利用二进小波基对函数ft.PPTVIP

结合式前面三式，并利用一维分解思想，有 设 、 ， ，是由两个一元分解序列生成的二 维分解序列 ， ， ， 6.6 小波变换及在图像压缩编码中的应用 6.6 小波变换及在图像压缩编码中的应用 则相应的小波系数分解算法为 对于 N×N图像，小波分解过程如图6.6.7所示。 图6.6.7 图像的小波分解示意图 6.6 小波变换及在图像压缩编码中的应用 （a）分解图 6.6 小波变换及在图像压缩编码中的应用 （b）重构图 图6.6.8 二维小波变换分解重构示意图 图6.6.9给出了camera图像采用9/7小波每层行列变换得到的结果。 6.6 小波变换及在图像压缩编码中的应用 （a） （b） （c） （d） 图6.6.9 camera图像采用9/7小波的分解图 （a）第一层行变换，（b）第一层列变换，（c）第二层行变换，（d）第二层列变换。 3． 小波变换编码中需要解决的几个问题 （1）小波基的选取 一般可以根据一些设计准则来选择小波基，如正则性、逼近精度、支撑集大小以及滤波器频率响应等。 小波基函数可由对应的离散滤波器迭代卷积得到，因此小波变换中小波基的选择就可转换为对应的小波滤波器系数的选择。 正则性是对函数光滑程度的一种描述，是函数频域能量集中的一种度量。在实际应用中，一般选择正则性高的小波基，同时，为了减少计算量，需要选择支撑长度较小的小波滤波器。另外，小波基函数的波形与图像结构的匹配程度也会对图像压缩产生影响，两者越匹配，压缩效果越好。 6.6 小波变换及在图像压缩编码中的应用 （2）边界问题 对原始信号做预处理来避免失真，一般可采用边界延拓的方法。通常采用的边界延拓方法有：补零、边界重复、周期延拓、对称周期延拓以及双对称延拓。只有周期延拓可以重构任何小波变换的信号。当滤波器具有对称结构时，可采用对称周期延拓，此时能够完全重构信号。 （3）分解层数的选择 一般来说分解后四个子带编码所需的平均比特数小于分解前的低频子带编码所需的平均比特数，此时该分解才有效。通常，小波分解的层数选择为5层。 （4）小波系数的量化和熵编码 小波编码器中通常采用标量量化小波系数。在实际应用中，通常采用均匀量化器。量化后的小波系数通常采用Huffman编码和算术编码。 6.6 小波变换及在图像压缩编码中的应用 4. 小波变换域的树型结构 图6.6.10是一个三层小波分解的空间方向树，每一个子带中的每一个方格表示一个小波系数。最低频子带作为树的根，从此开始，第k层子带的一个系数的4个子系数都在第k-1层，位置为 处的系数在其低一层中的4个子系数在 、 、 、 的位置上。 6.6 小波变换及在图像压缩编码中的应用 图6.6.10 小波变换域的树形结构 5. 小波变换编码方法简介 （1） 嵌入式零树编码（EZW） 所谓嵌入式编码指的是对重要的图像/视频信息优先编码，即按照系数的重要程度依次编码和传输，而且截取开始到中间的任意位置的码流都可以用来解码并获得重建图像。 零树的定义：给定一个门限T，如果树的某个根节点及其所有的子孙节点的系数幅值都不超过T，也就称这些系数是非显著的，那么这个根节点就称为零树根，而反之，当系数幅值超过门限T，则称系数是显著的。零树指由零树根节点起始的树，并且零树根节点的父节点系数幅值超过门限T。 6.6 小波变换及在图像压缩编码中的应用 （2）多级树集合分裂算法（SPIHT） A Said根据EZW编码的基本思想，提出了基于分层树集合分割排序（SPIHT）的编码算法。 SPIHT算法中用到的符号及概念 H：空间方向树所有根结点的坐标集合; ：点(i,j)及其所有的后代的坐标集合，即指空间方 向树； ：点(i,j) 的所有后代（子孙）的坐标集合，不包括 (i,j)点本身； ：点(i,j)的直接后代（儿子）的坐标集合。 ：点(i,j)除直接后代外所有其它后代坐标的集 合， 。 6.6 小波变换及在图像压缩编码中的应用 SPIHT编码算法 SPIHT编码中使用了三个表：不重要系数表LIP、重要系数表LSP和不重要集合表LIS。下面给出SPIHT算法描述。 第一步：初始化 第二步： 分类扫描过程 (2.1) 对LIP的每个分量 (