Segmentovaná vlnková transformace obrazu

Abstract

Tato diplomová práce se zabývá úpravou klasického algoritmu výpočtu diskrétní waveletové transformace s diskrétním časem tak, aby bylo možné rozdělit vstupní obraz na segmenty a ty nezávisle zpracovávat. Je představena a implementována segmentovaná waveletová transformace s diskrétním časem, díky které docházíme ke stejným koeficientům, jako když je zpracováván celý obraz najednou. V kombinaci s inverzní segmentovanou waveletovou transformací je umožněno kompletní nezávislé zpracování segmentu obrazu tj. dekompozice do určené hloubky, zpracování koeficientů a následná rekonstrukce bloku obrazu. Je zřejmé, že při segmentaci budou vznikat nadbytečné výpočty. Redundance stoupá především s narůstající hloubkou dekompozice a délkou filtru, naopak se zvýšením rozměru segmentu nadbytečnost klesá. K tomu dochází z důvodu, že pracujeme s menším počtem segmentů, které je třeba prodlužovat, a právě prodloužení sousedními vzorky je zde zdrojem výpočtů navíc. Práce obsahuje také popis dvou různých přístupů k prodloužení signálu na jeho okrajích: úplné prodloužení pro všechny úrovně dekompozice před vlastní transformací a klasický přístup, kdy je signál prodlužován během transformace v každém jejím kroku. V provedených testech mají obě metody totožné výsledky po rekonstrukci obrazu, liší se pouze ve vypočtených waveletových koeficientech. Dochází též k porovnání čtyř druhů prodlužování signálu na okrajích pomocí MSE a PSNR. Výsledky všech přístupů jsou podobné, přesto ale lze favorizovat prodloužení konstantou a symetrické prodloužení, která dosáhla nižší MSE, oproti prodloužení polynomem prvního řádu a prodloužení nulami.

This master’s thesis is dealing with modification of classical discrete time wavelet transform algorithm to be able to split input image into several segments which could be independently processed. Segmented discrete time wavelet transform is introduced and implemented and the tests shows that it produces the similar values of wavelet coefficients as the classical approach. Complete independent image segment processing is allowed thanks to inverse segmented discrete time wavelet transform. It’s obvious that redundancy calculations appear when the image is processed segment by segment compared to transform the image at once. The redundancy rises with increasing decomposition depth and filter length, however it falls when the segment dimensions are increased. It happens because it is worked with smaller amount of segments which needs to extend. The extension with neighbor samples is the only source of redundancy. The thesis also contains description of two different approaches to signal border extension: firstly complete extension for all decomposition levels before the transformation itself and secondly classical method when the signal is extended in each decomposition step. Both approaches have the same results of image reconstruction, but it distinguishes in calculated wavelet coefficients. Four kinds of signal border extension are compared by using MSE and PSNR. The results of all approaches are similar, however the smooth padding of order 0 and symmetric-padding could be slightly favored against smooth padding of order 1 and zero-padding which shows higher MSE.