梁瑛

摘? 要： 針對(duì)平面設(shè)計(jì)中對(duì)于圖像去噪質(zhì)量要求日益增高的問(wèn)題，文中提出基于小波的平面設(shè)計(jì)圖像處理技術(shù)方案。在二維圖像建模的基礎(chǔ)上，利用離散小波的方法對(duì)圖像進(jìn)行變換，改進(jìn)小波系數(shù)閾值設(shè)計(jì)并進(jìn)行量化。為進(jìn)一步提高圖像去噪與恢復(fù)的質(zhì)量，文中還設(shè)計(jì)基于小波分解尺度的自適應(yīng)閾值設(shè)置方法，可以有效地自適應(yīng)調(diào)節(jié)閾值以保留有效信息。仿真驗(yàn)證與數(shù)據(jù)分析結(jié)果表明，文中所設(shè)計(jì)的算法相比于現(xiàn)有算法可以更好地對(duì)圖像進(jìn)行去噪與恢復(fù)，自適應(yīng)閾值可以有效提高圖像恢復(fù)質(zhì)量。

關(guān)鍵詞： 平面設(shè)計(jì); 圖像處理; 圖像變換; 圖像去噪; 圖像恢復(fù); 閾值調(diào)節(jié)

中圖分類(lèi)號(hào)： TN957.52?34? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 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

圖像處理技術(shù)在近年來(lái)得到了廣泛關(guān)注，尤其是隨著現(xiàn)代通信及計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，對(duì)圖像質(zhì)量和清晰度的要求也日益提高[1?2]。由于傳輸環(huán)境等各種因素的影響，圖像通常會(huì)產(chǎn)生失真現(xiàn)象，影響平面設(shè)計(jì)的效果。因此，圖像去噪被廣泛的研究[3?5]。關(guān)于圖像去噪已有較多相關(guān)的方法，主要包括均值濾波方法、雙邊濾波方法等 [6?7]。為了進(jìn)一步提高圖像去噪的性能，小波方法被應(yīng)用到圖像處理中。其與濾波算法相似，在小波去噪算法中關(guān)于閾值設(shè)定也有部分研究[8?9]，硬閾值函數(shù)方法、軟閾值函數(shù)方法等由于復(fù)雜度較低得到了應(yīng)用，但去噪性能損失較大[10?11]。另外，一些結(jié)合粒子群、機(jī)器學(xué)習(xí)等學(xué)習(xí)類(lèi)算法也被用于圖像去噪與恢復(fù)[12?13]。其雖然可以提高去噪效果，但由于復(fù)雜度較高，因而限制了實(shí)用性。本文提出基于小波的平面設(shè)計(jì)圖像處理技術(shù)方案。在圖像二維建模的基礎(chǔ)上，提出利用離散小波技術(shù)對(duì)圖像進(jìn)行去噪。針對(duì)全局閾值對(duì)去噪效果影響較大的問(wèn)題，設(shè)計(jì)了自適應(yīng)的小波閾值設(shè)置方法，可以根據(jù)小波分解尺度進(jìn)行調(diào)節(jié)。

1? 圖像建模

利用小波理論對(duì)圖像進(jìn)行去噪與優(yōu)化，首先需要對(duì)圖形進(jìn)行建模。通?？梢詫⒍S平面圖像以二維數(shù)組[fx，y]的形式進(jìn)行建模，表示如下：

4? 仿真驗(yàn)證及數(shù)據(jù)分析

為了驗(yàn)證本文提出的基于小波的平面設(shè)計(jì)圖像處理算法的有效性。文中利用同一圖像對(duì)不同去噪處理算法進(jìn)行對(duì)比，比較圖像恢復(fù)的峰值信噪比（PSNR）與邊緣保持指數(shù)（EPI）和結(jié)構(gòu)相似性（SSIM）。同時(shí)為了驗(yàn)證所提算法自適應(yīng)閾值設(shè)置的有效性，本文將所提算法與4種現(xiàn)有圖像去噪閾值設(shè)置方法進(jìn)行對(duì)比，比較圖像恢復(fù)后的峰值信噪比與均方誤差（MES）和結(jié)構(gòu)相似性。

如表1所示，對(duì)同一幅圖像使用不同的圖像去噪算法進(jìn)行處理，比較PSNR，EPI和SSIM三項(xiàng)指標(biāo)。其中，基于Frost去噪方法的性能最差，中值濾波與雙邊濾波兩種方法性能相當(dāng)，且雙邊濾波方法略?xún)?yōu)于中值濾波方法。相對(duì)于現(xiàn)有的3種算法，本文所提算法在3個(gè)指標(biāo)上均有所提升。其中，峰值比相對(duì)于雙邊濾波提升6.4 dB，邊緣保持指數(shù)達(dá)到86%，相比于現(xiàn)有算法提升了15%以上;結(jié)構(gòu)相似性達(dá)到84%，比現(xiàn)有算法提升了14%以上。