基于小波变换的图像阈值去噪MATLAB实现

%% 清空工作区
clear; clc; close all;%% 读取图像并添加高斯噪声（可选）
img = imread('lena.jpg'); % 读取原图
img_gray = rgb2gray(img); % 转换为灰度图
noise_var = 0.02; % 噪声方差
noisy_img = imnoise(img_gray, 'gaussian', 0, noise_var); % 添加高斯噪声%% 小波分解参数设置
wavelet = 'db4'; % 小波基选择（可选：haar, db1, sym4等）
level = 3; % 分解层数%% 小波分解
[C, S] = wavedec2(noisy_img, level, wavelet); % 二维小波分解
[cA, cH, cV, cD] = detcoef2('all', C, S, level); % 获取细节系数%% 阈值处理（两种方法对比）
% 方法1：硬阈值
thr_hard = 0.3 * max(abs(cA(:))); % 阈值设定（基于最大系数）
cA_hard = wthresh(cA, 'h', thr_hard);
denoised_hard = waverec2([cA_hard; cH; cV; cD], S, wavelet);% 方法2：软阈值
thr_soft = 0.2 * max(abs(cA(:))); % 阈值设定
cA_soft = wthresh(cA, 's', thr_soft);
denoised_soft = waverec2([cA_soft; cH; cV; cD], S, wavelet);%% 结果可视化
figure;
subplot(2,2,1); imshow(noisy_img); title('含噪图像');
subplot(2,2,2); imshow(denoised_hard); title('硬阈值去噪');
subplot(2,2,3); imshow(denoised_soft); title('软阈值去噪');% 计算性能指标
psnr_hard = psnr(denoised_hard, img_gray);
psnr_soft = psnr(denoised_soft, img_gray);
ssim_hard = ssim(denoised_hard, img_gray);
ssim_soft = ssim(denoised_soft, img_gray);%% 性能指标显示
disp(['硬阈值PSNR: ', num2str(psnr_hard), ' dB, SSIM: ', num2str(ssim_hard)]);
disp(['软阈值PSNR: ', num2str(psnr_soft), ' dB, SSIM: ', num2str(ssim_soft)]);

---

关键参数说明与优化建议

1. 小波基选择

• 推荐基函数：db4（Daubechies 4）在细节保留和噪声抑制间取得较好平衡
• 选择依据： 平滑信号：haar或sym2 复杂纹理：db8或coif3 实时处理：bior6.8（双正交小波）

2. 阈值优化策略

% 自适应阈值计算（改进方案）
thr = wthrmngr('dw1ddenoLVL', C, S, 3); % 基于Stein无偏风险估计
thr = wthrmngr('heursure', C); % 启发式阈值法

3. 多级去噪增强

% 三级小波分解去噪
[C, S] = wavedec2(noisy_img, 3, 'sym5');
denoised = waverec2(wdencmp('gbl', C, S, 'sym5', 3, 's', 0.15), S, 'sym5');

---

扩展应用场景

1. 遥感图像处理

   % 多光谱图像去噪
   [cA, cH, cV, cD] = detcoef2('all', C, S, 4);
   cH_denoised = wthresh(cH, 's', 0.15*max(abs(cH(:))));
   

2. 医学影像增强

   % MRI图像去噪
   level = 4;
   wavelet = 'bior3.7';
   [C,S] = wavedec2(mri_img, level, wavelet);
   

参考代码 基于小波变换的图像阈值去噪的matlab代码 www.youwenfan.com/contentcsk/64905.html

常见问题解决方案

1. 边缘模糊问题 采用sym4小波基 设置保护边界：padmethod='sym'

2. 计算效率优化

   % 使用GPU加速
   gpu_img = gpuArray(noisy_img);
   [C,S] = wavedec2(gpu_img, 3, 'db4');
   

3. 彩色图像处理

   % 分通道处理
   denoised_R = waverec2(wdencmp('gbl', C_R, S, wavelet), S, wavelet);
   denoised_G = waverec2(wdencmp('gbl', C_G, S, wavelet), S, wavelet);