使用小波变换硬阈值对灰度图像去噪python

小波变换（Wavelet Transform）是一种在图像处理中常用于信号分析和降噪的技术，而硬阈值去噪是一种常见的基于小波变换的图像去噪方法。在Python中，你可以使用PyWavelets库来实现这一过程。以下是一个简单的步骤：

1. **安装所需库**:
首先，你需要安装`pywt`库，如果还没有安装，可以使用pip安装：

   pip install pywt

2. **导入必要的模块**:

   import numpy as np
   from pywt import wavedec, waverec, dwtcoef

3. **读取和准备图像**:
用PIL库读取灰度图像并转换为numpy数组：

   from PIL import Image
   img = Image.open('image_path.jpg').convert('L')
   img_array = np.array(img)

4. **小波分解**:
使用`wavedec`函数进行小波分解，通常选择Haar或Daubechies小波：

   coeffs = wavedec(img_array, 'haar', level=4) # 级别自定义

5. **硬阈值去噪**:
对每一个小波系数子带应用硬阈值，小于某个阈值（如全局平均值的某个倍数）的系数设为0：

   threshold = np.std(coeffs[-1]) * factor # factor一般设置为2-4
   for i in range(1, len(coeffs)):
       coeffs[i] = np.where(np.abs(coeffs[i]) > threshold, coeffs[i], 0)

6. **重构图像**:
用`waverec`函数将去噪后的系数重新组合成图像：

   denoised_array = waverec(coeffs, 'haar')

7. **保存或显示去噪后的图像**:

   denoised_img = Image.fromarray(denoised_array.astype(np.uint8))
   denoised_img.save('denoised_image.jpg')
   denoised_img.show()