二维哈尔小波变换算法——MATLAB、C++实现

兹于2017年12月，应《多媒体技术基础》课程实验的要求，本人就基于二维哈尔小波变换算法做了较为深入的理解，用MATLAB和C++语言实现二维哈尔小波变换算法。

二维哈尔小波变换算法

一、实验目的

掌握小波及小波变换相关算法。

 

二、实验设备与环境

Windows 7，MATLAB，DEV C++

 

三、实验内容、程序清单及运行结果

实验要求

根据课本内容，实现图像小波变换算法。

具体可参考《多媒体技术基础（第三版）》，可以在这里下载PDF电子书

小波与小波变换算法概述

小波是定义在有限间隔而且其平均值为零的一种函数。

小波变换算法求有限信号的均值和差值：

例如：假设有一幅分辨率只有4个像素p0、p1、p2、p3 的一维图像，对应的像素值或者叫做图像位置的系数分别为：

[ 9   7     3     5 ]

计算它的哈尔小波变换系数。

计算步骤如下：

步骤1：求均值(averaging)。计算相邻像素对的平均值，得到一幅分辨率比较低的新图像，它的像素数目变成了2个，即新的图像的分辨率是原来的1/2，相应的像素值为：

[ 8       4 ]

步骤2：求差值(differencing)。很明显，用2个像系表示这幅图像时，图像的信息已经部分丢失。为了能够从由2个像素组成的图像重构出由4个像素组成的原始图像，就需变存储一些图像的细节系数(detail coefficient)，以便在重构时找回丢失的信息。方法是把像素对的第一个像素值减去这个像索对的平均值.或者使用这个像素对的差值除以2。在这个例子中，第一个细节系数是(9-8)=1，因为计算得到的平均值是8，它比9小1面比7大1，存储这个细节系数就可以恢复原始图像的前两个像素值。使用同样的方法，第二个细节系数是(3-4)=-1，存储这个细节系数就可以恢复后2个像素值。因此，原始图像就可以用下面的两个平均值和两个细节系数表示ÿ