小波在图像压缩方面的应用概要.ppt

小波分析在图像压缩的应用 电子与通信工程 159030021 张倩 * 1、引言 小波分析诞生于20世纪80年代, 被认为是调和分析即现代Fourier分析发展的一个崭新阶段。众多高新技术以数学为基础,而小波分析被誉为“数学显微镜”,这就决定了它在高科技研究领域重要的地位。目前, 它在模式识别、图像处理、语音处理、故障诊断等方面的应用都得到了广泛深入的研究。 小波分析具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下可以用较低的频率分辨率来换取精确的时间定位。 本文介绍了小波变换的基本理论，然后研究了小波分析在图像处理中图像压缩的应用。 * 2、小波分析的基本理论 2.1 连续小波变换 x(t) : 平方可积函数，记作 x(t)∈L2(R) 。 ψ(t) : 基本小波或母小波函数。 x(t) 的连续小波变换（a、τ、t 连续变量）： 正变换： a :尺度因子（a 0） τ: 位移，可正可负 : 基本小波的位移与尺度伸缩 : 内积，*表示共轭 * 逆变换： * 是 的傅里叶变换。 2.2 离散小波变换 在实际运用中，尤其是在计算机上实现时，连续小波必须加以离散化。因此，有必要讨论连续小波和连续小波变换的离散化。 尺度按幂级数离散化: 位移按幂级数离散化: （τ0的取值应该满足采样定理） 离散小波变换 * * 小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。这里我将介绍小波分析在图像压缩方面的应用。 （1）基于小波变换的图像局部压缩 下面我们利用小波变化的时频局部化特性，举一个局部压缩的例子，可以通过这个例子看出小波变换在应用这类问题上的优越性。 3、小波分析在图像处理中的应用 * load wbarb ％使用sym4小波对信号进行一层小波分解 [ca1,ch1,cv1,cd1]=dwt2(X,sym4); codca1=wcodemat(ca1,192); codch1=wcodemat(ch1,192); codcv1=wcodemat(cv1,192); codcd1=wcodemat(cd1,192); ％将四个系数图像组合为一个图像 codx=[codca1,codch1,codcv1,codcd1] ％复制原图像的小波系数 rca1=ca1; rch1=ch1; rcv1=cv1; rcd1=cd1; ％将三个细节系数的中部置零 rch1(33:97,33:97)=zeros(65,65); rcv1(33:97,33:97)=zeros(65,65); rcd1(33:97,33:97)=zeros(65,65); codrca1=wcodemat(rca1,192); codrch1=wcodemat(rch1,192); codrcv1=wcodemat(rcv1,192); codrcd1=wcodemat(rcd1,192); * ％将处理后的系数图像组合为一个图像 codrx=[codrca1,codrch1,codrcv1,codrcd1] ％重建处理后的系数 rx=idwt2(rca1,rch1,rcv1,rcd1,sym4); subplot(221);image(wcodemat(X,192)),colormap(map);title(原始图像); subplot(222);image(codx),colormap(map);title(一层分解后各层系数图像); subplot(223);image(wcodemat(rx,192)),colormap(map);title(压缩图像); subplot(224);image(codrx),colormap(map);title(处理后各层系数图像); ％求压缩信号的能量成分 per=norm(rx)/norm(X) per =1.0000 ％求压缩信号与原信号的标准差 err=norm(rx-X) err =586.4979 图1 利用小