Grand total is 5625 elements using 45000 bytes
4.2.3 仿真结果
  仿真结果如图4-3、4-4所示：
 
图 4-3 图像压缩仿真结果
图 4-4 图像压缩仿真结果
4.2.4 仿真结果分析
   第一次压缩提取原始图像中小波分解第一层的低频信息，此时压缩效果较好，压缩比较小。
   第二次压缩提取第一层分解低频部分的低频部分，其压缩比较大，压缩效果在视觉上也基本过得去。随着分解层数的增加，压缩比是递减的。
   上面的保留原始图像中低频信息的压缩方法是一种最简单的压缩办法。它不需要经过其他处理即可以获得较好的压缩效果。当然，对于上面的例子还可以只提取小波分解的第三、第四层的低频信息。从理论上讲，我们可以获取任意压缩比的压缩图像。只不过在对压缩比和图像质量都有较高要求时，它就不如其他编码方法了。

4.3 小波变换在图像平滑处理中的应用
4.3.1 小波图像平滑处理的基本原理
   图像平滑的主要目的是为了减少噪声。一般情况下，在空间域内可以用平均来减少噪声，而在频率域，由于噪声多在高频段，因此可以使用各种形式的低通滤波办法来减少噪声。

4.3.2 参数设置
  本次毕业设计关于图像平滑处理，采用应用中值滤波进行图像平滑处理。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二文滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二文数据序列。二文中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。
    部分程序代码如下所示：        
  [p,q]=size(X);
  for i=2:p-1        
    for j=2:q-1      //循环嵌套
        Xtemp=0;
        for m=1:3
            for n=1:3
                Xtemp=Xtemp+X(i+m-2,j+n-2);
            end
        end
        Xtemp=Xtemp/9;
        X1(i,j)=Xtemp;  //构造终值滤波器
      end
  end
完整运行程序见附录3。

4.3.3 仿真结果
  仿真结果如图4-5所示：
 
图 4-5 图像平滑处理仿真结果
   先对图像加了一个比较大的白噪声，之后应用中值滤波对含噪图像进行处理。含噪图像经过基于小波的中值滤波处理后具有良好的平滑效果。
4.4小波变换在图像增强中的应用
4.4.1 小波图像增强的基本原理
图像增强是指按特定的需要突出图像上的某些信息,同时削弱或去除某些不压根的信息的图像处理方法。其实质是增强对某种信息的识别能力,使图像更适合人的视觉特性或机器的识别系统。小波变换将一幅图象分解为大小、位置和方向都不同的分量。在做逆变换之前根据需要可以改变小波变换域中某些系数的大小,便得到了一幅梯度信息增强后的小波系数,这样就能够选择的放大所感兴趣的分量而减小不需要的分量。给定一个图像信号,用二文小波分析对图像进行增强处理。由于图像经二文小波分解后,图像的轮廓主要体现在低频部分,而细节部分则体现子高频部分,因此,可以通过对低频分解系数进行增强处理,对高频分解系数进行衰减处理,即可以达到图像增强的作用。    Matlab小波变换在图像处理中的仿真及应用+源码(13):http://www.youerw.com/tongxin/lunwen_705.html