大家好，又见面了，我是你们的朋友全栈君。
在此前的文章【1】中，我们讨论了在Python中利用pywt包提供的API对图像做小波分解的基本方法。小波变换在图像处理中的一个具体应用就是平滑去噪。后续我们还会从原理上讨论如何利用小波变换来设计图像去噪算法。但在此之前，作为铺垫，本文将主要演示，利用Python中已有的API进行图像小波去噪的方法及效果。如果你对小波变换的基本原理还不是很清楚，请参考我已经出版的《图像处理中的数学修炼》（清华大学出版社）或《数字图像处理：原理与实践》（电子工业出版社）等书籍。在后续解释如何利用小波变换设计图像去噪算法时，这些基础知识将是必须的。
欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji，鉴于目前网上盗贴、洗稿等现象严重，为保证公式、图表得以正确显示，强烈建议你从该地址上查看原版博文。本博客主要关注方向包括：数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。
此前，在【2】中我们曾介绍过，Python图像处理常用的包有三个，（截止本文写作之时）其中已经内置了小波去噪函数的是scikit-image（或缩写成skimage）。小波去噪与傅里叶变换去噪、离散余弦变换等都是基于频域的去噪方法。JPEG图像编码中使用的就是基于离散余弦变换的有损压缩方式。参考《图像处理中的数学修炼（第2版）》中的第7章，在通常情况下，大部分信号的信息都集
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/148871.html原文链接：https://javaforall.net
