1]王振飞. 提升小波的高效算法设计及其在数字图像处理中的应用[D].华中科技大
学,2006. [2] [2]赵登峰,许纯新,王国强. 小波分析及其在数字图像处理中的应用[J]. 同济大学学报
(自然科学版),2001,09:1054-1057. [3] [3]胡斌. 小波阈值去噪及其在数字图像相关中的应用研究[D].华南理工大学,2011. [4] [4]刘宇. 小波分析及在数字图像压缩中的应用与研究[D].湖南大学,2006.
[5] [5]S. Mallat, \theory for multiresolution signal decomposition: The wavelet
representation\no. 7, pp. 674-693, July 1989.
[6] [6]C.SidneyBurrus,lntroduction to Wavelets and Wavelet Transformation:A Primier