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。