【小波变换】小波阈值去噪

最新推荐文章于 2024-09-19 14:38:49 发布

Yux an

最新推荐文章于 2024-09-19 14:38:49 发布

阅读量4k

点赞数 4

文章标签：算法性能优化 matlab 小波分析

原文链接：https://blog.csdn.net/baidu_27643275/article/details/85303420

版权

在这里插入图片描述

小波阈值去噪有两个关键点：一是阈值的选取，二是阈值函数的选取。

硬阈值法：将信号的绝对值与阈值进行比较，小于阈值的点置为零，其他保持不变；
软阈值法：将信号的绝对值和阈值进行比较，小于阈值的点置为零，大于或等于阈值的点则向零收缩，变为该点值与阈值之差。

在这里插入图片描述

硬阈值法可以对图像的边缘和细节等局部信息进行保留，但图像会发生局部失真;而软阈值处理则相对平滑，但其又使得边缘模糊、图像失真。

在这里插入图片描述

# python实现
import numpy as np
import pywt
data = np.linspace(1, 4, 7)
# array([ 1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ])

# 软阈值法（绝对值与阈值比较，大于缩小，小于置零）
pywt.threshold(data, 2, ‘soft’)
# array([ 0. , 0. , 0. , 0.5, 1. , 1.5, 2. ])
# 硬阈值法（绝对值与阈值比较，大于不变，小于置零）
pywt.threshold(data, 2, ‘hard’)
# array([ 0. , 0. , 2. , 2.5, 3. , 3.5, 4. ])
# greater
pywt.threshold(data, 2, ‘greater’)
# array([ 0. , 0. , 2. , 2.5, 3. , 3.5, 4. ])
# less
pywt.threshold(data, 2, ‘less’)
# array([ 1. , 1.5, 2. , 0. , 0. , 0. , 0. ])