图像二维离散小波变换
这两天接触图像多尺度分解的一些内容,主要重点在EMD(empirical mode decomposition)——BEMD(bidimensional empirical mode decomposition),LMD(local mean decomposition)——BLMD(bidimensional local mean decomposition,BLMD)。
之前一直没有接触过这个领域,现在开始慢慢做一些积累,先从小波变换开始吧。
1 图像多尺度分解
由于图像对象尺寸大小的不一,以及人类视觉系统对物体尺度的自适应性,在图像数据中引入一个尺度维,把图像在不同尺度下进行分解。直观地来讲,客观的物体根据其与观察者的距离远近不同而呈现出不同的表现形式,比如,人在不同的距离观察同一目标对象时,在距离较远时,看到的是对象的整体轮廓,在近距离观察时,看到的是关于对象的更多的细节,便是对图像进行了多尺度分解。
目前关于图像多尺度分解中的“尺度”一词,存在多种不同的直观理解,如把图像的分辨率作为图像分解的尺度,或以图像对象尺寸大小作为图像分解的尺度,又或以对图像进行卷积的卷积核的参数作为图像分解的尺度。
2 图像二维离散小波变换
图像的二维离散小波分解和重构过程如下图所示,分解过程可描述为:首先对图像的每一行进行 1D-DWT,获得原始图像在水平方向上的低频分量 L 和高频分量 H,然后对变换所得数据的每一列进行 1D-DWT,获得原始图像在水平和垂直方向上的低频分量 LL、水平方向上的低频和垂直方向上的高频 LH、水平方向上的高频和垂直方向上的低频 HL 以及水平和垂直方向上的的高频分量 HH。重构过程可描述为:首先对变换结果的每一列进行以为离散小波逆变换,再对变换所得数据的每一行进行一维离散小波逆变换,即可获得重构图像。由上述过程可以看出,图像的小波分解是一个将信号按照低频和有向高频进行分离的过程,分解过程中还可以根据需要对得到的 LL 分量进行进一步的小波分解,直至达到要求。
备注:为了直观地体现小波多尺度分解,下面在matlab里做了一组测试,简单代码如下:
load woman;
% X包含图像
% 图像分解尺度为2,采用sym5小波
[c,s] = wavedec2(X,2,'sym5');
%分解尺度为1的低频分量
a1 = wrcoef2('a',c,s,'sym5',1);
%分解尺度为2的低频分量
a2 = wrcoef2('a',c,s,'sym5',2);%%高频分量
%HL
hd2 = wrcoef2('h',c,s,'sym5',2);
%LH
vd2 = wrcoef2('v',c,s,'sym5',2);
%HH
dd2 = wrcoef2('d',c,s,'sym5',2);M=[a2 hd2;vd2 dd2];
image(M);colormap(map);
axis off;%%%继续对LL进行分解
[c,s] = wavedec2(a2,2,'sym5');
a22 = wrcoef2('a',c,s,'sym5',2);hd22 = wrcoef2('h',c,s,'sym5',2);
vd22 = wrcoef2('v',c,s,'sym5',2);
dd22 = wrcoef2('d',c,s,'sym5',2);
figure(2);
N=[a22 hd22;vd22 dd22];
image(N);colormap(map);
axis off;
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
实验结果:
LL分量继续分解
备注:在图像完成分解后,如何分析才是需要继续研读的重点。
图像二维离散小波变换相关推荐
- wrcoef2函数_二维离散小波变换函数使用总结
前言 地球物理信号不止有地表检波器接收的一维信号!当把检波器排列为一个阵列时,将它们各自记录的信号集合在一起就是一个二维信号.有些背景噪声:在一维信号中体现的是随机性,但有可能在二维信号中就显示出很强 ...
- 小波分析:三、二维离散小波变换
四.二维离散小波变换 声明: 该文为本人对小波的理解,不保证正确性与严谨性. 参考: <数字图像处理> Gonzalez P317 1. 概述 在给定尺度函数和小波函数下,可以组合出一个二 ...
- 图像二维离散傅里叶变换、幅度谱、相位谱
clear, clc I = imread('...');F = fftshift(fft2(I)); % 对图像进行二维 DFT(fft2),并移至中心位置 magn = log(abs(F)); ...
- 二维离散小波变换及其在MATLAB数字图像处理中的应用
介绍 空间域是指表示为像素矩阵的正常图像空间.该领域的变换技术直接对图像像素值进行操作.这些值被操纵以实现所需的增强. 频域处理这些像素值在空间域中变化的速率.频率只是指图像中颜色分量的变化率.高频区 ...
- 【2DWT:2维离散小波变换(附Pytorch代码)】
二维离散小波变换 一.相关基础 1.小波变换基础函数 2.小波变换 二.原理 三.基本小波基:哈尔小波 四.代码实现 参考: 图像信号具有非平稳特性,无法使用一种确定的数学模型来描述,而小波变换的多分 ...
- 对图像进行二维离散Fourier变换
用函数fft2对图像进行二维离散Fourier变换.用图像的形式分别显示清晰的频谱幅度和相位.对图像用窗函数加权,观察其Fourier变换,解释加窗前后的变化.对图像作Fourier变换和反变换.将图 ...
- 第4章 Python 数字图像处理(DIP) - 频率域滤波5 - 二变量函数的傅里叶变换、图像中的混叠、二维离散傅里叶变换及其反变换
目录 二变量函数的傅里叶变换 二维冲激及其取样性质 二维连续傅里叶变换对 二维取样和二维取样定理 图像中的混叠 二维离散傅里叶变换及其反变换 二变量函数的傅里叶变换 二维冲激及其取样性质 两个连续变量 ...
- 图像傅里叶变换(二维离散傅里叶变换)
图像傅里叶变换 二维离散傅里叶变换是将图像从空间域转至频域,在图像增强.图像去噪.图像边缘检测.图像特征提取.图像压缩等等应用中都起着极其重要的作用.理论基础是任意函数都可以表示成正弦函数的线性组合的 ...
- 单尺度二维离散小波重构(逆变换)idwt2
clc,clear all,close all; load woman; %单尺度二维离散小波分解.分解小波函数haar [cA,cH,cV,cD]=dwt2(X,'haar'); %单尺度二维离散小 ...
最新文章
- C++ cin不支持录入空格
- 题解报告:hdu 5695 Gym Class(拓扑排序)
- 物理约束相关问题梳理
- python编写程序计算1+2+3+......+100和_Python3:计算两个列表总和为100的所有排列的最有效方法是什么?...
- PAT1004. 成绩排名
- opencv 直方图_OpenCV-Python 直方图-3:二维直方图 | 二十八
- spring-boot-starter-parent的主要作用
- 深度学习2.0-35.ResNet-18实战
- C++实现16进制和字符串的转换
- centos7安装telnet命令
- HTML5植物大战僵尸网页版游戏源码
- 腾讯云如何搭建PHP环境?
- 木子-数据库-sqlServer数据库安装方式
- 人人都应该成为数据分析师
- HIL测试系统的构建
- springboot丽江市旅游服务网站的设计与实现.rar(论文+项目源码)
- 20220719暑假实习笔记
- 关于实行专业技术职务聘任制度的规定
- 不合格机器人工程讲师为何不分享成功的案例
- 如何看待MES系统电子看板的价值