1、小波去噪實現步驟

（1）二維信號的小波分解。選擇一個小波和小波分解的層次N，然后計算信號s到第N層的分解。

（2）對高頻系數進行閾值量化。對于從1~N的每一層，選擇一個閾值，并對這一層的高頻系數進行軟閾值量化處理。

（3）二維小波重構。根據小波分解的第N層的低頻系數和經過修改的從第一層到第N的各層高頻系數，計算二維信號的小波重構

2、Matlab函數介紹

（1）wavedec2函數

該函數用于對多尺度二維小波進行分解，其常用調用格式：

［C，S］ = wavedec2（X，N，‘wname’）：用小波函數wname對信號X在尺度N上的二維分解，N是嚴格正整數。

（2）wrcoef2函數

該函數用于對二維小波系數進行單支重構，其調用格式：

X = wrcoef2（‘type’，C，S，‘wname’，N）：用指定的小波函數wname進行N尺度重構。當type = ‘a’時，僅對信號的低頻部分進行重構，此時N可以為0;當type = ‘h’（或‘v’/‘d’）時，對信號（水平、垂直、對角）的高頻進行重構，N為嚴格正整數。

（3）wthcoef2函數

該函數用于對二維信號的小波系數閾值進行處理，常用調用格式：

NC = wthcoef2（‘type’，C，S，N，T，SORH）：返回經過小波分解結構［C，S］進行處理后的新的小波分解向量NC，［NC，S］即構成一個新的小波分解結構。N是一個包含高頻尺度的向量，T是相應的閾值，且N和T長度須相等。返回‘type’（水平、垂直、對角線）方向的小波分解向量NC。參數SORH用來對閾值方式進行選擇，當SORH = ‘s’時，為軟閾值，當SORH = ‘h’時，為硬閾值。

3、小波去噪Matlab實例

實例1：

clear all;

load facets;

subplot（2，2，1）;image（X）;

colormap（map）;

xlabel（‘（a）原始圖像’）;

axis square

%產生含噪聲圖像

init = 2055615866;

randn（‘seed’，init）;

x = X + 50*randn（size（X））;

subplot（2，2，2）;image（x）;

colormap（map）;

xlabel（‘（b）含噪聲圖像’）;

axis square

%下面進行圖像的去噪處理

%用小波函數coif3對x進行2層小波分解

［c，s］ = wavedec2（x，2，‘coif3’）;

%提取小波分解中第一層的低頻圖像，即實現了低通濾波去噪

%設置尺度向量

n = ［1，2］;

%設置閾值向量p

p = ［10.12，23.28］;

%對三個方向高頻系數進行閾值處理

nc = wthcoef2（‘h’，c，s，n，p，‘s’）;

nc = wthcoef2（‘v’，nc，s，n，p，‘s’）;

nc = wthcoef2（‘d’，nc，s，n，p，‘s’）;

%對新的小波分解結構［c，s］進行重構

x1 = waverec2（nc，s，‘coif3’）;

subplot（2，2，3）;image（x1）;

colormap（map）;

xlabel（‘（c）第一次去噪圖像’）;

axis square

%對nc再次進行濾波去噪

xx = wthcoef2（‘v’，nc，s，n，p，‘s’）;

x2 = waverec2（xx，s，‘coif3’）;

subplot（2，2，4）;image（x2）;

colormap（map）;

xlabel（‘（d）第二次去噪圖像’）;

axis square《span style=“font-size:14px”》《span style=“font-size:14px”》《span style=“font-size:18px; color：#3366ff”》