Curvelet介绍.docVIP

Curvelet和傅里叶变换，小波变换对图形处理的关系介绍 Curvelet变换是基于傅里叶变换和小波变换的一种改进，其特点是有高度的各向异性，具有良好表达图形沿边缘的信息的能力，对于恢复形状的沿边缘的主要结构和抑制周边噪声有其特有优势。 其过程为 这和传统的DFT及小波变换的处理过程类似，把图表中的curvelet换成DFT和wavelet就可以了。 为了弄清这个过程，下面从介绍传统的傅里叶变换和逆变换开始， 其离散形式为 二维形式为 其主要过程是把函数（一维信号或二维图像）分解在满足“一些条件”的一组（或连续）基函数上（在许多情况下是正交基，在物理上可以是一些独立的“频谱”），进行重组后可复原原函数。在重组之前，也可以根据应用做一些滤波处理（除去某些不需要的频率），其缺点是缺乏空间域的局部化处理灵活性。公式3中的（，）就是一个基。你可以把一幅8位深度图像分解在256种颜色上，这是可行的，但是对于图像的可操纵性是有限的。对于复杂一些的分解，就需要可行性和附加一些条件，由于分解方法和种类较多，所以用“一些条件”来简述。比如，小波基的条件就是。另外，许多想使用这些工具的人对于这些基或者是“频谱”的相应物理意义和处理目标关系不明确，造成使用困难。 无论做任何处理，首要的原则就是分解重组后能够忠实地复原原函数,这是选取基函数的一个根本要求；其次是基函数必须代表一定的物理