图像小波变换.pdfVIP

图像小波变换

小波与小波变换简述

通俗的讲，小波(wavelet)是一种在有限（

小）区域内存在的波，是一种其函数表达式具

有紧支集，即在有限范围内函数f(x)不等于零

的特殊波形。假设存在一个时域函数φ(t)，

（f表示fourier变换）

或

小波与小波变换简述

则称φ(t)为一个母小波函数(MotherWavelet

Function)。一个母小波函数有如下几个特点：

1.因为，而，故而

。也就是说，一个母小波函数的直流分量

(Directcurrentcomponents)为0。换句话说，就

是母小波函数具有正负交替的特点，其均值为

0。

2.一个母小波函数是一个带通信号。

小波与小波变换简述

3.母小波函数随t绝对值的变大而最终衰减为0。

即其函数表达式具有紧支集。下图是典型的小

波母函数和小波函数。

图像小波变换

二维信号的小波分解就可以写为：

其中A为低频分量，D可以看为水平、垂直

和对角三个方向上的高频分量。

图像小波变换

这里，我们选用的二维图像信号仍然

是lenna.jpg。由于lenna是一个RGB图像，

我们仅对其R层进行实验。编写函数

wavelet2D.m来完成实验。实验结果如下

图所示。

图像小波变换

图像小波变换

清晰的反映了两重小波分解后的各个频率

段信号重构成的图像。可以发现，低频图像与

原始图像是非常近似的，而高频部分也可以认

为是冗余的噪声部分。所以，图像载体下的小

波分解信息隐藏算法一般的都是将信息隐藏于

分解后的低频部分，从而获得高的鲁棒性。当

然的，将信息隐藏于高频系数中，可以获得很

好的不可见性。不可见性与鲁棒性是信息隐藏

算法性能好坏的重要判定依据，二者可以看成

是一对矛盾。解决这一矛盾的方法是“折衷”。

图像小波变换

最后，我们来看一下这些频率系数的具体

内容：lennaR是一个256×256的二维信号，对

其做1层小波分解，得到C是一个1×65536的行

向量，记录的是低频、水平高频、垂直高频和

对角高频（）四个部分的

频率系数。S是一个3×2的矩阵，其第一行表明

尺度1下的低频系数为128×128长度；第二行表

明尺度1下的高频系数为128×128长度；第三行

表明lennaR是一个256×256的二维信号。lowf

和highfH，highfD和highfV分别对应分离出来

的四个部分的系数矩阵。

图像小波变换

图像小波变换

图像小波变换

对lennaR做2层小波分解，得到C也是一个

1×65536的行向量，记录的是2尺度低频、2尺

度水平高频、2尺度垂直高频、2尺度对角高频、

1尺度水平高频、1尺度垂直高频和1尺度对角

高频（）七个

部分的频率系数。下图中S是一个4×2的矩阵，

其第一行表明尺度2下的低频系数64×64长度；

第二行表明尺度2下的高频系数64×64长度；

第三行表明尺度1下的高频系数128×128长度；

图像小波变换

第四行表明lennaR是一个256×256的二维

信号。lowf和highfH，highfD和highfV对应2尺

度下分离出来四个部分的系数矩阵。

图像小波变换

比较做1层分解和2层分解频率系数图，

可以发现MATLAB中的二维DWT有如下规律：

1、返回的频率系数（C向量中）以如下形式存放

C=[A(level)|H(level)|V(level)|