最近在做有关小波的小课题研究,把我的心得和诸位分享一下。国内有关小波变换的资料比较少,诸位读者可以在google上找到许多比较好的学习资料。小波变换发展了大概三十多年,无论是在数学上还是在工程应用上都研究得比较透彻。其实小波变换和图形学中的细分(subdivision)也有着紧密的联系,这篇文章就围绕细分和小波来谈谈我的体会。(注1:很多细节被跳过了,读者想有更深入的数学理解,可以看我的第一篇参考文献。注2:有一些概念直接从英文文献中搬过来了,翻译和中文文献中不一定一致。)
一、细分和小波变换的联系
1.1 简单介绍细分
细分是个很简单的想法。比如在工程上我用某种手段得到了一个曲面的离散坐标数据,我想在计算机中建立得到一个光滑的曲面,这时候就要用到细分的方法。下图是一个函数的例子[1],
![3aa1bf9addf08bd1c35a7cb700897cea.png](https://i-blog.csdnimg.cn/blog_migrate/367634e8c08fcce22af94b8aa72957df.jpeg)
上图(a)可以认为是实际测量得到的数据点,然后我们通过某种法则生成了新的细密的点,如(b)(c),持续地做下去,我们就能得到一个光滑的函数图像,也就是图(d)。上图的迭代方法是Chaikin在1974年提出的著名的Chaikin algorithm,这个算法的想法很简单,就是用相邻的两个点产生一个新的点,它把原来函数尖锐的“角”都给切掉了,可以看到算法的效果是不错的。对具体操作方法感兴趣的读者可以自行google。
下面我们用数学的语言去表述细分的想法,并引入矩阵运算。简便起见,考虑一维函数的形式。由于迭代过程中的函数都是由离散点构成的,我们考虑它们都是分段线性的函数。并且一般来说,细分都是以2为倍数的,也即每做一次细分离散点的个数就会多一倍,我们便设第k次迭代的函数有
解释一下上面的公式中各个字母的意思。j代表细分迭代的次数,我们给