第六章 小波及多分辨率分析.pptVIP

Computer Vision Laboratory ? 2004.3 CVL Shanghai Jiao Tong University Wavelets and Multiresolution Processing 小波及多分辨率分析讲义 内容安排 引入小波分析的原因 一个简单的入门例子 Haar小波 小波理论的基础知识 在图像处理中的应用 图像及其局部灰度直方图 传统傅立叶分析的不足与小波分析的优势 问题： 右图中 采样频率足够，可是得到的图形却不尽如人意 用fplot命令绘制的图像 可以证明在[0，1]上该函数一共有16480个极值点，显然只进行32次采样会漏掉许多细节。但随着采样点个数的增加，极值点之间的间距将越来越来密，最后变成一块不可分辨的实心矩形。 用fplot命令绘制的图像 怎样来存贮和传输这些数据信号呢？ How many piece of information are needed to store these simple images? The key idea is to store large sparse matrices in terms of their non-zero entries—values and locations only—rather than in matrix form. 以下一个8x8图形中一行的数据 计算平均数 计算第一个数与平均数的差值 分解算法 重构算法 相加 相减 平均系数 average coefficient 细节系数 detail coefficient 用逆分解算法可以重构出原序列 43 0 16 10 0 0 0 12 59 59 27 27 53 53 45 21 取不同的阈值 原始数据和经过分解重构后的数据的比较图 在Matlab中用plot命令绘制的函数 的图像 左图在[0，1]上进行32次均匀采样，右图在[0，1]上进行256次均匀采样 此图为对256个均匀采样值进行上述分解后利用32个细节系数重构得到的近似信号。显而易见要比单单进行32次均匀采样后得到的信号要好得多。 此图为对256个均匀采样值进行分解，只用其中的70个细节系数（其余皆为0）进行重构后得到的近似信号。 一幅照片以及局部放大图片 定义： 可以验证 令 a b c d 图a,b,c为函数 i=1,2,3时的图像，图d为空间 中的一个元素的表示 Haar小波函数 a b c d 空间中的四个小波基函数 V0和V1空间中的Haar尺度函数