图像Haar小波变换

说起小波变换就需要提起傅里叶变换。傅里叶变换就是把波进行分解，可以认为任意一个周期波都可以有足够多的正弦（余弦）波组成，这里足够多的正弦波对应的频率不同，把这些足够的正弦波放在频域中，就是傅里叶变换，详细傅里叶变换可以参见这里，如图1。

详细的小波变换可以参考这里，简单说来就是用一系列集中的、能量有限的波代替正弦波。而Haar小波变换就是利用haar滤波器进行计算。

一维Haar 变换计算如下：

设原始一维数据 $a=[a_{1},a_{2},a_{3},a_{4}]$ , Haar低通滤波 [1, 1] , Haar高通滤波[-1, 1],

则Haar小波变换为： $b=[\frac{a_{1}+a_{2}}{2},\frac{a_{3}+a_{4}}{2},\frac{a_{1}-a_{2}}{2},\frac{a_{3}-a_{4}}{2}]$ ，当需要进行下2采样时计算其均值（也有保留偶数序列），直接取 $[b_{1},b_{2}]$

再次进行小波变换： $c=[\frac{b_{1}+b_{2}}{2},\frac{b_{1}-b_{2}}{2}]$ ，下2采样为 c1 。将 $[b_{3},b_{4}], c_{2}$ 称为细节系数。因此通过Haar 变换，一幅分辨率为4的数据就可以由分辨率为1，以及3个细节系数表示。同样由降采样的数据和细节系数可以恢复出原始数据。从上面计算过程可以看出：矢量a 与低通滤波器卷积得到近似，与高通滤波器卷积得到细节

二维图像Haar变换：

对于二维图像Haar变换不再从一个方向进行滤波，而是从水平和竖直两个方向进行低通和高通滤波（水平和竖直先后不影响），用图像表述如图2所示：图2中a表示原图，图b表示经过一级小波变换的结果，h1 表示水平反向的细节，v1 表示竖直方向的细节，c1表示对角线方向的细节，b表示下2采样的图像。图c中表示继续进行Haar小波变换。一级Haar小波变换实际效果如图3所示

图像Haar小波变换相关推荐

二维图像haar小波变换的分解与重构
二维图像haar小波变换的分解与重构二维离散小波的理论推导和一维小波类似,但是以其尺度函数生成的尺度函数集作为标准正交基的尺度空间Vi的正交补空间Wi不能直接得到,而是可以证明,正交补空间Wi是由三 ...
haar小波变换学习笔记
本篇很大一部分内容借鉴了篇末所引用的优质博客~~ 小波可以认为是一个带通滤波器,只允许频率和小波基函数频率相近的信号通过.小波变换的基本思想是用一组小波函数和基函数表示一个函数或者信号. haar小波 ...
SSE2实现HAAR小波变换（dwt2与idwt2）
wiki链接:http://en.wikipedia.org/wiki/Haar_wavelet 可用SSE2实现HAAR小波变换,达到实时,关于HAAR小波的介绍可参考以上维基链接参考MATLAB ...
【图像处理】图像离散小波变换（Discrete Wavelet Transform）及python代码实现
Motivation 看到有论文用到了图像的Haar Discrete Wavelet Transform(HDWT),前面也听老师提到过用小波变换做去噪.超分的文章,于是借着这个机会好好学习一下. ...
图像的小波变换处理（一）
目录 1 .小波变换的基本概念 2. 连续小波变换 1 .小波变换的基本概念信号分析:获得时间和频率之间的相互关系. 傅立叶变换:提供频率域的信息,但有关时间的局部化信息却基本丢失. 小波变换:缩放 ...
Haar小波变换基本原理
另外参见俄罗斯写的http://www.codeproject.com/Articles/22243/Real-Time-Object-Tracker-in-C Haar小波在图像处理和数字水印等方面 ...
Haar小波变换的快速实现
Haar小波变换的快速实现 2014年3月12日renjihe发表评论阅读评论先举个例子,有a=[100,12,43,39]四个数,并使用b[4]数组来保存结果. 一级Haar小波变换的结果为: b ...
使用CUDA计算Haar小波变换
在<Haar小波变换的快速实现>一文里我们提到了Haar小波变换的计算,在这里我们使用CUDA实现文中提到的计算方式. 01 __global__ void 02 _cuda_haar(f ...
哈尔(Haar)小波变换的原理及opencv源代码
1. 小波分析小波分析是对傅里叶变换的继承,总结和重大突破.小波分析的优势在于可以同时进行时频域分析,比傅里叶变换更适合处理非平稳信号. 小波分析所用的波称为小波,小波的能量有限,有限长且会衰减,集 ...

图像Haar小波变换

图像Haar小波变换相关推荐

最新文章

热门文章