数字图像处理以及小波变换及研究.doc

数字图像处理以及小波变换应用研究 周柳阳 1 中国矿业大学计算机学院，江苏徐州 （221116） 摘要：随着信息技术的发展，数字信号充斥着整个世界，我们看到的听到的都将转换为可被计算机处理的数字信号。数字图像处理正是基于这一背景，通过计算机的手段将数字化的图像信号进行一系列的处理运算从而符合人们应用的要求。本文给出了基本的数字图像处理，同时介绍了小波变换算法的应用。实现了数字图像处理的几种方法。其中数字图像处理包括，空域分析，时域分析，线性变换与数字图像处理中基本的点运算，滤波，增强等。小波变换通过与传统的MSE方法（方差）进行比较从而得出了小波的优势。 关键词：数字图像处理；小波变换；空域分析 1.引言 随着信息技术的发展计算机技术的引入大大加快了人类文明的进程，信息科学发展的千年的历史里遇到了前所未有的机遇。自然界充斥着各种各样的大量有用的信号怎样被人类所应用成了一个问题，通过模数转换我们得到了有效的数字信号但是同时也带来了各种各样的问题，比如信息量太大，数字信号的压缩就成了问题，对于噪声的抑制与信号的恢复技术同时也包括对于数字信号各种各样的运算。 同样的问题也出现在数字图像信号当中，比如数字图像存储就成了问题，对于不通数字频率在图像的信号我们怎样去提取以及对于图像中噪声信号的干扰的抑制。这都成了数字图像处理当中的问题。 后来人类发现好多传统理论并不能很好的解决这些新的数字图像当中的问题了，当这些传统的理论受到限制的时候。随着数学领域的不断发展人们找到了一种新的思考方法即小波变换，在不同频率尺度上进行缩放可以考察到信号频率的每一个细节，对于不通的频率赋值不通的小波系数采取不通的解决方式，通常被人们称作“数学显微镜”。 因此研究小波理论在数字图像处理的应用有着不可忽视的重要意义。 2 概述 2.1图形、图像概述 图像是二维或三维景物（万事万物）呈现在人心目中的影象。现实世界中图形跟图像信息无处不在，我们的视觉范围可及的部分呈现在人类眼睛视觉的感知都是图形跟图像信息，但是值得注意的是现实世界中的图形或者图像信息都是模拟量，我们清楚的知道计算机是没办法处理模拟信号的，因此把自然界的模拟信号变成数字信号就是我们要做的第一件事情。 把数字图像输入到计算机时人们可以通过计算机来处理这些数字信号[1]，得到自己希望得到的结果或者是数据。比如一个高噪声的图像数据直观上人们看不清楚这幅图片但是经过了处理图片就会变得清晰比如： 这些数字图像也有其规范的数学描述，使得数字图像处理这个技术有着坚实的理论基础。 2.2数学背景及应用 在数学领域常见图像是连续的，用f（x,y）表示一幅图像，其中x,y表示空间坐标点的位置， f 表示图像在点（x,y） 的某种性质的数值，如亮度等。 f ,x,y可以是任意实数。其中用矩阵表示图像也为计算机处理图像提供了方便，一个0、1矩阵恰好是一个计算机能够处理的2进制数据，为计算机辅助计算提供了理论的可能性。 同时经典的数字信号处理理论体系已经非常的成熟，作为传统学科数字信号处理与新的计算机技术的结合为数字图像处理提供了很好应用环境，使得计算机高速的高效的处理复杂的图像信息成为了可能。 同样数字图像是离散的2值化的图像，把连续空间的图像在坐标空间(X,Y)和性质空间F都离散化，便于计算机进行加工处理，这种离散化的图像就是数字图像，用I（r,c）来表示，其中r = row 行,c = column 列，表示空间离散点的坐标，I 表示离散化的图像f 。I ,r,c都是整数。实际中仍习惯用f（x,y）表示数字图像。 数字图像中基本单位称为像素，pixel。数字图像是由像素组成的。 2.3空域增强 2.3.1像素点运算理论 对图像的空域增强包括：点操作、模板操作 （1）、点操作是指： 其中点操作包括：灰度点操作 和几何操作 点操作分类： 1、直接灰度变换 将f (·)中的每个象素按EH操作直接变换以得到g(·)； 2、借助f (·)的直方图进行变换 （2）、模板操作： 模板是指所谓模板就是一个系数矩阵而模板的大小经常是奇数，如：3x3 5x5 7x7 模板系数:也就是矩阵的元素，通过对模板在图像区域的遍历我们可以将模板的运算性质操作的每一个像素点同时模板做操作的区域也将拥有同样的性质。而模板的主要应用就是图像的均值变换，均值变换在传统的图像降噪和边界模糊以及边界平滑有着广泛的应用。 软件中像素点操作的实现如下： 实现图像反色的程序，通过数学上的公式和计算机存储特点反色公式[2]得到-X+255，通过这个运算我们可以将图像反色处理。 2.3.2线性滤波算法 :g(x,y)=f(x,y).C+R C、