1、“.....本实验对带有高斯白噪声的灰度图进行处理，主要包含读取灰度图加入不同方差下的高斯白噪声正交小波变换阐值去噪，小波反变换及评价标准算法等开发流程图对图像进行小波阀值去噪流程图读取灰度图函数先打开文件，打开成功后依次读入文件头信息头和调色板，将文件的位图宽度和高度值分别赋给个变量，以便后面的处理。根据读入的文件大小分配内存，利用读入函数将数据读入内存中，以备下步进行小波变换。加噪模块由于读入内存的图像为无噪图像，所以进行去噪处理必须人为加入噪声，本开始读入图象大小为加入高斯白噪声估算阀值正交小波变换达到变换级阀值去噪正交小波反变换结束次实验加入不同方差下的高斯白噪声方差均值。代码如下产生随机噪声哪正交小波变换本模块采用的小波算法是算法，选用小波进行分解，最大分解尺度取为。哈尔小波是所有正交紧支撑小波中唯具有对称性的小波，是个简单特殊却又非常有用的小波基，小波的滤波器系数为,......”。

2、“.....依次读取图像中的像素点与所选择的滤波器进行行卷积计算，并对边界部分进行边界延拓。然后对行卷积的计算结果进行抽样处理，即隔二取，取出原始图像数据的半进行列卷积的计算。列卷积计算过程中，同样对边界部分进行边界延拓。当列卷积计算完毕后，取出数据中的半作为低频子带数据。这样经过行卷积处理后图像数据大小缩小为原来的半，在经过列卷积处理后，图像数据大小变为原始图像数据大小的。再将这数据及低频子带重新排列后存入数组中作为下级小波变换的处理图像并参与下级的小波变换。具体流程图如下图所示。图正交小波变换流程图阀值去噪阀值取。和。提出的统阀值阀值，首先计算小波系数中的高频子带的标准偏差作为图像噪声的估计值，后用上述公式计算出闽值。阀值处理函数中，硬阀值函数对小波系数进行处理时小于阀值的像素值直接赋值为，大于或等于阀值的像素赋值为原来的像素数值......”。

3、“.....当采用改进阐值法时大于或等于阀值的像素取为正交小波反变换首先对图像数据进行上采样操作，即间隔插零，然后对图像数据进行列卷积计算，依次读取图像中的像素点与所选择的滤波器系数进行卷积计算并对图像边界部分进行边界延拓。当图像数据全部计算完毕后，对列卷积的计算结果上采样，对上采样后的图像数据进行行卷积的计算。行卷积计算过程中，同样需要对图像边界部分进行边界延拓。图正交小波反变换流程图评价标准图象客观质量评价方法是先计算出被评价图象的些统计特性和物理参量，最常用的是图象相似度的测量。图象相似度的测量通常是用处理后的图象与原图像之间的统计误差来衡量处理图象的质量，弱误差越小，则从统计意义上说，被评价图象与原图像的误差越小，图象的质量越高......”。

4、“.....此评价方法大多适用于黑白图象及灰度图象的质量评价。常用的图象相似度测量开始定义出变量上采样判断像素点位置卷积运算卷积运算上采样行卷积卷积运算卷积运算结束判断像素点位置列卷积参数有平均绝对误差，均方误差，归化均方误差等。这两种图像去噪质量评价标准有各自的特点，由于人眼视觉特性的准确性没有通过定量的方式来描述，因此主观评价法也不能做定量描述，它受人为因素的影响较大，但它能反映人眼的视觉特性。而和能够对图像去噪质量进行定量的描述，但它却不能反映人眼的真实感觉。在本文中我们既给出了去噪后的重建图像，也给出了去噪后的峰值信噪比和归化均方误差。改进阀值法均优于传统的软硬阀值算法，在归化均方误差峰值信噪比及视觉效果上都有所改善。软闺值法的去噪图是原始信号的近似最优估计，使去噪后的图像看起来比较光滑。但由于所估计的小波系数存在着恒定的偏差，影响了重构图像与真实图像的逼近程度，峰值信噪比最小......”。

5、“.....硬阀值法的去噪数据指标较好，但明显存在着伪吉布斯效应现象中值滤波处理后的去噪图从视觉上表现的最模糊，很多细节部分已经模糊掉了。图像增强的实现硬件设计本文以芯片为核心进行试验。如图所示是个基于公司的芯片的数字图像空域滤波增强的电路原理。图基于的空域滤波电路图从图中可以看到，视频信号由同轴电缆送入，此处是个电压跟随器，信号经过两个二极管嵌位，和电阻限流后送入模数转换器，然后由把模拟视频信号转换成数字视频信号，并通过的外部数据总线的低位送入中进行处理，其中空域滤波程序由来实现。软件设计以下程序就是基于上图所示的平台实现对图像进行空域增强滤波的程序。把中心像素的灰度值和中心系数相乘既是最终实现块重复返回处理完帧数据第四章总结本文首先介绍了数字图像增强技术在数字图像处理中的作用及重要意义，即数字图像增强技术是数字图像处理的关键所在......”。

6、“.....即拉普拉斯变换及检测和小波变换及阀值的选取。拉普拉斯滤波是种经典且有效的图像增强技术，它能够使得图像对比度变大，从而得到清晰地图像。而噪声的普遍性复杂多样性危害性，使图象处理理论面临挑战。小波算法对去噪有较好的效果，本文主要采用小波变换的方式，对于阈值的选取阈值函数的选取及小波基的选取有无更好的方法。最后，在以公司的芯片为核心平台上设计了拉普拉斯滤波的硬件电路图及其软件程序，从而实现对数字图像的增强。但在小波变换这方面还存在着些缺陷，希望在以后的工作中能够得以解决，从而实现真正意义上的数字图像的增强。分或解释。第三章基于的数字图像增强方法基于的拉普拉斯算法子数字图象增强技术由于锐化图像这种变换常常具有随意的方向，因而需要挑选那些不具备空间方向性的同时具有旋转不变性的线性微分算子帮助我们锐化图像......”。

7、“.....其中拉普拉斯算子就是不依赖于边缘方向的二阶微分算子，同时也是最常用的二阶导数算子。拉普拉斯表达式个连续函数，在，点的为,对由于扩散图像引起的图像模糊，可以用下面的公式来锐化图像式中分别代表锐化前后的图像，其中代表与扩散效应有关的系数。扩散效应是由图像城乡过程中经常发生的现象，如胶片颗粒，化学扩散，光点散射。通过下面的扩散方程使得图像模糊将式在附近用太劳基数展开，令时图像不模糊时图像模糊其中为扩展时间，则略去高次项，用代替，则得上式表明，不模糊图像可以由模糊图像减去模糊图像拉普拉斯算子乘个常系数而得到。但是对要合理挑选，太大会使图像中轮廓边缘产生过冲，太小会锐化不明显。对数字图像来讲......”。

8、“.....典型的空域锐化滤波器的中心系数应为正数而周围的系数应为负数。对的模板来说，典型的系数取值是取，而其余系数都为，这样所有的系数之和都为。当这样的模板放在图像中灰度值是常数或变化很小的区域时，其输出为零或很小。基于小波技术的图像去噪方法小波变换小波变换是世纪年代中后期逐渐发展起来的种新的数学工具。傅里叶变换在信号处理领域中的突出贡献，是把时间域与频率域联系起来，用信号的频率特性去分析时域内难以看清的问题但它的缺陷在于无法分析时域信号的局部频率特征信息，不具有时频局部化的能力。为了克服傅里叶变换的不足，发展了短时傅里叶变换的方法，这方法的提出就时频局部化而言具有了本质的进步，但在时间频率分析的精细程度自适应性方面，仍存在固有的局限......”。

9、“.....小波变换综合了泛函分析傅里叶分析和数值分析等理论的优点，是纯粹数学和应用数学完美结合的又个成功范例。小波变换的思想是将信号分解为平均部分和细节部分，然后再将平均部分分解为平均部分及细节部分，依此类推，不同分解的层次决定观测信号的分辨率，这就是数学显微镜美誉意义之所在。小波变换的物理本质是滤波器。变换自适应的时频窗口随着尺度因子和平移系数的变换而变化，但其窗口面积保持不变，滤波器的中心频率与带宽的比为常数。通常称这样的变换滤波为恒滤波器。多分辨率分析小波分析具有多分辨率分析,特性为用户提供更灵活的处理办法。其特点为，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在般情况下，在低频部分信号较平稳可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下频率变化不大可以用较低的频率分辨率来换取精确的时间定位......”。