圖像處理和降噪（包括VisuShrink閾值、均值、中值和NL均值濾波以及加權(quán)平均融合進(jìn)行小波去噪，Python）
圖像降噪是小波變換的重要應(yīng)用之一，通過結(jié)合 VisuShrink閾值、均值濾波、中值濾波等技術(shù)，可以在保留圖像細(xì)節(jié)的同時(shí)有效去除噪聲。
小波去噪基礎(chǔ)流程
小波去噪的核心思想是利用小波變換的多分辨率特性，將圖像分解為不同頻率的子帶（低頻近似 + 高頻細(xì)節(jié)），通過處理高頻子帶中的噪聲系數(shù)，再重構(gòu)得到降噪圖像?；静襟E如下：
- 小波分解：將含噪圖像分解為多級(jí)小波系數(shù)（如使用Daubechies小波）。
- 閾值處理：對(duì)高頻子帶（水平、垂直、對(duì)角線方向）的系數(shù)進(jìn)行閾值處理。
- 濾波增強(qiáng)：結(jié)合空間域?yàn)V波（均值、中值、NL-means）優(yōu)化局部或全局噪聲。
- 加權(quán)融合：對(duì)不同方法處理后的子帶進(jìn)行加權(quán)融合。
- 小波重構(gòu)：將處理后的系數(shù)逆變換為降噪圖像。
- 關(guān)鍵方法
方法 | 原理與特點(diǎn) | 在小波去噪中的作用 |
VisuShrink閾值 | 基于Donoho提出的通用閾值 ?=?2ln?? | 處理高頻子帶中的噪聲小波系數(shù)，抑制低幅值噪聲。 |
均值濾波 | 局部窗口內(nèi)像素灰度值的均值，平滑噪聲但模糊邊緣。 | 優(yōu)化低頻近似子帶，減少全局噪聲。 |
中值濾波 | 局部窗口內(nèi)像素灰度值的中位數(shù)，對(duì)脈沖噪聲（椒鹽噪聲）有效。 | 處理高頻子帶中的孤立噪聲點(diǎn)，保護(hù)邊緣。 |
NL-means濾波 | 利用圖像非局部相似性，通過加權(quán)相似塊進(jìn)行降噪，保留細(xì)節(jié)但計(jì)算量大。 | 增強(qiáng)高頻細(xì)節(jié)子帶的紋理保留能力，減少塊效應(yīng)。 |
加權(quán)平均融合 | 對(duì)不同方法處理的子帶賦予動(dòng)態(tài)權(quán)重（如基于局部方差或邊緣強(qiáng)度），平衡去噪與細(xì)節(jié)保留。 | 融合多方法優(yōu)勢，提升整體降噪效果。 |
應(yīng)用領(lǐng)域與典型案例
1. 醫(yī)學(xué)影像處理
- 場景：MRI、CT圖像中的高斯噪聲與斑點(diǎn)噪聲去除。
- 方法組合：
a.使用Symlets小波分解，高頻子帶采用VisuShrink閾值 + 中值濾波；
b.低頻子帶采用NL-means濾波保留組織結(jié)構(gòu)細(xì)節(jié)；
c.權(quán)重融合時(shí)賦予低頻子帶更高權(quán)重（）。
- 優(yōu)勢：在抑制噪聲的同時(shí)保護(hù)病灶邊緣（如腫瘤輪廓）。
2. 衛(wèi)星遙感圖像
- 場景：多光譜圖像中的混合噪聲（高斯+脈沖）。
- 方法組合：
a.高頻子帶采用VisuShrink閾值 + 中值濾波消除脈沖噪聲；
b.低頻子帶使用均值濾波平滑背景；
c.加權(quán)融合時(shí)根據(jù)波段特性調(diào)整權(quán)重（如近紅外波段側(cè)重NL-means）。
- 優(yōu)勢：提升地物分類精度（如農(nóng)田與森林的邊界清晰度）。
3. 低光攝影降噪
- 場景：手機(jī)或相機(jī)在低光照環(huán)境下拍攝的高ISO噪聲圖像。
- 方法組合：
a.高頻子帶使用VisuShrink閾值 + 中值濾波；
b.低頻子帶采用NL-means濾波保留紋理；
c.動(dòng)態(tài)權(quán)重：邊緣區(qū)域增加NL-means權(quán)重，平坦區(qū)域增加均值權(quán)重。
- 優(yōu)勢：減少噪點(diǎn)同時(shí)避免過度平滑（如人臉膚質(zhì)細(xì)節(jié)保留）。
4. 工業(yè)檢測
- 場景：金屬表面缺陷檢測中的高噪聲干擾。
- 方法組合：
a.高頻子帶使用硬閾值（Hard Thresholding）突出缺陷邊緣；
b.低頻子帶采用中值濾波消除背景紋理噪聲；
c.融合時(shí)通過邊緣檢測圖動(dòng)態(tài)分配權(quán)重。
- 優(yōu)勢：提升缺陷檢測的信噪比（如裂紋與劃痕的識(shí)別率）。
性能對(duì)比與改進(jìn)方向
方法 | 優(yōu)點(diǎn) | 缺點(diǎn) | 改進(jìn)策略 |
VisuShrink閾值 | 計(jì)算簡單，適合高斯噪聲。 | 易過度平滑細(xì)節(jié)。 | 結(jié)合自適應(yīng)閾值（如BayesShrink）。 |
均值濾波 | 快速平滑均勻噪聲。 | 模糊邊緣。 | 與邊緣保護(hù)濾波器（如雙邊濾波）結(jié)合。 |
中值濾波 | 有效去除脈沖噪聲。 | 對(duì)高斯噪聲效果差。 | 級(jí)聯(lián)多級(jí)濾波（如先中值后小波）。 |
NL-means濾波 | 保留紋理細(xì)節(jié)。 | 計(jì)算復(fù)雜度高。 | 塊匹配加速（如積分圖像法）。 |
加權(quán)融合 | 平衡多方法優(yōu)勢。 | 權(quán)重選擇依賴經(jīng)驗(yàn)。 | 基于深度學(xué)習(xí)的自適應(yīng)權(quán)重分配。 |
分割線分割線分割線分割線分割線分割線分割線分割線分割線分割線分割線分割線
圖像處理和降噪（包括VisuShrink閾值、、均值、中值和NL均值濾波以及加權(quán)平均融合進(jìn)行小波去噪，Python）
import os
import math
import warnings
import numpy as np
from tabulate import tabulate
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter, median_filter
from skimage.transform import resize
from skimage.metrics import mean_squared_error, structural_similarity as ssim
from skimage.restoration import denoise_nl_means, denoise_tv_chambolle, denoise_bilateral, denoise_wavelet
完整代碼：??https://mbd.pub/o/bread/mbd-aJWXm5hv??
本文轉(zhuǎn)載自??高斯的手稿??
