Laplacian算子結合提升小波變換的圖像處理仿真

為了解決常規算法在圖像處理過程中由于圖像紋理信息與邊沿信息丟失，導致圖像處理的質量不高問題，提出了Laplacian算子結合提升小波雙層變換的圖像處理算法。該算法通過提升小波分解預處理圖像，對于圖像分解的低頻區域采用區域能量進行處理，高頻區域采用Laplacian算子進行處理，之后將兩個區域的結果加權，利用提升小波做逆向變換處理后得到重構圖像。通過仿真實驗，驗證了提出的新型圖像處理算法很好的保證了圖像信息的完整，失真度更小，圖像處理質量更高。

【關鍵詞】Laplacian算子 提升小波 圖像處理

1 引言

良好的局部變換性能，使得小波變換經常被應用在圖像處理方面，然而由于算法本身的固有缺陷，如需要提前給定小波基，導致了常規小波對圖像處理的效果并不理想，無法保證圖像信息的完整性。為了解決常規小波的不足，提高圖像處理質量，提出了Laplacian算子結合提升小波雙層變換的圖像處理算法。提升小波的算法復雜度較常規算法有明顯減低，因此能夠提高計算圖像信息的時間，快速地將圖像分解成高、低頻兩個區域，再結合Laplacian算子作為計算高頻區域的規則，以區域能量作為計算低頻區域的規則，從而實現圖像信息的完整保留，以及圖像邊緣的有效處理。

2 Laplacian算子結合提升小波變換的圖像處理算法設計

2.1 提升小波的圖像分解

對于任何一個圖像，其高頻區域包含了更多的圖像紋理信息與邊緣信息，低頻區域則保存了區域的相關性等信息，因此分解預處理圖像，針對頻率區域進行處理可以得到更好的圖像質量。

常規的小波算法通常利用卷積來實現，這樣往往導致算法復雜度的增加，因此，為了簡化圖像處理過程中的計算量，這里采用提升小波，其對圖像的分解步驟為：

2.1.1 分裂操作

通過前面的分析計算得到圖像高、低頻區域系數后之后，利用提升小波對其逆變換操作，便完成了本文設計的圖像處理方法。

3 仿真實驗與結果分析

通過仿真實驗對比，對本文提出的圖像處理算法效果進行驗證，采用最大值與加權平均結合方法與本文提出方法進行對比，得到的客觀數據為表1。

通過表1中的數據對比，本文提出的方法具有更高的標準差和清晰度，標準差能夠用來表示對比度，而清晰度則能夠體現圖像的細節和邊緣信息。

4 結語

由于常規算法存在的圖像處理效果不佳的問題，提出了Laplacian算子結合提升小波雙層變換的圖像處理算法。在分析常規算法缺陷的基礎上，采用提升小波做圖像分解，然后針對高、低頻分別采用Laplacian計算規則，以及區域能量規則。通過仿真實驗，從數據上證明了本文提出的方法具有更好的圖像清晰度以及對比度，更好地處理圖像細節特征，降低了失真度。

參考文獻

[1]余汪洋，陳祥光，董守龍，等.基于小波變換的圖像融合算法研究[J].北京理工大學學報，2014，34（12）：1262-1266.

[2]王玥，周城，熊承義.基于紋理自適應全變分濾波的圖像分塊壓縮感知優化算法[J].計算機科學，2016，43（02）：307-310.

[3]顧思思，宋梅.基于塊方向性小波變換的圖像融合算法[J].量子電子學報，2016，33（01）：29-34.

作者簡介

包瑋琛（1984-），男，蒙古族，遼寧省大連市人，博士學位，講師，主要研究方向為軟件工程。

王劍峰（1982-），男，漢族，重慶市人，研究生學歷，副教授，研究方向為數字圖像處理。

作者單位

重慶航天職業技術學院 重慶市 400021