平移不变小波去噪程序演示

平移不变小波去噪程序演示 以平移不变小波为平台 所用是作者自己改进的bayesShrik算法

function  after_denoise=NewBayesShrink（x_graybase_funNthresholdalphaT1T2）
%用的是垂直方向的
%DD44 4
%db4 2 都产生了很好的结果
x_gray = im2double（x_gray）; %进行平移小波处理
x_gray_pingyi=pingyi（x_gray1）;
c=fn_SW（x_graybase_funN）;%把噪音图像小波分解
nc=fn_SW（x_gray_pingyibase_funN）;%把原始图像小波分解？？？？？？？？？
newc=BayesShrink_Original（cNthresholdalphaT1T2）;%调用第i种方法的BayesShrink
new_c=BayesShrink_Original（ncNthresholdalphaT1T2）;
after_denoise=fn_SW（newcbase_fun-N）;%重建 
after_denoise_pingyi=fn_SW（new_cbase_fun-N）;
after_denoise_pingyi=pingyi（after_denoise_pingyi-1）;
after_denoise=（after_denoise+after_denoise_pingyi）/2;


function newc=BayesShrink_Original（clevelthreshold_funalphaT1T2）%各个只计算HH子带
                    [n m]=size（c）;
  if n~=m  error（‘picture must be square‘）;
      return ;
  end;
       
             deta = Calc_Deta（c）;            
             deta_estimate = deta *256;
             for l=1:level
                 t1=n/2^l;
                 t2=n/2^（l-1）;
                %upright
                threshold = Calc_Threshold（cdeta（1）l1）;
                for i=1:t1
                 for j=t1+1:t2
                     c（ij）=Return_Threshold_Function_Value（threshold_funthresholdc（ij）alphaT1T2）;
                 end
                end
                %downleft 
                threshold = Calc_Threshold（cdeta（2）l2）;
                for i=t1+1:t2
                     for j=1:t1
                     c（ij）=Return_Threshold_Function_Value（threshold_funthresholdc（ij）alphaT1T2）;
                     end
                end
                %downright 
                threshold = Calc_Threshold（cdeta（3）l3）;
                 for i=t1+1:t2
                     for j=t1+1:t2
                     c（ij）=Return_Threshold_Function_Value（threshold_funthresholdc（ij）alphaT1T2）;
                     end
                end
             end
             newc=c;


function deta = Calc_Deta（c）
deta=zeros（13）;

[n m]=size（c）;
t=n/2;%第一层
temp=c（1:1:tt+1:1:n）;    %H
%temp=c（t+1:1:n1:1:t）;%v
%temp=c（t+1:1:nt+1:1:n）;  %d

temp=reshape（temp1size（temp1）*size（temp2））;
%%%用第一级的所有高频子代
% temp1=c（t+1:1:nt+1:1:n）;temp1=reshape（temp11size（temp11）*size（temp12））;
% temp2=c（t+1:1:nt+1:1:n）;temp2=reshape（temp21size（temp21）*size（temp22））;
% temp=[temp1 temp2];
med = median（abs（temp））;
deta（1）=med/0.6745;

%temp=c（1:1:tt+1:1:n）;    %H
temp=c（t+1:1:n1:1:t）;%v
%temp=c（t+1:1:nt+1:1:n）;  %d

temp=reshape（temp1size（temp1）*size（temp2））;
%%%用第一级的所有高频子代
% temp1=c（t+1:1:nt+1:1:n）;temp1=reshape（temp11size（temp11）*size（temp12））;
% temp2=c（t+1:1:nt+1:1:n）;temp2=reshape（temp21size（temp21）*size（temp22））;
% temp=[temp1 temp2];
med = median（abs（temp））;
deta（2）=med/0.6745;


%temp=c（1:1:tt+1:1:n）;    %H
%temp=c（t+1:1:n1:1:t）;%v
temp=c（t+1:1:nt+1:1:n）;  %d
temp=reshape（temp1size（temp1）*size（temp2））;
%%%用第一级的所有高频子代
% temp1=c（t+1:1:nt+1:1:n）;temp1=reshape（tem

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     118728  2011-01-21 17:14  小波去噪GUI程序包\afm256.png

     文件       3884  2011-02-24 09:51  小波去噪GUI程序包\BayesShrink.m

     文件      12697  2011-01-17 14:14  小波去噪GUI程序包\fn_SW.m

     文件      66614  2011-02-21 23:40  小波去噪GUI程序包\lena256_noise10.bmp

     文件      66614  2011-02-22 01:11  小波去噪GUI程序包\lena256_noise20.bmp

     文件      66614  2011-02-22 01:29  小波去噪GUI程序包\lena256_noise30.bmp

     文件      66614  2011-02-22 01:40  小波去噪GUI程序包\lena256_noise35.bmp

     文件       3851  2011-02-24 09:50  小波去噪GUI程序包\NewBayesShrink.m

     文件        433  2011-02-20 09:35  小波去噪GUI程序包\pingyi.m

     文件       1241  2011-02-24 09:10  小波去噪GUI程序包\Return_Threshold_Function_Value.asv

     文件       1228  2011-02-24 09:50  小波去噪GUI程序包\Return_Threshold_Function_Value.m

     文件       2630  2011-02-24 10:44  小波去噪GUI程序包\VisulShrink.m

     文件      10565  2011-02-24 12:38  小波去噪GUI程序包\WaveletDenoiseTool.asv

     文件       5913  2011-02-24 10:49  小波去噪GUI程序包\WaveletDenoiseTool.fig

     文件      10563  2011-02-24 12:39  小波去噪GUI程序包\WaveletDenoiseTool.m

     目录          0  2011-02-24 21:11  小波去噪GUI程序包

----------- ---------  ---------- -----  ----

               438189                    16