第04章 图像变换二维数字滤波.ppt

Slide * 图4.13 小波函数的平移与扩展 Slide * 信号的连续小波变换 正变换： 反变换： Slide * 4.5.3 一维离散小波变换 把连续小波变换离散化更有利于实际应用。 对a和b按如下规律取样： 其中 ； ； ，得离散小波： 离散小波变换和逆变换为 Slide * 4.5.4 二维离散小波变换 信号f (x, y)的连续小波变换Wf?(a,bx,by)为 由Wf?(a,bx,by)重构f (x, y)的小波逆变换为 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化为两次一维小波变换。 Slide * 图4.14 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 Slide * 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，读者可以将注意力集中在用MATLAB对图像进行小波变换和重构的实现过程中。 Slide * 【例4.6】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); Slide * 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); Slide * 图4.15 一层小波变换 （a）原图像 （b）逆变换后的图像 Slide * 图4.15 一层小波变换 （c）一层小波变换的4个分量 Slide * 4.6 二维数字滤波器 尺寸为M×N的待处理输入为f(x,y)，其DFT为F(u,v)；系统的单位脉冲响应为h(x,y)，其DFT为H(u,v)；已处理的输出图像为g(x,y) ，其DFT为G(u,v)，则 g(x,y) = f(x,y)*h(x,y) = 图4.16 二维数字滤波器空域和频域框图 G(u,v) = F(u,v)·H(u,v) Slide * 二维FIR低通数字滤波的实例 （a）原始测试图像 （d）经低通滤波后的图像 Slide * 图4.17 二维FIR低通数字滤波 （c）二维LPF系数 （d）二维LPF的频率响应 Slide * 二维FIR高通数字滤波的实例 滤波后的图像在慢变化部分产生了明显的模糊现象，符合高通特性。 （a）原始测试图像 （d）经高通滤波后的图像 （a）原始测试图像 （d）经高通滤波后的图像 Slide * 图4.18 二维FIR高通数字滤波 （c）二维LPF系数 （d）二维HPF的频率响应 Slide * 本章小结 图像处理可以直接在空间域进行，也可以通过变换的手段达到更好的效果。 图像变换是图像处理中常