傅里叶变换、离散余弦变换与小波变换.doc

数字图像处理 实验三：二维离散傅里叶、余弦、小波变换 实验目的 了解图像正变换和逆变换的原理。 了解图像变换系数的特点。 掌握常用图像变换的实现过程。 掌握图像的频谱分析方法。 了解图像变换在图像数据压缩等方面的应用。 实验主要仪器设备 微型计算机：Intel Pentium及更高。 MATLAB软件。 实验原理 二维离散傅里叶变换、余弦变换、小波变换的正逆变换公式，MATLAB中的上述变换的实现函数以及讨论正交变换的应用。 1. 二维离散傅里叶变换（Discrete Fourier Transform，DFT） 对于二维傅立叶变换，其离散形式如式（1）所示；逆变换公式如式（2）所示： （1） （2） 频谱公式如式（3）所示： （3） 由可傅立叶变换的分离性可知，一个二维傅立叶变换可分解为两步进行， 其中每一步都是一个一维傅立叶变换。先对f(x, y)按列进行傅立叶变换得到F(x, v)，再对F(x, v)按行进行傅立叶变换，便可得到f(x, y)的傅立叶变换结果。显然对f(x, y)先按行进行离散傅立叶变换， 再按列进行离散傅立叶变换也是可行的，这里不再一一赘述。 此外，在实际工程应用中分析幅度谱较多，习惯上也常把幅度谱称为频谱。使用DFT变换进行图像处理时，有如下特点： （1）频谱的直流成分为，说明在频谱原点的傅里叶变换F（0,0）等于图像的平均灰度级。 （2）幅度谱关于原点对称，即。 （3）图像平移后，幅度谱不发生变化，仅有相位发生变化。 DFT是一种基本和重要的正交变换。为了提高计算效率，应用时往往采用二维FFT实现。而一般的正交变换图像经过对数变换后便于观察。MATLAB采用fft2和ifft2分别进行二维DFT变换和二维DFT逆变换，采用fftshift将直流分量移到频谱图的中心以便观察。 2. 二维离散余弦变换（Discrete Cosine Transform，DCT） 对于二维余弦变换，其离散形式如式（4）所示，逆变换如式（5）所示： （4） 式中， （5） 在MATLAB中，采用dct2和idct2分别进行二维DCT变换和二维DCT逆变换。 二维DCT常用于信号和图像处理，典型应用是对静止图像和运动图像进行性能优良的有损数据压缩。在静止图像编码标准JPEG、运动图像编码标准MJPEG和MPEG等标准中都使用了8*8块的离散余弦变换，并将结果进行量化之后进行熵编码。DCT具有很强的能量集中在频谱的低频部分的特性，而且当信号具有接近马尔科夫过程（Markov processes）的统计特性时，DCT的去相关性接近于具有最优去相关性的K-L变换（Karhunen-Loeve变换）的性能。 另外，改进的离散余弦变换（Modified Discrete Cosine Transform，MDCT）对交叠的数据进行DCT，有助于避免由于区块边界所产生的多余数据，被用在高级音频编码（Advanced Audio Coding，AAC）、Ogg Vorbis、AC—3和MP3音频压缩中。 3. 二维离散小波变换（D Discrete Space Wavelet Transform，DDSWT） 对于二维小波变换，其离散形式如式（6）所示；逆变换如式（7）所示： （6） 式中，和分别函数在轴上的，平移量。 （7） 类似地，可以定义二维离散小波变换逼近，并采用Mallat二维快速算法求解。与DFT类似，可分离二维小波变换最终可转换为两次一维小波变换。 对图像进行小波变换的MATLAB常用函数有： ① 对图像进行一层二维小波分解，常见形式为： [CA,CH,CV,CD]=dwt2（X,’wname’） 式中，X为图像矩阵；’wname’是使用的小波基函数名称，如可选择双正交样条小波基函数，形式为biorNr.Nd。 ② 查询使用的小波基函数的信息，使用形式为： Waveinfo(‘wname’) 式中，小波基名称’wname’可选用’haar’（哈尔小波）、’db’（Daubechies 小波）、’bior’（双正交样条小波）等。例如，在命令行状态下键入wavainfo(‘bior’)进行查询双正交样条小波，可知r表示reconstruction（重建），d表示decomposition（分解），N表示相应FIR滤波器的阶数；CA、CH、CV、CD分别是输入矩阵X小波分解的近似系数矩阵、水平细节系数、垂直细节系数和