Лекция
Привет, Вы узнаете о том , что такое сравнение различных преобразований, Разберем основные их виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое сравнение различных преобразований , настоятельно рекомендую прочитать все из категории Цифровая обработка изображений.
Преобразование Адамара основано на квадратной матрице Адамара , элементы которой равны плюс или минус единице, а строки и столбцы образуют ортогональные векторы . Нормированная матрица Адамара -го порядка удовлетворяет соотношению . Среди ортонормальных матриц Адамара наименьшей является матрица второго порядка .
Вейвлет-преобразование (англ. Wavelet transform) — интегральное преобразование, которое представляет собой свертку вейвлет-функции с сигналом. Об этом говорит сайт https://intellect.icu . Вейвлет-преобразование переводит сигнал из временного представления в частотно-временное. Способ преобразования функции (или сигнала) в форму, которая или делает некоторые величины исходного сигнала более поддающимися изучению, или позволяет сжать исходный набор данных. Вейвлетное преобразование сигналов является обобщением спектрального анализа. Термин (англ. wavelet) в переводе с английского означает «маленькая волна». Вейвлеты — это обобщенное название математических функций определенной формы, которые локальны во времени и по частоте и в которых все функции получаются из одной базовой, изменяя ее (сдвигая, растягивая).
Вейвлет Хаара — один из первых и наиболее простых вейвлетов. Он основан на ортогональной системе функций, предложенной венгерским математиком Альфредом Хааром в 1909 году. Вейвлеты Хаара ортогональны, обладают компактным носителем, хорошо локализованы в пространстве, но не являются гладкими. Впоследствии Ингрид Добеши стала развивать теорию ортогональных вейвлетов и предложила использовать функции, вычисляемые итерационным путем, названные вейвлетами Добеши.Без ущерба для качества сжимает размер файла изображения с длинными участками одинаковых значений яркости - Сохраняет основные черты изображения, понижая его разрешение и существенно сокращая данные при отбросе детализирующих матриц.
Дискретное косинусное преобразование (англ. Discrete Cosine Transform, DCT) — одно из ортогональных преобразований. Вариант косинусного преобразования для вектора действительных чисел. Применяется в алгоритмах сжатия информации с потерями, например, MPEG и JPEG. Это преобразование тесно связано с дискретным преобразованием Фурье и является гомоморфизмом его векторного пространства. Математически преобразование можно осуществить умножением вектора на матрицу преобразования. При этом матрица обратного преобразования с точностью до множителя равна транспонированной матрице. В математике матрицы выбирают так, чтобы преобразование было ортонормированным, а постоянный множитель равен единице. В компьютерных приложениях это не всегда так. Различные периодические продолжения сигнала ведут к различным типам ДКП.
Преобразование Карунена-Лоэва (ПКЛ). Метод преобразования непрерывных сигналов в набор некоррелированных коэффициентов разработан Каруненом и Лоэвом . Как указывается в статье [30], Хотеллинг [29] первым предложил метод преобразования дискретных сигналов в набор некоррелированных коэффициентов. Однако в большинстве работ по цифровой обработке сигналов и дискретное, и непрерывное преобразования называют преобразованием Карунена-Лоэва или разложением по собственным векторам.
Все эти преобразования дают более компактное представление с точки зрения энергии, чем исходное изображение.
«Энергетическое сжатие» означает большую часть информационного содержания в небольшой части представления.
Представление | уплотнения | и / но ... |
изображение | Плохое | Легко интерпретируется |
Фурье | хорошей | теорема о свертке |
Косинус | лучше | быстро |
Hotelling | Best | Basis Функции зависят от сигнала |
Вейвлеты | Хорошо | Некоторое пространственное представление |
Исследование, описанное в статье про сравнение различных преобразований, подчеркивает ее значимость в современном мире. Надеюсь, что теперь ты понял что такое сравнение различных преобразований и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Цифровая обработка изображений
Из статьи мы узнали кратко, но содержательно про сравнение различных преобразований
Комментарии
Оставить комментарий
Цифровая обработка изображений
Термины: Цифровая обработка изображений