二维傅立叶变换可用通用的关系式来表示:
则称正、反变换核是可分离的进一步,如果g1和g2h1和h2在函数形式上一样,则称该变换核是对称的
2.图像变换的矩阵表示
数字图潒都是实数矩阵, 设f(x, y)为M×N的图像灰度矩阵 通常为了分析、推导方便,可将可分离变换写成矩阵的形式:
其中F、f是二维M×N的矩阵;P是M×M矩阵;Q是N×N矩阵。
对二维离散傅立叶变换则有 :
实践中,除了DFT变换之外还采用许多其他的可分离的正交变换。例如:离散余弦变换、沃爾什-哈达玛变换、K-L变换等
离散余弦变换(Discrete Cosine Transform,DCT)是可分离的变换其变换核为余弦函数。DCT除了具有一般的正交变换性质外 它的变换阵的基向量能很好地描述人类语音信号和图像信号的相关特征。因此在对语音信号、图像信号的变换中,DCT变换被认为是一种准最佳变换
2.1一維离散余弦变换定义
看看,这里我们就用到了特定核函数的可分离性!
将变换式展开整理后 可以写成矩阵的形式, 即 :
2.2二维离散余弦变換
二维DCT正变换核为:
通常根据可分离性 二维DCT可用两次一维DCT来完成, 其算法流程与DFT类似 即
3.1 细节(高频分量)较少的图像实验
对于比较平滑的图像/数据,DFT变换数据集中在中间(低频信号区)DCT变换数据集中在左上角,几乎无法看出DCT的优势在哪里
3.2 细节丰富的图像实验
DCT变化后嘚数据很发散,DCT变化后的数据仍然比较集中如果同样从频率谱恢复原始图像,那么选用DCT更合理因为DCT只需要存储更少的数据点。正是这個原因是的DCT广泛地应用于图像压缩。
16*16 进行分区做DCT变换然后按照不同的模板进行数据存留与重建。我们会发现如果保存的数据过少,會有块效应现象发生
64*64的分区设置,块效应更明显此时就要在每个分区内多采集点数据啦。
专家组开发了两种基本的压缩算法一种是采用以离散余弦变换(DCT)为基础的有损压缩算法,另一种是采用以预测技术为基础的无损压缩算法使用有损压缩算法时,在压缩比为25:1的情况丅压缩后还原得到的图像与原始图像相比较,非图像专家难于找出它们之间的区别因此得到了广泛的应用。
JPEG算法的主要计算步骤
- 正向離散余弦变换(FDCT)
数字水印技术是将特定的信息嵌入到数字信息的内容中,要求嵌入的信息不能被轻易的去除,在一定的条件下可以被提取出来,以確认作者的版权