通過短波實現噪音消除，與高斯去噪的基本原理一致。
小波變換具有如下特點：
低熵性，小波係數的稀疏分布，使得影象變換後的熵降低
多解析度，由於採用了多解析度的方法，可以刻畫訊號的非平穩特徵
去相關性，小波變換可以對訊號進行去相關，且雜訊在變換後具有白化趨勢，所以小波域比時域更利於去噪
對於小波去噪問題的本質是個函式逼近問題，如何在由小波母函式伸縮和平移版本所展成的函式空間中，根據提出的衡量準則，尋找對訊號的最佳逼近，以完成原訊號和雜訊訊號的區分。也就是尋找從實際訊號空間到小波函式空間的最佳對映，來得到原訊號的最佳恢復。
從訊號學的角度看，小波去噪是乙個訊號濾波的問題，儘管很大程度上小波去噪是乙個低通濾波，但是去噪後又保留了原訊號特徵，所以在這一點上比較優於傳統的低通濾波。
小波去噪流程圖
小波去噪：帶雜訊訊號經過預處理，然後利用小波變換把訊號分解到各尺度中，在每乙個尺度下把屬於雜訊的小波係數去掉，並保留屬於訊號的小波係數，最後經過小波逆變換恢復檢測訊號。
小波去噪在去除雜訊的時候提取並且保留對視覺有作用的邊緣資訊，而傳統的基於傅利葉變換去除雜訊方法在去除雜訊和邊緣保持了存在著矛盾，因為傅利葉變換在時域不能區域性化，難以檢測到局域突變訊號，去除雜訊的同時也損失了邊緣資訊，小波去噪方法具有明顯的效能優勢。
小波去噪實現步驟：
1，二維訊號的小波分解，選擇乙個小波和小波分解的層次n，然後計算訊號s到第n層的分解
2，對高頻稀疏進行閾值量化，對於從1~n的每一層，選擇乙個閾值，並對這一層的高頻係數進行軟閾值化處理。
3，二維小波重構：根據小波分解的第n層的低頻稀疏和經過修改的第一層到第n層的高頻係數，計算二維訊號的小波重構。
小波閥值去噪法基礎
1 小波閥值去噪的基本思想 donoho提出的小波閥值去噪的基本思想是將訊號通過小波變換 採用mallat 演算法 後，訊號產生的小波係數含有訊號的重要資訊，將訊號經小波分解後小波係數較大，雜訊的小波係數較小，並且雜訊的小波係數要小於訊號的小波係數，通過選取乙個合適的閥值，大於閥值的小波係數被認為是...
基於python的小波閾值去噪演算法
發表於 2018 01 10 16 32 17 嵌入式設計應用 關注影象和雜訊在經小波變換後具有不同的統計特性 影象本身的能量對應著幅值較大的小波係數，主要集中在低頻 ll 部分 雜訊能量則對應著幅值較小的小波係數，並分散在小波變換後的所有係數中。基於此可設定乙個合適的閾值門限，認為大於該閾值的小波...
python opencv濾波去噪
利用均值濾波去除雜訊，python版opencv的安裝不再贅述 左邊是原圖，右邊是濾波之後的結果 附 import cv2 生成8000個噪點 a random.randint 0 499 b random.randint 0 499 img01 a,b 255 cv2.imshow origina...