基于小波变换的图像压缩方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
! ! &%
%
,
B ! & /!&
傅立叶变换时） ， 即可从分解信号中完全重建原始信号， 即 ’（ #） 由所有尺度下的小波信号经线性叠加而恢复， 这一逆过程表示 为： （） " ’（ #） +#( ! ， " ’ !! ，
!， "
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 4（ " (!B） 6（ 2(!/ ）
# ! $ %!$ !
’
)
的敏感程度是有差异的， 因此可以根据不同分辨率下的高频子 图像对恢复图像质量的影响不同来选取双门限阈值量化中门 限值的大小。 从图像重构的角度来说， 分辨率越低， 其高频子图 像对恢复图像质量的影响就越大。 因此， 在低分辨率时， 阈值可 以取得小一点， 反之， 在高分辨率时， 阈值可以取得大一点。同 样， 对同一分辨率下不同的高频子图像也可根据人类视觉特性 将阈值取为不同的值。由于在高频子图像中的系数大部分为 零， 因此， 在实验中采用了零行程编码的编码方式。 为了减少误 码的扩散， 在编码前对图像进行了 JSJ 分块处理。对于低频亮
基于小波变换的图像压缩方法
王树亮 %
%
任灵萍 !
郑成增 .
（ 江苏技术师范学院， 江苏常州 !%.""% ） ! （ 西安电子科技大学， 西安 /%""/% ）
.
（ 常州工学院， 江苏常州 !%.""% ）
0*1234： 5267849:8;<$=><$?6
摘
要
小波变换克服了传统傅立叶变换的缺点， 具有良好的时、 频局部化性能， 从而使得小波理 论 在 图 像 处 理 领 域 得
!
图像的小波分解与图像重建
小波变换是一种非平稳信号分析方法， 它通过一个基本小
的平移和伸缩构成一族小波函数系去表示或逼近 波函数 ! （ !） 经伸缩与平移而产生 一函数。二进制小波是由单一函数 ! （ !）
作者简介： 王树亮（ ， 男， 教授， 主要从事计算机软件及控制理论的研究。任灵萍（ ， 女， 教师， 西安电子科技大学在读研究生， 主要从事 %DA%* ） %D/A* ） 小波理论的研究。郑成增（ ， 男， 教授， 主研智能数据库系统等。 %D#D* ）
AB*&("5&： Q2N=4=; ;G268IHG1 7=;8 G3> HI 8H1= >=I=?;8 HI &H<G3=G ;G268IHG1$Q2N=4=; 2624J838 F28 R==6 S23> 1HG= 26> 1HG= 2;;=6;3H6 26> 53>=4J <8=> 36 N2G3H<8 I3=4>8 HI =6736==G367 2SS43?2;3H6， =8S=?3244J 36 ;F= 3127= SGH?=883H6$BI;=G ;F= 52N=4=; SJG213>24 >=?H1SH83;3H6 HI ;F= 3127=， ;F= >3II=G=6; T<26;3K2;3H6 26> ?H>367 8?F=1= IHG =2?F 8<R3127= 2G= ;F=6 ?2GG3=> H<; 36 2??HG>26?= 53;F 3;8 8;2;38;3?24 SGHS=G;3=8 26> >38;G3R<;=> SGHS=G;3=8 HI ;F= ?H=II3?3=6;8$’F= ?H1S<;=G 831<U 42;3H6 G=8<4; 8FH58 ;F2; ;F38 ?H1SG=883H6 8J8;=1 ?26 2;;236 7HH> G=?H68;G<?;=> 3127= 5F34= 288<G367 82;38IJ367 ?H1SG=8U 83H6 G2;3H$ C$DE,(/*： 52N=4=; ;G268IHG1， 3127= ?H1SG=883H6 ， 3127= ?H>367 ， 3127= G=?H68;G<?;， 3127= SGH?=88367
( ! !
-# （ #(!%!/ ） 0! ， " !&. 构 成 矢 量 空 间 ,1 !.， ! !&
的正交基， 在 分 辨 率 ,!! .， ,1 !.， ! !& 构成 空 间 2 !（ 3） ! !& 上 组 成 逼近空间。尺度函数具有低通滤波作用， 并满足双尺度方程：
#（ #） $#4 （ "） 5#（ !#%" ）
A@
!""#$%" 计算机工程与应用
的一组函数。即：
!!， #） $! !（ ! #%" ） "（
)*
! !
， =! （ ’） $ ,0’（ +， A） !! （ +(! / ， A(! B） 1. / ， B!&
! !
/
/
%!
(!
!
!， " !&
代表了图像的对角线上的高频成份。 当选定滤波器组 ,4 ， 图像分解公式为： 6.时， （ @! （ ’） B， /） $##@ ! ’（ "， 2） 4（ " (!B） 4（ 2(!/ ）
" !&
而与尺度函数相对应的小波函数的平移与伸缩构成矢量 空间 1 ! 正交补空间 ( ! ， 小波函数具有高通滤波的作用， 并满足 方程：
"$ !（ #） +# （ (% ） 4（ %%" ） -#（ !#%" ） " !&
+#6（ "） 5#（ !#%" ）
" !&
图%
二维小波分解的流程框图
那么以 ! （ 与 #（ 的伸缩 定义 ( !+789/,!!， #） 0! ， /!&.， #） #） /（ 平移系为基底的 ( ! 与 1 ! 具有以下性质： ( !"( !$1 !)% ( !#1 ! 由 此 迭 代 最 终 可 得 789/,( ! 0! !&. 构 成 空 间 2 （ 的正交 3）
! ! &%
对于任意平方可积函数 ’ 来说， 其小波变换为：
( !， ’） $ "（
" +） ! （ +） ,+$-’， ! ! ’（
%* !， " &’
!， "
.
!
,
,
B ! & /!&
当小波函数满足条件信号
*（ *（ 为 !（ 的 ! "） )+% （ ! "） #） #) !
(’
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 6（ " (!B） 4（ 2(!/ ）
文章编号 %""!*@..%*（ !""# ） %"*""A@*".
文献标识码 B
!"#$%$& ’(")*+,(- ."*$/ 0-"1$ 2,-3($**4,) ’$56)478$
!")1 968%4")1: ;$) <4)134)1= >6$)1 26$)1?$)1@ % （ E32678< ’=2?F=G8 )H44=7= HI ’=?F6H4H7J ， )F267KFH<， E32678< !%.""%） ! （ L3>326 M63N=G83;J， L3O26 /%""/%） . （ ） )F267KFH< P68;3;<;= HI ’=?F6H4H7J ， )F267KFH<， E32678< !%.""%）
! ! &%
!
,
B ! & /!&
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 6（ " (!B） 6（ 2(!/ ）
! ! &%
/
,
B ! & /!&
由此可以得到二维小波分解的流程框图如图 % 所示。
在小波多尺度分析中， 作者引入了尺度函数 # （ ， 其伸缩 #） 与 平 移 系 ,# （ #） +!
带宽的限制，在对图像进行存储或传输之前首先对它进行压 缩。 在满足质量要求的前提下， 减少或消除图像中的冗余， 以节 省存储和传输所需的开销。在需要时， 再对被压缩图像进行解 码， 重构原始图像。 图像压缩在多媒体计算、 信息高速公路和可视电话等技术 的发展过程中起着重要的作用。 常用的压缩编码方法有预测编 码、 变换编码、 结构编码和分形编码等， 这些方法都各自有优缺 点和适用范围。 传统的变换方法如 &&’、 ()’ 等有很多局限性，它们只能 提供整个信号全部时间或空间下的整体频域特性， 而不能提供 任何局部时间或空间段上的频率信息， 而图像中的许多重要特 征如边缘、 纹理等， 都是高度局部性的， 因此它们在压缩含有这 些瞬态和局部性信号分量的图像上性能不佳。 此外在信号或图 像分析中， 有时需要将信号在时域和频域中的特性或图像在空 域和频域的特性结合起来分析， 例如： 我们要了解图像的哪一 部分含有较多的高频分量，或者信号某一段频率分布情况等，
%
引言
一幅数字化图像包含有大量的数据， 由于存储空间和网络
这都是传统变换方法所无法解决的， 小波变换是傅立叶分析发 它在频率和位置上 展史上一个新的里程碑， 具有时 *频局部性， 都是可变的， 非常适合分析瞬态信号。 当分析低频信号时， 其时 窗很大， 而分析高频信号时， 其时窗很小， 这恰恰符合实际问题 中高频信号的持续时间短、低频信号的持续时间长的自然规 对图像信 律。在图像编码上， 小波变换与人类视觉系统（ +,- ） 息的处理过程基本相符， 合理的分配量化意味着， 可在保持基 本相同的图像质量下， 得到更低的平均编码比特率。 此外， 图像 不会产生方块效应， 它是一 小波变换不同于 ()’ 块编码技术， 种对图像的多分辨率描述，可实现图像按一定的优先级逐次、 可控制地传输。 这种图像的分层传输方式特别适合图像的网络 通信要求。 从而使得小波变换图像编码压缩成为当前研究的主 要方向。
!
/
=! （ ’）
!
%
=! （ ’）
!
/
;）
来说， 有： 因此， 对于任何 ’!2 !（ 3）
&’
=! （ ’）
!
!
@! （ ’）
!
,
=! （ ’）
!
!
=! （ ’）
!
/
=! （ ’）
!
%
=! （ ’）
!
/
$ （ <! ’（ #） $#4 !/%" ） <!&% ’（ #）
(’ &’
,
,
图!
小波分解后频率分布示意图
图 / 描述了一幅图像的二级小波分解后各层子图像在空
,
’ （ =! ’（ #） $#6 !/%" ） =!)% ’（ #）
"$(’
,
间位置上的分布情况。
@! （ ’）
!
以上所阐述的一维小波变换可以推广到二维情况。 该文是 用一个低通滤波器 > 和高通滤波器 ? 分别对图像的每一行作 滤波， 并作隔点抽样， 然后再用它们分别对图像的每一列作滤 波并用隔点抽样， 最后得到图像的第一层分解， 其结果是产生 一个轮廓图像 @ ! （ 和三个细节图像 =! （ 其中： ’） ’） " +% ， !， /，
到广泛的应用。首先对图像进行小波塔式分解， 然后依据小波系数的统计特性和分布特点， 对不同的子图像块采用不同 的量化、 编码方法， 并且在计算机上进行模拟实现， 结果表明所提出的方案可以在保证重构图像质量良 好 的 情 况 下 获 得 较大的压缩比。 关键词 小波变换 图像压缩 图像编码 图像重构 图像处理 中图分类号 ’C.D%
! !
,
=! （ ’）
!
%
=! （ ’）
!
!
=! （ ’）
!
/
=! （ ’）
%
%
=! （ ’）
%
!
=! （ ’）
%
/
,
"
图/
小波分解后的各层子图像的空间位置分布示意图
， @! （ ’） +,0’（ +B） 1. / ， B!&
! !
"
%!
(!
代表了图像的低频成份， 低频图像还可以进一步分解成四 个子带， 设分解层数为 C ， 则总的子带数为 /C &% ； ， =! （ ’） +,0’（ +， A） !! （ +%! / ， A(! B） 1. / ， B!&
! !
!
!
(!
(!
B ! & /!&
"， 2） 4（ B(!" ） 6（ /%!% ） & ##= ’（
!
!
%
代表了图像的水平高频成份（ 垂直边界） ；
"， 2） 6（ B(!" ） 4（ /%!% ） & ##= ’（
B ! & /!& !
!
!
计算机工程与应用 !""#$%"
56
)， B） *（ #L!) ） *（ %+!% ） !!& (（
! !
同样， 可获得二维信号的重构算法为：
%
%
(!
%!
@ ! ’（ B， /） $#34##@ ! ’（ "， 2） 4（ B(!" ） 4（ /%!% ） &
! &% !
,
,
B ! & /!&
代表了图像的垂直高频成份（ 水平边界） ； ， =! （ ’） + ,-’（ +， A） !! （ +(! / ， A(! B） 1. / ， B!&
! "
图 ! 描述了将小波图像 @ ! （ 分解成轮廓图像 @! （ 和 ’） ’）
! &% !
,
,
小波基。即：
细节图像 =! （ ， ’） "$% ， !， / 的示意图。
!
%
! !:
( !$2 （ 3）
!
&
! !&
空 集 ） 1 "+"( ! "1 %;（ …% ( ! $# （ !$(% ，
=! （ ’）
%
,
B ! & /!&
傅立叶变换时） ， 即可从分解信号中完全重建原始信号， 即 ’（ #） 由所有尺度下的小波信号经线性叠加而恢复， 这一逆过程表示 为： （） " ’（ #） +#( ! ， " ’ !! ，
!， "
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 4（ " (!B） 6（ 2(!/ ）
# ! $ %!$ !
’
)
的敏感程度是有差异的， 因此可以根据不同分辨率下的高频子 图像对恢复图像质量的影响不同来选取双门限阈值量化中门 限值的大小。 从图像重构的角度来说， 分辨率越低， 其高频子图 像对恢复图像质量的影响就越大。 因此， 在低分辨率时， 阈值可 以取得小一点， 反之， 在高分辨率时， 阈值可以取得大一点。同 样， 对同一分辨率下不同的高频子图像也可根据人类视觉特性 将阈值取为不同的值。由于在高频子图像中的系数大部分为 零， 因此， 在实验中采用了零行程编码的编码方式。 为了减少误 码的扩散， 在编码前对图像进行了 JSJ 分块处理。对于低频亮
基于小波变换的图像压缩方法
王树亮 %
%
任灵萍 !
郑成增 .
（ 江苏技术师范学院， 江苏常州 !%.""% ） ! （ 西安电子科技大学， 西安 /%""/% ）
.
（ 常州工学院， 江苏常州 !%.""% ）
0*1234： 5267849:8;<$=><$?6
摘
要
小波变换克服了传统傅立叶变换的缺点， 具有良好的时、 频局部化性能， 从而使得小波理 论 在 图 像 处 理 领 域 得
!
图像的小波分解与图像重建
小波变换是一种非平稳信号分析方法， 它通过一个基本小
的平移和伸缩构成一族小波函数系去表示或逼近 波函数 ! （ !） 经伸缩与平移而产生 一函数。二进制小波是由单一函数 ! （ !）
作者简介： 王树亮（ ， 男， 教授， 主要从事计算机软件及控制理论的研究。任灵萍（ ， 女， 教师， 西安电子科技大学在读研究生， 主要从事 %DA%* ） %D/A* ） 小波理论的研究。郑成增（ ， 男， 教授， 主研智能数据库系统等。 %D#D* ）
AB*&("5&： Q2N=4=; ;G268IHG1 7=;8 G3> HI 8H1= >=I=?;8 HI &H<G3=G ;G268IHG1$Q2N=4=; 2624J838 F28 R==6 S23> 1HG= 26> 1HG= 2;;=6;3H6 26> 53>=4J <8=> 36 N2G3H<8 I3=4>8 HI =6736==G367 2SS43?2;3H6， =8S=?3244J 36 ;F= 3127= SGH?=883H6$BI;=G ;F= 52N=4=; SJG213>24 >=?H1SH83;3H6 HI ;F= 3127=， ;F= >3II=G=6; T<26;3K2;3H6 26> ?H>367 8?F=1= IHG =2?F 8<R3127= 2G= ;F=6 ?2GG3=> H<; 36 2??HG>26?= 53;F 3;8 8;2;38;3?24 SGHS=G;3=8 26> >38;G3R<;=> SGHS=G;3=8 HI ;F= ?H=II3?3=6;8$’F= ?H1S<;=G 831<U 42;3H6 G=8<4; 8FH58 ;F2; ;F38 ?H1SG=883H6 8J8;=1 ?26 2;;236 7HH> G=?H68;G<?;=> 3127= 5F34= 288<G367 82;38IJ367 ?H1SG=8U 83H6 G2;3H$ C$DE,(/*： 52N=4=; ;G268IHG1， 3127= ?H1SG=883H6 ， 3127= ?H>367 ， 3127= G=?H68;G<?;， 3127= SGH?=88367
( ! !
-# （ #(!%!/ ） 0! ， " !&. 构 成 矢 量 空 间 ,1 !.， ! !&
的正交基， 在 分 辨 率 ,!! .， ,1 !.， ! !& 构成 空 间 2 !（ 3） ! !& 上 组 成 逼近空间。尺度函数具有低通滤波作用， 并满足双尺度方程：
#（ #） $#4 （ "） 5#（ !#%" ）
A@
!""#$%" 计算机工程与应用
的一组函数。即：
!!， #） $! !（ ! #%" ） "（
)*
! !
， =! （ ’） $ ,0’（ +， A） !! （ +(! / ， A(! B） 1. / ， B!&
! !
/
/
%!
(!
!
!， " !&
代表了图像的对角线上的高频成份。 当选定滤波器组 ,4 ， 图像分解公式为： 6.时， （ @! （ ’） B， /） $##@ ! ’（ "， 2） 4（ " (!B） 4（ 2(!/ ）
" !&
而与尺度函数相对应的小波函数的平移与伸缩构成矢量 空间 1 ! 正交补空间 ( ! ， 小波函数具有高通滤波的作用， 并满足 方程：
"$ !（ #） +# （ (% ） 4（ %%" ） -#（ !#%" ） " !&
+#6（ "） 5#（ !#%" ）
" !&
图%
二维小波分解的流程框图
那么以 ! （ 与 #（ 的伸缩 定义 ( !+789/,!!， #） 0! ， /!&.， #） #） /（ 平移系为基底的 ( ! 与 1 ! 具有以下性质： ( !"( !$1 !)% ( !#1 ! 由 此 迭 代 最 终 可 得 789/,( ! 0! !&. 构 成 空 间 2 （ 的正交 3）
! ! &%
对于任意平方可积函数 ’ 来说， 其小波变换为：
( !， ’） $ "（
" +） ! （ +） ,+$-’， ! ! ’（
%* !， " &’
!， "
.
!
,
,
B ! & /!&
当小波函数满足条件信号
*（ *（ 为 !（ 的 ! "） )+% （ ! "） #） #) !
(’
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 6（ " (!B） 4（ 2(!/ ）
文章编号 %""!*@..%*（ !""# ） %"*""A@*".
文献标识码 B
!"#$%$& ’(")*+,(- ."*$/ 0-"1$ 2,-3($**4,) ’$56)478$
!")1 968%4")1: ;$) <4)134)1= >6$)1 26$)1?$)1@ % （ E32678< ’=2?F=G8 )H44=7= HI ’=?F6H4H7J ， )F267KFH<， E32678< !%.""%） ! （ L3>326 M63N=G83;J， L3O26 /%""/%） . （ ） )F267KFH< P68;3;<;= HI ’=?F6H4H7J ， )F267KFH<， E32678< !%.""%）
! ! &%
!
,
B ! & /!&
（ =! （ ’） B， /） $##@ ! ’（ "， 2） 6（ " (!B） 6（ 2(!/ ）
! ! &%
/
,
B ! & /!&
由此可以得到二维小波分解的流程框图如图 % 所示。
在小波多尺度分析中， 作者引入了尺度函数 # （ ， 其伸缩 #） 与 平 移 系 ,# （ #） +!
带宽的限制，在对图像进行存储或传输之前首先对它进行压 缩。 在满足质量要求的前提下， 减少或消除图像中的冗余， 以节 省存储和传输所需的开销。在需要时， 再对被压缩图像进行解 码， 重构原始图像。 图像压缩在多媒体计算、 信息高速公路和可视电话等技术 的发展过程中起着重要的作用。 常用的压缩编码方法有预测编 码、 变换编码、 结构编码和分形编码等， 这些方法都各自有优缺 点和适用范围。 传统的变换方法如 &&’、 ()’ 等有很多局限性，它们只能 提供整个信号全部时间或空间下的整体频域特性， 而不能提供 任何局部时间或空间段上的频率信息， 而图像中的许多重要特 征如边缘、 纹理等， 都是高度局部性的， 因此它们在压缩含有这 些瞬态和局部性信号分量的图像上性能不佳。 此外在信号或图 像分析中， 有时需要将信号在时域和频域中的特性或图像在空 域和频域的特性结合起来分析， 例如： 我们要了解图像的哪一 部分含有较多的高频分量，或者信号某一段频率分布情况等，
%
引言
一幅数字化图像包含有大量的数据， 由于存储空间和网络
这都是传统变换方法所无法解决的， 小波变换是傅立叶分析发 它在频率和位置上 展史上一个新的里程碑， 具有时 *频局部性， 都是可变的， 非常适合分析瞬态信号。 当分析低频信号时， 其时 窗很大， 而分析高频信号时， 其时窗很小， 这恰恰符合实际问题 中高频信号的持续时间短、低频信号的持续时间长的自然规 对图像信 律。在图像编码上， 小波变换与人类视觉系统（ +,- ） 息的处理过程基本相符， 合理的分配量化意味着， 可在保持基 本相同的图像质量下， 得到更低的平均编码比特率。 此外， 图像 不会产生方块效应， 它是一 小波变换不同于 ()’ 块编码技术， 种对图像的多分辨率描述，可实现图像按一定的优先级逐次、 可控制地传输。 这种图像的分层传输方式特别适合图像的网络 通信要求。 从而使得小波变换图像编码压缩成为当前研究的主 要方向。
!
/
=! （ ’）
!
%
=! （ ’）
!
/
;）
来说， 有： 因此， 对于任何 ’!2 !（ 3）
&’
=! （ ’）
!
!
@! （ ’）
!
,
=! （ ’）
!
!
=! （ ’）
!
/
=! （ ’）
!
%
=! （ ’）
!
/
$ （ <! ’（ #） $#4 !/%" ） <!&% ’（ #）
(’ &’
,
,
图!
小波分解后频率分布示意图
图 / 描述了一幅图像的二级小波分解后各层子图像在空
,
’ （ =! ’（ #） $#6 !/%" ） =!)% ’（ #）
"$(’
,
间位置上的分布情况。
@! （ ’）
!
以上所阐述的一维小波变换可以推广到二维情况。 该文是 用一个低通滤波器 > 和高通滤波器 ? 分别对图像的每一行作 滤波， 并作隔点抽样， 然后再用它们分别对图像的每一列作滤 波并用隔点抽样， 最后得到图像的第一层分解， 其结果是产生 一个轮廓图像 @ ! （ 和三个细节图像 =! （ 其中： ’） ’） " +% ， !， /，
到广泛的应用。首先对图像进行小波塔式分解， 然后依据小波系数的统计特性和分布特点， 对不同的子图像块采用不同 的量化、 编码方法， 并且在计算机上进行模拟实现， 结果表明所提出的方案可以在保证重构图像质量良 好 的 情 况 下 获 得 较大的压缩比。 关键词 小波变换 图像压缩 图像编码 图像重构 图像处理 中图分类号 ’C.D%
! !
,
=! （ ’）
!
%
=! （ ’）
!
!
=! （ ’）
!
/
=! （ ’）
%
%
=! （ ’）
%
!
=! （ ’）
%
/
,
"
图/
小波分解后的各层子图像的空间位置分布示意图
， @! （ ’） +,0’（ +B） 1. / ， B!&
! !
"
%!
(!
代表了图像的低频成份， 低频图像还可以进一步分解成四 个子带， 设分解层数为 C ， 则总的子带数为 /C &% ； ， =! （ ’） +,0’（ +， A） !! （ +%! / ， A(! B） 1. / ， B!&
! !
!
!
(!
(!
B ! & /!&
"， 2） 4（ B(!" ） 6（ /%!% ） & ##= ’（
!
!
%
代表了图像的水平高频成份（ 垂直边界） ；
"， 2） 6（ B(!" ） 4（ /%!% ） & ##= ’（
B ! & /!& !
!
!
计算机工程与应用 !""#$%"
56
)， B） *（ #L!) ） *（ %+!% ） !!& (（
! !
同样， 可获得二维信号的重构算法为：
%
%
(!
%!
@ ! ’（ B， /） $#34##@ ! ’（ "， 2） 4（ B(!" ） 4（ /%!% ） &
! &% !
,
,
B ! & /!&
代表了图像的垂直高频成份（ 水平边界） ； ， =! （ ’） + ,-’（ +， A） !! （ +(! / ， A(! B） 1. / ， B!&
! "
图 ! 描述了将小波图像 @ ! （ 分解成轮廓图像 @! （ 和 ’） ’）
! &% !
,
,
小波基。即：
细节图像 =! （ ， ’） "$% ， !， / 的示意图。
!
%
! !:
( !$2 （ 3）
!
&
! !&
空 集 ） 1 "+"( ! "1 %;（ …% ( ! $# （ !$(% ，
=! （ ’）