小波变换轻松入门(我的理解说明)

本文以小波变换为例,介绍了信号压缩的基本思想,通过将数据转化为低频和高频部分来实现信息的压缩。通过矩阵变换,演示了小波分析的过程,包括一维和二维情况。文章强调了小波变换的多尺度分析概念,以及在图像压缩、信号处理中的应用,揭示了小波变换在处理变化快慢不同信息时的优势。
摘要由CSDN通过智能技术生成

第一节

一个很简单的例子 还谈不上正式入门 但他具备了部分的思想。

[x0,x1,x2,x3]=[90,70,100,70]
为达到压缩 我们可取 (x0+x1)/2  (x0-x1)/2 来代表 x0,x1 
这样 [90,70] 可表示为 [80,10] 80即平均数 10是小范围波动数(可想象出一种波的形状)
[90,70] --〉[80,10] , [100,70] --〉 [85,15]
可以想象80 和85 都是局部的平均值 反映大的总体的状态,是变化相对缓慢的值,可以认为他们是低频部分的值;
而10、15是小范围波动的值 局部变换较快 可以认为他们是高频部分的值。

  1. FIRST: 把[90,70,100,70] 写成 [80,85,10,15] 即把低频部分写在一起(记频率L) 高频部分写在一起(H)
  2.           (90+70)/2,(100+70)/2,(90-70)/2,(100-70)/2  
  3. L=[80,85],H=[10,15]
  4. SECOND: 而[80,85] 又可经同样的变换--> [82.5, -2.5] 这样 82.5表示更低频的信息(记频率LL) -1.5则表示了频率L上的波动
  5. 最后90,70,100,70] --〉[82.5, -2.5, 10, 15] (LL,LH,H,H) 这样信息就可被压缩了(数字范围小了)

这就是二级变换 同样的你可以进行更高级的变换。 呵呵,很简单吧?

 

现在再来扩展一下 
[90,70]---> [80,10] 写成矩阵

[90,70] * [1/2, 1/2]
          [1/2 ,-1/2] 

Haar转换矩阵[1,1]

H=     [1,-1]  /2 


如果是[90,70,100,70] 第一步就可写成矩阵M1
[1/2, 0, 1/2, 0]
[1/2, 0, -1/2, 0]
[0,  1/2, 0,  1/2]
[0 , 1/2, 0, -1/2]

M1=[

    0.5000         0    0.5000         0

    0.5000         0   -0.5000         0

         0    0.5000         0    0.5000

         0    0.5000         0   -0.5000

]

第二步 只对低频 L操作 高频不变 故可写成M2
1/2,  1/2, 0, 0
1/2, -1/2, 0, 0
0,  0,  1, 0
0,  0,  0, 1

M2=[

    0.5000    0.5000         0         0

    0.5000   -0.5000         0         0

         0         0    1.0000         0

         0         0         0    1.0000

]

令M=M1

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值