3 小波函数的比较选取（wname）
小波函数可以选取一个正交小波，如Daubechies（dbN），symlets（symN），coiflets（soifN）等。具体选择可以根据实际需要决定，在我们的实验中选择的是sym8(光滑的紧支撑双正交小波)。
4.4 利用小波去噪函数去除给定图像中的噪声
本节给定的图像为二维信号，二维信号在小波域中的降噪方法的基本思想与一维的情况一样，在阈值选择上可以使用统一的全局阈值。虽然有关小波变换的函数是在小波工具箱中提供的，但在图像处理中利用小波变换去除图像中的噪声却是一种有效的方法，利用小波函数去除图像中的噪声过程如下： （1）利用求去噪缺省值函数ddencmp求去噪声的缺省值。 （2）利用小波函数wdencmp对图像去噪，可以使用全局阈值。
本例中首先在原噪声图像‘sinsin.mat’中加入了随机噪声，得到相应的加噪图像，然后对噪声图像使用‘sym4’进行小波去噪处理，使用全局阈值。 相应的MATLAB程序如下：
load sinsin;%装入原图像 colormap(pink(64)) image(X) axis('square') init=231434;
randn('seed',init); %产生随机噪声 x=X+18*randn(size(X)); image(x) axis('square')
subplot(2,2,1);image(wcodemat(X,sm)); title('原始图像'); %显示原始图像 subplot(2,2,2);image(wcodemat(x,sm)); title('加噪图像'); %显示加噪图像
[thr,sorh,keepapp] = ddencmp('den','wv',x);
39
xd = wdencmp('gbl',x,'sym4',2,thr,sorh,keepapp); %使用小波去噪函数对图像进行去噪，使用sym4小波、全局门限值
subplot(2,2,3); image(wcodemat(x,sm)) title('去噪图像'); %显示去噪图像 运行结果如图4-4所示
图4-4 小波的图像去噪结果
从含噪图像可以看出噪声含量非常强，而从去噪的结果可以看出，通过小波去噪后的图像基本和原图像一致。
40
总结与展望
现实中的图像多为含噪图像，当噪声较严重时，会影响图像的分割、识别和理解。传统的去噪方法在去噪的同时使图像的细节变得模糊。小波变换由于具有“数学显微镜”的作用，在去噪的同时能保持图像细节，得到原图像的最佳恢复。本论文总结了图像去噪方法，并在前人研究成果的基础上，对小波阈值去噪进行了深入的研究，取得了一定的效果。与此同时，本论文在的研究工作仍然存在着许多缺陷有待进一步的完善。
1 全文工作总结
小波分析理论因其具有良好的时频局域特性和多分辨率特性，使得它在数字图像处理领域有着广泛的应用前景。本论文针对小波阈值在图像去噪方面的应用进行了研究。具体归纳如下:
(1)本文首先总结了各种图像去噪方法，并对其进行了总结与对比，提出了各自的优缺点，引出了小波变换图像去噪方法，阐述了小波变换的基础理论，给出了小波变换的基本概念、基本思想、发展历程和小波阈值去噪的基本方法。 (2)适当选择小波参数可以进一步的提高图像去噪的效果，本文小波去噪时各种参数设置进行了详尽的对比研究过程，在此基础上，实现小波去噪仿真，实验结果表明，该算法比传统算法有更好的去噪效果。
2 工作展望
小波阈值在图像去噪应用已取得了很好的成果，但还是存大着一些不足。本论文对小波变换在图像去噪中的应用进行研究，但工作还不够完善。针对本论文
41
的研究内容和小波去噪的发展趋势提出一些改进的思路与想法，以供以后工作借鉴:
(l)如何建立非高斯噪声的分布模型。根据获得的先验知识和已有先验知识进行准确的建模，对于对非高斯噪声的去除非常重要，寻找理想的小波系数模型已成为目前小波去噪研究的一个方向，如何使用高斯噪声分布的去噪方法对非高斯噪声进行延拓都是值得进一步探讨的课题。
(2)小波变换具有时频局域特性和多分辨率特性，但它缺乏人眼的方向特性。随着脊波和曲波的出现，提高了模型的准确性，改善了小波的去噪性能，脊波、曲波、边缘波也会成为当前研究的一大趋势。本文对小波变换做了介绍，并将其应用于图像去噪。但这些变换方法的研究都还处于开始阶段，理论和应用都有待进一步的探索。
42