中文说明：应用背景关于医学图像进行边缘提取的一个简单有效的方法！！关键技术经典的信号去噪方法主要是基于频域的处理方法，以滤波器的形式去噪。它是把有用信号和噪声信号在频域进行分离的方法去噪。但这种方法要在信号频谱和噪声频谱没有重叠的前提下，才能把信号和噪声完全分离开来。但实际情况信号频谱和噪声频谱往往是重叠的，因为无论是高斯白噪声还是脉冲干扰，他们的频谱几乎都是分布在整个频域内。如果要噪声平滑效果好，必然会引起信号的模糊，轮廓不清，要使信号的轮廓清晰，就必然噪声的平滑效果不好。在使用时必须权衡得失，在二者之间做出合理的选择。用低通滤波器进行平滑处理可以去除噪声、伪轮廓等寄生效应，但是由于低通滤波器对噪声等寄生成分去除的同时，也去除了有用的高频成分，即进行噪声平滑的同时，也必定平滑了非平稳信号的突变点。因此这样去噪处理是以牺牲清晰度为代价而换取的。小波分析方法可以用长的时间间隔来获得更加精细的低频率的信号信息，用短的时间间隔来获得高频率的信号信息。在实际的工程应用中，所分析的信号可能包含许多尖峰或突变部分，并且噪声也不是平稳的白噪声。对这种信号的降噪处理，用传统的傅立叶变换分析，显得无能为力，因为它不能给出信号在某个时间点上的变化情况。小波分析作为一种全新的信号处理方法，它将信号中各种不同的频率成分分解到互不重叠的频带上，为信号滤波、信噪分离和特征提取提供了有效途径。有些噪声的频谱是分布在整个频域内的，小波理论的发展和成熟为非平稳信号的分析提供了有利的工具。
English Description：
Application backgroundA simple and effective method for edge detection of medical images!!Key TechnologyThe classical method of signal de-noising is mainly based on the processing method of frequency domain, in order to filter the form of denoising. It is the method of separating the useful signal and the noise signal in the frequency domain.. However, this method can separate the signal and the noise completely without the overlap of the signal spectrum and the noise spectrum.. But the actual signal spectrum and the noise spectrum are often overlapped, because either Gauss white noise or pulse interference, their spectrum is almost distributed throughout the frequency domain. If the noise smoothing effect is good, the signal will be blurred, the contour is unclear, and the smooth effect of the noise is not good.. In the use of the trade-offs must be weighed between the two to make a reasonable choice. With low pass filter to smooth processing