离散小波-DWT

前沿：

     小波变换比较复杂，而且内容较多。想搞清楚小波，得花费很多的时间。这里只是以离散小波为例进行讲解。

小波变换：

   1.什么是变换？

         数字信号处理领域很多处理方式的本质都是变换。例如，图像压缩、滤波、图像处理等，其本质都是变换。那么，到底什么是变换呢？

变换其实就是“搞基”。“基”也就是basis.线性代数中的特征空间中的特征向量就是“基”啊，特征空间的任意一向量都可以由这些基向量线性组合而成。

傅里叶展开，对于f(x)展开为三角函数线性组合而且，展开为指数函数线性组合而成。这些三角函数，这些指数函数就是基啊。现在，很多同志们都会PS

都会玩photoshop，利用photoshop处理图像，所涉及到的这些处理方式实际上也是搞基啊，因为都是与基有关的啊。至于你怎么的个搞法，这个看你的基是

用来干什么的。这说明搞基的多元模式嘛。

       既然是搞基，那么这个基的重要性你可想而知啊，所以，基的选择是非常之重要的，基的特点将会决定操作的具体过程。例如，图像压缩中，

主要是信息量冗余问题的克服了，没用的毛都拔掉，希望这基能够最大程度的表示图像信息。图像处理中常见的线性变换，最完美的就要归功于

特征向量基（eigenvector basis）。

      上升到理论上说，所有的基，要容易计算，方式简洁，而且能够最大程度的体现信号特性。

2.如何搞基？

 2.1搞基前奏之傅里叶相关

      基不仅仅存在于向量空间，也存在于函数空间。这里的函数空间的本质是线性向量空间，可以是有限的，也可以是无限的，只是这里的向量你不要在狭隘的认为了，

广义的讲师向量，这里实质是函数了。这里要说明的是把向量空间的很多性质和特性推广到函数空间，从而更好的研究函数空间中的搞基情况。

     比如，基的正交性在向量空间中多少有限的，也就是特征向量的个数嘛，一般是个常量沙。而在函数空间中，这里的基函数多数是无限的，有无穷多个整交的分量啊。

比如，f(x)的傅里叶级数展开：

其中的1，cosx, sinx, cos2x …..这些就是基啊。

那么基的正交性就那么重要吗？

当然啊。

我们说两个vector v,w如果正交的话，应符合：

一般函数的正交如何表示呢？

就这么表示啊。也就是改改符号啊。是啊，就这这么个搞法啊。