WHT, SLANT, Haar

Gonzalez R. C. and Woods R. E. Digital Image Processing (Forth Edition)

基本

酉变换

一维的变换:
$$\begin{gathered} \mathbf{t}=\mathbf{A}\mathbf{f}, \\ \mathbf{f}={\mathbf{A}}^H\mathbf{t}, \\ {\mathbf{A}}^H={{\mathbf{A}}^{\ast }}^T,{\mathbf{A}}^H\mathbf{A}=\mathbf{I}. \end{gathered}$$
以及二维的变换:
$$\begin{gathered} \mathbf{T}=\mathbf{A}\mathbf{F}{\mathbf{B}}^T, \\ \mathbf{F}={\mathbf{A}}^H\mathbf{T}{\mathbf{B}}^{\ast }, \\ {\mathbf{A}}^H\mathbf{A}=\mathbf{I},{\mathbf{B}}^T{\mathbf{B}}^{\ast }=\mathbf{I}. \end{gathered}$$

以一维的为例, 实际上就是
$$\begin{gathered} t_u=\sum _{x=0}^{N-1}{f}_{x}s(x,u)={\mathbf{f}}^T{\mathbf{s}}_u,u=0,1,\cdots ,N-1, \\ {\mathbf{s}}_u=[s(0,u),s(1,u),\cdots ,s(N-1,u){]}^T. \end{gathered}$$
故
$$\mathbf{A}=[{\mathbf{s}}_0,\cdots ,{\mathbf{s}}_{N-1}{]}^T.$$

注: 下面假设:$N=2^n$.

WALSH-HADAMARD TRANSFORMS

$$s(x,u)=\frac{1}{\sqrt{N}}(-1{)}^{{\sum }_{i=0}^{n-1}{b}_i(x)b_i(u)},$$
注意, 这里$b_i(u)$表示$u$的二进制的第$i$位, 比如$4$的二进制为$100$, 此时$b_0=0,b_2=1$.

变换矩阵可以通过更通俗易懂的方式搭建:
$$\begin{gathered} {\mathbf{A}}_W=\frac{1}{\sqrt{N}}{\mathbf{H}}_N, \\ {\mathbf{H}}_{2N}=\left[\begin{array}{cc}{\mathbf{H}}_N& {\mathbf{H}}_N\\ {\mathbf{H}}_N& -{\mathbf{H}}_N\end{array}\right], \\ {\mathbf{H}}_2=\left[\begin{array}{cc}1& 1\\ 1& -1\end{array}\right]. \end{gathered}$$

sequency-ordered WHT

$${\mathbf{H}}_4=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& -1& 1& -1\\ 1& 1& -1& -1\\ 1& -1& -1& 1\end{array}\right].$$
可以发现, 第1行($u=0,1,2,3$)的符号变换最快的(类似与DFT中的频率的概念), 故sequency-order, 即按照符号变换快慢的递增排列, 其公式如下:

$$\begin{gathered} s(x,u)=\frac{1}{\sqrt{N}}(-1{)}^{{\sum }_{i=0}^{n-1}{b}_i(x)p_i(u)}, \\ {p}_0(u)=b_{n-1}(u), \\ {p}_{n-1-i}(u)=b_i(u)+b_{i+1}(u),i=0,\cdots ,n-2. \end{gathered}$$

记${\mathbf{H}}_{W^{\prime }}$为sequency-order的, 则 ${\mathbf{H}}_{W^{\prime }}$的第$u$行与${\mathbf{H}}_W$的第$v$行存在如下的关系:

1. 考虑$n$bit的二进制, 则
   $$\begin{gathered} u:(u_{n-1}{u}_{n-2}\cdots u_0), \\ v:(v_{n-1}{v}_{n-2}\cdots v_0). \end{gathered}$$
2. 将$u$转换成其gray code格式
   $$\begin{gathered} g_i=u_i\oplus u_{i+1},i=0,\cdots ,n-2 \\ {g}_{n-1}=s_{n-1}. \end{gathered}$$
   其中$\oplus$表示异或操作.
3. 对$g$进行bit-reverse, 即$g_i,g_{n-1-i}$调换位置, 则
   $$v_i=g_{n-1-i}.$$

举个例子, 假设$n=3$, $u=4=(100{)}_2$, 则$g=(110{)}_2$, $v=(011{)}_2=3$. 即$H_8^{\prime }$的第4行为$H_8$的第3行(注意均从0开始计数).

proof:

$$\begin{array}{ll}{p}_{n-1-i}(u)& =b_i(u)+b_{i+1}(u)\\ & \iff b_i(g)\\ & =b_{n-1-i}(v).\end{array}$$

注意$\iff$, 是这样的, $b_i+b_{i+1}$仅有(0, 1, 2)三种可能性, 而$(-1{)}^1=-1$否则为1，而$b_i(g)=1$恰好是$b_i(u)+b_{i+1}(u)=1$ (根据异或的定义可得), 故可能等价替换.
$$p_0(u)=b_0(v),$$
是显然的, 证毕.

下图便是按照sequency增序的表示.

SLANT TRANSFORM

$$\begin{gathered} {\mathbf{A}}_{SI}=\frac{1}{\sqrt{N}}{\mathbf{S}}_N, \\ {\mathbf{S}}_N=\left[\begin{array}{cccccc}1& 0& 0& 1& 0& 0\\ a_N& b_N& 0& -a_N& b_N& 0\\ 0& 0& {\mathbf{I}}_{(N/2)-2}& 0& 0& {\mathbf{I}}_{(N/2)-2}\\ 0& 1& 0& 0& -1& 0\\ -b_N& a_N& 0& b_N& a_N& 0\\ 0& 0& {\mathbf{I}}_{(N/2)-2}& 0& 0& -I_{(N/2)-2}\end{array}\right]\left[\begin{array}{cc}{\mathbf{S}}_{N/2}& 0\\ 0& {\mathbf{S}}_{N/2}\end{array}\right], \\ {\mathbf{S}}_2=\left[\begin{array}{cc}1& 1\\ 1& -1\end{array}\right], \\ {a}_N=[\frac{3N^2}{4(N^2-1)}{]}^{1/2}, \\ {b}_N=[\frac{N^2-4}{4(N^2-1)}{]}^{1/2}. \end{gathered}$$

标准正交性质是容易证明的, 需要特别注意的是, 改变换矩阵是非对称的, 所以逆变换是需要计算逆的$A_{SI}^{-1}$.

Haar Transform

Haar 是一种小波变换, 这里简单写一下.

$$\begin{gathered} s(x,u)=\frac{1}{\sqrt{N}}{h}_u(x/N),x=0,1,\cdots ,N-1, \\ u=2^p+q, \\ {h}_u(x)=\{\begin{array}{ll}1& u=0\text{and}0\le x<1,\\ 2^{p/2}& u>0\text{and}q/2^p<(q+0.5)/2^p,\\ -2^{p/2}& u>0\text{and}(q+0.5)/2^p<(q+1)/2^p,\\ 0& \text{otherwise}.\end{array} \end{gathered}$$