Signallarni ixchamlashtirish algoritmlarini o'rganish kafedra: Sun'iy intellekt fan: Tizimlar va signallarni qayta ishlash

VEYVLET IXCHAMLASHTIRISH

Tasvir subsampling jarayonidan o'tdi (veyvlet o'zgartirish algoritmi yordamida), bunda tasvir o'lchami qisqaradi, ammo kichikroq iteratsiyalarda sifati saqlanib qoladi.

O'ngdagi yuqori chap kvadrantdagi tasvir chapdagi to'liq o'lchamli tasvirning ixchamlangan tasviriga ega bo'lib, uni veyvlet kodlash o'zgartirishini teskari tarzda qo'llash orqali kichikroq rasmdan qayta tiklash mumkin.

VEYVLET IXCHAMLASHTIRISH

Veyvletlarning eng oddiy shakli Haar veyvlet funksiyasidir.

Ikki o'lchovli Haar o'zgartirishi (2D Haar Transform) – bu diskret ajratilmaydigan funksiyasiga ega bo'lgan signal tasviridir. 2D Haar o'zgartirishini qo'llagan holda oddiy tasvir uchun tasvirni parchalash quyidagicha bo'ladi:

VEYVLET IXCHAMLASHTIRISH

Chapdagi rasm o'ngdagi tasvirning piksel qiymatlarini ifodalaydi, 8 × 8 tasvir. 2D Haar o'zgartirishni ikkinchi daraja uchun qo'llash tasvir hajmining chiziqli qisqarishiga olib keladi:

VEYVLET IXCHAMLASHTIRISH

Hisoblangan farqlar va tasvirning qisqarishi tasvirni sifatni saqlab qolgan holda kamroq ma'lumot bilan ixchamlash imkonini beradi.

Ko'proq ixchamlash past sifatni anglatadi va yuqori sifat kamroq ixchamlashni anglatadi.

Rangli tasvirlar uchun ham xuddi shunday qo'llaniladi:

Misol (MATLAB)

Misol (MATLAB)

1-usul. Global Thresholding.

load woman; % Load original image

image(X)

title('Original Image')

colormap(map)

n = 5; % Decomposition level

w = 'sym8'; % Near symmetric wavelet

[c,l] = wavedec2(x,n,w); % Multilevel 2-D wavelet decomposition

opt = 'gbl'; % Global threshold

thr = 20; % Threshold

sorh = 'h'; % Hard thresholding

keepapp = 1; % Approximation coefficients cannot be thresholded

[xd,cxd,lxd,perf0,perfl2] = wdencmp(opt,c,l,w,n,thr,sorh,keepapp);

image(x)