小波去噪matlab程序代码

小波去噪matlab程序代码 1、小波去噪实现步骤  （1）二维信号的小波分解。选择一个小波和小波分解的层次N，然后计算信号s到第N层的分解。   （2）对高频系数进行阈值量化。对于从1~N的每一层，选择一个阈值，并对这一层的高频系数进行软阈值量化处理。   （3）二维小波重构。根据小波分解的第N层的低频系数和经过修改的从第一层到第N的各层高频系数，计算二维信号的小波重构   2、Matlab函数介绍  （1）wavedec2函数   该函数用于对多尺度二维小波进行分解，其常用调用格式：   ［C，S］=wavedec2（X，N，wname）：用小波函数wname对信号X在尺度N上的二维分解，N是严格正整数。   （2）wrcoef2函数   该函数用于对二维小波系数进行单支重构，其调用格式：   X=wrcoef2（type，C，S，wname，N）：用指定的小波函数wname进行N尺度重构。当type=a时，仅对信号的低频部分进行重构，此时N可以为0;当type=h（或v/d）时，对信号（水平、垂直、对角）的高频进行重构，N为严格正整数。   （3）wthcoef2函数   该函数用于对二维信号的小波系数阈值进行处理，常用调用格式：   NC=wthcoef2（type，C，S，N，T，SORH）：返回经过小波分解结构［C，S］进行处理后的新的小波分解向量NC，［NC，S］即构成一个新的小波分解结构。N是一个包含高频尺度的向量，T是相应的阈值，且N和T长度须相等。返回type（水平、垂直、对角线）方向的小波分解向量NC。参数SORH用来对阈值方式进行选择，当SORH=s时，为软阈值，当SORH=h时，为硬阈值。   3、小波去噪Matlab实例  实例1：   clearall;   loadfacets;   subplot（2，2，1）;image（X）;   colormap（map）;   xlabel（（a）原始图像）;   axissquare   %产生含噪声图像   init=2055615866;   randn（seed，init）;   x=X+50*randn（size（X））;   subplot（2，2，2）;image（x）;   colormap（map）;   xlabel（（b）含噪声图像）;   axissquare   %下面进行图像的去噪处理   %用小波函数coif3对x进行2层小波分解   ［c，s］=wavedec2（x，2，coif3）;   %提取小波分解中第一层的低频图像，即实现了低通滤波去噪   %设置尺度向量   n=［1，2］;   %设置阈值向量p   p=［10.12，23.28］;   %对三个方向高频系数进行阈值处理   nc=wthcoef2（h，c，s，n，p，s）;   nc=wthcoef2（v，nc，s，n，p，s）;   nc=wthcoef2（d，nc，s，n，p，s）;   %对新的小波分解结构［c，s］进行重构   x1=waverec2（nc，s，coif3）;   subplot（2，2，3）;image（x1）;   colormap（map）;   xlabel（（c）第一次去噪图像）;   axissquare   %对nc再次进行滤波去噪   xx=wthcoef2（v，nc，s，n，p，s）;   x2=waverec2（xx，s，coif3）;   subplot（2，2，4）;image（x2）;   colormap（map）;   xlabel（（d）第二次去噪图像）;   axissquare《spanstyle=font-size:14px》《spanstyle=font-size:14px》《spanstyle=font-size:18px;color：#3366ff》