基于小波变换的迭代去噪算法

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。

compileMexFiles.m
images
barbara.png
boat.png
couple.png
fingerprint.png
hill.png
house.png
Lena512.png
man.png
peppers256.png
image_denoising
demo_denoising.m
filtDenoiseTrain.m
filterDenoise.m
mxCalcPermRand2Sets.c
mxCalcPermRand2Sets.mexw64
mxSubim2im.c
mxSubim2im.mexw64
trainedFilters1
trainedFilters2
image_inpainting
demo_inpainting.m
inpaint1DInterp.m
mxCalcPermInpaintRand.c
mxCalcPermInpaintRand.mexw64
mxCalcPermRand.c
mxCalcPermRand.mexw64
image_permutation
demo_permutation.m
mxCalcPermRand.c
mxCalcPermRand.mexw64
readme.txt