开通博客赚积分
发布资源赚积分
分类

源码开发语言/平台
当前位置：首页 > 源码/资料 > 图形图像 > 波变换 > 查看源码
dcmddeno.m
资源名称：wavelet_toolbox.rar　[点击查看]
上传用户：haiyisale
上传日期：2013-01-09
资源大小：3246k
文件大小：15k
源码类别：

波变换

开发平台：

Matlab

dcmddeno.m：源码内容
  1. function varargout = dcmddeno(varargin)
  2. %DCMDDENO Demonstrates de-noising tools in the Wavelet Toolbox. 
  3. %
  4. % This is a slideshow file for use with wshowdrv.m
  5. % To see it run, type 'wshowdrv dcmddeno', 
  6. %
  7. % See also DDENCMP, WAVEDEC, WCODEMAT, WDEN, WDENCMP, WNOISE.
  9. %   M. Misiti, Y. Misiti, G. Oppenheim, J.M. Poggi 12-Mar-96.
  10. %   Last Revision: 01-Jun-2001.
  11. %   Copyright 1995-2002 The MathWorks, Inc.
  12. % $Revision: 1.16 $
  14. % Initialization and Local functions if necessary.
  15. if nargin>0
  16. action = varargin{1};
  17. switch action
  18.       case 'addHelp'
  19. % Add Help Item.
  20. %---------------
  21.         hdlFig = varargin{2};
  22. wfighelp('addHelpItem',hdlFig,'De-noising Procedure','DENO_PROCEDURE');
  23.         
  24.       case 'auto'    , wshowdrv('#autoMode',mfilename,'close');
  25.   case 'gr_auto' , wshowdrv('#gr_autoMode',mfilename,'close');
  27.   case 'getFigParam'
  28. figName  = '1-D De-noising using wavelet';
  29. showType = 'mix8';
  30. varargout = {figName,showType};
  31. end
  32. return
  33. end
  35. if nargout<1,
  36.   wshowdrv(mfilename)
  37. else
  38.   idx = 0;
  39.   %========== Slide 1 ==========
  40.   idx = idx+1;
  41.   slide(idx).code = {
  42.   'figHandle = gcf;',   
  43.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',   
  44.   '' };
  46.   slide(idx).text = {
  47.   '',
  48.   ' Press the "Start" button to see a demonstration of',
  49.   ' denoising tools in the Wavelet Toolbox.',
  50.   '',
  51.   ' This demo uses Wavelet Toolbox functions.',
  52.   ''};
  54.   %========== Slide 2 ==========
  55.   idx = idx+1;
  56.   slide(idx).code = {
  57.   'sigCOL = ''r''; sigCOL_2 = ''m''; noiCOL = ''g''; denCOL = ''y'';',
  58.   'sqrt_snr = 3; init = 2055615866;',
  59.   '[xref,x] = wnoise(3,11,sqrt_snr,init);',
  60.   'snr = sqrt_snr^2;',
  61.   
  62.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  63.   'h(1) = subplot(3,1,1);',
  64.   'plot(xref,sigCOL), axis([1 2048 -10 10]);',
  65.   'title(''Original signal'');',
  66.   'h(2) = subplot(3,1,2);',
  67.   'plot(x,noiCOL), axis([1 2048 -10 10]);',
  68.   'title([''Noisy signal - Signal to noise ratio = '',num2str(fix(snr))]);',
  69.   'set(h(1),''Xtick'',[],''Xticklabel'',[]);',
  70.   '' };
  72.   slide(idx).text = {
  73.   ' % Set signal to noise ratio and set rand seed.',
  74.   '        sqrt_snr = 3; init = 2055615866;',
  75.   ' % Generate original signal and a noisy version adding',
  76.   ' % a standard Gaussian white noise.',
  77.   '        [xref,x] = wnoise(3,11,sqrt_snr,init);',
  78.   ''};
  80.   slide(idx).info = 'wnoise';
  82.   %========== Slide 3 ==========
  83.   idx = idx+1;
  84.   slide(idx).code = {
  85.   'lev = 5;',
  86.   'xd  = wden(x,''heursure'',''s'',''one'',lev,''sym8'');',
  88.   'h(2) = subplot(3,1,2);',
  89.   'set(h(2),''Xtick'',[],''Xticklabel'',[]);',
  90.   'h(3) = subplot(3,1,3); plot(xd); axis([1 2048 -10 10]);',
  91.   'title(''Denoised signal - heuristic SURE'');',
  92.   '' };
  94.   slide(idx).text = {
  95.   ' % Denoise noisy signal using soft heuristic SURE thresholding',
  96.   ' % and scaled noise option, on detail coefficients obtained',
  97.   ' % from the decomposition of x, at level 5 by sym8 wavelet.',
  98.   ' % Generate original signal and a noisy version adding',
  99.   ' % a standard Gaussian white noise.',
  100.   '         lev = 5;',
  101.   '         xd  = wden(x,''heursure'',''s'',''one'',lev,''sym8'');'
  102.   ''};
  104.   slide(idx).info = 'wden';
  106.   %========== Slide 4 ==========
  107.   idx = idx+1;
  108.   slide(idx).code = {
  109.   'xd  = wden(x,''rigrsure'',''s'',''one'',lev,''sym8'');',
  111.   'h(3) = subplot(3,1,3); plot(xd,denCOL); axis([1 2048 -10 10]);',
  112.   'title(''Denoised signal - SURE'');',
  113.   '' };
  115.   slide(idx).text = {
  116.   ' % Denoise noisy signal using soft SURE thresholding.',
  117.   ' ',
  118.   '         xd  = wden(x,''rigrsure'',''s'',''one'',lev,''sym8'');'
  119.   ''};
  121.   slide(idx).info = 'wden';
  123.   %========== Slide 5 ==========
  124.   idx = idx+1;
  125.   slide(idx).code = {
  126.   'xd  = wden(x,''sqtwolog'',''s'',''sln'',lev,''sym8'');',
  128.   'h(3) = subplot(3,1,3); plot(xd,denCOL); axis([1 2048 -10 10]);',
  129.   'title(''Denoised signal - Fixed form threshold'');',
  130.   '' };
  132.   slide(idx).text = {
  133.   ' % Denoise noisy signal using fixed form threshold with',
  134.   ' % a single level estimation of noise standard deviation.',
  135.   ' ',
  136.   '         xd  = wden(x,''sqtwolog'',''s'',''sln'',lev,''sym8'');'
  137.   ''};
  139.   slide(idx).info = 'wden';
  141.   %========== Slide 6 ==========
  142.   idx = idx+1;
  143.   slide(idx).code = {
  144.   'xd  = wden(x,''minimaxi'',''s'',''sln'',lev,''sym8'');',
  146.   'h(3) = subplot(3,1,3); plot(xd,denCOL); axis([1 2048 -10 10]);',
  147.   'title(''Denoised signal - Minimax'');',
  148.   '' };
  150.   slide(idx).text = {
  151.   ' % Denoise noisy signal using fixed minimax threshold with',
  152.   ' % a multiple level estimation of noise standard deviation.',
  153.   ' ',
  154.   '         xd  = wden(x,''minimaxi'',''s'',''sln'',lev,''sym8'');'
  155.   ''};
  157.   slide(idx).info = 'wden';
  159.   %========== Slide 7 ==========
  160.   idx = idx+1;
  161.   slide(idx).code = {
  162.   '[c,l] = wavedec(x,lev,''sym8'');',
  163.   'xd  = wden(x,''minimaxi'',''s'',''sln'',lev,''sym8'');',
  165.   ['idxPREV = wshowdrv(''#get_idxSlide'',figHandle); idxSlide = ' int2str(idx) ';'],
  166.   'if idxPREV>idxSlide',
  167.   '   ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  168.   '   h(1) = subplot(3,1,1);',
  169.   '   plot(xref,sigCOL), axis([1 2048 -10 10]);',
  170.   '   title(''Original signal'');',
  171.   '   h(2) = subplot(3,1,2);',
  172.   '   plot(x,noiCOL), axis([1 2048 -10 10]);',
  173.   '   snr = sqrt_snr^2;',
  174.   '   title([''Noisy signal - Signal to noise ratio = '',num2str(fix(snr))]);',
  175.   '   set(h(1:2),''Xtick'',[],''Xticklabel'',[]);',
  176.   'end'
  178.   'h(3) = subplot(3,1,3); plot(xd,denCOL); axis([1 2048 -10 10]);',
  179.   'title(''Denoised signal - Minimax'');',
  180.   '' };
  182.   slide(idx).text = {
  183.   ' % If many trials are necessary, it is better to perform',
  184.   ' % decomposition one time and threshold it many times :',
  185.   ' ',
  186.   '         % decomposition.',
  187.   '         [c,l] = wavedec(x,lev,''sym8'');',
  188.   ' ',
  189.   '         % threshold the decomposition structure [c,l].',
  190.   '         xd = wden(c,l,''minimaxi'',''s'',''sln'',lev,''sym8'');'
  191.   ''};
  193.   slide(idx).info = 'wden';
  195.   %========== Slide 8 ==========
  196.   idx = idx+1;
  197.   slide(idx).code = {
  198.   'load leleccum; indx = 2600:3100;',
  199.   'x = leleccum(indx);',
  200.   
  201.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  202.   'h(1) = subplot(2,1,1);',
  203.   'plot(indx,x,sigCOL), title(''Original signal'');',
  204.   'title(''Original signal'');',
  205.   '' };
  207.   slide(idx).text = {
  208.   ' % Load electrical signal and select a part.',
  209.   ' ',
  210.   '         load leleccum; indx = 2600:3100;',
  211.   '         x = leleccum(indx);',
  212.   ''};
  214.   %========== Slide 9 ==========
  215.   idx = idx+1;
  216.   slide(idx).code = {
  217.   '[thr,sorh,keepapp] = ddencmp(''den'',''wv'',x);',
  218.   'xd = wdencmp(''gbl'',x,''db3'',2,thr,sorh,keepapp);',
  219.   
  220.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  221.   'h(1) = subplot(2,1,1);',
  222.   'plot(indx,x,sigCOL), title(''Original signal'');',
  223.   'title(''Original signal'');',
  224.   'h(2) = subplot(2,1,2);',
  225.   'plot(indx,xd,denCOL); title(''Denoised signal'')',
  226.   '' };
  228.   slide(idx).text = {
  229.   ' % Use wdencmp for signal de-noising.',
  230.   ' ',
  231.   '       % find default values (see ddencmp).',
  232.   '        [thr,sorh,keepapp] = ddencmp(''den'',''wv'',x);',
  233.   ' ',
  234.   '       % denoise signal using global thresholding option.',
  235.   '       xd = wdencmp(''gbl'',x,''db3'',2,thr,sorh,keepapp);',
  236.   ''};
  238.   slide(idx).info = 'wdencmp';
  240.   %========== Slide 10 ==========
  241.   idx = idx+1;
  242.   slide(idx).code = {
  243.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  244.   'init = 2055615866;',
  245.   'sqrt_snr = 5;',      % square root of signal to noise ratio.
  246.   'snr = sqrt_snr^2;',  % signal to noise ratio.
  247.   '[xref,x] = wnoise(1,11,sqrt_snr,init);',
  248.   'indx = linspace(0,1,length(x));',
  249.   'h(1) = subplot(2,1,1);',
  250.   'plot(indx,x,denCOL,indx,xref,sigCOL_2)',
  251.   'title(''Noisy and Original signals'');',
  252.   'xlabel([''Signal to noise ratio = '',num2str(fix(snr))])',
  253.   'xd = wden(x,''heursure'',''s'',''one'',5,''sym8'');',
  254.   'h(2) = subplot(2,1,2);'
  255.   'plot(indx,xd,denCOL,indx,xref,sigCOL_2); xlabel(''Denoised and Original signals'');'
  256.   '' };
  258.   slide(idx).text = {
  259.   ' % Some trial examples without commands counterpart.',
  260.   ' ',
  261.   ' % Rand initialization: init = 2055615866;',
  262.   ' % Square root of signal to noise ratio: sqrt_snr = 5;',
  263.   ' % [xref,x] = wnoise(1,11,sqrt_snr,init);',
  264.   ''};
  266.   slide(idx).info = 'wden';
  268.   %========== Slide 11 ==========
  269.   idx = idx+1;
  270.   slide(idx).code = {
  271.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  272.   'sqrt_snr = 4;',      % square root of signal to noise ratio.
  273.   'snr = sqrt_snr^2;',  % signal to noise ratio.
  274.   '[xref,x] = wnoise(2,11,sqrt_snr,init);',
  275.   'indx = linspace(0,1,length(x));',
  276.   'h(1) = subplot(2,1,1);',
  277.   'plot(indx,x,denCOL,indx,xref,sigCOL_2)',
  278.   'title(''Noisy and Original signals'');',
  279.   'xlabel([''Signal to noise ratio = '',num2str(fix(snr))])',
  280.   'xd = wden(x,''rigrsure'',''s'',''one'',5,''sym4'');',
  281.   'h(2) = subplot(2,1,2);'
  282.   'plot(indx,xd,denCOL,indx,xref,sigCOL_2); xlabel(''Denoised and Original signals'');'
  283.   '' };
  285.   slide(idx).text = {
  286.   ' % Some trial examples without commands counterpart (more).',
  287.   ' ',
  288.   ' % Rand initialization: init = 2055615866;',
  289.   ' % Square root of signal to noise ratio: sqrt_snr = 4;',
  290.   ' % [xref,x] = wnoise(2,11,sqrt_snr,init);',
  291.   ''};
  293.   slide(idx).info = 'wden';
  295.   %========== Slide 12 ==========
  296.   idx = idx+1;
  297.   slide(idx).code = {
  298.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  299.   'sqrt_snr = 3;',      % square root of signal to noise ratio.
  300.   'snr = sqrt_snr^2;',  % signal to noise ratio.
  301.   '[xref,x] = wnoise(3,11,sqrt_snr,init);',
  302.   'indx = linspace(0,1,length(x));',
  303.   'h(1) = subplot(2,1,1);',
  304.   'plot(indx,x,denCOL,indx,xref,sigCOL_2)',
  305.   'title(''Noisy and Original signals'');',
  306.   'xlabel([''Signal to noise ratio = '',num2str(fix(snr))])',
  307.   'xd = wden(x,''sqtwolog'',''s'',''one'',5,''sym8'');',
  308.   'h(2) = subplot(2,1,2);'
  309.   'plot(indx,xd,denCOL,indx,xref,sigCOL_2); xlabel(''Denoised and Original signals'');'
  310.   '' };
  312.   slide(idx).text = {
  313.   ' % Some trial examples without commands counterpart (more).',
  314.   ' ',
  315.   ' % Rand initialization: init = 2055615866;',
  316.   ' % Square root of signal to noise ratio: sqrt_snr = 3;',
  317.   ' % [xref,x] = wnoise(3,11,sqrt_snr,init);',
  318.   ''};
  320.   slide(idx).info = 'wden';
  322.   %========== Slide 13 ==========
  323.   idx = idx+1;
  324.   slide(idx).code = {
  325.   'set(figHandle,''Name'',''1-D De-noising using wavelet'');',
  326.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  327.   'sqrt_snr = 2;',      % square root of signal to noise ratio.
  328.   'snr = sqrt_snr^2;',  % signal to noise ratio.
  329.   '[xref,x] = wnoise(3,11,sqrt_snr,init);',
  330.   'indx = linspace(0,1,length(x));',
  331.   'h(1) = subplot(2,1,1);',
  332.   'plot(indx,x,denCOL,indx,xref,sigCOL_2)',
  333.   'title(''Noisy and Original signals'');',
  334.   'xlabel([''Signal to noise ratio = '',num2str(fix(snr))])',
  335.   'xd = wden(x,''sqtwolog'',''s'',''one'',5,''sym8'');',
  336.   'h(2) = subplot(2,1,2);'
  337.   'plot(indx,xd,denCOL,indx,xref,sigCOL_2); xlabel(''Denoised and Original signals'');'
  338.   '' };
  340.   slide(idx).text = {
  341.   ' % Some trial examples without commands counterpart (more).',
  342.   ' ',
  343.   ' % Rand initialization: init = 2055615866;',
  344.   ' % Square root of signal to noise ratio: sqrt_snr = 2;',
  345.   ' % [xref,x] = wnoise(3,11,sqrt_snr,init);',
  346.   ''};
  348.   slide(idx).info = 'wden';
  350.   %========== Slide 14 ==========
  351.   idx = idx+1;
  352.   slide(idx).code = {
  353.   'ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  354.   'sqrt_snr = 4;',      % square root of signal to noise ratio.
  355.   'snr = sqrt_snr^2;',  % signal to noise ratio.
  356.   '[xref,x] = wnoise(4,11,sqrt_snr,init);',
  357.   'indx = linspace(0,1,length(x));',
  358.   'h(1) = subplot(2,1,1);',
  359.   'plot(indx,x,denCOL,indx,xref,sigCOL_2)',
  360.   'title(''Noisy and Original signals'');',
  361.   'xlabel([''Signal to noise ratio = '',num2str(fix(snr))])',
  362.   'xd = wden(x,''minimaxi'',''s'',''one'',5,''sym4'');',
  363.   'h(2) = subplot(2,1,2);'
  364.   'plot(indx,xd,denCOL,indx,xref,sigCOL_2); xlabel(''Denoised and Original signals'');'
  365.   '' };
  367.   slide(idx).text = {
  368.   ' % Some trial examples without commands counterpart (more).',
  369.   ' ',
  370.   ' % Rand initialization: init = 2055615866;',
  371.   ' % Square root of signal to noise ratio: sqrt_snr = 4;',
  372.   ' % [xref,x] = wnoise(4,11,sqrt_snr,init);',
  373.   ''};
  374.   
  375.   slide(idx).info = 'wden';
  377.   %========== Slide 15 ==========
  378.   idx = idx+1;
  379.   slide(idx).code = {
  380.   'row = 2; col = 2;',
  381.   'load  sinsin',
  382.   'sm = size(map,1);',
  383.   
  384.  ['idxPREV = wshowdrv(''#get_idxSlide'',figHandle); idxSlide = ' int2str(idx) ';'],
  385.   'if idxPREV>idxSlide',
  386.   '   delete(subplot(row,col,2));',
  387.   'else',
  388.   '   set(figHandle,''Name'',''2-D De-noising using wavelet'');',
  389.   '   ax = findall(figHandle,''type'',''axes''); delete(ax); drawnow; h = [];',
  390.   '   colormap(pink)',
  391.   '   h(1) = subplot(row,col,1);';
  392.   '   image(wcodemat(X,sm)), title(''Original Image'');',
  393.   '   axis(''square'')';
  394.   '   set(h(1),''Xtick'',[],''Xticklabel'',[],''Ytick'',[],''Yticklabel'',[]);',
  395.   'end',
  396.   '' };
  398.   slide(idx).text = {
  399.   ' % Load original image.',
  400.   '         load sinsin',
  401.   '         % X contains the original image.',
  402.   ''};
  403.   
  404.   %========== Slide 16 ==========
  405.   idx = idx+1;
  406.   slide(idx).code = {
  407.   'init = 2055615866; randn(''seed'',init);', 
  408.   'x = X + 18*randn(size(X));',
  410.   ['idxPREV = wshowdrv(''#get_idxSlide'',figHandle); idxSlide = ' int2str(idx) ';'],
  411.   'if idxPREV>idxSlide',
  412.   '   delete(subplot(row,col,3));',
  413.   'else',
  414.   '   h(2) = subplot(row,col,2);',
  415.   '   image(wcodemat(x,sm)), title(''Noisy Image'');',
  416.   '   axis(''square'')',
  417.   '   set(h(2),''Xtick'',[],''Xticklabel'',[],''Ytick'',[],''Yticklabel'',[]);',
  418.   'end',
  419.   '' };
  421.   slide(idx).text = {
  422.   ' % Generate noisy image.',
  423.   ' ',
  424.   '         init = 2055615866; randn(''seed'',init);',
  425.   '         x = X + 18*randn(size(X));',
  426.   ''};
  428.   %========== Slide 17 ==========
  429.   idx = idx+1;
  430.   slide(idx).code = {
  431.   '[thr,sorh,keepapp] = ddencmp(''den'',''wv'',x);',
  432.   'xd = wdencmp(''gbl'',x,''sym4'',2,thr,sorh,keepapp);',
  433.   'h(3) = subplot(row,col,3);',
  434.   'image(wcodemat(xd,sm)), title(''De-noised Image'');',
  435.   'axis(''square'')',
  436.   'set(h(3),''Xtick'',[],''Xticklabel'',[],''Ytick'',[],''Yticklabel'',[]);',
  437.   '' };
  439.   slide(idx).text = {
  440.   ' % Use wdencmp for image de-noising.',
  441.   ' ',
  442.   '         % find default values (see ddencmp).',
  443.   '         [thr,sorh,keepapp] = ddencmp(''den'',''wv'',x);',
  444.   ' ',
  445.   '         % denoise image using global thresholding option.',
  446.   '         xd = wdencmp(''gbl'',x,''sym4'',2,thr,sorh,keepapp);',
  447.   ''};
  449.   slide(idx).info = 'wdencmp';
  451.   varargout{1} = slide;
  452. end