一种图像去噪和压缩处理方法
【技术领域】
[0001] 本发明涉及图像处理的技术领域，特别涉及一种图像去噪和压缩处理方法。
【背景技术】
[0002] 图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。但是图 像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的 处理（如分割、压缩和图像理解等）将产生不利影响。尽管图像降质的原因依然无法准确 计算，但可以通过估计其降质因素的影响规律，从而采取适当的方法去除其中的噪声。
[0003] 小波变换是对传统傅里叶变换的集成和发展。其多分辨率分析具有良好的时频特 性。基于小波变换波变换是全局变换，在时域和频域都具有良好的局部化性能。小波分解把 图像分为了四个区。其中低频区所储存的为图像的大部分信息。而高频区对应的是图像的 细节信息。对高频采用逐渐精细的时域步长。可以聚焦到分析对象的任意细节，因此适合 于图像信号这一类非平稳信号的处理，已成为一种图像处理的新手段。在小波去噪中，若直 接用低频分量重构图像，而把高频分量去掉，那么这就是强制去噪。小波变换的图像处理效 果取决于阈值函数的选择。一般而言，图像处理效果越好，则所设置的阈值函数会越复杂。 设置简单的阈值函数（比如设计为定值），往往得不到很好的图像处理效果，为了使得图像 处理具有高清晰度，现在常用的小波变换技术往往采用的是thr = sqrt(2*log(n*log(n)/ log(2)))阀值函数，然而运行速度较慢。
[0004] 一般而言，原始图像中含有大量的冗余信息。图像压缩编码的目的和意义就在于： 减少数据存储量；降低数据率以减少传输带宽；压缩信息量，便于特征抽取，为图像识别做 准备。目前最常见的压缩方法是传统DCT变换压缩。在该压缩过程中，图像先被分解为 8 X 8的像素块，然后对这个8 X 8块进行二维离散余弦变换，每个块就产生了 64个DCT系 数。其中一个是直流（DC)系数，它表示了 8X8输入矩阵全部值的平均数，其余63个系 数为交流（AC)系数。接下来对DCT系数进行量化，最后将量化的DCT系数进行编码，就 形成了压缩后的图像格式。在解码过程中，先对已编码的量化的系数进行解码，然后求逆 量化并利用二维DCT反变换把DCT系数转化为8X8样本像块，最后将反变换后的块组合 成一幅图像。
[0005] DCT除了具有一般的正交变换性质外，它的变换阵的基向量能很好地描述人类语 音信号和图像信号的相关特征。但是，传统DCT由于在生成变换系数掩模矩阵时需要调用 函数确定，变换速度较慢，经过测试发现，其边缘增强效果不佳。
【发明内容】
[0006] 本发明的目的在于克服现有技术的缺点与不足，提供一种图像去噪和压缩处理方 法。该发明在灰度图像去噪时通过设置较为简单的阈值函数thr = sqrt(2*log(n))，比 现有的小波变换有更好的变换速度，比固定数值的阀值函数效果好，在灰度图像压缩时对 工程中常用压缩比为2, 8, 16的系数压缩矩阵进行试验和修改，并得到3个系数掩模矩阵， 压缩时通过switch函数对压缩比进行选择，并不需要进行复杂的函数调用，大大减少计算 量，因此压缩速度的运行速度较快。
[0007] 本发明的目的通过下述技术方案实现：
[0008] -种图像去噪和压缩处理方法，包括下列步骤：
[0009] S1、获取含有噪声的图像信号，并进行量化采样；
[0010] S2、选取小波基函数，对所述量化采样后的图像信号进行M次小波变换，得到分解 的第一高频分量和低频分量，其中M = 1，2, 3，…；
[0011] S3、设置门限阀值函数，并对所述第一高频分量进行阀值萎缩处理得到第二高频 分量；
[0012] S4、将所述第二高频分量和所述低频分量进行重新合成重建，得到去噪后的第二 图像信号；
[0013] S5、去噪后的第二图像信号压缩，通过选择压缩比I :N，其中N= 2、8、16,调用对应 的压缩信息矩阵，利用二维DCT离散余弦变换和反变换，对图像进行压缩和解压缩处理，并 输出处理后的图像。
[0014] 优选的，所述步骤S5具体过程包括：
[0015] S51、选择需要的压缩比I :N，其中N = 2、8、16,并分别调用对应的压缩信息矩阵；
[0016] S52、将所述去噪后的第二图像信号分解为8X8的像素块，然后对各像素块分别 进行二维DCT离散余弦变换，生成DCT变换系数矩阵；
[0017] S53、将所述DCT变换系数矩阵与所述压缩信息矩阵进行分块压缩计算，得到压缩 后的DCT变换的图像数据信息；
[0018] S54、对所述压缩后的DCT变换的图像数据信息进行二维DCT反离散余弦变换，转 化为8X8的像素块，然后生成压缩后的去噪图像。
[0019] 优选的，所述小波基函数为sym3、sym4或sym5。
[0020] 优选的，所述小波变换次数M = 2。
[0021] 优选的，所述对第一高频分量进行阀值萎缩处理的具体规则为：
[0022] 若第一高频分量的小波系数小于所述门限阀值函数，去除该部分小波系数；若第 一高频分量的小波系数大于所述门限阀值函数，保留该部分小波系数。
[0023] 优选的，所述门限阀值函数为thr = sqrt(2*log(n))。
[0024] 优选的，所述门限阀值函数为thr = sqrt(2*log(n))。
[0025] 优选的，所述压缩比I :N中N = 2时，对应的压缩信息矩阵为
[0026] C = [I I I 1 0 I 0 0
[0027] 11100100
[0028] 11000000
[0029] 10001000
[0030] 00000000
[0031] 00011000
[0032] 00100000
[0033] 0000000 0]〇
[0034] 优选的，所述压缩比I :N中N = 8时，对应的压缩信息矩阵为
[0035] B = [I I I I 0 0 0 0
[0036] 11100000
[0037] 10000000
[0038] 00000000
[0039] 00000000
[0040] 00000000
[0041] 00000000
[0042] 0000000 0]〇
[0043] 优选的，所述压缩比I :N中N = 16时，对应的压缩信息矩阵为
[0044] A = [1 1000000
[0045] 00000000
[0046] 00000000
[0047] 00000000
[0048] 00000000
[0049] 00000000
[0050] 00000000
[0051] 0000000 0]〇
[0052] 本发明相对于现有技术具有如下的优点及效果：
[0053] 1、本发明通过设置较为简单的阈值函数thr = sqrt(2*log(n))，比现有的小波变 换有更好的变换速度，比固定数值的阀值函数效果好，综合现代小波变换效果好与固定数 值的阀值函数变换速度快的优点，在现代大数据，多图像的时代，需要进行处理的是大批的 图像，此时，使用本发明既可以在保证与现有的小波变换具有基本相同效果下，有可以大大 减少图像处理的时间，特别适用于高斯噪声的情况。
[0054] 2、在本发明中，对工程中常用压缩比为2,8, 16的变换系数掩模矩阵进行试验和 修改，并得到3个关于系数的压缩信息矩阵，并不需要进行复杂的函数调用，大大减少计算 量，压缩时通过switch函数对压缩比进行选择，因此压缩速度的运行速度较快。
[0055] 3、本发明将去噪和压缩一体化，并通过设计峰值信噪比对图像的去噪和压缩后的 画质效果进行量化，工程人员可以根据输出的峰值信噪比是否符合实际要求改变所需的压 缩比要求，整个运算过程简单快捷。
[0056] 4、本发明在基本保证图片画质的一般效果要求下综合考虑实际工程中要求处理 速度快和时间短应用需求，符合工程运用中高效性，可靠性和实际性的要求，是将复杂理论 改进得到的简便方法。
【附图说明】
[0057] 图1是实施例中小波变换二维图像分解小波系数的示意图；
[0058] 图2是本发明中一种图像去噪和压缩处理方法的步骤流程图。
【具体实施方式】
[0059] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解以下参照 附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
[0060] 实施例
[0061] 在数字化和传输过程中，数字图像常常会受到成像设备与外部环境噪声干扰等影 响，从而形成质量下降的含噪图像。尽管图像降质的原因依然无法准确计算，但可以通过估 计其降质因素的影响规律，从而采取适当的方法去除其中的噪