精华内容
下载资源
问答
  • 像进行匹配,设计出 Haar 小波图像压缩和形状模板匹配相结合的算法及程序。最后,经大量实验结 果证实: 所提出的算法不仅匹配速度快,精度高,而且匹配结果不受遮蔽、混乱和非线性光照变化等 情况的影响,适宜于在...
  • Haar小波图像的分解

    2021-06-08 19:35:48
    haar小波图像的一次分解实验,同样要求不使用matlab自带的小波函数和卷积函数。 分解过程: matlab代码如下: clc clear x=imread('cameraman.tif'); %读取matlab里自带的一副图片 %imshow(img);该图像的行列为...

    haar小波对图像的一次分解实验,同样要求不使用matlab自带的小波函数和卷积函数。
    分解过程:
    在这里插入图片描述
    matlab代码如下:

    clc
    clear
    x=imread('cameraman.tif');  %读取matlab里自带的一副图片
    %imshow(img);该图像的行列为366*364
    %haar小波对图像进行分解
    
    h1=x;
    h3=x;
    for i=1:256
        for j=1:255
            %对行,进行低通滤波 (1/2,1/2)
            h1(i,1)=0+1/2*x(i,1);
            h1(i,j)=1/2*x(i,j)+1/2*x(i,j+1);
            %对行,进行高通滤波()
            h3(i,1)=-1/2*x(i,1);
            h3(i,j)=1/2*x(i,j)-1/2*x(i,j+1);
        end
        h1(i,256)=1/2*x(i,256);
    end
    
    
    
    for i=1:256
        for j=1:128
            %对行压缩
            k=2*j;
            h1(i,j)=h1(i,k);
            h3(i,j)=h3(i,k);
        end
    end
    
    h2=h1;
    h4=h3;
    for j=1:128
        for i=1:255
            %对列进行低通滤波
            h1(1,j)=1/2*h1(1,j);
            h1(i,j)=1/2*h1(i,j)+1/2*h1(i+1,j);
            %对h2的列进行高通滤波
            h2(1,j)=-1/2*h2(1,j);
            h2(i,j)=1/2*h2(i,j)-1/2*h2(i+1,j);
            %对h3的列低通滤波
            h3(1,j)=1/2*h3(1,j);
            h3(i,j)=1/2*h3(i,j)+1/2*h3(i+1,j);
            %对h4的列高通滤波
            h4(1,j)=-1/2*h4(1,j);
            h4(i,j)=1/2*h4(i,j)-1/2*h4(i+1,j);
        end
    end
    
    
    
    %对列压缩
    for j=1:128
        for i=1:128
            k=2*i;
            h1(i,j)=h1(k,j);
            h2(i,j)=h2(k,j);
            h3(i,j)=h3(k,j);
            h4(i,j)=h4(k,j);
        end
    end
    
    h1=h1(1:128,1:128);
    h2=h2(1:128,1:128);
    h3=h3(1:128,1:128);
    h4=h4(1:128,1:128);
    
    
    %haar小波的一次分解的边界太不明显,处理一下像素,使边缘更明显一些
    n=9;
    for i=1:128
        for j=1:128
            if(h2(i,j)*n<256) 
                h2(i,j)=n*h2(i,j);
            end
             if(h3(i,j)*n<256) 
                h3(i,j)=n*h3(i,j);
             end
             if(h3(i,j)*n<256) 
                h3(i,j)=n*h3(i,j);
             end
             if(h4(i,j)*n<256) 
                h4(i,j)=n*h4(i,j);
            end
        end
    end
    
    subplot(2,2,1),imshow(h1);
    subplot(2,2,2),imshow(h2);
    subplot(2,2,3),imshow(h3);
    subplot(2,2,4),imshow(h4);
    
    

    计算结果如下图所示,由于Haar小波的一次分解图像边缘太不明显,于是手动把像素计算结果放大了。
    在这里插入图片描述

    展开全文
  • 鉴于小波多尺度分解与重构在图像的编码、压缩、去燥、融合等方面的重要作用,介绍了Haar 小波的尺度函数与小波函数,给出了Haar 小波多尺度分解与重构的算法,并进行成功验证。结果表明,多尺度分解将图像分解成一个...
  • 基于数字微镜设备的Haar小波重构彩色图像
  • 为使正交变换矩阵的物理意义更加明确,提出一种基于黄金比(GR)的Haar小波变换,对所提出的黄金比Harr(GRH)小波在时、频域进行分析并将GRH应用于图像加密。实验结果表明,GRH变换不失为一种有效、便捷的可用于...
  • 基于Haar小波的小波离散变换作为数据压缩小波技术和基于收缩线性变换系统的分形技术之间的纽带。
  • 图像处理】Haar小波

    千次阅读 2018-07-17 14:39:01
    opencv小练习:哈尔小波(Haar) (含代码)图像Haar小波变换 一维小波变换其实是将一维原始信号分别经过低通滤波和高通滤波以及二元下抽样得到信号的低频部分L和高频部分H。而根据Mallat算法,二维小波变换可以用...

    参考

    opencv小练习:哈尔小波(Haar)

    (含代码)图像的Haar小波变换


    一维小波变换其实是将一维原始信号分别经过低通滤波和高通滤波以及二元下抽样得到信号的低频部分L高频部分H。而根据Mallat算法,二维小波变换可以用一系列的一维小波变换得到。对一幅m行n列的图像,二维小波变换的过程是先对图像的每一行做一维小波变换,得到L和H两个对半部分;然后对得到的LH图像(仍是m行n列)的每一列做一维小波变换。这样经过一级小波变换后的图像就可以分为LL,HL,LH,HH四个部分。

    这里写图片描述

    如下图,原图被分解为低频图像,水平细节、垂直细节、对角细节。

    这里写图片描述

    展开全文
  • 课堂作业,采用haar小波实现二维图像的分解与重构(mallat算法):
  • HAAR小波

    2017-08-06 16:47:00
    HAAR小波分解信号或图像的“平滑”部分和“变化”部分(也许所有小波都这样?)。 比如信号[1 2 3 4 5 6 7 8] 分解后(不考虑系数): [1.5 3.5 5.5 7.5] # 平滑部分 [-0.5 -0.5 -0.5 -0.5] # 变化部分 HAAR不...

    HAAR小波分解信号或图像的“平滑”部分和“变化”部分(也许所有小波都这样?)。

    比如信号[1 2 3 4 5 6 7 8]

    分解后(不考虑系数):

    [1.5 3.5 5.5 7.5]             # 平滑部分

    [-0.5 -0.5 -0.5 -0.5]        # 变化部分

    HAAR不适用于“”平滑“的信号。比如下面这个极端平滑信号:

    [1 1 1 1 1 1 1 1]

    借用傅里叶变换的观念,可以假设所要分析的信号可以使用多个频率与位移不同的Haar function来组合而成。进行Haar Transform时,因为Haar function的正交性,便可求出信号在不同Haar function(不同频率)的情况下所占有的比例。这个从Haar Transform变换式可以直观的看出来,频率只分为低频(直流值)与高频(1和-1)部分。

    ref:https://zh.wikipedia.org/wiki/%E5%93%88%E7%88%BE%E5%B0%8F%E6%B3%A2%E8%BD%89%E6%8F%9B

    展开全文
  • haar小波二维图像分解重构matlab代码

    热门讨论 2012-04-18 09:22:50
    mra_mallat_2D_iterate.m实现二维图像的分解,mra_mallat_2D_merge_iterate.m实现二维图像的重构。程序针对2^N*2^M像素的图像设计,可以实现任意次数的分解与重构。也很很方便改写成针对任意像素的程序。
  • Haar小波

    2017-03-07 00:40:12
    最近正在学习小波变换分析脑电信号,简单总结一下Haar小波。 一个信号的小波变换,可以分解为这个信号的最粗糙逼近加上各个细节,即AN=A0+W0+W1+…+WN-1;式中,AN为原始信号,A0为AN在最低分辨率下的逼近,W为各个...

    最近正在学习小波变换分析脑电信号,简单总结一下Haar小波。
    一个信号的小波变换,可以分解为这个信号的最粗糙逼近加上各个细节,即AN=A0+W0+W1+…+WN-1;式中,AN为原始信号,A0为AN在最低分辨率下的逼近,W为各个分辨率下的细节部分。
    例如,有a=[8,7,6,9]四个数,并使用b[4]数组来保存变换后的结果.
    则一级Haar小波变换的结果为:
    b[0]=(a[0]+a[1])/2,b[2]=(a[0]-a[1])/2
    b[1]=(a[2]+a[3])/2,b[3]=(a[2]-a[3])/2
    即依次从数组中取两个数字,计算它们的和以及差,并将和一半和差的一半依次保存在数组的前半部分和后半部分。
    例如:有a[8],要进行一维Haar小波变换,结果保存在b[8]中
    则一级Haar小波变换的结果为:
    b[0]=(a[0]+a[1])/2,b[4]=(a[0]-a[1])/2
    b[1]=(a[2]+a[3])/2,b[5]=(a[2]-a[3])/2
    b[2]=(a[4]+a[5])/2,b[6]=(a[4-a[5]])/2
    b[3]=(a[6]+a[7])/2,b[7]=(a[6]-a[7])/2

    Haar小波在MATLAB中的实现(以图像作为输入信号,效果更明显):

    %M.m文件
    %二维HAAR变换函数
    %img:数据
    %x:需要进行Haar变换的图像为原图像的几倍,主要用于多级变换
    %LL:变换后的最低频
    %LH:变换后的中低频
    %HH:变换后的高频
    %作者:狒狒
    %日期:2017.3.5
    function im=M(img,x)
    [q,w]=size(img);%选取二维信号的长度和宽度
    m=q/x;%实际进行变换的图像的长度
    n=w/x;%实际进行变换的图像的宽度
    for i=1:n/2%构造简单的行Haar小波函数
        for j=1:n
            if(j==(2*i-1) | j==(2*i))
                b(j,i) = 0.5;
            else
                b(j,i) = 0;
            end
        end
    end
    for i=1:n/2
        for j=1:n
            if(j==(2*i-1))
                b(j,i+n/2)=0.5;
            end
            if(j==(2*i))
                b(j,i+n/2)=-0.5;
            end
        end
    end
    %对图像进行行变换
    L=img(1:m,1:n)*b(:,1:n/2);
    H=img(1:m,1:n)*b(:,n/2+1:n);
    for i=1:m%构造简单的列Haar小波函数
        for j=1:m/2
            if(i==(2*j-1) | i==(2*j))
               c(j,i) = 0.5;
            else
                c(j,i) = 0;
            end 
        end
    end
    for i=1:m
        for j=1:m/2
            if(i==(2*j-1))
                c(j+m/2,i)=0.5;
            end
            if(i==(2*j))
                c(j+m/2,i)=-0.5;
            end
        end
    end
    %对图像进行列变换
        LL=c(1:m/2,:)*L;
        LH=c(m/2+1:m,:)*L;
        im=[LL;LH];
        im=[im,H];
    %若为多级变换,合成最终图像
    if(x>1)
        im=[im,img(1:m,w-n+1:w)];
        e=img((q-m):q,1:w);
        im=[im;e];
    end
    end
    
    h=double(imread('Fig5.07(a).jpg'));%读入图片数据
    h1=M(h,1);%Haar二维一阶变换
    h2=M(h1,2);%Haar二维二阶变换
    subplot(1,2,1);
    imshow(uint8(h1));
    subplot(1,2,2);
    imshow(uint8(h2))

    这里写图片描述
    最终效果如图

    展开全文
  •  与单纯运用某种自适应算法相比,基于小波分解的自适应滤波算法在收敛速度和稳定性上都有了很大的提高 小波变换:  示意:尺度越大,采用越大的时间窗,尺度越小,采用越短的时间窗,即尺度与频率成反比。在时频...
  • haar小波的举例

    千次阅读 2018-07-31 15:27:11
    小波变换的基本思想是用一组小波函数或者基函数表示一个函数或者信号,例如图像信号。为了理解什么是小波变换,下面用一个具体的例子来说明小波变换的过程。假设有一幅分辨率只有4个像素的一维图像,对应的像素值...
  • 研究Gabor小波的构造及其特点,将其与AdaBoost算法相结合,优化原算法的性能.提取的Gabor特征对应到指定滤波器的指定采样点上,只需取这些指定采样点的一个领域内的图像与指定滤波器进行卷积,而不需要将整个图像与整个...
  • 使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征...
  • 使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征模板;...
  • 图像Haar小变换

    2011-10-18 13:00:40
    图像进行Haar小波变化。 运行时参数: 文件名 选择的像素点个数
  • 小波场的相关匹配技术中,由于小波的垂直分量和水平分量反映了图像的边缘等高频信息,所以分解后的小波特征场相关性小,有比较高的匹配精度;同时,由于数据量压缩,提高了匹配速度,适应于地形匹配的快速实现。
  • 在虹膜的识别研究方面,学者提出多种识别方法。DAUGMAN J提出使用二维Gabor变换提取虹膜特征[1];谭铁牛等使用多通道Gabor滤波器提取虹膜特征[2-3];...本文首先使用Haar小波图像特征提取,使用K-means对图...
  • 本文利用Logistic映射产生的混沌序列有序的嵌人数字水印的方法,研究了基于Haar小波变换的数字图像水印算法,并借助MATLAB编程工具,实现数字水印的嵌入和提取.实验证明该算法具有很好的不可见性和鲁棒性.
  • 【小波变换】小波变换入门----haar小波

    万次阅读 多人点赞 2018-12-05 16:01:39
    小波变换的基本思想是用一组小波函数或者基函数表示一个函数或者信号,例如图像信号。首先,以haar小波变换过程为例来理解小波变换。 例:求有限信号的均值和差值 假设有一幅分辨率只有4个像素 的一维图像,对应的...
  • 二维haar小波分解与重构的matlab实现

    万次阅读 2016-09-03 10:26:02
    去年11月发布了一系列有关小波变换和图像处理的文章,把学习小波过程中的心得体会和编写的程序放在网上和大家共享交流...有关小波图像分解和重构的两篇文章中分享的程序,存在下列问题: (1)程序所用的小波函数只有
  • 我试图在python中的图像上应用haar小波。这是代码from pywt import dwt2, idwt2img = cv2.imread('xyz.png')cA, (cH, cV, cD) = dwt2(img, 'haar')然后我修改嵌入一些数据的系数,如下所示cH1=cH+k*pn_sequence_hcV1...
  • 利用Haar小波变换将原始图像数据分解为高频分量和低频分量,忽略水平高频与垂直高频分量,并将低频分量按行堆叠的方式引入其原始图像数据中。通过LLE对该图像数据进行降维,求得训练和测试样本各自对应的矩阵。依据...
  • 该包包含两个函数 Watermark.m 用于为图像添加水印,以及 ext_watermark.m 用于从带水印的图像中提取水印。 在函数本身中给出了如何使用该函数的说明。
  • 形态Haar小波的OpenCV代码

    千次阅读 2012-10-17 15:30:58
    //////////////////////////////////////////////////////////////////////// //-正变换,放在头文件... cout原图-重建图像的均值:"[0];  cout完美重建";  waitKey();  return 0; }      
  • 实现了彩色图像Haar小波的分解与重构与灰度图像haar小波分解与重构,图像压缩、图像去噪、图像增强等功能,界面美观,交互美好,使用MATLAB软件
  • Daubechies小波分析的部分Matlab实现实验5:Daubechies...第一部分Daubechies 尺度序列,二进点上的尺度函数图像小波函数图像第一部分实验的目标有两个:1,给出各阶Daubechies小波的低通滤波器,即尺度函数两尺度...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,340
精华内容 1,336
关键字:

haar小波图像