Digital Image Processing

Wavelet dan multiresolusi Pengolahan

(Latar Belakang)

University of Ioannina - Department of Computer Science

 Wavelet dan multiresolusi
Pengolahan

Selama ini, penjaga menatapnya, pertama melalui

teleskop, kemudian melalui mikroskop, dan
kemudian melalui kaca opera.

Lewis Carrol, Melalui Looking Glass

C. Nikou – Digital Image Processing (E12)

 Isi
– piramida gambar
– subband coding
– The Haar transformasi
– analisis multiresolusi
• ekspansi seri
• fungsi Scaling
• fungsi wavelet
– seri wavelet
– Diskrit transformasi wavelet (DWT)
– Cepat transformasi wavelet (FWT)
– paket wavelet
C. Nikou – Digital Image Processing (E12)
 pengantar
Berbeda dengan Transformasi Fourier, yang
terurai sinyal ke sejumlah sinusoid, yang
transformasi wavelet terurai sinyal (gambar) ke
gelombang kecil frekuensi yang bervariasi dan
durasi terbatas.
Keuntungannya adalah bahwa kami juga tahu
kapan (di mana) frekuensi muncul.
Banyak aplikasi di kompresi gambar, transmisi,
dan analisis.
Kami akan memeriksa wavelet dari sudut
pandang multiresolusi pandang dan mulai
dengan gambaran dariImage
C. Nikou – Digital teknik pencitraan
Processing (E12) yang
 Pendahuluan (cont ...)
benda-benda kecil yang
dilihat pada resolusi tinggi.

benda besar hanya

memerlukan resolusi
kasar.

Gambar telah secara lokal

berbagai statistik yang
mengakibatkan kombinasi
dari tepi, fitur tiba-tiba dan
wilayah homogen.

C. Nikou – Digital Image Processing (E12)

 Piramida gambar
Awalnya dirancang untuk visi mesin dan kompresi
gambar.
Ini adalah koleksi gambar pada penurunan tingkat
resolusi.
tingkat dasar adalah ukuran 2Jx2J atau NxN.
Tingkat j adalah ukuran 2jx2j.

C. Nikou – Digital Image Processing (E12)

 Gambar Piramida (cont ...)
Pendekatan piramida:
Pada setiap tingkat resolusi berkurang kami memiliki citra
disaring dan downsampled.

f2 (n)  f (2n)

C. Nikou – Digital Image Processing (E12)

 Gambar Piramida (cont ...)
Prediksi piramida:
Sebuah prediksi setiap tingkat resolusi tinggi diperoleh
dengan upsampling (memasukkan angka nol) tingkat
resolusi rendah sebelumnya (prediksi piramida) dan
interpolasi (penyaringan).
 f (n / 2) if n is even
f 2 ( n )  
 0 otherwise

C. Nikou – Digital Image Processing (E12)

 Gambar Piramida (cont ...)
Prediksi sisa piramida:
Pada setiap tingkat resolusi, kesalahan prediksi dipertahankan
bersama dengan gambar tingkat resolusi terendah.
Gambar asli dapat direkonstruksi dari informasi ini.

C. Nikou – Digital Image Processing (E12)

 Gambar Piramida (cont ...)

pendekatan piramida

Prediksi piramida residual

C. Nikou – Digital Image Processing (E12)

 subband Coding
Sebuah gambar didekomposisi untuk satu
set komponen bandlimited (subbands).

dekomposisi dilakukan dengan menyaring

dan downsampling.

Jika filter yang dipilih benar gambar dapat

direkonstruksi tanpa kesalahan dengan
menyaring dan upsampling.

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)
Sebuah subband dua-band
coding
Pendekatan Filter
(low pass)

Detil penyaring (high

pass)

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)

Tujuan dari subband coding

adalah untuk memilih
analisis dan sintesis filter
untuk memiliki rekonstruksi
sempurna sinyal.

Ini mungkin menunjukkan

bahwa filter sintesis harus
modulated versi filter
analisis dengan satu (dan
hanya satu) sintesis filter
menjadi tanda terbalik dari
filter analisis.
C. Nikou – Digital Image Processing (E12)
 Subband Coding (cont ...)

Analisis dan sintesis filter

harus terkait dalam salah
satu dari dua cara:

g 0 (n)  (1) n h1 (n)

g1 (n)  (1) n 1 h0 (n)
or
g 0 (n)  (1) n 1 h1 (n)
g1 (n)  (1) n h0 (n)
filter ini disebut cross-termodulasi.
C. Nikou – Digital Image Processing (E12)
 Subband Coding (cont ...)
Juga, filter harus biorthogonal:
hi (2n  k ), g j (k )   (i  j ) (n), i, j  {0,1}

Minat khusus di subband coding adalah filter yang bergerak

di luar biorthogonality dan membutuhkan untuk menjadi
ortonormal:
gi (n), g j (n  2m)   (i  j ) (m), i, j  {0,1}

Selain itu, filter ortonormal memenuhi persyaratan sebagai

berikut:
gi (n)  (1) g0 ( Keven  1  n)
n

hi (n)  gi ( Keven  1  n), i  {0,1}

dimana subscript berarti bahwa ukuran filter harus bahkan.

C. Nikou – Digital Image Processing (E12)
 Subband Coding (cont ...)
gi (n)  (1)n g0 ( Keven  1  n)
hi (n)  gi ( Keven  1  n), i  {0,1}

Sintesis filter terkait perintah pembalikan dan modulasi.

Analisis filter yang kedua versi urutan terbalik dari filter
sintesis.
Sebuah filter bank ortonormal dapat dibangun di sekitar
respon impuls g0 yang disebut prototipe.
filter ortonormal 1-D dapat digunakan sebagai 2-D filter
dipisahkan untuk gambar subband coding.

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)

Perkiraan
subband

subband vertikal

subband
horisontal

subband diagonal

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)
The subbbands dapat kemudian dibagi menjadi
subbands lebih kecil.
sintesis gambar diperoleh dengan membalik
prosedur.

C. Nikou – Digital Image Processing (E12)

 Subband Coding (cont ...)
The garis bergelombang adalah karena aliasing layar jendela
hampir tidak discernable. Meskipun aliasing, gambar dapat
sempurna direkonstruksi.

C. Nikou – Digital Image Processing (E12)

 The Haar Transform

Hal ini karena Alfred Haar [1910].

Its fungsi dasar yang paling sederhana
wavelet ortonormal diketahui.
Haar transformasi adalah baik dipisahkan dan
simetris:
T = HFH.
F adalah NxN gambar dan H adalah NxN
matriks transformasi dan T adalah NxN
diubah gambar.
Matriks H berisi Haar fungsi dasar.
C. Nikou – Digital Image Processing (E12)
 Haar Transform (cont ...)

Haar fungsi dasar hk(z) didefinisikan dalam 0≤ z

≤1, untuk k= 0,1, ..., N-1, di mana N= 2n.

Untuk menghasilkan H:
• kita mendefinisikan integer k= 2p+q-1, dengan 0≤
p ≤N-1.
• jika p= 0, maka q= 0 atau q= 1.
• jika p≠ 0, 1≤q ≤2p

Untuk pasang di atas p dan q, Nilai untuk k

ditentukan dan C.Haar fungsi
Nikou – Digital dasar
Image Processing (E12) dihitung.
 Haar Transform (cont ...)

1
h0 ( z )  h00 ( z )  , z  [0,1]
N

 2p/2 (q  1) / 2 p  z  (q  0.5) / 2 p
1  p/2
hk ( z )  hpq ( z )  ,  2 (q  0.5) / 2 p  z  q / 2 p
N 
 0 otherwise, z  [0,1]

Itu sayath berturut-turut dari NxN Haar

transformasi matriks mengandung unsur-
unsur hk(z) untuk z= 0 /N, 1 /N, 2 /N, ..., (N-1) /N.
C. Nikou – Digital Image Processing (E12)
 Haar Transform (cont ...)

Misalnya, untuk N=4. p.q dan k memiliki nilai berikut:

k p q
0 0 0
1 0 1
2 1 1
3 1 2
dan 4x4 matriks transformasi adalah:

 1 1 1 1 
 1 1 1 1 
1 
H4 
4 2  2 0 0 
 
 0 0 2  2 
C. Nikou – Digital Image Processing (E12)
 Haar Transform (cont ...)

Demikian pula, untuk N=2, yang 2x2 matriks

transformasi adalah:
1 1 1 
H2  1 1
2 

Deretan H2 adalah filter sederhana panjang 2 yang

dapat digunakan sebagai filter analisis h0(n) dan
h1(n) dari filter bank rekonstruksi sempurna.
Selain itu, mereka dapat digunakan sebagai skala
dan vektor wavelet (didefinisikan dalam apa yang
berikut) dari yang paling sederhana dan tertua
C. Nikou – Digital Image Processing (E12)
 Contoh pengantar untuk analisis
wavelet
Kombinasi fitur kunci
diperiksa sejauh ini:
• piramida,
• subband coding,
• Haar transformasi.

dekomposisi disebut diskrit

transformasi wavelet dan
akan dikembangkan
kemudian dalam kursus.

C. Nikou – Digital Image Processing (E12)

 Contoh pengantar untuk analisis
wavelet (cont ...)
Dengan pengecualian dari
gambar kiri atas, histogram
sangat mirip dengan nilai-
nilai mendekati nol. Fakta ini
dapat dimanfaatkan untuk
tujuan kompresi.

The subimage dapat

digunakan untuk
membangun kasar dan
resolusi halus perkiraan.
C. Nikou – Digital Image Processing (E12)
 Contoh pengantar untuk analisis
wavelet (cont ...)
dekomposisi diperoleh dengan
subband coding di 2-D.

Setelah generasi dari empat

subband, pendekatan subband
selanjutnya diuraikan menjadi
empat subband baru
(menggunakan filter bank yang
sama). Prosedur ini diulang untuk
subband pendekatan baru.

Prosedur ini mencirikan

transformasi wavelet sebagai
subimage menjadi lebih kecil
ukurannya. C. Nikou – Digital Image Processing (E12)
 Contoh pengantar untuk analisis
wavelet (cont ...)
Ini bukan Haar transformasi
gambar. Haar mengubah
gambar berbeda.

Meskipun koefisien filter bank

ini diambil oleh Haar
transformasi matriks, ada
berbagai filter ortonormal
yang dapat digunakan.

C. Nikou – Digital Image Processing (E12)

 Contoh pengantar untuk analisis
wavelet (cont ...)
Setiap subimage mewakili
band frekuensi tertentu
spasial dalam gambar asli.

Banyak subimage
menunjukkan sensitivitas
directional (misalnya yang
subimage di sudut
menangkap kanan atas
informasi tepi horisontal
dalam gambar asli).

C. Nikou – Digital Image Processing (E12)