图像处理课件05-频域变换讲述.ppt

* * * * * * * * * * * * * * * * * * * * 把由4个像素组成的一幅图像用一个平均像素值和三个细节系数表示，这个过程称为哈尔小波变换(Haar wavelet transform)，也称哈尔小波分解(Haar wavelet decomposition)。这个概念可以推广到使用其他小波基的变换 特点：(1) 变换过程中没有丢失信息，因为能够从所记录的数据中重构出原始图像。(2) 对这个给定的变换，可从所记录的数据中重构出各种分辨率的图像。(3) 通过变换之后产生的细节系数的幅度值比较小，为图像压缩提供了一种途径，如去掉微不足道的系数 分辨率 平均值 细节系数 4 [9 7 3 5] 2 [8 4] [1 -1] 1 [6] [2] 表 哈尔变换过程 Haar小波变换 在例中的求均值和差值的过程实际上就是一维小波变换的过程，现在用数学方法重新描述哈尔小波变换 I(x)图像用V2中的Haar基表示 I(x)图像用V1和W1中的函数表示生成V1矢量空间的基函数为 和 ，生成矢量空间W1的小波函数为 和 ，I(x)可表示为 I(x)图像用V0、W0和 W1中的函数表示生成矢量空间V0的基函数为 ，生成矢量空间W0的小波函数为 ，生成矢量空间W1的小波函数为  和 ， I(x)可表示为 用小波对图像进行变换的两种方法 标准分解(standard decomposition) 首先使用一维小波对图像每一行的像素值进行变换，产生每一行像素的平均值和细节系数，然后使用一维小波对这个经过行变换的图像的列进行变换，产生这个图像的平均值和细节系数 分解的过程如下： 图像的标准分解方法 非标准分解(nonstandard decomposition) 用一维小波交替地对每一行和每一列像素值进行变换。 对每一行计算像素对的均值和差值，然后对每一列计算像素对的均值和差值 对包含均值的1/4像素计算行和列的均值和差值，依此类推 过程如下： 图像的非标准分解方法 (a) 原始图像 (b) 1/4分辨率图像 (c) 1/16分辨率图像 (d) 1/64分辨率图像 使用小波分解产生多种分辨率图像 (c) 1/16分辨率图像 (d) 1/64分辨率图像 灰度图 * * * * * * * * * * * * * * * * * * * * * * * * * * 离散小波变换(discrete wavelet transform，DWT) 用小波的基函数(basis functions)表示一个函数的方法 小波的基函数序列或称子小波(baby wavelets)函数是由单个小波或称为母小波函数通过缩放和平移得到的 缩放因子和平移参数都选择2j (j 0的整数)的倍数，这种变换称为双尺度小波变换(dyadic wavelet transform) 离散小波变换分析图 DWT得到的小波系数、缩放因子和时间关系，见图 图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(short time Fourier transform，STFT)得到的 图(b)是20世纪80年代使用Morlet开发的小波变换得到的 小波分解树与小波包分解树 由低通滤波器和高通滤波器组成的树 原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。 小波分解树(wavelet decomposition tree) 用下述方法分解形成的树：对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量，见图7-7 小波包分解树(wavelet packet decomposition tree) 用下述方法分解形成的树：不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量，见图7-8 小波分解树 小波重构 重构概念 把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或合成(synthesis)，数学上叫做逆离散小波变换(inverse discrete wavelet transform，IDWT) 两个过程 在使用滤波器做小波变换时包含滤波和降采样(downsampling)两个过程，在小波重构时也包含升采样(upsampling)和滤波两个过程，见图7-10 升采样是在两个样本数据之间插入“0”，目的是把信号的分量加长，其过程见图 小波重构方法 图 升采样的方法 重构滤波器 滤波器关系到能否重构出满意的原始信号。