数字图像处理课程设计之小波变换.docVIP

河 南 农 业 大 学 《数字图像处理》 题 目： 小 波 变 换 学 院： 专 业： 班 级： 学 号： 姓 名： 指导教师： 成 绩： 时 间： 年 月 日至 年 月 日 小波变换 一、目的与要求 小波变换可以使得信号的低频长时特性和高频短时特性同时得到处理，具有良好的局部化性质，能有效地克服傅氏变换在处理非平稳复杂信号时存在的局限性，具有极强的自适应性，因此在图像处理中具有极好应用价值。与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。本设计主要分析了基于小波变换的图像分解和图像压缩技术，并运用Matlab软件对图像进行分解，然后提取其中与原图像近似的低频信息，达到对图像进行压缩的目的。分别作第一层分解和第二层分解，并比较图像压缩的效果。 二、设计的内容 利用小波变换的基本原理在MATLAB环境下编写程序对静态图像进行分解并压缩，并观察分析其处理效果。 三、总体方案设计 一个图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的。高分辨率(即高频)子图像上大部分点都接近于0，越是高频这种现象越明显。对一个图像来说，表现一个图像最主要的部分是低频部分，所以利用小波分解就可以达到去掉图像的高频部分而只保留低频部分的目的。 本设计利用MATLAB工具箱中的Wavele Toolbox——小波工具箱对图像进行小波变换。 四、各个功能模块的主要实现程序 (一) 小波变换的分解算法 小波是函数空间(R)中满足下述条件的一个函数或者信号ψ(x)这里，=R-{0}表示非零实数 全体。对于任意的函数或者信号，其小波变换定义为 因此，对任意的函数，它的小波变换时一个二元函数。 另所谓多分辨分析是指设{；}是(R)上的一列闭子空间，其中的一 函数，如果它们满足如下五个条件，即 （1）单调性：，； （2）唯一性：； （3）稠密性：(R)； （4）伸缩性：，； （5）Riesz基存在性：存在，使得{；}构成的Riesz基。称为尺度函数。那么称{{；}，}是(R)上的一个多分辨分析。 若定义函数，，则由多分辨分析的定义，容 易得到一个重要结果，即函数族 {；} 是空间的标准正交基。关于多分辨分析，在这里以一个三层的分解进行说明，其小波分解树如图2.1所示（A表示低频，D表示高频）。 小波分解法 从图中可以明显看出，多分辨分析只是对低频部分进行进一步分解，而高频部分则不予考虑。分解具有关系， 另外强调一点，这里只是以一个层分解进行说明，如果要进行进一步分解，则可以把低频部分分解成低频部分和高频部分，以下再分解，依次类推。在理解多分辨分析时，必须牢牢把握一点，即分解的最终目的是力求构造一个在频率上高度逼近空间的正交小波基，这些频率分辨率不同的正交小波基相当于带宽各异的带通滤波器。从图2.1可以看出，多分辨分析只对低频空间进行进一步的分解，使频率的分辨率变得越来越高。 (二) 小波变换的重构算法 设{}、{}（i=1,2,3）是由两个一元两尺度序列得到的二元尺度序列，即 =，=,=,=。则有重构算法为 = 小波重构的数据传递示意图如图所示 小波变换在图像压缩中的应用 二维离散小波变换后的系数分布 构成了信号的二维正交小波分解系数(如图所示), 二维正交小波分解系数 它们每一个都可被看做一幅图像,给出了垂直方向的高频分量的小波分解系数，给出了水平方向的高频分量的小波分解系数，给出了对角方向高频分量的小波分解系数，给出了的低频分量的小波分解系数。由此可见，若用，，，分别表示，，，经2∶1亚抽样后的变换系数(简称为子图像)，则任一图像都可以分解为j=-J，…，-1之间的3J+1个离散子图像：，，，其中是原图像的一个近似，(i=1，2，3；j=-J，…，-1)则是图像在不同方向、不同分辨率下的细节；如果原图像有N2个像素，则子图像，，，分别有个像素，因而分解后总的像素数为 可见