6.3 Python图像处理之图像编码技术和标准-小波变换编码

6.3 Python图像处理之图像编码技术和标准-小波变换编码

1 算法原理

所谓的小波的小是针对傅里叶波而言，傅里叶波指的是在时域空间无穷震荡的正弦（或余弦波）。相对而言，小波指的是一种能量在时域非常集中的波，它的能量有限，都集中在某一点附近，而且积分的值为零，这说明它与傅里叶波一样是正交波。小波变换步骤如下：

​ 1）把小波 w(t)和原函数 f(t)的开始部分进行比较，计算系数 C。系数 C 表示该部分函数与小波的相似程度；

​ 2）把小波向右移 k 单位，得到小波 w(t-k)，重复 1。重复该步骤直至函数 f 结束；

​ 3）扩展小波 w(t)，得到小波 w(t/2)，重复步骤 1,2；

​ 不断扩展小波，重复 1,2,3。

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，即可获得重构图像。由上述过程可以看出，图像的小波分解是一个将信号按照低频和有向高频进行分离的过程，分解过程中还可以根据需要对得到的 LL 分量进行进一步的小波分解，直至达到要求。

2 代码

运行代码说明

1.要改变代码中的图片地址（地址不能有中文）

更改put(path)函数中的路径put(r'../image/image1.jpg')

2.注意最后的plt.savefig('1.new.jpg')是保存plt图像，如果不使用可以注释掉

代码依赖包：

matplotlib  3.4.2
numpy  1.20.3
opencv-python  4.1.2.30
PyWavelets  1.1.1

# pip安装
pip install matplotlib numpy opencv-python PyWavelets

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 需要安装python小波分析库PyWavelets
from pywt import dwt2, idwt2

def put(path):
    # 0是表示直接读取灰度图
    img = cv2.imread(path, 0)
    
    # 对img进行haar小波变换：,haar小波
    cA, (cH, cV, cD) = dwt2(img, 'haar')

    # 小波变换之后，低频分量对应的图像：
    a = np.uint8(cA / np.max(cA) * 255)
    # 小波变换之后，水平方向高频分量对应的图像：
    b = np.uint8(cH / np.max(cH) * 255)
    # 小波变换之后，垂直平方向高频分量对应的图像：
    c = np.uint8(cV / np.max(cV) * 255)
    # 小波变换之后，对角线方向高频分量对应的图像：
    d = np.uint8(cD / np.max(cD) * 255)

    # 根据小波系数重构回去的图像
    rimg = idwt2((cA, (cH, cV, cD)), 'haar')

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.subplot(231), plt.imshow(img, 'gray'), plt.title('原始图像'), plt.axis('off')
    plt.subplot(232), plt.imshow(a, 'gray'), plt.title('低频分量'), plt.axis('off')
    plt.subplot(233), plt.imshow(b, 'gray'), plt.title('水平方向高频分量'), plt.axis('off')
    plt.subplot(234), plt.imshow(c, 'gray'), plt.title('垂直平方向高频分量'), plt.axis('off')
    plt.subplot(235), plt.imshow(d, 'gray'), plt.title('对角线方向高频分量'), plt.axis('off')
    plt.subplot(236), plt.imshow(rimg, 'gray'), plt.title('重构图像'), plt.axis('off')

    # plt.savefig('3.new-img.jpg')
    plt.show()


# 图像处理函数，要传入路径
put(r'../image/image1.jpg')

3 效果