小波变换 图像去噪 python

你可以使用小波变换来对图像进行去噪处理。在Python中，你可以使用pywt库来实现小波变换。以下是一个简单的示例代码：

import cv2
import numpy as np
import pywt

# 加载图像
image = cv2.imread('image.jpg', 0)

# 进行小波变换
coeffs2 = pywt.dwt2(image, 'haar')

# 将小波系数进行阈值处理
coeffs2_threshold = list(coeffs2)
coeffs2_threshold[0] *= 0.1  # 对低频部分进行阈值处理
coeffs2_threshold[1] = tuple(map(lambda x: pywt.threshold(x, np.std(x)*2, mode='soft'), coeffs2_threshold[1]))  # 对高频部分进行阈值处理

# 将小波系数进行反变换
image_denoised = pywt.idwt2(coeffs2_threshold, 'haar')

# 显示原始图像和去噪后的图像
cv2.imshow('Original', image)
cv2.imshow('Denoised', image_denoised.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先加载图像，然后使用'haar'小波进行二维小波变换。接下来，我们对小波系数进行阈值处理，保留一部分低频部分，并对高频部分进行软阈值处理。最后，我们将阈值处理后的小波系数进行反变换，得到去噪后的图像。

请确保你已经安装了pywt和opencv-python库，并将'image.jpg'替换为你要处理的图像文件路径。