Главная » Просмотр файлов » А.Н. Яковлев - Введение в вейвлет преобразования

А.Н. Яковлев - Введение в вейвлет преобразования (1275343), страница 10

Файл №1275343 А.Н. Яковлев - Введение в вейвлет преобразования (Яковлев А.Н. - Введение в вейвлет преобразования) 10 страницаА.Н. Яковлев - Введение в вейвлет преобразования (1275343) страница 102021-11-08СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 10)

Двумерное
вейвлет-преобразование.
Обработка изображений

3.1. Двумерные вейвлеты

До сих пор рассматривался одномерный сигнал. При обработке изображений приходится иметь дело с двумерными массивами . Пусть они, как и прежде, задаются в пространстве , но теперь как функции двух переменных и . В этом случае вместо выражения для одномерной вейвлет-функции вида (1.11) можно воспользоваться двумерным аналогом

, (3.1)

где и , и – значения и по каждому измерению.

Для двумерного диадного ВП непрерывных сигналов:

, ,

, . (3.2)

Для ВП дискретных изображений и построения быстрых алгоритмов обработки следует исходить из двумерного КМА. Общий подход к определению КМА для многомерного случая рассмотрен в [ 3].

Однако на практике поступают проще. Многомерный и, в частности, двумерный КМА строят как тензорное произведение одномерных КМА. При таком подходе отцовский и материнский вейвлеты будут сформированы следующим образом:

, (3.3)

, ,

, (3.4)

где индексы и означают реализацию фильтров ВЧ и НЧ составляющих.

Тогда двумерные вейвлеты запишутся в виде:

(3.5)

Таким образом, на двумерной плоскости происходит анализ по горизонтали, вертикали и диагонали с одинаковым разрешением в соответствии с тремя приведенными выше вейвлетами.

Рассмотрение многомерных вейвлетов (мультивейвлетов) возможно и с позиций блоков мультифильтров. Такой подход дан в [1].

3.2. Двумерное ДВП

Формулы ДВП двумерных сигналов и изображений, сконструированные с учетом приведенных выше соотношений (3.5), использованы в инструмен-тальных пакетах существующих СКМ, включая Wavelet Toolbox.

На основе частотного подхода к ВП, рассмотренного в п. 2.6, прямое ВП изображения происходит следующим образом. Предположим, что имеем изображение размером (рис. 3.1, а). Первоначально каждая из строк изображения делится (фильтруется) на низкочастотную (НЧ) и высокочастотную (ВЧ) половины. В результате получается два изображения размером (рис. 3.1, б). Далее каждый столбец делится точно также, в итоге получается четыре изображения размером (рис. 3.1, в): НЧ по горизонтали и вертикали (НЧНЧ1), ВЧ по горизонтали и вертикали (ВЧВЧ1), НЧ по горизонтали и ВЧ по вертикали (НЧВЧ1) и ВЧ по горизонтали и НЧ по вертикали (ВЧНЧ1). Первое из указанных выше изображений делится аналогичным образом на следующем шаге (уровне) преобразования (рис. 3.1, г) и т.д.

Рис. 3.1

На рис. 3.2 даны реальное изображение (слева) и результат первого уровня его вейвлет-анализа, т.е. четыре изображения (слева направо, сверху вниз): НЧНЧ1, ВЧНЧ1, НЧВЧ1 и ВЧВЧ1.

Рис. 3.2

Ряд примеров по анализу и реконструкции изображений, их компрессии и очистке от шума дан в разделе GUI Wavelet Toolbox, который активизируется кнопкой Wavelet-2D.

Рис. 3.3

На рис. 3.3 приведен один из этих примеров: в верхнем левом углу приведено реальное изображение (гамадрил); в нижнем правом углу дано его вейвлет-разложение (dwt2) на прямоугольные сегменты на уровне 2; в левом нижнем углу – реконструкция изображения (idwt2); в правом верхнем углу иллюстрируется участок декомпозиции изображения (для этого достаточно выделить мышью фрагмент декомпозиции изображения и щелкнуть ей на кнопке Visualize; кнопки Full Sitze и Reconstruct позволяют вывести в максимальном размере соответственно декомпозицию и реконструкцию изображения).

Для двумерного ВП могут также успешно использоваться пакетные вейвлеты. Рис. 3.4 демонстрирует пример такого рода. В левой части окна приведены четыре изображения: вейвлет-дерева первого уровня (верх слева), анализируемого изображения (верх справа), изображения в узле (1,0) (низ слева) и пакетного разложения (низ справа). Меню в правой части окна позво-ляет выбирать различные типы дерева, проводить анализ (декомпозицию), очистку от шума и компрессию изображения.

Рис. 3.4

Еще некоторые примеры двумерного ВП (рис. П.8 и П.9) даны в прил. П.1. Функции двумерных ДВП и пакетных вейвлет-алгоритмов, предназначенные для практического применения обработки сигналов и изображений, приведены в прил. 2 (П.2.4 – П.2.6).

3.3. Удаление шумов
и компрессия изображений

Решения этих задач осуществляется аналогично случаю одномерных сигналов (см. п.2.8). Осуществляется пороговое ограничение уровня детализирующих коэффициентов. Задав определенный порог и «отсекая» коэффициенты ниже этого порога, можно значительно снизить уровень шума и сжать изображение.

На рис.3.5. приведен пример очистки от шума изображения, взятый из графического интерфейса пользователя GUI (Wavelet 2-D). В левом верхнем углу дано зашумленное изображение, а в правом верхнем – очищенное. Ниже даны гистограммы детализирующих коэффициентов по горизонтали, диагонали и вертикали, там же штриховыми линиями указаны выставленные пороги. Использован самый простой вейвлет – db2. Результат очистки очевиден.

Рис. 3.5

Рассмотрим примеры очистки и сжатия изображений при работе MATLAB в командном режиме.

Пример 3.1. Очистка изображения от шума

Ниже приведен фрагмент программы очистки изображения, которое загружено из файла neissi2d. При этом использованы функции wpbmpen (установка глобального порога) и wpdencmp (удаление шумов и сжатие изображений) (см. прил. П.2.7):

load noissi2d; nbc = size(map,1); wname = 'db8';

lev = 2; tree = wpdec2(X,lev,wname);

det1 = [wpcoef(tree,2) wpcoef(tree,3) wpcoef(tree,4)];

sigma = median(abs(det1(:)))/0.6745; alpha = 1.1;

thr = wpbmpen(tree,sigma,alpha); keepapp = 1;

xd = wpdencmp(tree,'s','nobest',thr,keepapp);

colormap(pink(nbc));

subplot(221), image(wcodemat(X,nbc)); title('Исходное изображение')

subplot(222), image(wcodemat(xd,nbc)); title('Очищенное изображение')

end

На рис. 3.6 приведены исходное (слева) и очищенное от шума (справа) изображения, полученные при исполнении программы.

Рис. 3.6

С этим примером рекомендуется поэкспериментировать. В частности, можно задать выходные параметры в полной форме и найти нормы восстановления и сжатия изображения.

Пример 3.2. Компрессия изображения - отпечатка пальца

Этот пример применения сжатия стал классическим. В свое время ФБР использовало ВП для сжатия информации, в результате этого удалось хранить большой объем отпечатков пальцев в простых компьютерах с небольшим объемом памяти, что сэкономило значительные средства.

Ниже приведена упрощенная программная реализация, в которой использованы функции порога двумерного вейвлета ( ) и удаления шума и сжатия ( ):

function detfingr

load detfingr; nbc = size(map,1); wname = 'sym4'; lev = 3;

[c,s] = wavedec2(X,lev,wname); alpha =1.5; m = 2.7*prod(s(1,:));

[thr,nkeep] = wdcbm2(c,s,alpha,m);

[xd,cxd,sxd,perf0,perfl2] = wdencmp('lvd',c,s,wname,lev,thr,'h');

colormap(pink(nbc)); subplot(221), image(wcodemat(X,nbc)),

title('Исходное изображение'); subplot (222),image(wcodemat(xd,nbc)),

title('Сжатое изображение'); xlabl = ['2-norm rec. :', num2str(perfl2)];

xlab2 = [' % - zero cfs: ',num2str(perf0), '%']; xlabel([xlabl xlabl2])

end

На рис. 3.7 приведены исходный и сжатый отпечатки пальца; при этом более 94 % коэффициентов обнулено, а в оставшихся сосредоточено 98 % от энергии всех коэффициентов разложения. Несмотря на то, что сжатие осуществлено в десятки раз, качество изображения остается вполне хорошим. Поэтому объем архива отпечатков пальцев для криминалистических отделов может быть существенно уменьшен.

Рис. 3.7

Аналогично можно сжимать снимки в картографии, медицине, геологии и других областях.

К сжатию изображений проявляется значительный интерес во всем мире. Это обусловлено стремительным развитием цифровой техники обработки изображений, цветных принтеров, графических мониторов, цифровых фото- и видеокамер и т.п. Изображение, представленное в цифровом виде, имеет довольно большой объем в битах. Например, цветное изображение размером 512х512 требует для своего хранения 768 кбайт, а если передавать видеопоследовательность таких изображений со скоростью 25 кадров в секунду, то требуемая скорость составит 188 Мбит/с.

Кроме ситуации, рассмотренной в примере 3.2, когда требуется хранить большой объем информации в компьютере с ограниченной памятью, возможны еще другие ситуации.

Например, требуется сохранить качество изображения (фотографии или фильма) таким, чтобы даже экспертиза не отличила сжатую копию от оригинала. В этом случае компрессия окажется небольшой (коэффициент сжатия от 3 до 5). Это режим сжатия почти без потерь.

В другой ситуации может потребоваться, наоборот, большая компрессия, когда сигнал или изображение передаются по каналу с ограниченной пропускной способностью, либо когда вся процедура анализа и синтеза информации должна быть осуществлена за кратчайшее время и результат должен быть передан немедленно и по возможности дешевле. Это режим сжатия с допустимыми потерями, при котором коэффициент сжатия может достигать сотен и даже тысяч.

Поэтому в разных ситуациях надлежит выбирать соответствующие вейвлеты для оптимизации всей процедуры ВП (анализа и синтеза) [24]. Тем не менее, для любой из этих ситуаций ВП имеет преимущество по сравнению с методами кодирования, использующими оконное преобразование Фурье, при этом количественные показатели такого выигрыша зависят от поставленной задачи [19].

И еще следует отметить, что принципиальное отличие процедуры компрессии с помощью ДВП от широко распространенного сжатия по стандарту JPEG состоит в том, что она работает со всем изображением, в то время как в JPEG изображение разбивается на блоки, которые сжимаются независимо. В случае ВП мож­но подобрать такую базисную вейвлет-функцию, которая адап­тирована к наиболее информативным особенностям изображе­ния. Здесь адаптивность понимается в том смысле, что элементы или участки изображения с довольно плавным изменением яр­кос­ти представляются небольшим числом вейвлет-коэффициентов.

Характеристики

Тип файла
Документ
Размер
13,98 Mb
Тип материала
Высшее учебное заведение

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6384
Авторов
на СтудИзбе
308
Средний доход
с одного платного файла
Обучение Подробнее