第4章图像变换剖析.ppt

最低阶的哈达玛矩阵为: 高阶哈达玛矩阵可以通过如下方法求得： N＝4的哈达玛矩阵为: 哈达玛变换要求图像的大小为N＝2n 小波变换是20世纪80年代后期发展起来的应用数学分支。小波变换的一个最重要的特点就是具有多分辨率，也称多尺度，可以由粗到细地观察信号，提取信号的局部特征。 4.4 小波变换 小波分析的基本思想 {x1,x2} a=(x1+x2)/2; d=(x1-x2)/2 {a,d} x1=a+d; x2=a-d {x1,x2} 平均值a可以看成原始信号的整体信息，而d可看成原信号用a表示时丢失的细节信息。 平均 细节 信号： 平均：a1,0=(x1+x2)/2; a1,1=(x3+x4)/2 细节：d1,0=(x1-x2)/2; d1,1=(x3-x4)/2 {a1,0, a1,1, d1,0, d1,1; {a1,0, a1,1} 平均：a0,0=(a1,0+a1,1)/2 细节：d0,0=(a1,0-a1,1)/2 {a0,0,d0,0,d1,0,d1,1}; {a0,0} 最高分辨率信息 原始序列的小波变换 次高分辨率低频 最低分辨率低频信息 ：最高分辨率信息 ：次高分辨率低频信息 ：次高分辨率细节信息 ：最低分辨率低频信息 ：最低分辨率细节信息 的小波变换 由信号的 整体平均及两个不同分辨率级的细节信息所组成。 一级小波分解示意图 二级小波分解示意图 LL-----近似小波低频分量，HL------水平细节高频分量， LH-----垂直细节高频分量，HH------对角线细节高频分量 二维离散小波分解示意图 示例： 小波变换在图像处理中的应用 图像压缩：压缩比很高。 图像增强：通过改变小波域中的某些系数的幅度，提升感兴趣的分量，而忽略不需要的东西。 图像融合：将两幅图像中，取各自幅度最大的系数进行组合，产生完美结果。 利用小波变换对图像进行压缩处理 利用小波变换对图像进行消除噪声处理 * * n=3时，x的取值范围为0-7，i的取值范围为0-7 * * 傅立叶变换和反变换对加法满足分配律，对乘法不满足。 5.分配律 6.尺度缩放 给定两个标量a,b，可证明傅立叶变换有以下两式 成立： 原图像的缩放，影响到变换图像的缩放 可得： 7.平均值 二维离散函数的平均值可用下式表示： 将u=v=0代入二维离散函数的傅立叶变换公式 卷积定理指出，函数卷积的傅立叶变换是函数傅里叶变换的乘积，即一个域中的卷积对应于另一个域中的乘积。 一维卷积定理 二维卷积定理 8.离散卷积定理 四、傅立叶变换在图像处理中的应用 1.图像增强与图像去噪 绝大部分噪声都是图像的高频分量，通过低通滤波器来滤除高频---噪声；边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘。 2. 图像分割之边缘检测 提取图像高频分量 3.图像特征提取 形状特征：傅立叶描述子 纹理特征：直接通过傅立叶系数来计算纹理特征 其他特征：将提取的特征值进行傅立叶变换来使特征具有平移、伸缩、旋转不变性。 4.图像压缩 将空域的图像转换到频域，仅储存或传输较低频率上的系数，达到图像压缩目的。 四、Matlab中傅立叶变换的相关函数 傅立叶变换函数 格式为： Y = fft2(X) 返回图像X的二维傅立叶变换Y，输入图像和输出图像大小相同。 2.傅立叶反变换函数 格式为： 返回图像X的二维傅立叶反变换Y，输入图像和输出图像大小相同。 Y = ifft2(X) 例：图像的傅立叶变换 原图像 傅立叶变换图像 Matlab提供函数，进行移动频谱原点到中心。即一、三象限和二、四象限进行互换。 函数格式为： F1 = fftshift(F) 通用变换公式 可分离变换概念 离散余弦变换 沃尔什变换 哈达玛变换 4.3 其它可分离图像变换 一、通用变换公式 正变换： 反变换： 一维离散变换 正变换核 反变换核 4.3 其它可分离图像变换 正变换： 反变换： 二维离散变换 具有可分离性质的变换 二维方阵，正变换的通用式可表示如下 如果 则称该变换核是可分离的。 二、可分离散变换 例如，二维方阵的傅立叶正变换 如果 则称该变换核是对称的。 二维方阵的傅立叶变换核具有对