利用小波變換原理進(jìn)行圖像處理-

1、 關(guān)鍵詞圖像處理數(shù)據(jù)壓縮函數(shù)糸算法 小波分析理論自 80年代末成為國(guó)際上十分活躍的研究領(lǐng)域，它已被廣泛應(yīng)用于 圖 按如下的伸縮和平移方式生成的函數(shù) ys,uV 小波函數(shù)屮 (X 的 Fourier 變換人嘰 co滿足 Ay(0=0o 因此小波函數(shù)屮 (x 可以被解釋為帶通濾波器的脈沖響應(yīng)。對(duì)函數(shù)屮 (X 進(jìn)行歸一化、假設(shè)它的能量為 1,令屮 s(x f(u=ZK ez 我們把 sj k稱作為 f (u在 2j 分辨率下的離散逼近，即低頻成份 ; dj k 稱為 f(u 在 2j 分 合成是上述的逆過程，合成公式為 41小波變換在圖像處理中的應(yīng)用 分解后所得到的系數(shù)圖像 ?其總的數(shù)據(jù)量與原圖像的

2、數(shù)據(jù)量相等 ( 注: 數(shù)據(jù)量指的 是 増加 1或減少對(duì)視覺都是敏感的 ?而分解后的系數(shù)值和低頻圖像的像素值都 是實(shí)數(shù)，這就會(huì)引起量化誤差。因此 , 為了保證解碼后的圖像質(zhì)量，我們必須考慮盡量 圖像鑲嵌與拼接是圖像處理中的一項(xiàng)重要內(nèi)容，其技術(shù)問題就是如何使拼接的幅圖像在拼接后不出現(xiàn)明顯的拼接縫 , 且不讓人明顯感到是由兩幅圖像拼接而成實(shí)際成像過程中，被拼接的圖像在拼接邊界上灰度的差別是不可避免的，這就 種技術(shù)能修正兩幅圖像在接縫處的灰度值 ?使拼接后的圖像在接縫處有一光 而采用簡(jiǎn)單函數(shù)光滑的方法會(huì)導(dǎo)致圖像模糊不清，利用小波變換能較好 地對(duì)圖像進(jìn)行由于小波變換實(shí)際上是一個(gè)帶通濾波器，在不同尺度下的

3、小波變換分量實(shí)際上 表一定的頻帶寬度 ?因此，每個(gè)小波分量所具有的頻寬是不大的，我們可先將拼接的 幅圖像按 Mallat 算法分解為不同頻帶的小波分量，然后，在不同的尺度下選擇不同 拼接寬度 ?按各自的方法先拼接起來，再用合成算法恢復(fù)整個(gè)圖像。這樣得到的拼 像可以很好地兼顧清晰度和光滑度兩方面要求。去噪處理也是圖像處理中比較重要的工作。例如一幅圖像被噪聲點(diǎn)污黑了若干 塊 , 如果直接去除污點(diǎn)就會(huì)留下痕跡。利用小波變換可以對(duì)圖像進(jìn)行多尺度分解 在各個(gè)尺度小波分量上的污點(diǎn)所對(duì)應(yīng)的邊緣 ?再恢復(fù)就不會(huì)有任何痕跡了。邊緣檢測(cè)的主要任務(wù)是找出信號(hào)突變部分的位置，這在數(shù)學(xué)上常表示為間斷代 尖點(diǎn)等。而在圖像

4、信號(hào)上，這些奇異點(diǎn)就是圖像的邊緣點(diǎn)。由于實(shí)際圖像的空 成份十分復(fù)雜，用普通的方法直接提取邊緣往往不十分有效。而用小波變換 像分解成不同頻率成份的小波分量，然后再從這些不同層次的小波分量中 找出信號(hào)本 應(yīng)用具有它明顯的優(yōu)點(diǎn)，它能把圖像進(jìn)行更精細(xì)的正交分解。即在塔式分解的基 礎(chǔ)上，到的高頻系數(shù)圖像再進(jìn)行分解 ?使得最后分解得到的高頻系統(tǒng)圖像的頻帶劃分 的更精細(xì)。然后再對(duì)得到的一系列系數(shù)圖像進(jìn)行優(yōu)化組合，這樣可以針對(duì)頻帶較細(xì) 高頻系數(shù)圖像 ?采取相應(yīng)的措施，比如對(duì)人眼不敏感的高頻系數(shù)圖像進(jìn)行處理 掉某些高頻系數(shù)分量，有利于在圖像處理中的應(yīng)用。 21SlMallatm,A theory for multiresolution signal decomposition:the wavelet 513 辣椒留種用懸掛法緩慢風(fēng)干脫水干燥 . 并以果實(shí)內(nèi)種子宿存保存，得到果皮 蠟 間保存種子，可用密閉容器、膠袋 , 抽去其中空氣，造成高度缺氧狀態(tài)，存放在 0。一4c 的低溫環(huán)境中，抑制種子的呼吸和微生物的生長(zhǎng)，在本研究條件下