基于小波变换的图像去噪

方法：带噪声图像-小波分解-分度去噪-逆小波变换-恢复图像。远离我不多说了，那么多看的心烦，还是上代码比较好说话的

clear;                 
X=imread(\'life.jpg\');            
X=rgb2gray(X);
subplot(221);          
imshow(X);             
title(\'原始图像\');                  
% 生成含噪图像并图示
init=2055615866;       
randn(\'seed\',init);      
X=double(X);
% 添加随机噪声
XX=X+8*randn(size(X));  
subplot(222);             
imshow(uint8(XX));              
title(\' 含噪图像 \');       
%用小波函数coif2对图像XX进行2层
% 分解
[c,l]=wavedec2(XX,2,\'coif2\'); 
% 设置尺度向量
n=[1,2];                  
% 设置阈值向量 , 对高频小波系数进行阈值处理
p=[10.28,24.08]; 
nc=wthcoef2(\'h\',c,l,n,p,\'s\');
% 图像的二维小波重构
X1=waverec2(nc,l,\'coif2\');   
subplot(223);              
imshow(uint8(X1));                
%colormap(map);            
title(\' 第一次消噪后的图像 \'); 
%再次对高频小波系数进行阈值处理
mc=wthcoef2(\'v\',nc,l,n,p,\'s\');
% 图像的二维小波重构
X2=waverec2(mc,l,\'coif2\');  
subplot(224);             
imshow(uint8(X2));               
title(\' 第二次消噪后的图像 \');