第3章图像变换4.ppt

主要内容 一、小波产生的原因 二、小波变换 三、连续小波变换 四、离散小波变换 五、Mallat算法 六、二维离散小波变换 七、小波的应用 2.多分辨率分析定义 根据Mallat和Meyer 等人的理论，使用一级小波分解方 法将原始图像首先分解为粗糙图像和细节图像 3.常用的二维小波分解方法 八带分解方法属于非均匀频带分割方法，它把低频部分分解成比较窄的频带，而对每一级分解的高频部分不再进一步分解。如图表示图像的数据分解。 嵌入式零树小波编码 1. 嵌入式零树小波编码思想 第二次扫描 步骤1：设置新阈值。T1 =T0/2=16 步骤2：指定系数的符号。D2:NPTTTTTTTTTTTTTTT 第二次扫描 步骤3：量化系数。 第二次扫描 步骤3：量化系数。 对第二次主扫描得到的系数集{63-P, 34-N, 49-P,47-P,31-N,23-P}，进行编码，得到 S2:100110 第二次解码 第1步：提高第1次解码得到的系数的精度。 第2步：求解未解码的系数。D2:NPTTTTTTTTTTTTTTT S2:100110 * * * * * * * * * （3）第1次扫描 3. 嵌入式零树小波编码算法举例 步骤3: 对带符号P/N的系数进行量化 阈值T0=32，大于32的4个系数为{63，34，49，47} 用48把间隔[32，64)分成两部分。幅度在 [32，48)中的系数指定其符号为“0”, 幅度在[48，64)中的系数指定其符号为“1”，这4个系数的量化符号见下页表。 系数幅度 量化符号 重构幅度 63 1 56 34 0 40 49 1 56 47 0 40 表 第一次辅扫描量化表 3. 嵌入式零树小波编码算法举例 步骤4：输出编码信息 编码器输出给解码器的系数符号系列等信息。 3. 嵌入式零树小波编码算法举例 用于给解码器的系数符号系列等信息包含三种 HEADER (即T0=32 ) D1: P N T T P T T Z T T T T T T T P T T S1：1010 编码从最低分辨率图像开始 编码输出 符号集{P，N，T，Z，0，1}中的一系列符号 对整幅图像编码一次，生成一种分辨率图像 在扫描过程中需维护两种表 小波系数的符号表 量化表 3. 嵌入式零树小波编码算法举例 嵌入式零树小波编码总结 3. 嵌入式零树小波编码算法举例 3. 嵌入式零树小波编码算法举例 3. 嵌入式零树小波编码算法举例 第二次编码输出结果： a）为解码器提供的信息 ， ：NPTTTTTTTTTTTTTTT； ：100110 表 二次编码的输出结果 NPTTTTTTTTTTTTTTT/100110 PNTTPTTZTTTTTTTPTT/1010 32 T0 3. 嵌入式零树小波编码算法举例 3. 嵌入式零树小波编码算法举例 解码 EZW的解码过程是EZW编码的逆过程，编码时扫描多少次，解码时也可以解多少次 解码过程大致分为三个步骤 解码器设置阈值 构造逆量化器 开始解读位流中包含的位置和小波系数值 注意 解码时用的逆量化器与编码时用的量化器相同，因此简称为量化器 像编码时那样，每次解码都需要构造量化器 3. 嵌入式零树小波编码算法举例 第1次解码 解码器开始时的阈值T0=32 ，接收到来自编码器第一次扫描输出的系数符号为 P N T T P T T Z T T T T T T T P T T / 1 0 1 0 量化符号与系数符号之间有如下的对应关系 D1 P N T T P T T Z T T T T T T T P T T S1 1 0 1 0 3. 嵌入式零树小波编码算法举例 按照编码时的扫描和量化方法进行解码。 第1个系数符号是P，对应的量化符号位是“1”，因此第1个系数是56 第2个系数符号是N，对应的量化符号位是“0，因此第2个系数是-40 第3个系数符号是T，在相应的图像系数位置上用“0”表示它的系数 …… 3. 嵌入式零树小波编码算法举例 3. 嵌入式零树小波编码算法举例 第一次解码的结果见图 用“0”表示的系数已经扫描过，它们对应符号T或者Z 用“×”表示的系数不需要扫描，是零树根的子孙 第一次解码 在第一次解码之后，解码器需要判断是否要进一步重构比较精细的图像 如果不需要，则退出解码 如果需要则进入第二次解码 3. 嵌入式零树小波编码算法举例 第二次解码 分两步 提高第一次解码时得到的系数精度 求解未解码的系数 使用编码器生成的第二次编码时的信息 D2: N P T T T T T T T T T T T T T T T S2： 1 0 0 1 1 0 3. 嵌入式零树小波编码算法举例 在第一次解码时已经知道了4个系数值是{56, -40, 56, 40}。