频域处理.pptVIP

根据题意，式（7-76）中的M=N=4， 其二维WHT变换核为 所以 再如，图7-12是一幅数字图像及对其进行二维WHT变换的结果。 图7-12 二维WHT结果 （a）原图像；（b）WHT结果 注： 图7-12中的结果是按哈达玛变换后再用沃尔什排序的结果。? 从以上例子可看出，二维WHT具有能量集中的特性，而且原始数据中数字越是均匀分布，经变换后的数据越集中于矩阵的边角上。因此，二维WHT可用于压缩图像信息。 7.4.3 快速沃尔什变换（FWHT） 类似于FFT，WHT也有快速算法FWHT， 也可将输入序列f(x)按奇偶进行分组，分别进行WHT。FWHT的基本关系为 WHT的变换核是可分离和对称的， 因此二维WHT也可分为两个一维的WHT分别用FWHT进行变换而得到最终结果，由此便可实现二维的FWHT。 综上所述，WHT是将一个函数变换成取值为＋1或－1的基本函数构成的级数，用它来逼近数字脉冲信号时要比FFT有利。同时， WHT只需要进行实数运算，存储量比FFT要少得多， 运算速度也快得多。因此，WHT在图像传输、 通信技术和数据压缩中被广泛使用。 7.5 小波变换简介 7.5.1 小波变换的理论基础 信号分析是为了获得时间和频率之间的相互关系。傅立叶变换提供了有关频率域的信息，但有关时间的局部化信息却基本丢失。与傅立叶变换不同，小波变换是通过缩放母小波（Mother wavelet）的宽度来获得信号的频率特征， 通过平移母小波来获得信号的时间信息。对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度。 1. 连续小波变换（CWT） 像傅立叶分析一样，小波分析就是把一个信号分解为将母小波经过缩放和平移之后的一系列小波，因此小波是小波变换的基函数。小波变换可以理解为用经过缩放和平移的一系列小波函数代替傅立叶变换的正弦波和余弦波进行傅立叶变换的结果。 图7-13表示了正弦波和小波的区别，由此可以看出，正弦波从负无穷一直延续到正无穷，正弦波是平滑而且是可预测的， 而小波是一类在有限区间内快速衰减到0的函数，其平均值为0， 小波趋于不规则、不对称。 图7-13 正弦波和小波 （a） 正弦波曲线； (b) 小波曲线 从小波和正弦波的形状可以看出，变化剧烈的信号，用不规则的小波进行分析比用平滑的正弦波更好，即用小波更能描述信号的局部特征。 连续小波变换（Continuous Wavelet Transform， CWT）用下式表示： (7-79) 式（7-79）表示小波变换是信号f(x)与被缩放和平移的小波函数ψ()之积在信号存在的整个期间里求和的结果。CWT的变换结果是许多小波系数C，这些系数是缩放因子（scale）和平移（positon）的函数。 * 第七章 图像变换 第七章 图像变换 7.1 傅立叶变换 7.2 频域变换的一般表达式 7.3 离散余弦变换 7.4 离散沃尔什哈达玛变换 7.5 小波变换简介 7.1 傅 立 叶 变 换 7.1.1 二维离散傅立叶变换 二维离散傅立叶变换对定义为 式中：u, x=0, 1, 2, …, M-1；v, y=0, 1, 2, …, N-1；x, y为时域变量，u, v为频域变量。 像一维离散傅立叶变换一样，系数1/MN可以在正变换或逆变换中，也可以在正变换和逆变换前分别乘以系数 ，只要两式系数的乘积等于1／MN即可。 二维离散函数的傅立叶频谱、 相位谱和能量谱分别为 式中，R(u, v)和I(u, v)分别是F(u, v)的实部和虚部。 7.1.2 离散傅立叶变换的性质 表7-1 二维离散傅立叶变换的性质 1. 可分离性 由可分离性可知，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)按行进行傅立叶变换得到F(x, v)，再对F(x, v)按列进行傅立叶变换，便可得到f(x, y)的傅立叶变换结果，如图7-4所示。显然对f(x, y)先按列进行离散傅立叶变换， 再按行进行离散傅立叶变换也是可行的。 图7-4 用两次一维DFT计算二维DFT 2. 平移性质 平移性质表明，只要将f(x, y)乘以因子(－1)x+y，再进行离散傅立叶变换，即可将图像的频谱原