图像压缩介绍.ppt

图3.14 可分离二维小波变换的频率域分解 （a）1层分解 （b）2层分解 （c）3层分解 逆变换 重构算法按相反的步骤进行 这样就构成了2D DWT的金字塔结构。 由于小波变换的理论和算法比较复杂，从应用的角度看，请将注意力集中在用MATLAB对图像进行小波变换和重构的实现过程中。 * 与小波函数有关的Matlab函数 ? WAVEINFO函数： 提供小波工具箱中所有小波信息。 ? WAVEFUN函数： 返回一维小波的小波函数和尺度函数（如果尺度函数存在的情况下）的近似值。 ? WFILTERS函数： 返回指定小波的分解和重构滤波器 * waveinfo(db); %显示db系小波信息 [phi,psi,xval]=wavefun(db2,10); %得到db2的尺度函数和小波函数 subplot(242);plot(xval,phi,k); %显示尺度函数 axis([0 3 -0.5 1.5]);axis square; title(db2 尺度函数); subplot(243); plot(xval,psi,k); %显示小波函数 axis([0 3 -1.5 1.5]);axis square; title(db2 小波函数); ? [lo_d,hi_d,lo_r,hi_r]=wfilters(db2); %得到db2的相关滤波器 subplot(245); stem(lo_d,ok); title(db2 分解低通滤波器); subplot(246); stem(hi_d,ok) ；title(db2 分解高通滤波器); subplot(247);stem(lo_r,ok); title(db2 重构低通滤波器); subplot(248); stem(hi_r,ok); title(db2 重构高通滤波器); 【例】构建滤波器 【例】对图像实现小波变换 bior3.7是双正交样条小波对应的滤波器。图像：wbarb.mat。 【解】MATLAB程序如下： load wbarb;% %从磁盘调入磁盘文件wbarb.mat image(X); %将矩阵X显示为图像. colormap(map); %配合函数image()画出连续的灰度图 [cA1,cH1,cV1,cD1] = dwt2(X,bior3.7); %对X进行DWT，bior3.7是双正交样条小波对应的滤波器 A1 = upcoef2(a,cA1,bior3.7,1); H1 = upcoef2(h,cV1,bior3.7,1); V1 = upcoef2(v,cV1,bior3.7,1); D1 = upcoef2(d,cD1,bior3.7,1); figure;colormap(map) ; subplot(2,2,1); image(wcodemat(A1,180)); title(Approximation A1) subplot(2,2,2); image(wcodemat(H1, 255)); title(Horizontal Detail H1) subplot(2,2,3); image(wcodemat(V1,255)); title(Vertical Detail V1) subplot(2,2,4); image(wcodemat(D1,255)); title(Diagonal Detail D1) Y = 2.0*IDWT2(A1,H1,V1,D1, bior3.7); Y = imresize(Y,0.5); figure; image(Y);colormap(map); 图3.15 一层小波变换 （a）原图像 （b）逆变换后的图像 图3.15 一层小波变换 （c）一层小波变换的4个分量 小波变换应用示例 如何得到清晰图? 小波变换应用示例 直接将两图相加,问题? + 小波变换应用示例 多聚焦图像数据融合（图像复原） 利用小波变换，将图像分解为高频和低频的两类分量 小波变换应用示例 多聚焦图像数据融合（图像复原） 利用小波变换，将图像分解为高频和低频的两类分量 分别融合两图的高频和低频的两类分量 如何融合? 低频,高频分别相加? 小波变换应用示例 多聚焦图像数据融合（图像复原） 利用小波变换，将图像分解为高频和低频的两类分量 分别融合两图的高频和低频的两类分量 低频,高频分别按不同规则融合