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
%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 ...
最新文章
- asp.net 上一条和下一条记录的显示
- Unix时间戳 POSIX时间 Unix时间
- python小学生口算题生成器_小学数学题出题神器
- 一次SSIS Package的调试经历
- 泛型--泛型方法、委托--介绍篇
- mysql出现error 2003_mysql启动时出现ERROR 2003 (HY000)问题的解决方法
- IUS database
- 【深度优先搜索】计蒜客:置换的玩笑
- 大数据面试官别再问闭包了
- Google 开源 VHP 震动触觉平台,降低触觉设备开发难度
- 数学建模美赛E题数据获取
- 浅谈InnoDB存储引擎的MVCC机制
- 数字图像处理第三版(冈萨雷斯)笔记,2020
- cocoa touch
- 《青玉案·元夕》 辛弃疾
- python-模块使用方法
- 使用matplotlib实现连续单独出图
- python ftp上传/下载文件,带进度条显示
- Java IO学习日志
- 若金融战败 30年辛劳积累将付诸东流!