小波变换在图像处理中的应用
小波是不可以避免某些小波时被使用,试图最小化了lossiness数量的层部分下降到单个像素级当小波变换应用(floor(log2(min(大小的图像))))。除了应用各种阈值lossiness观察。
一个有损压缩方法倾向于生产中的错误解压映像。有损压缩方法时使用这些错误是如此的小,以致他们难以察觉。如果那些无法察觉的错误是可以接受的技术是有利的损耗比无损的,就可以达到更高的压缩比。
为了支持所宣称的比较结果的图像和理论知识,我们获得了文本特征,比较了数值。他们的压缩率,均方根误差,rms,两个规范的相对差异,D,和峰值信噪比,PNSR。
各种小波变换具有两种不同thresholdings被用来压缩和8位lena.png彩色图像。有一件事可以马上指出通过查看图像,图像压缩与较小的阈值为10看起来更接近原始图像。
现在,考虑在每个小波变换的表演获得相同的阈值,bior 2.2(双正交小波),sym5(Symlet)和Coif3(Coiflet)似乎已经产生了更少的完美的图像压缩的小波相比,所有其他的在小波db2似乎产生了最完美的图像压缩;同意上面讨论什么是在db2 Daubechies小波被更好的信号压缩比db1(哈尔)。考虑到错误和压缩比的感知sym5形象将是最好的选择小波,在那些被用于图像压缩。因此,在这种情况下,sym5非常接近对称小波做了一份更好的工作,在图像压缩。同样,让额外的属性如前所述Coiflets下段由在图像压缩Coif3执行得更好。有biorothogonal属性似乎也导致更好的图像压缩。另一方面正交小波Daubechies似乎并不比coiflets表现更好,symlets双正交小波。而且,有再支持比例为小波的顺序,似乎导致企业绩效的不断恶化的图像压缩。与阈值10,当一个Daubechies小波,压缩比使用db1 34.2627而db2 38.4340了。 一个Coiflet Coif1导致压缩率为37.0173,而发型3导致压缩率为26.8321。 双正交小波bior1.1和bior2.2给了34.2627和30.2723的压缩率分别。 Symlets sym2和sym5导致压缩率分别为38.4340倍和34.3523倍。 现在,用更高的阈值,因为更多的日期被丢失,压缩比的增加而增大。然而,图像的质量的同时减少了。 4.3 结论
小波压缩确实展现出非凡的性能，尤其是较小的阈值，它并不是在原始图像之间的可微的,那么图像压缩为某些情况下。
然而,还可以进行更多的改进。作为里提到[Sko01]有更多的改进的空间通过添加更多的阶段到压缩如量化、熵编码等。同时,我们没有涉及到所有的小波,就在那里,它不能决定是哪一个表现最佳的图像压缩。
数学方面的小波扮演一个重要的不同结果的工程应用。我希望研究的数学性质及其应用小波在不同地区的工程研究。
30