跳到主要内容

小波变换与多分辨率处理:Fourier 之外的另一套坐标系

上一章的 Fourier 变换把图像分解成一堆正弦波。这套坐标系有个致命短板:正弦波在空间上是无限延伸的——一次频谱变化会污染整幅图像,反过来图像里某个局部的变化会被涂抹到整个频谱。你能说"这幅图有多少 5 Hz 分量",但你说不出"这个 5 Hz 分量出现在图像的哪里"。

小波变换要解决的就是这件事——同时定位空间和频率。

1. 时频局部化的困境​

Heisenberg 不确定性原理在信号里也成立:Δt⋅Δω≥1/2\Delta t\cdot\Delta\omega\geq 1/2。一个基函数不可能在时间和频率上都无限窄。

三种极端:

  • 单位脉冲 δ(t)\delta(t):时间上无限窄,频率上无限宽
  • 单频正弦:频率无限窄,时间无限宽
  • 高斯脉冲:时间和频率都是有限宽,是不确定性下限的实现者

Fourier 用第二种做基。Gabor 变换(短时 Fourier 变换 STFT)用第三种——固定宽度的高斯窗滑动做 Fourier。问题:窗宽固定,窄窗对高频好、对低频不够;宽窗对低频好、对高频糊。

小波的关键想法:用不同宽度的窗对付不同频率。高频用窄窗(时间分辨率高),低频用宽窗(频率分辨率高)。窗的形状固定,只做缩放和平移:

ψa,b(t)=1aψ(t−ba)\psi_{a,b}(t)=\frac{1}{\sqrt a}\psi\left(\frac{t-b}{a}\right)

aa 是尺度(缩放因子),bb 是平移。ψ\psi 是母小波,必须满足:

  • 均值为零(振荡的,像波)
  • 局部有限支撑(不像正弦无限延伸)
  • 归一化能量

2. 常见的母小波​

Haar 小波(1909,最早的小波):

ψ(t)={10≤t<1/2−11/2≤t<10else\psi(t)=\begin{cases}1 & 0\leq t<1/2\\-1 & 1/2\leq t<1\\0 & \text{else}\end{cases}

方波形状,正交性好,简单但不光滑——重构信号有块状伪影。JPEG2000 的整数变换用 Haar 的变种。

Daubechies 小波(Db2, Db4, ..., DbN):Ingrid Daubechies 1988 年构造出的一系列紧支撑正交小波。NN 越大越光滑,代价是支撑区间越宽。Db4 是"通用挡箭牌"——遇事不决 Db4。

Symlet, Coiflet:Db 的近似对称版本,用于对相位敏感的场合。

双正交小波(CDF 9/7):分析和合成用不同小波。JPEG2000 的默认。

Mexican Hat, Morlet:连续小波变换(CWT)用的,不能完美重构,但适合信号分析。

选谁看用途:图像压缩用 CDF 9/7,边缘检测用 Db4,医学信号分析用 Morlet。

3. 离散小波变换(DWT):从连续到快速算法​

连续小波变换 W(a,b)W(a,b) 是二维参数,冗余度高。DWT 用二进制离散化 a=2j,b=k⋅2ja=2^j, b=k\cdot 2^j,只在整数格点上算:

Wψ(j,k)=∑nf(n)ψj,k(n)W_\psi(j,k)=\sum_n f(n)\psi_{j,k}(n)

比连续小波少得多的系数就足以完美重构信号。

DWT 的快速实现是 Mallat 塔式算法:把小波变换等价成一对滤波器(低通 hh、高通 gg)加下采样:

       ┌─ h → ↓2 ─ 近似 A₁ ─┐
f(n) ──┤ ├── 继续分解 ─→ ...
└─ g → ↓2 ─ 细节 D₁

低通 hh 出"近似",含粗粒度信息;高通 gg 出"细节",含边缘。近似部分再喂回同一对滤波器,得到 A2,D2A_2, D_2……如此递归,每一层分辨率减半。

一维长度 NN 的信号 log⁡2N\log_2 N 层就分完了,总计算量是 O(N)O(N)——比 FFT 的 O(Nlog⁡N)O(N\log N) 还快。这也是小波变换敢用来做实时压缩的原因。

4. 二维小波:把一维推广到图像​

二维图像的 DWT 是先行后列的可分离操作:

  1. 每一行做一维 DWT,得到左(低)+ 右(高)
  2. 每一列再做 DWT,得到上(低)+ 下(高)

一层分解后图像被切成四块:

┌──────┬──────┐
│ LL │ LH │ LL: 近似(低频)
│ │ │ LH: 水平细节
├──────┼──────┤ HL: 垂直细节
│ HL │ HH │ HH: 对角细节
│ │ │
└──────┴──────┘

LL 是原图缩小一半的近似版,LH 抓横边缘,HL 抓竖边缘,HH 抓斜边缘和纹理。继续对 LL 做同样操作就得到金字塔式的多分辨率表示。

为什么这个分解对图像天然合适? 自然图像的能量高度集中在低频,边缘和纹理是稀疏的高频。DWT 一次分解后 LL 集中了 90% 以上能量,三个高频子带主要是零附近的小系数——稀疏性很好,天生适合压缩。

5. 图像压缩:JPEG2000 的核心​

传统 JPEG 用 DCT(8×8 块),图像压缩章会详细讲。JPEG2000 换成了小波:

  1. 对整幅图做多级 DWT(不用切块)
  2. 对每个子带的系数量化
  3. 用 EBCOT 熵编码

小波换掉 DCT 带来几个好处:

  • 无块效应:DCT 分块导致 8×8 边界处的伪影,DWT 是全局变换,没有这个问题
  • 渐进传输:先传 LL,再传细节层,边下载边显示越来越清晰
  • 感兴趣区域编码:可以只对图像某部分保留高质量

代价:JPEG2000 计算量高、专利纠纷复杂,最终没能取代 JPEG。但医学影像(DICOM)、电影后期、卫星遥感领域仍是主流。

6. 小波去噪:门限硬拍软拍​

Donoho 和 Johnstone 1994 年的工作让小波在去噪领域一战成名。核心洞察:自然图像的小波系数稀疏(大系数少、小系数多),高斯噪声在小波域仍然是均匀的高斯白噪声。所以只要把小系数当噪声抹掉,就近似地干掉了噪声保留了信号。

硬阈值:

T(x)={x∣x∣>λ0∣x∣≤λT(x)=\begin{cases}x & |x|>\lambda\\0 & |x|\leq\lambda\end{cases}

软阈值:

T(x)=sgn(x)max⁡(∣x∣−λ,0)T(x)=\text{sgn}(x)\max(|x|-\lambda, 0)

λ\lambda 一般取 σ2ln⁡N\sigma\sqrt{2\ln N}(Universal Threshold,σ\sigma 是噪声标准差,NN 是系数总数)。软阈值重构更平滑,硬阈值保边更好但有振铃。

BayesShrink、SUREShrink 等改进方法针对不同子带调整 λ\lambda。BM3D(现代去噪金标准之一)在协作滤波阶段就是在小波/DCT 域做硬阈值。

7. 小波和边缘检测​

Canny 边缘检测本质上是找"跨尺度都持续存在"的边。小波变换天生做的就是这件事——不同 jj 层的高频系数对应不同尺度的边。

Mallat 模极大方法:在多个尺度上找小波系数的模极大值,跨尺度追踪,只保留稳定的边缘点。抗噪能力强,是深度学习之前边缘检测的技术前沿。

8. 小波在深度学习里的复活​

CNN 崛起后小波曾一度沉寂——网络自己会学出多尺度的特征,为什么还要手工小波?但近年又出现几波复兴:

  • WCNN / Wavelet U-Net:用 DWT 替代 pooling,DWT 是无损的下采样(信息在子带里保留)
  • 多尺度小波损失:训练超分/去噪时把 GT 和输出都做 DWT,在每个子带算 L1 损失
  • Wavelet Diffusion Model:扩散模型在小波域生成,速度提升 4 倍以上

小波做不了 CNN 能做的一切(它没有非线性、没有语义),但多尺度分解 + 稀疏表示这两件事上仍然是最干净的数学工具。

9. 小波和 Fourier 的关系​

不是替代,是补充。

维度Fourier小波
基函数无限延伸的正弦局部支撑的振荡波
定位只在频率域空间+频率
复杂度O(Nlog⁡N)O(N\log N)O(N)O(N)
压缩效率平稳信号好边缘、突变信号好
直觉性频谱好懂系数树难看

平稳信号(音频、稳定纹理)用 Fourier;非平稳信号(图像、语音、脑电波)用小波。二维图像天然非平稳——边缘就是突变——所以小波在图像处理里比在信号处理里还重要。

10. 局限​

  • 只支持 dyadic 尺度(2j2^j)——真实世界的多尺度不总是二倍关系
  • 各向同性——对倾斜方向的边缘识别不好,Curvelet / Contourlet 是它的方向感知推广
  • 系数树难以可视化——不像 Fourier 频谱那样一目了然
  • 边界处理复杂——图像不周期,边界需要延拓(镜像/周期/零填充),不同延拓结果不同