小波变换与重构的数学描述"/>
一维haar小波变换与重构的数学描述
这是我在CSDN上发布的第二篇博客。
先扯点闲篇,作为一个微电子&光学方向混杂的小学生,早早就注册了CSDN账号,一直不清楚自己可以和大家分享一些什么,而且老师布置的作业太多了!我又想看小猪佩奇,所以距离上一篇完成也已经过了好久,但是我SLM的使用也在跟进,有机会再与大家分享一下学习心得。
最近正好最近在学习小波变换,也在网上找了好多资料,在这一篇博客之中,我就与大家分享一下我入手小波变换的第一课:haar小波。对它的变换形式进行一个数学的描述:
关于小波变换
要理解小波变换,我觉得“滤波”的思想是很关键的。任何信号,都由描述其轮廓的低频信息以及含有信号细节的高频部分组成。在傅里叶光学系统中的小孔,就是一个滤波器,帮助光学系统滤除了高频噪声,同时也会损失原始信号的细节部分,所以傅里叶光学成像都会在分辨率以及成像质量上做足文章,但硬伤不好医呀~~而且,我们熟知,傅里叶变换有著名的“吉布斯效应”的存在,在信号恢复的时候,对于原始信号在时间上的阶跃或者突变部分,无数多个频率分量的拟合导致不可能完全恢复出原始信号。
作为搞光学的小学生,我对傅里叶变换是又爱又恨。恰巧老师布置作业要做图像处理,需要涉猎小波变换。这一涉一猎,真的让本小学生大开眼界!小波变换对于高低频信息的保留可以说是完美。甚至可以做到无损失恢复原始信号。
那么我就围绕haar小波来和大家分享一下小波变换是怎么做到滤波、压缩、无损恢复的。haar小波的变换步骤如下:
我们输入一个离散信号Sn,其中有2n个样本值Sn,l,即Sn&#
更多推荐
一维haar小波变换与重构的数学描述
发布评论