压缩感知的图像去噪

function ResIm = Image_Denoising_Global_Denoising（Im  trueIm）
% Denoise image by denoising its patches using a pre-determined dictionary.
% Patches are denoised WITHOUT overlap.
%
% Inputs : 
% Im      : image to denoise double [0 255]
% trueIm  : This is used （unfairly） to optimize the parameters for the algorithm
%
% Outputs :
% ResIm   : Result Image for the best parameter

%% Parameters
imLen = numel（Im）;

%% Create the dictionary - Haar
[HaarDict  atomNorms] = Generate_Haar_Matrix（size（Im）  2）;
atomNorms = atomNorms（:）;
invAtomNorms = 1 ./ atomNorms;
% Show_Haar_Dict（HaarDict  size（Im））;
nAtoms = size（HaarDict  2）; % = 1 + 3 * nLevels

%% Prepare the projections of the image onto the dictionary
projs = HaarDict‘ * Im（:）;
absProjs = abs（projs）;

%% Test for different values of T
Tvalues = [0 : 200];
resPSNRs = zeros（1  length（Tvalues））;
fprintf（‘%d T values: ‘  length（Tvalues））;
for Tind = 1 : length（Tvalues）
	
	if mod（Tind  10） == 0 fprintf（‘%d ‘  Tind）; end;
	
	% Current threshold
	T = Tvalues（Tind）;
	
	% Compute the hard-thresholding result
	resProjs = projs .* （absProjs > （T .* invAtomNorms））;
	
	% Compute the result signal by multiplying by the dictionary
	currResIm = HaarDict * resProjs;
	currResIm = reshape（currResIm  size（Im））;
	
	% Compute error result
	resPSNRs（Tind） = Compute_Error_Stats（currResIm  trueIm）;
	
end
fprintf（‘\n‘）;

%% Find the best value and plot the results
[~ maxPSNRind] = max（resPSNRs）;
bestT = Tvalues（maxPSNRind）;
if 1
	figure;
	plot（Tvalues  resPSNRs  ‘+r‘）;
	title（‘PSNR as a function of T‘）;
end

%% Reconstruct the image for the best value of T
resProjs = projs .* （absProjs > （bestT .* invAtomNorms））;
ResIm = HaarDict * resProjs;
ResIm = reshape（ResIm  size（Im））;

%%
return;

% [nm]=size（Haar）;
% W=[0.25*ones（n*41）; 0.5*ones（n*31）];




function [HaarDict  atomNorms] = Generate_Haar_Matrix（imSize  nLevels）

atomNorms = [];

% Prepare the first level bands
basicH = [1 -1];
basicL = [1 1];
HH1 = kron（basicH‘  basicH）; 
HaarDict = Construct_One_Haar_Band（imSize  HH1）;
atomNorms = [atomNorms ones（1  prod（imSize）） * sqrt（sum（HH1（:）.^2））];

LH1 = kron（basicL‘  basicH）; 
HaarDict = [HaarDict Construct_One_Haar_Band（imSize  LH1）];
atomNorms = [atomNorms ones（1  prod（imSize）） * sqrt（sum（LH1（:）.^2））];

HL1 = kron（basicH‘  basicL）; 
HaarDict = [HaarDict Construct_One_Haar_Band（imSize