Bildverarbeitung basierend auf Wavelet -Transformation in Python [geschlossen]

1. Wie Wavelet -Transformation in der Bildverarbeitung verwendet wird?
2. Was ist der Nachteil der Wavelet -Transformation?
3. Warum diskrete Wavelet -Transformation in der Bildverarbeitung verwendet wird?

Wie Wavelet -Transformation in der Bildverarbeitung verwendet wird?

Unter Verwendung von Wavelet -Transformation kann das Bild auf unterschiedlichen Auflösungsniveaus zersetzt werden, da die Wavelet -Zersetzung eine unterschiedliche Fenstergröße aufweist und auch von geringer Auflösung bis zur hohen Auflösung verarbeitet werden kann, da die Wavelet -Transformation sowohl in Zeit- als auch Frequenzbereich lokalisiert ist.

Was ist der Nachteil der Wavelet -Transformation?

Obwohl die diskrete Wavelet -Transformation (DWT) ein leistungsstarkes Werkzeug für die Signal- und Bildverarbeitung ist, weist sie drei schwerwiegende Nachteile auf: Verschiebungsempfindlichkeit, schlechte Richtungen und mangelnde Phaseninformationen.

Warum diskrete Wavelet -Transformation in der Bildverarbeitung verwendet wird?

Das DWT zersetzt ein digitales Signal in unterschiedliche Subbänder, so dass die Unterbänder der niedrigeren Frequenz im Vergleich zu den höheren Frequenz -Subbändern eine feinere Frequenzauflösung und die grobe Zeitauflösung aufweisen. DWT ist die Grundlage des neuen JPEG2000 -Bildkomprimierungsstandards.