将一幅512×512的原始灰度图像，采用3×3的平均窗口对它作滤波运算（原图像外围的像素的灰度值视为128）；对滤波后图像隔行、隔列丢弃一半像素形成一幅256×256的小图像；对此小图像分别采用最邻近内插、双线性内插的方法将它放大为512×512的大图像。对照原图像，计算两种放大图像各自的PSNR。-A grayscale original image of 512 × 512, using a 3 × 3 window average (gradation values ​ R

由于指纹所具有的唯一性和不变性，以及指纹识别技术具有很高的可行性和实用性，指纹识别成为目前最流行、最可靠的个人身份认证技术之一。 本论文对指纹图像基于小波变换的各种处理进行了分析、总结。图像处理包括基于小波变换的指纹图像滤波处理和基于小波的指纹图像增强处理。同时介绍指纹图像的预处理：目的是去除指纹图像中的噪音，将其转化为一幅清晰的点线图，便于提取正确的指纹特征。它分四步进行，即灰度滤波、二值化、二值去噪、细化。 本文针对基于点模式匹配的指纹匹配算法速度较慢的现状,设计了一种新

小波降噪的方法有多种，如利用小波分解与重构的方法滤波降噪、利用小波变换模极大值的方法去噪、利用信号小波变换后空域相关性进行信噪分离、非线性小波阈值方法去噪、平移不变量小波降噪法，以及多小波降噪等等。归结起来主要有三类：模极大值检测法、阈值降噪法和屏蔽（相关）降噪法。其中最常用的就是阈值法去噪，其基本思想就是利用图像小波分解后，各个子带图像的不同特性选取不同的阈值，从而达到较好的降噪目的