论正交变换的理论基础及其在图像处理中的应用

滨江学院

《计算机图像处理》课程设计报告

题 目 论正交变换的理论基础及其在图像处理中的应用

专 业 12计算机科学与技术 学生姓名 学 号

二Ｏ一五 年 六 月 十 日

目录

1课程设计目的............................................................................................................. 2 2课程设计要求............................................................................................................. 2 3 正交变换的概述........................................................................................................ 2

3.1 信号的正交分解............................................................................................. 2 3.2 正交变换的定义........................................................................................... 3 3.3 正交变换的分类............................................................................................. 4 3.4 正交变换的标准基......................................................................................... 4

3.4.1 一维DFT的标准基 ............................................................................ 4 3.4.2 二维DFT ............................................................................................. 6 3.4.3 正交变换的标准基图像...................................................................... 7 3.5 正交变换在图像处理中的应用..................................................................... 8 6 总结............................................................................................................................ 9 7 参考文献.................................................................................................................... 9

1课程设计目的

(1) 理解正交变换的基本概念及分类。 (2) 了解正交变换在图像处理中的应用

2课程设计要求

（1）掌握课程设计的相关知识、概念清晰。

（2）查阅资料，根据不同处理需求，设计完成对数字图像的处理与分析。 （3）熟练掌握matlab软件的基本操作与处理命令。 （4）进一步理解数字图像处理与分析的过程与意义。

3 正交变换的概述

3.1 信号的正交分解

完备的内积空间称为希尔伯特空间。折X 为一希尔伯特空间,φ1 ,φ2 , ⋯,φn 是X 空间中的一向量,如果它们是线性独立的,则称之为空间X 中的一组“基”。某一信号x 就可以按这样的一组基向量作分解,即

X=ann （式3-1）

n1N 式（3-1）中a1 , a2 , ⋯, an 是分解系数, 它们是一组离散值。假设φ1 ,φ2 , ⋯,φn是一组两两互相正交的向量,则式(3-1) 称为x 的正交展开, 或正交分解。系数a1 , a2 , ⋯, aN 是x在各个基向量上的投影 ,若N=3 ,其含义如图3-1 所示。

图3-1 信号的正交分解

3.2 正交变换的定义

一维序列 {f(x),0xN1} 可以表示成一个N维向量 U其中变换矩阵A满足A称为正交阵。

向量 V

1f(0),f(1),...f,(N1)

TN1x0 其酉变换可以表示为 VAU 或 g(u)a(u,x)f(x)，0uN1

AT（酉矩阵），若A为实数阵，则满足AT1A，

Tg(0),g(1),...g,(N1)

TA可知，给定基向量a{a(u,x),0xN1}, 0uN1，原序列f（x）

由此，U可以表示为 Ux0TV 或 f(x)g(u)a(u,x) 0uN1

N1可以由一组系数g（u）（0uN1）表示，这组系数（变换）可以用于滤波，

a11a12... a1n数据压缩，特征提取等。

a21a22...a2n 若矩阵 A............TT满足：AAAaAI annn2...an1则矩阵A就成为正交矩阵。

对于某向量f，用上述正交矩阵进行运算： gAf 若要恢复f，则 fA1gAg

T以上过程称为正交变换（酉变换）。

3.3 正交变换的分类

正交变换总的可分为两大类,即非正弦类正交变换和正弦类正交变换。我们经常使用的离散傅立叶变换(DFT) 、离散余弦变换(DCT) 、离散正弦变换(DST) 等属于正弦类变换,其中还包括离散Hartley 变换(DHT) 及离散W 变换(DWT) 等。非正弦类变换包括Walsh —Hadamard 变换(WHT) 、Haar 变换( HRT) 等。由于正弦类变换在理论价值和应用价值上都优于非正弦类变换,从而在正交变换中占据主导地位。

除了正弦类和非正弦类正交变换,还有两种特殊的正交变换,K-L变换和正交小波变换。K-L变换去除信号中的相关性最彻底,且有着最佳的统计特性,被称为最佳变换。但是K-L变换的基函数依赖与原始数据,没有固定的变换核,限制了它的普遍应用。小波变换能够具有很高的时频分辨率,进行局部化分析,通过伸缩平移运算对信号进行多尺度细化,达到高频处时间细分,低频处频率细分。但是小波正交基的结构复杂,具有紧支集的小波正交基不可能具有对称性。随着小波理论及算法的成熟,必将大有作为。

3.4 正交变换的标准基

傅立叶变换是正交变换中最常用的变换,以它为例来讨论正交变换标准基具有普遍意义。

3.4.1 一维DFT的标准基

首先从傅立叶级数进行考虑。假设函数f ( t)满足收敛定理,则函数f ( t) 的傅立叶级数为 a0 ancosntbnsinnt （式3-2）

2n1a0 , a1 , b1 , ⋯是函数f ( t) 的傅立叶系数。例如,一矩形波f ( t) 是周期为2π的周期函数,在[ -π,π] 上

-1 -≤t＜0

（式3-3）

1

0≤t＜

由下式求得傅立叶系数,

1anf(t)cosntdt

1（式3-4） bnf(t)sinntdt

得到矩形波f（t） 的傅立叶级数展开为: 114f(t)= sintsin3t...sin(2k1)t...32k1(t;t0,,2,....) （式3-5）

上面得到的展开式表明:矩形波是由一系列不同频率的正弦波乘以一个权值叠加而成。这些波的频率依次为基波频率的奇数倍。可以看到,求傅立叶系数的过程相当于傅立叶变换的过程,把原始信号展开,相当于傅立叶逆变换的过程。

实际上,“任意”满足收敛的一个波、一个信号都可以分解成无穷多个不同频率的信号。这里说的这些无穷多的不同频率的信号就是标准基波。在DFT中也是类似的意思。假设有限长序列f( x) ( x = 0 ,1 , ⋯, N - 1) ,一维DFT变换对如下:  其中Wej2N称为变换核。将式（6）写成矩阵形式F = W ·f 即:

W 是正交变换矩阵, 矩阵元素是变换核函数不同次幂构成。W 是正交矩阵,有W - 1

= W T 。可以看出F( u) 是角频率为2πu/ N 信号的加权系数,也就是它在原

始信号中分量的大小。如此诸多标准基波乘以其各自系数再求和得到了原始信号,

这也就是离散傅立叶反变换。 3.4.2 二维DFT

一幅数字图像可以用一个二维矩阵来表示, f( i , j) 表示i 行j 列这个像素点的灰度值。数字图像处理主要是二维数据处理。假设f ( x , y) ( x =0 ,1 , ⋯, M - 1 ; y = 0 ,1 , ⋯, N - 1) 是一幅M ×N 图像,则二维离散傅立叶变换为: M1N1X0y0uxvy)NNF(u,v)f(x,y)ej2( u=0，1,„,M-1;v=0,1,„,N-1 （式3-9） 逆变换为：

uxvy1M1N1j2x() f(x,y)F(u,v)eNN x=0，1,„,M-1;y=0,1,„,N-1 (式3-10）MNuxvyj2(u0)v0NN称为正交变换核。在二维DFT中同样可以将（式2-9）写成矩阵其中，e形式： F = W ·f ·W T

其中f 是原始的二维矩阵, F 是二维DFT 系数矩阵,W 是正交变换矩阵。从式(10) 就可以得到逆变换的矩阵形式,两边左乘W - 1 ,右乘W 得: （式3-11）

因为整段数据或整幅图像的相关性小,相对冗余度低, 所以如果对整段数据

或整幅图像进行DFT ,很难保证能量较大的系数处在相对集中的位置。这不符合我们正交变换的目的。为了消除对整幅图像进行DFT 带来的大能量系数不能集中的问题,在实际应用中一般都将图像划分为8 ×8 或16 ×16 的小方块来做。

一幅图像在空间上作周期性变化, 则该周期的倒数称为空间频率。在图像中, 空间频率的大小表征图像明暗变化的快慢, 决定着图像的细节是否丰富[ 。灰度变化缓慢的区域频率低, 而物体边缘或噪声对应高频。F( u , v) 表示在对应

( u ,v) 的频率点的标准基上的分量大小。这里的标准基类似一维DFT 的标准基, 一维DFT 中标准基是特定频率的波,在二维DFT 中每个标准基就应该是一幅图像,将在2.4.3 节中详细描述标准基图像。考虑二维离散傅立叶逆变换, IDFT 就是将原始图像表示成各个标准基图像的加权和。在图像压缩中常用的就是舍去能量小的标准基图像,只取主分量。以此来达到数据压缩的目的。这样压缩后的图像对视觉效果的影响一般不是很明显,略去的只是细节。但如果舍去的阈值设置过高,就会造成图像模糊。

3.4.3 正交变换的标准基图像

由于DFT 得到的变换矩阵元素是复数, mat-lab 图像显示工具不能显示复数数值,所以选择了DCT 为例来绘制标准基图像。如前面的讲述,取8×8 的小方块来进行二维DCT 变换。假设F( u ,v) 对应的标准基图像是N uv , 它也是8 ×8 的二维矩阵。则有

f(x,y)F(u,v)Nu,v （式3-12）

uov0TG(1,:), F(:,1): f }= {G G(1,:),FW (:,。将右边前两个矩阵乘积展开有2)}...{G(1,:),F(:,7)}: {(2-12)设G= W ,则式变为·F ·

{G(2,:),F(:,1)}{G(2,:),F(:,2)}...{G(2,:),F(:,7)}W88f(x,y)88............） （式3-13 {G(7,:),F(:,1)}{G(7,:),F(:,2)}...{G(7,:),F(:,7)} 这里的｛G( i , :) , f ( : , j) ｝表示G的第i 行与F的第j 列所有元素对

M1N1应相乘再求和。实际上就是矩阵相乘得到新矩阵中在( i , j) 位置的元素。即: （式3-14） {G(i,:),F(:,j)}G(i,n),F(n,j) n1T再设T = W f ( X , Y ) 中任意位置( x0， y0 ) 的值有: f(x0,y0) ·F, 则{T(x0,:),W(:,y0)}888T(x,j)W(j,y)00j18 （式3-15）

将上式与式(2-12) 比较可以发现, 这里的F( i ,j) 就是在( i , j) 位置对应

G(x0,i)F(i,j)W(j,y0)1i10 ,j)·W(j,y0)就是F( i ,j)对应的标准基图像Nij 中(x0 ,y0)频率上的分量,j G(x位置的元素数值,即: Nij(x0,y0)G(x0,i)W(j,y0) （式3-16）

其中i 从1 到8 ,j 从1 到8 得到64个标准基图像的二维矩阵, 每个矩阵中又有

x0 从1 到8 ,y0 从1到8 得到8×8 个矩阵元素。

经过上面讨论,得到了标准基图像的表达式。图2 就是8×8 二维DCT变换中的标准基图像。

图2-2 8×8 二维DCT标准基图像

可以看出,只要给定了变换核函数或变换矩阵就可以得到标准基图像。有了标准基图像,就可以更直观地将正交变换理解为对原始图像在诸多标准基图像上的分解。通过对权值矩阵的处理即变换域处理,达到图像处理的目的,得到新的权值矩阵再反变换得到处理后的图像。实际上可以把标准基图像作为一个抽象概念应用到所有的二维正交变换中,并不局限于上面显示的二维DCT。

3.5 正交变换在图像处理中的应用

正交变换研究已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图象处理可以统一看作是信号处理(图象可以看作是二维信号)，小波分析的许多分析和应用问题，都可以归结为信号处理问题。现在，对于其性质随时间是稳定不变的信号（平稳随机过程），处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的（非平稳随机过程），而特别适用于非稳定信号的工具就是小波分析。

事实上正交变换的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图象处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、构造快速数

值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图象处理方面的图象压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。 (1)用于信号与图象压缩是一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。 (2)在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。 (3)在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。

图像的正交变换作为图像处理技术的重要工具, 通过正交变换改变图像的表示域及表示数据, 给图像处理工作带来了极大的方便。利用这个工具, 可以对 图像的频谱进行各种各样的处理, 如滤波、降噪等。

由于傅里叶变换和余弦变换的变换核由正弦、余弦函数组成, 运算速度受影响, 为此，我们在特定问题中往往引进不同的变换方法,要求运算简单且变换核矩阵产生方便，小波变换占用存储空间少, 产生容易, 有快速算法, 在大量数据需要实时处理的图像处理问题中, 得到广泛应用。

6 总结

经过本次实验了解了正交变换的理论基础及其在图像处理中的应用。

7 参考文献

[1] 贺兴华等著.《MATLAB7.X图像处理》.人民邮电出版社.2006.11.01 [2] Edward W.Kamen.《应用Web和MATLAB的信号与系统基础》.电子工业出版社，2002