对彩色图像进行小波去噪的代码

这里提供一个基于Python的小波去噪的代码示例：

import pywt
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image

# 加载彩色图像
img = np.array(Image.open('test.jpg'))

# 将图像转换为YUV格式
yuv_img = np.zeros(img.shape)
yuv_img = np.dot(img, [0.299, 0.587, 0.114])
yuv_img[:, :, 1] = np.dot(img, [-0.14713, -0.28886, 0.436])
yuv_img[:, :, 2] = np.dot(img, [0.615, -0.51498, -0.10001])

# 定义小波去噪函数
def wavelet_denoise(img, wavelet='db1', level=1):
    # 将图像转换为小波域
    coeffs = pywt.wavedec2(img, wavelet, mode='per', level=level)
    # 进行阈值处理
    coeffs = [pywt.threshold(i, 0.4 * np.max(i)) for i in coeffs]
    # 将小波系数进行重构
    denoised_img = pywt.waverec2(coeffs, wavelet, mode='per')
    return denoised_img

# 对每个通道进行小波去噪
yuv_img[:, :, 0] = wavelet_denoise(yuv_img[:, :, 0])
yuv_img[:, :, 1] = wavelet_denoise(yuv_img[:, :, 1])
yuv_img[:, :, 2] = wavelet_denoise(yuv_img[:, :, 2])

# 将图像转换回RGB格式
rgb_img = np.zeros(img.shape)
rgb_img[:, :, 0] = yuv_img[:, :, 0] + 1.13983 * yuv_img[:, :, 2]
rgb_img[:, :, 1] = yuv_img[:, :, 0] - 0.39465 * yuv_img[:, :, 1] - 0.58060 * yuv_img[:, :, 2]
rgb_img[:, :, 2] = yuv_img[:, :, 0] + 2.03211 * yuv_img[:, :, 1]

# 显示原图和去噪后的图像
plt.subplot(1, 2, 1)
plt.imshow(img)
plt.title('Original Image')
plt.subplot(1, 2, 2)
plt.imshow(rgb_img.astype('uint8'))
plt.title('Denoised Image')
plt.show()

在这个代码中，我们先将彩色图像转换为YUV格式，然后对每个通道进行小波去噪，最后将图像转换回RGB格式并显示原图和去噪后的图像。在小波去噪函数中，我们使用了pywt库来进行小波变换，然后进行了阈值处理来去除噪声。