1. 基础知识
本节主要内容是关于基变换的,从一组基变换到另外一组基中,这是在实际应用中会遇到,我们会在项目中讲到因为基的变换而引申出来的信号压缩,图像压缩问题。本质上其实都是基变换而引申出来的应用,基变换很强大也很重要。本章的主题是线性变换与矩阵的关联,线性变换不一定是在坐标系中进行变换,矩阵用坐标来表示线性变换,图像压缩也存在基的变换。
2. 图像向量
我们平常收到的视频图像是非常大的,我们在传输过程中不可能将原始图像进行传输,这样对于网络的负载太大了,我们需要将图像进行压缩打包后再发送,最后在我们显示的时候解压缩进行图像的还原,这样我们就能够高效的进行图像的传递和播放。
- 情况一:长度为512*512的向量
一个图像就是一个向量,包含图像的信息,如果是灰度图像,我们得到了一个长度为512*512
的向量[线性代数中默认是列向量],向量里面的元素值为 0 ≤ x i ≤ 255 0 \leq x_i\leq 255 0≤xi≤255,如果是彩色图片,长度为3*512*512
;
我们发现一个问题,假如我们有一张单独的空黑板图片,也就是所有的像素灰度一样。如果我们单独的去看一个像素是没有任何意义的,我们需要取出图像中的一块小区域当做一个特征来看待,这样我们就能学到相关的纹理信息。 - 标准基:每个
x
i
x_i
xi表示为第i个像素的值,这样特别浪费维度,
x
i
x_i
xi太多了,且每个像素
x
i
T
x
j
=
0
x_i^Tx_j=0
xiTxj=0无相关性,无法提取到好的特征。
x 0 = [ 1 0 ⋮ 0 ] , x 1 = [ 0 1 ⋮ 0 ] , ⋯ , x n = [ 0 0 ⋮ 1 ] \begin{equation} x_0=\begin{bmatrix}1\\\\0\\\\\vdots\\\\0\end{bmatrix},x_1=\begin{bmatrix}0\\\\1\\\\\vdots\\\\0\end{bmatrix},\cdots,x_n=\begin{bmatrix}0\\\\0\\\\\vdots\\\\1\end{bmatrix} \end{equation} x0= 10⋮0 ,x1= 01⋮0 ,⋯,xn= 00⋮1 - 比较好的基,
x
0
:
x_0:
x0:全局为1的基,可以看到全局信息,
x
1
:
x_1:
x1: 1,-1的交互基,可以看到高频信号,噪声等信息
x 0 = [ 1 1 1 ⋮ 1 ] , x 1 = [ 1 − 1 ⋮ 1 − 1 ] \begin{equation} x_0=\begin{bmatrix}1\\\\1\\\\1\\\\\vdots\\\\1\end{bmatrix},x_1=\begin{bmatrix}1\\\\-1\\\\\vdots\\\\1\\\\-1\end{bmatrix} \end{equation} x0= 111⋮1 ,x1= 1−1⋮1−1 - 我们不希望用单独的像素作为基,这样太孤立了,我们希望以特征的形式来当做基,这样我们能更好的理解和处理图像信息。
3. 图像压缩
一开始,我们用一个512*512
长的向量来表示一个图像,这个一维向量太长了,并且每个像素单独看,不利于进行图像的理解,这里我们用长8,宽8共64个像素区域来对512*512的图像进行分块处理,在保证图像信息不丢失的情况下,这种切块处理叫做 无损压缩处理
:
3.1 傅里叶复数基
- 以长8,宽8共64个像素作为块进行压缩,通常我们用8*8的傅里叶基作为标准基
w 8 i = e 2 π 8 i \begin{equation} w_8^i=\mathrm{e}^{\frac{2\pi}{8} i} \end{equation} w8i=e82πi
F 0 = [ 1 1 1 1 1 1 1 1 ] , F 1 = [ 1 w 8 1 w 8 2 w 8 3 w 8 4 w 8 5 w 8 6 w 8 7 ] , F 2 = [ 1 w 8 2 w 8 4 w 8 6 w 8 8 w 8 10 w 8 12 w 8 14 ] , F 3 = [ 1 w 8 3 w 8 6 w 8 9 w 8 12 w 8 15 w 8 18 w 8 21 ] , F 4 = [ 1 w 8 4 w 8 8 w 8 12 w 8 16 w 8 20 w 8 24 w 8 28 ] , F 5 = [ 1 w 8 5 w 8 10 w 8 15 w 8 20 w 8 25 w 8 30 w 8 35 ] , F 6 = [ 1 w 8 6 w 8 12 w 8 18 w 8 24 w 8 30 w 8 36 w 8 42 ] , F 7 = [ 1 w 8 7 w 8 14 w 8 21 w 8 28 w 8 35 w 8 42 w 8 49 ] , \begin{equation} F_0=\begin{bmatrix}1\\\\1\\\\1\\\\1\\\\1\\\\1\\\\1\\\\1\end{bmatrix},F_1=\begin{bmatrix}1\\\\w_8^1\\\\w_8^2\\\\w_8^3\\\\w_8^4\\\\w_8^5\\\\w_8^6\\\\w_8^7\end{bmatrix},F_2=\begin{bmatrix}1\\\\w_8^2\\\\w_8^4\\\\w_8^6\\\\w_8^8\\\\w_8^{10}\\\\w_8^{12}\\\\w_8^{14}\end{bmatrix},F_3=\begin{bmatrix}1\\\\w_8^3\\\\w_8^6\\\\w_8^9\\\\w_8^{12}\\\\w_8^{15}\\\\w_8^{18}\\\\w_8^{21}\end{bmatrix},F_4=\begin{bmatrix}1\\\\w_8^4\\\\w_8^8\\\\w_8^{12}\\\\w_8^{16}\\\\w_8^{20}\\\\w_8^{24}\\\\w_8^{28}\end{bmatrix},F_5=\begin{bmatrix}1\\\\w_8^5\\\\w_8^{10}\\\\w_8^{15}\\\\w_8^{20}\\\\w_8^{25}\\\\w_8^{30}\\\\w_8^{35}\end{bmatrix},F_6=\begin{bmatrix}1\\\\w_8^6\\\\w_8^{12}\\\\w_8^{18}\\\\w_8^{24}\\\\w_8^{30}\\\\w_8^{36}\\\\w_8^{42}\end{bmatrix},F_7=\begin{bmatrix}1\\\\w_8^7\\\\w_8^{14}\\\\w_8^{21}\\\\w_8^{28}\\\\w_8^{35}\\\\w_8^{42}\\\\w_8^{49}\end{bmatrix}, \end{equation} F0= 11111111 ,F1= 1w81w82w83w84w85w86w87 ,F2= 1w82w84w86w88w810w812w814 ,F3= 1w83w86w89w812w815w818w821 ,F4= 1w84w88w812w816w820w824w828 ,F5= 1w85w810w815w820w825w830w835 ,F6= 1w86w812w818w824w830w836w842 ,F7= 1w87w814w821w828w835w842w849 ,
3.2 wavelet 小波变换基
w 0 = [ 1 1 1 1 1 1 1 1 ] , w 1 = [ 1 1 1 1 − 1 − 1 − 1 − 1 ] , w 2 = [ 1 1 − 1 − 1 0 0 0 0 ] , w 3 = [ 0 0 0 0 1 1 − 1 − 1 ] , w 4 = [ 1 − 1 0 0 0 0 0 0 ] , w 5 = [ 0 0 1 − 1 0 0 0 0 ] , w 6 = [ 0 0 0 0 1 − 1 0 0 ] , w 7 = [ 0 0 0 0 0 0 1 − 1 ] , \begin{equation} w_0=\begin{bmatrix}1\\\\1\\\\1\\\\1\\\\1\\\\1\\\\1\\\\1\end{bmatrix},w_1=\begin{bmatrix}1\\\\1\\\\1\\\\1\\\\-1\\\\-1\\\\-1\\\\-1\end{bmatrix},w_2=\begin{bmatrix}1\\\\1\\\\-1\\\\-1\\\\0\\\\0\\\\0\\\\0\end{bmatrix},w_3=\begin{bmatrix}0\\\\0\\\\0\\\\0\\\\1\\\\1\\\\-1\\\\-1\end{bmatrix},w_4=\begin{bmatrix}1\\\\-1\\\\0\\\\0\\\\0\\\\0\\\\0\\\\0\end{bmatrix},w_5=\begin{bmatrix}0\\\\0\\\\1\\\\-1\\\\0\\\\0\\\\0\\\\0\end{bmatrix},w_6=\begin{bmatrix}0\\\\0\\\\0\\\\0\\\\1\\\\-1\\\\0\\\\0\end{bmatrix},w_7=\begin{bmatrix}0\\\\0\\\\0\\\\0\\\\0\\\\0\\\\1\\\\-1\end{bmatrix}, \end{equation} w0= 11111111 ,w1= 1111−1−1−1−1 ,w2= 11−1−10000 ,w3= 000011−1−1 ,w4= 1−1000000 ,w5= 001−10000 ,w6= 00001−100 ,w7= 0000001−1 ,
- 有损压缩&无损压缩
- 什么是好的基?
好的基要满足如下条件:1. 计算逆特别快,比如傅里叶复数基和小波变换基,直接转置就可以得到逆矩阵. 2. - W:为新的基的列向量,C为新的基的系数
X o l d − b i a s = W C n e w − b i a s \begin{equation} X_{old-bias}=WC_{new-bias} \end{equation} Xold−bias=WCnew−bias - 假设有一个确定的线性变换T,对于同一个线性变换来说,有一组基
v
1
,
v
2
,
⋯
,
v
8
v_1,v_2,\cdots,v_8
v1,v2,⋯,v8组成矩阵A,另外有一组基
w
1
,
w
2
,
⋯
,
w
8
w_1,w_2,\cdots,w_8
w1,w2,⋯,w8组成矩阵B,那么A与B之间的关系?
M − 1 A M ⇒ B ∼ A \begin{equation} M^{-1}AM\Rightarrow B \sim A \end{equation} M−1AM⇒B∼A
B = M − 1 A M ⇒ B ∼ A \begin{equation} B=M^{-1}AM\Rightarrow B \sim A \end{equation} B=M−1AM⇒B∼A