摘  要： 簡要介紹了小波分析基本理論中的小波變換和小波包變換，重點論述了小波分析在圖像降噪處理中的應用及其算法流程。在此基礎上,，利用Matlab R2007進行了圖像去噪仿真測試,，并對仿真結果進行了分析。結果表明,，利用小波分析理論進行圖像降噪處理,，能夠取得較好的降噪效果。
關鍵詞： 小波分析,；小波包分析,；多分辨率分析；圖像降噪,；Matlab

　由于各種隨機因素的影響,，圖像在傳輸過程中經(jīng)常會產(chǎn)生噪聲，會對進一步的邊緣檢測,、圖像分割,、特征提取和模式識別等處理帶來諸多不便，因此,，采用適當?shù)姆椒p少噪聲是一項非常重要的圖像預處理步驟,。經(jīng)典的降噪算法有均值濾波、中值濾波,、高斯濾波和維納濾波等[1],，但這些算法使圖像變換后的熵增高，細節(jié)部分丟失,，不能揭示圖像信息的非平穩(wěn)特性,，也無法得到圖像信息的相關性。
小波分析理論作為一種強有力的數(shù)學分析工具,，近年來廣受關注,，其在圖像處理中的研究應用也逐漸深入。小波變換特有的低熵性,、去相關性使得小波在圖像降噪處理方面比經(jīng)典的降噪算法更具優(yōu)勢,。本文對小波分析理論在圖像降噪方面進行了深入研究，并利用Matlab R2007進行圖像降噪仿真,，通過仿真數(shù)據(jù)驗證小波分析理論在圖像降噪處理方面的效果,。
1 小波分析基本理論
　小波變換的基本思想是用一組函數(shù)序列表示或逼近待分析信號，與傳統(tǒng)的傅里葉分析相比,，小波變換在時域和頻域都具有表征信號局部特征的能力,，通過平移和伸縮能夠聚焦信號的任意細節(jié)并進行時頻域處理，既可以看到信號的全貌,，又可以分析信號的細節(jié),，并保留數(shù)據(jù)的瞬時特性,，因此有“數(shù)學顯微鏡”之稱。
1.1 小波變換
　小波變換的核心思想是多分辨率分析方法,。在小波分解過程中,，將待分析信號通過小波分解成兩部分，得到低頻系數(shù)向量和高頻系數(shù)向量,，兩個連續(xù)的低頻系數(shù)之間損失的信息可以由高頻系數(shù)獲得,，然后將低頻系數(shù)向量繼續(xù)分解，而高頻系數(shù)保持不動,。
對于圖像處理而言,，采用多尺度二維小波分解方法，即二維多分辨率分析方法,。每一次的分解結果包含低頻,、高頻水平分量、高頻垂直分量,、高頻對角分量四部分,，下一層變換分解是在低頻部分進行的，分解后的結構示意圖如圖1(a)所示,。其中,，A是低頻系數(shù)，用于下一層的分解,，H是高頻水平方向系數(shù),，V是高頻垂直方向系數(shù)，D是高頻對角線方向系數(shù),。

1.2 小波包變換
　給定正交小波函數(shù),，可以生成一組小波包基，每個基都提供了一種特定的信號編碼方法,，它能保留信號的全部能量,，并對信號的特征進行準確的重構，這些小波包可以用于對給定信號進行多種分析和解釋,。
正交小波分解過程是將低頻系數(shù)分為新的低頻系數(shù)向量和高頻系數(shù)向量兩部分,，然后將新的低頻系數(shù)向量繼續(xù)分解，而高頻系數(shù)保持不動,。而對于小波包分解來說，每個高頻系數(shù)向量也使用和低頻系數(shù)分解同樣的方法,，分成兩個部分,，這樣就提供了更為豐富的信號分析方法：在一維分析中產(chǎn)生了完整二叉樹，而在二維分析中產(chǎn)生了四叉樹[2],，圖1(b)所示是二維小波包四叉樹示意圖,。
小波包分析方法是多分辨率小波分析的推廣[2]，與小波分析相比，小波包可以對信號的高頻部分進行更加細致的刻畫,，具有更加精準的局部分析能力,，對信號的分析能力更強。
2 圖像的降噪處理
　圖像降噪在信號處理中是一個經(jīng)典問題,，傳統(tǒng)的降噪方法多采用平均或線性方法(如維納濾波)進行,，但降噪效果不夠好。隨著小波理論的日益完善,，它以自身良好的時頻特性在圖像降噪領域受到越來越多的關注,，開辟了用非線性方法降噪的先河[2]。
2.1 小波分析與圖像的降噪處理
　實際獲得的圖像一般都因受到某種干擾而含有噪聲,。引起噪聲的原因有敏感元器件的內部噪聲,、傳輸通道的干擾及量化噪聲等。噪聲產(chǎn)生的原因決定了噪聲的分布特性及與圖像信號的關系[3],。對于圖像而言,，信息主要分布在低頻區(qū)域，噪聲主要分布在高頻區(qū)域,，而圖像細節(jié)也分布在高頻區(qū)域,，傳統(tǒng)的低通濾波方法將圖像的高頻部分濾除，雖然能夠達到降噪的目的,，但也破壞了圖像細節(jié),。利用小波理論可以構造出一種既能降低圖像噪聲，又能夠保持圖像細節(jié)信息的方法,。小波能夠降噪主要得益于小波變換的如下特點[2]：
　(1)低熵性,。小波系數(shù)的稀疏分布，使圖像變換后的熵降低,，也使信號和噪聲所在的頻帶得到了統(tǒng)計意義上的分離,。
　(2)多分辨率特性。采用多分辨率的方法可以非常好地刻畫信號的非平穩(wěn)性,，如突變和斷點等,。因此，可以在不同分辨率下根據(jù)信號和噪聲的分布去除噪聲,。
　(3)去相關性,。小波變換可對信號去相關，且噪聲在變換后有白化趨勢,，所以小波域比時域更利于去噪,。
　(4)基函數(shù)選擇靈活。小波變換可以靈活選擇基函數(shù),，也可以根據(jù)信號特點和降噪要求選擇多帶小波,、小波包等,，對不同的場合，可以選擇不同的小波母函數(shù),。
2.2 算法流程
　小波在圖像處理上的應用思路主要采用將空間或時間域上的圖像數(shù)據(jù)變換到小波域上,，成為多層次的小波系數(shù)，根據(jù)小波基的特性,，分析小波系數(shù)的特點,，針對不同需求處理小波系數(shù)，再對處理后的小波系數(shù)進行逆變換,，得到所需圖像,。小波閾值降噪是實現(xiàn)簡單而且效果較好的降噪方法，可以通過二維的小波或小波包來實現(xiàn),。小波變換降噪算法流程如下：
　(1)選擇合適的小波和恰當?shù)姆纸鈱哟?，對圖像進行小波分解；
　(2)對分解后的高頻系數(shù)進行閾值量化,，對于分解的每一層,，選擇一個恰當?shù)拈撝担υ搶痈哳l系數(shù)進行軟閾值量化處理,；
　(3)根據(jù)小波分解后的第N層近似(低頻系數(shù))和經(jīng)過閾值量化處理后的各層細節(jié)(高頻系數(shù)),，計算圖像的小波重構。
　上述算法流程中,，最關鍵是選擇閾值及進行閾值量化,，閾值函數(shù)體現(xiàn)了對小波分解系數(shù)的不同處理策略及估計方法。常用閾值處理方法有3種：
　(1)默認閾值消噪：用函數(shù)ddencmp生成默認閾值,，再用函數(shù)wdencmp進行消噪處理,。
　(2)給定閾值消噪：利用經(jīng)驗公式給定閾值，這種閾值可信度比默認閾值高,，用函數(shù)wthresh進行閾值量化處理,。
　(3)強制閾值消噪：直接將小波分解后的高頻系數(shù)全部置零，即濾除所有的高頻部分,，這種方法簡單,，但容易失去圖像中的有用成分。
　圖像的小波包降噪和小波降噪算法思想基本相同,，此處不再贅述,。另外，在進行小波包分解時可采用多種小波包基,，通常根據(jù)分析圖像的要求選擇最優(yōu)基,，最優(yōu)基可以通過函數(shù)besttree進行選擇。
3 Matlab仿真與分析
　圖像一般是二維信號,，需要采用二維小波工具進行處理,，本文用到的工具主要是二維小波變換和二維小波包變換。本文利用Matlab R2007對圖像sinsin進行降噪處理測試,，并對處理過程中發(fā)現(xiàn)的問題進行分析總結,。
3.1 圖像降噪處理的Matlab實現(xiàn)
　本文利用Matlab對圖像sinsin進行默認的閾值降噪處理，原始圖像如圖2(a)所示,。首先在原始圖像中加入噪聲,，加入噪聲后的圖像如圖2(b)所示，再利用小波處理函數(shù)wdencmp進行降噪處理,。處理之前,，利用函數(shù)ddencmp尋找處理參數(shù)，默認的參數(shù)如下：
　thr=4.4174(thr為這全局閾值),；
　sorh=s(軟硬閾值選擇,，s為軟閾值)；
　keepapp=1(是否對低頻系數(shù)進行處理,，1為否),。
　降噪過程中，小波分解使用小波‘sym4’,，執(zhí)行到第二層,。降噪處理后的圖像如圖2(c)所示。

　利用小波包的處理過程與上述過程類似,，不同的是降噪函數(shù)選用的是小波包處理函數(shù)wpdencmp,，默認的處理參數(shù)如下：
　thr=4.968 5；
　sorh=h(硬閾值),；
　keepapp=1,；
　crit=sure(熵名稱)。
　降噪過程中,，小波包分解使用小波“sym4”,，執(zhí)行到第3層。降噪處理后的圖像如圖2(d)所示,。

3.3 結果分析
　使用閾值降噪處理不可避免會造成圖像細節(jié)小程度上的丟失,，因此，在降噪過程中需要考慮降噪與所保留圖像細小變化之間的權衡問題,。從圖2可以看到,，對同一幅圖像，小波變換和小波包變換兩種方法都不同程度地降低了圖像質量,，但由于對高頻細節(jié)部分的處理不同,，圖像平滑度上也呈現(xiàn)明顯的不同。
分析圖3,、圖4可知,，整個處理過程中,，自適應濾波對高斯噪聲的去除效果較好，而中值濾波對含有椒鹽噪聲的圖像處理效果明顯,。利用小波變換和小波包變換,，采用的閾值處理方法有軟、硬兩種,。硬閾值處理可以很好地保留圖像邊緣等局部特征,，但圖像會出現(xiàn)偽吉布斯效應等視覺失真現(xiàn)象[4]，而軟閾值處理相對較平滑,，處理得到的信號和原始信號具有同樣的光滑性[5],，但可能會造成邊緣模糊等失真現(xiàn)象[4]。雖然自適應濾波和中值濾波對高斯噪聲和椒鹽噪聲的去除各具優(yōu)勢,，但對于含有多種噪聲的圖像而言,，小波變換和小波包變換還是更勝一籌。
　在利用Matlab進行默認閾值處理的過程中,，本文利用ddencmp函數(shù)尋找默認的處理參數(shù),，在處理過程中，隨著所加噪聲強度的變化,，小波變換尋找的默認全局閾值也呈現(xiàn)出波動,，而小波包變換的處理過程中則并非如此。另外需要說明的是,，降低圖像的噪聲,，對于保證圖像質量，進行圖像壓縮也是一個關鍵環(huán)節(jié),。
圖像信息在現(xiàn)代生活中占據(jù)著舉足輕重的地位,，隨著小波分析理論的不斷發(fā)展，其在圖像處理中的應用越來越多,。本文對小波分析理論進行深入研究,，將小波分析理論與圖像降噪處理相結合，利用Matlab R2007進行圖像降噪處理仿真,，并以數(shù)據(jù),、圖像等形式給出處理結果，通過對實驗結果的分析,，驗證了用小波分析理論進行圖像降噪處理能取得較好的效果,。當然，圖像降噪僅僅是小波分析理論在圖像處理應用中很小的一部分,，其在圖像的壓縮,、增強、平滑、融合,、視頻圖像分析等方面也具有更加廣泛而深刻的應用價值,。
參考文獻
[1] 劉婭，李春明,，李棟.基于小波分析的圖像去噪處理[J].電腦開發(fā)與應用,，2009，22(9)：33-34.
[2] 葛哲學,，沙威.小波分析理論與MATLAB R2007實現(xiàn)[M].北京：電子工業(yè)出版社，2007.
[3] 求是科技.Matlab7.0從入門到精通[M].北京：人民郵電出版社,，2006.
[4] 關履泰.小波方法與分析[M].北京：高等教育出版社,，2007.
[5] 飛思科技.MATLAB 6.5輔助圖像處理[M].北京：電子工業(yè)出版，2003.