网站大量收购闲置独家精品文档,联系QQ:2885784924

正交变换第二组.pptVIP

  1. 1、本文档共60页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数字图像处理 ——正交变换-2 The second group:贾春梅 刘丹 赵孟丹 主要内容 三种定义方法: 按照沃尔什排列来定义(按列率排序) ; 按照佩利排列来定义(按自然排序) ; 按照哈达玛排列来定义 。 拉德梅克函数集是一个不完备的正交函数集,由它可以构成完备的沃尔什函数。 把一个正弦函数进行无限限幅就可以得到拉得梅克函数。 拉得梅克函数包括n和t两个自变量,用R(n,t)表示。它可以用下式来表示: 当x=0时,sgn(x)无定义。 按沃尔什排列定义的沃尔什函数是按列率排列的。通常把正交区间内波形变号次数的二分之一称为列率(按照函数的序数由正交区间内过零点平均数来定义的)。函数的列率由下式决定: 按沃尔什排列的沃尔什函数可由拉德梅克函数构成,表达式如下: g(i)是i的格雷码,g(i)k 是此格雷码的第K位数字,m为正整数。 按佩利排列的沃尔什函数也可由拉德梅克函数构成,定义是如下: ik是将函数序号写成自然二进制码的第K位数字, 即 。 按哈达玛排列的沃尔什函数也可由拉德梅克函数构成,解析式如下: 式中 是把i 的自然二进码反写后的第k位数字,并且 也就是 反写后: 由于哈达玛排序的沃尔什函数是由2n(n=0,1, …)阶哈达玛矩阵(Hadamard Matrix)得到的,而哈达玛矩阵的最大优点在于它具有简单的递推关系,即高阶矩阵可用两个低阶矩阵的克罗内克积求得,因此我们重点介绍哈达玛排列定义的沃尔什变换。 2n阶哈达玛矩阵: 递推关系: 三种定义下的沃尔什函数,尽管它们的排列顺序各不相同,但三种排序方法得到的沃尔什函数有一定的关系。沃尔什函数三种定义之间的关系: 以沃尔什函数为基础,将一个函数变换为取值为+1或-1为基向量构成的级数。 与傅里叶变换相比,沃尔什变换的主要优点在于存储空间少和运算速度快,这一点对于图像处理来说是至关重要的。 一维离散沃尔什变换 离散沃尔什-哈达玛变换 二维离散沃尔什变换 快速沃尔什变换(FWHT) 一维离散沃尔什变换定义: 一维离散沃尔什逆变换定义: 式中, 代表N阶沃尔什矩阵。 是沃尔什变换系数序列; 是时间序列。 若将 用哈达玛矩阵表示,并将变换表达式写成矩阵形式: 式中, 为N阶哈达玛矩阵。 由哈达玛矩阵的特点可知,沃尔什-哈达玛变换的本质上是将离散序列f(x)的各项值的符号按一定规律改变后,进行加减运算, 因此,它比采用复数运算的DFT和采用余弦运算的DCT要简单得多。 将一维WHT的定义推广到二维WHT。二维沃尔什-哈达玛变换的指数式如下: 二维沃尔什-哈达玛变换的的逆变换式为: 式中 代表图像的像素, 是该像素在空间中的位置坐标; 代表变换系数; 为正整数; 是x,u的二进制码的第r位数字, 为正整数; 是y,v的二进制码的第s位数字 。 二维沃尔什-哈达玛变换的矩阵式定义如下: 式中, 和 分别为 和 阶哈达玛矩阵 类似于FFT,WHT也有快速算法FWHT。利用快速算法,完成一次变换只需 次加减法,预算速度可大大提高。快速沃尔什变换可由沃尔什-哈达玛变换修改得到,所以下面着重讨论一下沃尔什-哈达玛快速变换。 由离散沃尔什-哈达玛变换的定义可知: 式中, ,P为正整数。 对于一般情况, 则矩阵 可以分解成P个矩阵 之乘积,即 由上面的分解有 令

文档评论(0)

ipad0c + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档