MATLAB小波变换图像复原

MATLAB中可以使用小波变换对图像进行去噪和复原。下面是一个简单的示例代码，演示如何使用小波变换对一张受到噪声干扰的图像进行复原：

% 读入一张图像并加入高斯噪声
img = imread('lena.png');
img_noisy = imnoise(img, 'gaussian', 0, 0.01);

% 小波变换
[c, s] = wavedec2(img_noisy, 2, 'db4');

% 阈值处理
thr = wthrmngr('sqtwolog', c);
sorh = 's'; % 削弱小波系数使用软阈值
keepapp = 1; % 保留逼近系数
c_den = wdencmp('gbl', c, s, 'db4', 2, thr, sorh, keepapp);

% 小波反变换
img_denoised = waverec2(c_den, s, 'db4');

% 显示结果
figure;
subplot(1,3,1); imshow(img); title('原始图像');
subplot(1,3,2); imshow(img_noisy); title('加噪后的图像');
subplot(1,3,3); imshow(img_denoised); title('去噪后的图像');

在这个例子中，我们首先读入一张图像并加入高斯噪声。然后使用`wavedec2`函数对图像进行二级小波变换，得到小波系数和小波系数的尺度。接着使用`wthrmngr`函数计算阈值，使用`wdencmp`函数对小波系数进行软阈值处理，得到去噪后的小波系数。最后使用`waverec2`函数对处理后的小波系数进行反变换，得到去噪后的图像。最后我们将原始图像、加噪后的图像和去噪后的图像一起显示出来，以便比较它们的差异。