哈爾小波轉換

哈爾小波轉換是於1909年由Alfréd Haar所提出,是小波變換(Wavelet transform)中最簡單的一種變換,也是最早提出的小波變換。他是多貝西小波的於N=2的特例,可稱之為D2。

介紹

哈爾小波轉換是於1909年由Alfréd Haar所提出,是小波變換(Wavelet transform)中最簡單的一種變換,也是最早提出的小波變換。他是多貝西小波的於N=2的特例,可稱之為D2。

哈爾小波的母小波(mother wavelet)可表示為:

哈爾小波轉換 哈爾小波轉換

且對應的尺度函式(scaling function)可表示為:

哈爾小波轉換 哈爾小波轉換

其濾波器(filter)h[n]被定義為

哈爾小波轉換 哈爾小波轉換

當n = 0與n = 1時,有兩個非零係數,因此,我們可以將它寫成

哈爾小波轉換 哈爾小波轉換

在所有正交性(orthonormal)小波變換中哈爾小波轉換(Haar wavelet)是最簡單的一種變換,但它並不適合用於較為平滑的函式,因為它只有一個消失矩(Vanishing Moment)。

哈爾變換

Haar Transform最早是由A. Haar在1910年“Zur theorie der orthogonalen funktionensysteme”中所提出,是一種最簡單又可以反應出時變頻譜(time-variant spectrum)的表示方法。其觀念與Fourier Transform相近,Fourier Transform的原理是利用弦波sine與cosine來對信號進行調變;而Haar Transform則是利用Haar function來對信號進行調變。Haar function也含有sine、cosine所擁有的正交性,也就是說不同的Haar function是互相orthogonal,其內積為零。

以下面的哈爾變換矩陣為例,我們取第一行和第二行來做內積,得到的結果為零;取第二行和第三行來做內積,得到的結果也是零。依序下去,我們可以發現在哈爾變換矩陣任取兩行來進行內積的運算,所得到的內積皆為零。

哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換

在此前提下,利用Fourier Transform的觀念,假設所要分析的信號可以使用多個頻率與位移不同的Haar function來組合而成,進行Haar Transform時,因為Haar function的正交性,便可求出信號在不同Haar function(不同頻率)的情況下所占有的比例。

套用

說明

由於數字圖片檔案過大,因此我們往往會對圖片做圖像壓縮,壓縮過後的檔案大小不僅存放於電腦中不會占到過大容量,也方便我們於網路上傳送。哈爾小波轉換其中一種套用便是用來壓縮圖像。壓縮圖像的基本概念為將圖像存成到一矩陣,矩陣中的每一元素則代表是每一圖像的某畫素值,介於0到255間。例如256x256大小的圖片會存成256x256大小的矩陣。JPEG影像壓縮的概念為先將圖像切成8x8大小的區塊,每一區塊為一8x8的矩陣。

哈爾小波轉換 哈爾小波轉換

在處理8x8二維矩陣前,先試著對一維矩陣作哈爾小波轉換,

哈爾小波轉換 哈爾小波轉換

公式為。

範例

哈爾小波轉換 哈爾小波轉換

對8x8的二維矩陣A作哈爾小波轉換,由於AH是對A的每一行作哈爾小波轉換,作完後還要對A的每一列作哈爾小波轉換,因此公式為。以下為一簡單的例子:

哈爾小波轉換 哈爾小波轉換

列哈爾小波轉換(row Haar wavelet transform)

哈爾小波轉換 哈爾小波轉換

行哈爾小波轉換(column Haar wavelet transform)

哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換
哈爾小波轉換 哈爾小波轉換

由以上例子可以看出哈爾小波轉換的效果,原本矩陣中變化量不大的元素經過變換後會趨近零,再配合適當量化便可以達到壓縮的效果了。此外若一矩陣作完哈爾小波轉換後所含的零元素非常多的話,稱此矩陣叫稀疏,若一矩陣越稀疏壓縮效果越好。因此可對定一臨界值若矩陣中元素的絕對值小於此臨界值,可將該元素令成零,可得到更大的壓縮率。然而取過大的話會造成圖像嚴重失真,因此如何取適當的也是值得討論的議題。

運算量

•若套用於區域的頻譜分析及偵測邊緣的話,離散傅立葉變換、Walsh-Hadamard變換及哈爾小波轉換的計算量見下表

Running Timeterms required for NRMSE <
離散傅立葉變換9.5秒43
沃爾什變換2.2秒65
哈爾小波轉換0.3秒128

相關詞條

熱門詞條

聯絡我們