第二讲 背景知识.ppt

视 频 图 像 处 理 宋 建 中 第二章 图像处理的背景知识 - 小结 60 本讲小结（续） 用与图像中感兴趣的成分相似的基函数 对 图像进行小波变换非常重要。 小波具有许多特点。 小波在图像处理中的主要用途（提取特 征、重构模板）。 离散小波变换：滤波器族（时-频分析）； 多分辨率（时域尺度分析）。 See you next week! 61 [1]数字图像： 一个被量化的采样数值的二维矩阵。图像序列是三维矩阵。多光谱图像是高维矩阵 。 [1] h是滤波器 [1] 富立叶变换存在的条件可以参考教科书。 [2] 参数（x,y)代表图像坐标，（u,v)叫做空间频率。 f(x,y）可以解释为简谐函数e-2πi(xu+yv)的线性组合。它的实部和虚部分别为sin和cos函数。 F(u,v)是一个加权的函数，权重代表各个谐波的影响大小。 [1] 结果是产生一个与频率s和位移a均成正比的相移。相位跟踪利用这个原理。 [2] 有人称为相位跟踪 [1] *表示复数共扼。图像函数值总是实数，所以可以值用付立叶变换在第一相限的结果。如果图像函数是对称的，富立叶变换的结果是个实函数。 [2] 卷积和它的付立叶变换的关系。 [2] 注意： 实际的图像并不是线性的，因为图像的大小和像元灰度级至多是有限的 [1] G(u,v) = F(u,v)H(u,v)在图像处理中经常用到。 [2] 比如不超出视场，亮度不饱和。 [1]一个连续函数是由双无限序列来表示的，完备重构必须包括所有项。 [2]局部性好：离开原点后迅速趋于零。 [1] Wf(a,b) = f, Ψ a,b =∫ f(x) Ψ a (x-b) dx [1]低对比的弱小目标。 [1] 不正交，增加冗余。 [1] CT的三维成像、家具设计、用数字图像系统进行艺术创作。 [1]由于随意地变化和噪声的影响。 [2] 概率跟踪，不考虑图像细节，只考虑整体的变化。 [1] 图像序列是三维矩阵。多光谱图像是高维矩阵 。 一般采用等距离矩形网格采样和对幅度进行等间隔量化。也有非均匀采样和非均匀量化。 [1]只是：图像f(x1,y1,ωi)中的一点(x1,y1,ωi)与另一个图像g(x2,y2,ωi)中的一点(x2,y2,ωi)相关. [1] 它的表达式是许多事件比此间的复杂关系。 [1] 它的表达式是许多事件比此间的复杂关系。 [1] 它的表达式是许多事件比此间的复杂关系。 有限区间的波形叫小波。 2.6.1 小波（wavelet) 第二章 图像处理的背景知识 - 小波变换 30 小波函数: 表示小波的函数叫小波函数 用小波函数做基函数进行的变换 称为小波变换 第二章 图像处理的背景知识 - 小波变换 小波基函数（基向量）是由一个 函数通过平移和伸缩来产生的。 小波变换: 小波基函数: 29 小波变换具有尺度和位置双重属性。 二、视频图像处理概述（续） 第一章 绪论 第二章 图像处理的背景知识 - 小波变换 30 0 1 0 1 2 3 4 5 6 7 基小波以2的乘方减 小尺寸； 每个小波以其宽度为 增量平移； 小波幅度以√2的乘 方增加； 一组完整的小波完全 覆盖整个区域。 一个信号的瞬态分量（局部特征波形）映射到空间-频率 平面上的位置对应于该分量主要频率和发生的空间位置。 （X） （Y） X1 Y1 重构结果 空间位置 （X） 空间频率（S） 幅度（A） X1 S1 S2 S3 空间位置 （Y） 空间频率（S） 幅度（A） Y1 S3 S1 S2 X1 （X） （Y） Y1 原始图像 第二章 图像处理的背景知识 - 小波变换 2.6.2 小波的空间-频率域分析 31 用带通滤波器几乎完全可以将不同频率分量分离。 小波图像分析 f(x,y) g1(x,y)= f(x,y) * h1(x,y) h1(x,y) h2(x,y) g2(x,y)= f(x,y) * h2(x,y) 第二章 图像处理的背景知识 - 小波变换 小波分析能同时在空域（时域）和频域确定瞬态分量。 32 2.6.3 小波变换的比喻 f t ＃ 五线谱—时频平面 音阶—频率 音符—小波分量 节拍—小波持续时间 小波变换 —分析乐曲的录音并写出乐谱 — 分析图像, 抽取小波特征 小波反变换 — 记录根据乐谱演奏的乐曲(重构) — 根据小波, 重构图像 比喻之一 第二章 图像处理的背景知识 - 小波变换 33 第二章 图像处理的背景知识 - 小波变换 3