1，基于小波变换的图像低通滤波

%小波变换进行滤波变换
clc,clear,close all;
Image = rgb2gray(imread('baboon.jpg'));
nIg = imnoise(Image,'gaussian');
[C,S] = wavedec2(nIg,3,'db4');%采用db4小波对噪声图像进行3级分解
len = length(C);
C1 = C;C2 = C;C3 = C;
C1(S(1,1)*S(1,2)+1:len) = 0;%设置所有高频系数为0
C2(S(1,1)*S(1,2)+1:len) = C(S(1,1)*S(1,2)+1:len)/2;%所有高频衰减一半
C3(len-3*S(4,1)*S(4,2)+1:len) = 0;%一级高频系数为0
result1 = waverec2(C1,S,'db4');
result2 = waverec2(C2,S,'db4');
result3 = waverec2(C3,S,'db4');
subplot(221),imshow(nIg),title('噪声图像');
subplot(222),imshow(result1,[]),title('去除高频重构');
subplot(223),imshow(result2,[]),title('高频衰减一半重构');
subplot(224),imshow(result3,[]),title('去除一级高频重构');

结果：

2，基于小波变换的图像高通滤波

%基于小波变换的图像高通滤波
clc,clear,close all;
Image = rgb2gray(imread('pic01.bmp'));
[C,S] = wavedec2(Image,3,'db4');
len = length(C);
C1 = C;C1(1:S(1,1)*S(1,2))=0;
C2 = C;C2(1:len-3*S(4,1)*S(4,2))=0;
result1=waverec2(C1,S,'db4');
result2=waverec2(C2,S,'db4');
subplot(131),imshow(Image),title('原图像');
subplot(132),imshow(result1,[]),title('保留所有高频重构');
subplot(133),imshow(result2,[]),title('保留一级高频重构');

结果：

3，对小波变换的低频系数进行增强，对高频系数进行弱化

%对小波变换的低频系数进行增强，对高频系数进行弱化
clc,clear,close all;
Image = rgb2gray(imread('pic01.bmp'));
[C,S] = wavedec2(Image,3,'db4');
len = length(C);
T = 150;
pos = S(1,1)*S(1,2);
C1 = C(1:pos);C1(C1>T)=C1(C1>T)*1.5;%低频系数增强
C2 = C(pos+1:len);C2(C2<T)=C2(C2<T)*0.75;%高频系数弱化
C(1:pos)=C1;C(pos+1:len)=C2;
result = waverec2(C,S,'db4');
subplot(121),imshow(uint8(result),[]),title('对比度增强');
subplot(122),imshow(uint8(Image),[]),title('原图');

结果：

4，利用小波变换实现图像边缘检测

%利用小波变换实现图像边缘检测
clear,clc,close all;
Image = imread('pic01.bmp');
[ca,ch,cv,cd] = dwt2(Image,'db4');%用db4小波对图像进行一级小波分解
result = idwt2(ca*0,ch,cv,cd,'db4')/256;%将低频系数置零
result = result+0.2;%增大0.2，加强细节
subplot(121),imshow(Image),title('原图');
subplot(122),imshow(result),title('边缘检测');

结果：

基于小波变换实现图像增强相关推荐

小波图像增强matlab,用Matlab实现基于小波变换的图像增强技术
用Matlab实现基于小波变换的图像增强技术管琼 [期刊名称]<科技资讯> [年(卷),期]2013(000)025 [摘要]小波是有限宽度的基函数,这些基函数不仅在频率上而且在位置上是 ...
基于小波变换的单幅彩色图像去雾增强
注:本文成于2017年12月,是<小波变换与图像处理>的课程作业摘要雾天天气对户外场景图像会造成严重损害,表现为光照不均,色彩饱和度低,细节和对比度差,进而造成图像质量的退化,影响进一 ...
【双边滤波】基于小波变换的多尺度自适应THZ增强双边滤波器的MATLAB仿真
1.软件版本 MATLAB2021a 2.本算法理论知识提出了一种"基于小波变换的多尺度自适应双边滤波器"算法. 其对应的算法流程如下所示: 下面,我们从理论上限介绍一下这里所采 ...
grads 相关系数_基于小波变换的多聚焦图像融合算法
引用本文孟强强, 杨桄, 童涛, 张俭峰. 基于小波变换的多聚焦图像融合算法[J]. 国土资源遥感, 2014,26(2): 38-42 MENG Qiangqiang, YANG Guang, T ...
基于小波变换的图像边缘检测（matlab祖传代码注释）
基于小波变换的图像边缘提取应用展示上图为针对png格式无背景原图的边缘检测,对比各种边缘检测算子,小波变化的优势体现并不明显. 上图为针对含背景图片的边缘检测,小波变化的优势这里体现的比较明显. m ...
基于小波变换的数字图像处理（MATLAB源代码）
基于小波变换的数字图像处理(MATLAB源代码) clear all; close all; clc; M=256;%原图像长度 N=64; %水印长度 [filename1,pathname]=ui ...
matlab中noisbloc,基于小波变换的微弱信号检测技术的研究.doc
毕业论文基于小波变换的微弱信号检测技术研究学生姓名: 学号: 学院: 专业: 指导教师: 2012年 6月基于小波变换的微弱信号检测技术研究摘要: 微弱信号检测的目的是要提取需要检测到的微 ...
matlab 基于小波变换的图像压缩,基于Matlab的小波变换在图像压缩中的应用
匿翻 |jf叙≮cc 2..8m (上旬刊) 口王洪涛沈有建李满枝 (海南师范大学数学系海南 ·海口 571158) 摘要小波变换作用在图像上主要体现在两点:图像压缩和图像降噪.本文借用 ...
【图像融合】基于小波变换的图像融合
小波变换传统的信号理论,是建立在Fourier分析基础上的,而Fourier变换作为一种全局性的变化,其有一定的局限性,如不具备局部化分析能力.不能分析非平稳信号等.在实际应用中人们开始对Fou ...

基于小波变换实现图像增强

1，基于小波变换的图像低通滤波

2，基于小波变换的图像高通滤波

3，对小波变换的低频系数进行增强，对高频系数进行弱化

4，利用小波变换实现图像边缘检测

基于小波变换实现图像增强相关推荐

最新文章

热门文章