基于小波的平面设计图像处理技术研究

梁瑛

摘  要： 针对平面设计中对于图像去噪质量要求日益增高的问题，文中提出基于小波的平面设计图像处理技术方案。在二维图像建模的基础上，利用离散小波的方法对图像进行变换，改进小波系数阈值设计并进行量化。为进一步提高图像去噪与恢复的质量，文中还设计基于小波分解尺度的自适应阈值设置方法，可以有效地自适应调节阈值以保留有效信息。仿真验证与数据分析结果表明，文中所设计的算法相比于现有算法可以更好地对图像进行去噪与恢复，自适应阈值可以有效提高图像恢复质量。

关键词： 平面设计; 图像处理; 图像变换; 图像去噪; 图像恢复; 阈值调节

中图分类号： TN957.52?34                         文献标识码： A                       文章编号： 1004?373X（2020）22?0118?03

Abstract： As the requirement of image de?noising quality in graphic design is increasingly severe， a scheme of the wavelet based image processing technology for graphic design is proposed. On the basis of two?dimensional image modeling， the discrete wavelet method is used to transform the image， and improve and quantify the wavelet coefficient threshold design. An adaptive threshold setting method based on wavelet decomposition scale is also designed to further improve the quality of image denoising and restoration， which can effectively perform adaptive adjustment of the threshold to retain the effective information. The results of simulation verification and data analysis show that the algorithm designed in this paper can do the image denoising and restoration better than those that the existing algorithm can do， and the adaptive threshold can effectively improve the quality of image restoration.

Keywords： graphic design; image processing; image transformation; image denoising; image restoration; threshold value adjustment

圖像处理技术在近年来得到了广泛关注，尤其是随着现代通信及计算机网络的发展，对图像质量和清晰度的要求也日益提高[1?2]。由于传输环境等各种因素的影响，图像通常会产生失真现象，影响平面设计的效果。因此，图像去噪被广泛的研究[3?5]。关于图像去噪已有较多相关的方法，主要包括均值滤波方法、双边滤波方法等 [6?7]。为了进一步提高图像去噪的性能，小波方法被应用到图像处理中。其与滤波算法相似，在小波去噪算法中关于阈值设定也有部分研究[8?9]，硬阈值函数方法、软阈值函数方法等由于复杂度较低得到了应用，但去噪性能损失较大[10?11]。另外，一些结合粒子群、机器学习等学习类算法也被用于图像去噪与恢复[12?13]。其虽然可以提高去噪效果，但由于复杂度较高，因而限制了实用性。本文提出基于小波的平面设计图像处理技术方案。在图像二维建模的基础上，提出利用离散小波技术对图像进行去噪。针对全局阈值对去噪效果影响较大的问题，设计了自适应的小波阈值设置方法，可以根据小波分解尺度进行调节。

1  图像建模

利用小波理论对图像进行去噪与优化，首先需要对图形进行建模。通常可以将二维平面图像以二维数组[fx，y]的形式进行建模，表示如下：

4  仿真验证及数据分析

为了验证本文提出的基于小波的平面设计图像处理算法的有效性。文中利用同一图像对不同去噪处理算法进行对比，比较图像恢复的峰值信噪比（PSNR）与边缘保持指数（EPI）和结构相似性（SSIM）。同时为了验证所提算法自适应阈值设置的有效性，本文将所提算法与4种现有图像去噪阈值设置方法进行对比，比较图像恢复后的峰值信噪比与均方误差（MES）和结构相似性。

如表1所示，对同一幅图像使用不同的图像去噪算法进行处理，比较PSNR，EPI和SSIM三项指标。其中，基于Frost去噪方法的性能最差，中值滤波与双边滤波两种方法性能相当，且双边滤波方法略优于中值滤波方法。相对于现有的3种算法，本文所提算法在3个指标上均有所提升。其中，峰值比相对于双边滤波提升6.4 dB，边缘保持指数达到86%，相比于现有算法提升了15%以上;结构相似性达到84%，比现有算法提升了14%以上。