小波变换和傅里叶变换

前言

要讲小波变换，我们必须了解傅立叶变换。要了解傅立叶变换，我们先要弄清楚什么是”变换“。
很多处理，不管是压缩也好，滤波也好，图形处理也好，本质都是变换。变换的是什么东西呢?是基，也就是basis。如果你暂时有些遗忘了basis的定义，那么简单说，在线性代数里，basis是指空间里一系列线性独立的向量，而这个空间里的任何其他向量，都可以由这些个向量的线性组合来表示。那basis在变换里面啥用呢?比如说吧，傅立叶展开的本质，就是把一个空间中的信号用该空间的某个basis的线性组合表示出来，要这样表示的原因，是因为傅立叶变换的本质。小波变换自然也不例外的和basis有关了。再比如你用Photoshop去处理图像，里面的图像拉伸，反转，等等一系列操作，都是和basis的改变有关。

总的来说，抛开具体的应用不谈，所有的basis，我们都希望它们有一个共同的特点，那就是，容易计算，用最简单的方式呈现最多的信号特性。

傅里叶变换

傅里叶变换 是一种线性的积分变换。就是一种从时间到频率的变化或者其相互转化。可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。傅立叶变换使我们能通过频率成分来分析一个函数。
傅里叶原理 表明：任何连续测量的时序或信号（如图像信号），都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。在图像领域就是将图像brightness variation 亮度变换作为正弦变量。
傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
根据原信号的不同类型，我们可以把傅立叶变换分为四种类别：

1. 非周期性连续信号 傅立叶变换（Fourier Transform）
2. 周期性连续信号 傅立叶级数(Fourier Series)
3. 非周期性离散信号 离散时域傅立叶变换（Discrete Time Fourier Transform）
4. 周期性离散信号 离散傅立叶变换(Discrete Fourier Transform)

傅里叶分析可分为傅里叶级数（Fourier Serie）和傅里叶变换(Fourier Transformation)

小波变换

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。
图像的傅里叶变换是将图像信号分解为各种不同频率的正弦波。同样，小波变换是将图像信号分解为由原始小波位移和缩放之后的一组小波。小波在图像处理里被称为图像显微镜，原因在于它的多分辨率分解能力可以将图片信息一层一层分解剥离开来。剥离的手段就是通过低通和高通滤波器。
小波变换可以和傅里叶变换结合起来理解。傅里叶变换是用一系列不同频率的正余弦函数去分解原函数，变换后得到是原函数在正余弦不同频率下的系数。小波变换使用一系列的不同尺度的小波去分解原函数，变换后得到的是原函数在不同尺度小波下的系数。不同的小波通过平移与尺度变换分解，平移是为了得到原函数的时间特性，尺度变换是为了得到原函数的频率特性。

参考资料

小波变换完美通俗讲解系列之 （一）_傅斯年的写字台-CSDN博客
傅里叶变换_计算机视觉小菜鸟的专栏-CSDN博客
深入浅出的讲解傅里叶变换（真正的通俗易懂）_l494926429的博客-CSDN博客_傅里叶变换
全面解析傅立叶变换（非常详细） (360doc.com)
隐写术：基于2D-FFT的图像数字水印技术 - 知乎 (zhihu.com)
形象展示傅里叶变换_哔哩哔哩_bilibili
图像处理-小波变换_知识搬运工的博客-CSDN博客_小波变换