基于小波变换的图像去噪

方法：带噪声图像-小波分解-分度去噪-逆小波变换-恢复图像。远离我不多说了，那么多看的心烦，还是上代码比较好说话的

 

clear;                 

X=imread('life.jpg');            

X=rgb2gray(X);

subplot(221);          

imshow(X);             

title('原始图像');                  

% 生成含噪图像并图示

init=2055615866;       

randn('seed',init);      

X=double(X);

% 添加随机噪声

XX=X+8*randn(size(X));  

subplot(222);             

imshow(uint8(XX));              

title(' 含噪图像 ');       

%用小波函数coif2对图像XX进行2层

% 分解

[c,l]=wavedec2(XX,2,'coif2'); 

% 设置尺度向量

n=[1,2];                  

% 设置阈值向量 , 对高频小波系数进行阈值处理

p=[10.28,24.08]; 

nc=wthcoef2('h',c,l,n,p,'s');

% 图像的二维小波重构

X1=waverec2(nc,l,'coif2');   

subplot(223);              

imshow(uint8(X1));                

%colormap(map);            

title(' 第一次消噪后的图像 '); 

%再次对高频小波系数进行阈值处理

mc=wthcoef2('v',nc,l,n,p,'s');

% 图像的二维小波重构

X2=waverec2(mc,l,'coif2');  

subplot(224);             

imshow(uint8(X2));               

title(' 第二次消噪后的图像 ');