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