[18]图像增强-小波变换-matlab

%%%%%%%%%%%%%%%%%%%1.加载图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%;
id = fopen('test.img','r');
header_data_read = fread(id, 100, 'uint8');% 读取头部数据,如果不保存图像,可以不读取头字节
header_size = 100; % 头字节的大小
fseek(id,header_size,'bof');%跳过头字节
nsize=512;%图像像素尺寸
srcImg = fread(id,[nsize,nsize],'uint16');%读取数据
srcImg=srcImg';
fclose(id); % 关闭文件

%%%%%%%%%%%%%%%%%%2.图像降噪%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 设置滤波器大小
filter_size = 5;
% 对图像进行高斯降噪
I_denoised = medfilt2(srcImg, [filter_size filter_size]);

% %%%%%%%%%%%%%%%%%%%3.多尺度小波分级%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% %30723072图像-第三层水平信息有效,如果是10241024,就是第2层信息有效
% %%采用haar小波进行图像分解
%c为各层分解系数,s为各层分解系数长度,也就是大小.
%c的结构:c=[A(N)|H(N)|V(N)|D(N)|H(N-1)|V(N-1)|D(N-1)|H(N-2)|V(N-2)|D(N-2)|...|H(1)|V(1)|D(1)]
[c,s]=wavedec2(I_denoised,4,'haar');
siz=s(size(s,1),:);%返回带有ndims(X)元素的向量d中数组X的每个维的大小。

%第四层小波分解,提取小波系数
ca4=appcoef2(c,s,'haar',4);%提取多层小波分解结构C和S的第4层小波交换的近似系数
chd4=detcoef2('h',c,s,4);%利用多层小波分解结构C和S来提取图像第4层的水平分量
cvd4=detcoef2('v',c,s,4);%利用多层小波分解结构C和S来提取图像第4层的垂直分量
cdd4=detcoef2('d',c,s,4);%利用多层小波分解结构C和S来提取图像第4层的对角分量
%第三层小波分解,,提取小波系数
ca3=appcoef2(c,s,'haar',3);%提取多层小波分解结构C和S的第3层小波交换的近似系数
chd3=detcoef2('h',c,s,3);%利用多层小波分解结构C和S来提取图像第3层的水平分量
cvd3=detcoef2('v',c,s,3);%利用多层小波分解结构C和S来提取图像第3层的垂直分量
cdd3=detcoef2('d',c,s,3);%利用多层小波分解结构C和S来提取图像第3层的对角分量
%第二层小波分解,,提取小波系数
ca2=appcoef2(c,s,'haar',2);%提取多层小波分解结构C和S的第2层小波交换的近似系数
chd2=detcoef2('h',c,s,2);%利用多层小波分解结构C和S来提取图像第2层的水平分量
cvd2=detcoef2('v',c,s,2);%利用多层小波分解结构C和S来提取图像第2层的垂直分量
cdd2=detcoef2('d',c,s,2);%利用多层小波分解结构C和S来提取图像第2层的对角分量
%第一层小波分解,提取小波系数
chd1=detcoef2('h',c,s,1);%利用多层小波分解结构C和S来提取图像第1层的水平分量
cvd1=detcoef2('v',c,s,1);%利用多层小波分解结构C和S来提取图像第1层的垂直分量
cdd1=detcoef2('d',c,s,1);%利用多层小波分解结构C和S来提取图像第1层的对角分量
cal1=ca2+chd2+cvd2+cdd2;%叠加重构近似图像
cal=appcoef2(c,s,'haar',1);%提取多层小波分解结构C和S的第1层小波交换的近似系数
figure;
subplot(141),imshow(cal1,[]),title('1层分解的近似系数');
subplot(142),imshow(uint8(chd1),[]),title('水平分量');
subplot(143),imshow(uint8(cvd1),[]),title('垂直分量');
subplot(144),imshow(uint8(cdd1),[]),title('细节对角分量');
figure;
subplot(141),imshow(ca2,[]),title('2层分解的近似系数');
subplot(142),imshow(uint8(chd2),[]),title('水平分量');
subplot(143),imshow(uint8(cvd2),[]),title('垂直分量');
subplot(144),imshow(uint8(cdd2),[]),title('细节对角分量');
figure;
subplot(141),imshow(ca3,[]),title('3层分解的近似系数');
subplot(142),imshow(uint8(chd3),[]),title('水平分量');
subplot(143),imshow(uint8(cvd3),[]),title('垂直分量');
subplot(144),imshow(uint8(cdd3),[]),title('细节对角分量');
figure;
subplot(141),imshow(ca4,[]),title('4层分解的近似系数');%灰度值在0-1.5之间
subplot(142),imshow(uint8(chd4),[]),title('水平分量');
subplot(143),imshow(uint8(cvd4),[]),title('垂直分量');
subplot(144),imshow(uint8(cdd4),[]),title('细节对角分量');

%%%%%%%%%%%%%%%%%%%4.高频分量系数增强%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a = 10.0; % 增强系数
b = 10.0; % 增强系数
chd2=chd2a;
chd3=chd3
b;
figure;
subplot(121),imshow(chd2,[]),title('chd2');
subplot(122),imshow(chd3,[]),title('chd3');

%%%%%%%%%%%%%%%%%%%5.小波重构%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%利用upcoef2进行3层重构
hd3=upcoef2('h',chd3,'haar',3,siz);
% 利用upcoef2进行2层重构
hd2=upcoef2('h',chd2,'haar',2,siz);
A=srcImg+hd3+hd2;

% %降噪
A = medfilt2(A, [5 5]);

figure;
subplot(121),imshow(srcImg,[]),title('原图');
subplot(122),imshow(A,[]),title('分解重构的近似图形');

%%%%%%%%%%%%%%%%%%%保存图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
fid=fopen('test_save.img','w');%打开文件
fwrite(fid, header_data_read, 'uint8'); % 写入头字节
fwrite(fid, A' ,'uint16'); % 写入成功的元素个数
fclose(fid);

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容