7.1.1 傅里叶的"空间无定位"问题#

回忆第 4 章：傅里叶变换把信号分解为无穷长的正弦波。

这意味着：频率为 $u$ 的分量在整个空间上都存在。 即使我们知道某信号含有频率 $u_0$，无法从频谱知道它出现在哪个位置。

类比：一首音乐先是低音后是高音，但傅里叶只能告诉你"这首歌里有低音和高音"，不知道先后。

1
信号:     ── 低频段 ── 高频段 ── 低频段 ──
2
            (x=0-10)  (10-20)   (20-30)
3

4
FT:  看到的是"低 + 高"，没有时序信息

7.1.2 短时傅里叶变换（STFT）：第一次尝试#

思路：把信号切成小块，每块做 FT。

其中 $g$ 是窗函数（高斯、汉宁等）。

权衡困难（海森堡不确定原理）：

• 窗口窄 → 时间定位好，但频率分辨率差
• 窗口宽 → 频率分辨率好，但时间定位差

STFT 用固定窗宽，无法同时满足低频（需要长观察）和高频（需要细定位）的需求。

7.1.3 小波的核心思想：多尺度#

小波让"窗口大小"与频率自适应：

• 分析低频：窗口宽（长时间观察）
• 分析高频：窗口窄（短时间观察）

1
STFT 的时-频窗格：       小波的时-频窗格：
2

3
频率 ▲                    频率 ▲
4
高 │□ □ □ □ □              │■ ■ ■ ■ ■    ← 高频：窄窗
5
中 │□ □ □ □ □              │█ █ █       ← 中频
6
低 │□ □ □ □ □              │██          ← 低频：宽窗
7
   └──────→ 时间             └──────→ 时间

这就是小波变换。核心：固定"时间×频率" 面积（不确定原理允许的最小），但形状自适应。

7.2.1 金字塔的概念#

对一张图，反复下采样得到一系列尺寸递减的版本：

1
L0 (512×512)  原图
2
L1 (256×256)  /2
3
L2 (128×128)  /4
4
L3 (64×64)    /8
5
...

每层代表同一内容的不同尺度。远看轮廓 = 上层金字塔；近察细节 = 下层。

7.2.2 高斯金字塔 (Gaussian Pyramid)#

构造：

1
L_{k+1} = Downsample(Gaussian_Blur(L_k))

1. 对 $L_k$ 用 5×5 高斯核模糊（抗混叠）
2. 每行每列取一半 → 尺寸减半

1
G = img.copy()
2
pyr = [G]
3
for _ in range(4):
4
    G = cv2.pyrDown(G)   # 内部先高斯再下采样
5
    pyr.append(G)

性质：

• 每层尺寸 1/4，总存储 $1 + 1/4 + 1/16 + \ldots = 4/3$ 倍原图
• 每层对应一个带通频率

7.2.3 拉普拉斯金字塔 (Laplacian Pyramid)#

Burt & Adelson 1983 提出。

核心：每层存储高斯金字塔相邻两层之差。

1
原图 G0 ──┬────────── L0 = G0 - Upsample(G1)
2
         │
3
         ▼
4
       G1 ──┬──────── L1 = G1 - Upsample(G2)
5
           │
6
           ▼
7
         G2 ──┬────── L2 = G2 - Upsample(G3)
8
              │
9
              ▼
10
           G3 (保留最粗层)

关键性质：完美重建

1
重建: G_k = L_k + Upsample(G_{k+1})

每层含义：该尺度下的细节（高频差分）。

7.2.4 经典应用：多尺度图像融合 (Burt & Adelson)#

问题：把两张图在指定区域"无缝"融合（经典例子：把苹果和橘子融成"苹橘"）。

简单方法：直接按掩膜拼接 → 边界有明显接缝。

多尺度融合：

1
1. 图 A, B 各自求拉普拉斯金字塔 L^A, L^B
2
2. 掩膜 M 求高斯金字塔 G^M（平滑掩膜）
3
3. 逐层加权混合：
4
      L^blend_k = L^A_k · G^M_k + L^B_k · (1 - G^M_k)
5
4. 用 L^blend 重建出融合图像

为什么奏效？

• 低频层掩膜宽 → 缓慢过渡（整体颜色/亮度融合）
• 高频层掩膜窄 → 锐利过渡（细节仅取一边）

现代变体：

• 曝光融合 (Mertens)：多曝光 HDR，手机默认
• Poisson Blending：梯度域融合（Ch 9 会提到）

7.3.1 一维 Haar#

1
φ:     ┌────┐     ψ:    ┌──┐
2
       │    │           │  │
3
       │    │           │  └──┐
4
───────┴────┴           ─  ──┴──
5
       0    1           0 .5  1

1
原信号
2
  │ Haar
3
  ▼
4
a1 (N/2), d1 (N/2)
5
  │ 对 a1 再做 Haar
6
  ▼
7
a2 (N/4), d2 (N/4), d1 (N/2)
8
  ...

7.3.2 二维 Haar（图像）#

对 2D 信号，Haar 通过"先行后列"分解。

1
原图 (M×N)
2
  │ 对每行做 1D Haar
3
  ▼
4
左半 = 行均值 (M×N/2)   右半 = 行差分 (M×N/2)
5
  │ 对每列做 1D Haar              │ 对每列做 1D Haar
6
  ▼                              ▼
7
(M/2 × N/2)             (M/2 × N/2)
8
┌────┬────┐
9
│ LL │ HL │     LL: 低低频（近似）
10
├────┼────┤     HL: 水平细节（垂直边缘）
11
│ LH │ HH │     LH: 垂直细节（水平边缘）
12
└────┴────┘     HH: 对角细节（对角边缘）

1
┌──┬──┬──────┐
2
│LL│HL│      │
3
├──┼──┤ HL1  │    ← 2 级分解
4
│LH│HH│      │
5
├──┴──┼──────┤
6
│     │      │
7
│ LH1 │ HH1  │    ← 1 级分解
8
│     │      │
9
└─────┴──────┘

7.3.3 Haar 的物理意义#

• $\phi$ 是平均算子（低通）
• $\psi$ 是差分算子（高通）
• 小波 = 对应于不同尺度 ($2^j$) 和位置 ($2^j k$) 的平移缩放

Haar 的基函数：

所有这样的 $\psi_{j, k}$ 构成 $L^2(\mathbb{R})$ 的正交基！（Haar 1909 的经典结果）

7.4.1 嵌套子空间#

定义一系列子空间 $\{V_j\}_{j \in \mathbb{Z}}$，满足：

1. 嵌套：$\cdots \subset V_{-1} \subset V_0 \subset V_1 \subset \cdots$
2. 稠密：$\overline{\bigcup_j V_j} = L^2(\mathbb{R})$
3. 交空：$\bigcap_j V_j = \{0\}$
4. 尺度关系：$f(x) \in V_j \Leftrightarrow f(2x) \in V_{j+1}$
5. 平移不变性：$f(x) \in V_0 \Leftrightarrow f(x - k) \in V_0$
6. 正交基存在：存在 $\phi \in V_0$ 使 $\{\phi(x - k)\}_{k \in \mathbb{Z}}$ 是 $V_0$ 的正交基

$\phi$ 称尺度函数。

7.4.2 细节子空间 $W_j$#

由嵌套关系 $V_j \subset V_{j+1}$，定义正交补：

$W_j$ 称为细节子空间，其基：

$\psi$ 称小波函数。

7.4.3 双尺度方程（Two-Scale Equation）#

由 $\phi \in V_0 \subset V_1$，可写：

$h_\phi$ 叫低通滤波器系数。类似地：

$h_\psi$ 叫高通滤波器系数。

7.4.4 MRA 的意义#

任意函数 $f \in L^2(\mathbb{R})$ 可分解为：

• $f_J \in V_J$：尺度 $J$ 下的近似
• $d_j \in W_j$：各尺度细节

展开为系数：

这就是离散小波变换（DWT）。

7.5.1 Mallat 快速算法#

思想：递归滤波 + 下采样。

1
信号 x
2
  │
3
  ├── h_φ (低通) ──> 下采样 2 ──> a1
4
  │
5
  └── h_ψ (高通) ──> 下采样 2 ──> d1

对 a1 再次分解：

1
a1
2
  │
3
  ├── h_φ ──> ↓2 ──> a2
4
  │
5
  └── h_ψ ──> ↓2 ──> d2

复杂度：$O(N)$（相当于 FFT 的 $O(N \log N)$ 更快！）

7.5.2 反变换（重建）#

1
a_j, d_j
2
  │
3
  ├── 上采样 2 ──> g_φ (低通) ──┐
4
  │                               ├── 相加 ──> a_{j-1}
5
  └── 上采样 2 ──> g_ψ (高通) ──┘

完美重建条件：

正交小波下 $g = h$（自对偶）。

7.5.3 2D DWT 实现#

1
图像
2
  │ 逐行 1D DWT
3
  ▼
4
┌────┬────┐
5
│ L  │ H  │    ← 每行分成低/高频
6
│    │    │
7
└────┴────┘
8
  │ 逐列 1D DWT
9
  ▼
10
┌────┬────┐
11
│ LL │ HL │
12
├────┼────┤
13
│ LH │ HH │
14
└────┴────┘

代码（pywt）：

1
import pywt
2
coeffs = pywt.wavedec2(img, 'db1', level=3)
3
# coeffs = [cA3, (cH3, cV3, cD3), (cH2, ...), (cH1, ...)]
4
# cA: approximation, cH/V/D: horizontal/vertical/diagonal detail
5

6
reconstructed = pywt.waverec2(coeffs, 'db1')

7.6.1 Haar (db1)#

• 最简单、不连续
• 阶跃边缘检测好
• 但紧支太小（2 抽头），频率选择性差

7.6.2 Daubechies (dbN)#

Daubechies 1988 构造的正交紧支小波族。dbN 有 2N 个系数，支持长度 2N-1。

消失矩 $N$：

消失矩高 → 对多项式信号响应为 0 → 图像稀疏表示好。

缺点：

• 非对称 → 重建有相位失真
• 没有解析表达式（只能通过迭代构造）

7.6.3 Symlets (sym)#

Daubechies 的"近似对称"版本。

7.6.4 Coiflets (coif)#

同时要求 $\phi$ 和 $\psi$ 都有消失矩（Daubechies 只要求 $\psi$）。更对称但支持更大。

7.6.5 Biorthogonal (bior, rbio)#

放弃正交性换取完美对称 + 完美重建（同时不可能）。

• 分析小波 $\tilde{\phi}, \tilde{\psi}$
• 合成小波 $\phi, \psi$
• 两者不同但满足双正交条件：

JPEG2000 使用 bior4.4（9/7 双正交小波），因为线性相位对图像压缩质量关键。

7.6.6 选型建议#

7.7.1 图像去噪（Donoho 软阈值）#

思想：

• 自然图像的小波系数稀疏（少数大，多数近 0）
• 高斯噪声的系数密集（接近 0 附近的高斯）
• 把小幅度系数"削掉"，保留大的 → 去噪

阈值函数：

硬阈值：

软阈值（更平滑）：

1
硬阈值:              软阈值:
2
  │       /             │     /
3
  │      /              │    /
4
  │     /               │   /
5
──┼──────               ──┼──/───
6
  │\                     │ /
7
  │ \                    │/

最优阈值：Donoho 给出通用阈值

$N$ 是信号长度，$\sigma$ 是噪声标准差（用最粗细节子带的 MAD 估计）。

算法：

1
1. DWT 多级分解
2
2. 对每个细节子带 d_j 做阈值化 → d_j'
3
3. IDWT 用 [a_J, d_J', ..., d_1'] 重建

效果：比经典均值/高斯滤波好，边缘保留出色。

7.7.2 图像压缩#

7.7.3 多尺度边缘检测#

每个 DWT 细节子带就是该尺度下的边缘响应：

• HH1：最细尺度（噪声 + 纹理）
• HH2：中尺度（小物体边缘）
• HH3：粗尺度（大物体轮廓）

Mallat-Zhong 算法：跨尺度追踪模极大值，做出多尺度 Canny。

7.7.4 图像融合#

两张源图各自 DWT，对系数采用不同规则合并：

应用：

• 多焦融合（近焦 + 远焦 → 全景深）
• 红外 + 可见光（夜视增强）
• MRI + CT（医学多模态）

7.7.5 图像隐写#

LSB 隐写（第 3 章）易被统计检测。小波域隐写：

• 把秘密信息嵌入细节子带的 LSB
• 主观视觉几乎不变
• 抗 JPEG 压缩能力更强

7.8.1 海森堡不确定原理（量化时-频权衡）#

定理 7.1：对任何函数 $f \in L^2$，其时间方差 $\sigma_t^2$ 和频率方差 $\sigma_u^2$ 满足：

等号在 高斯函数 处取得 → 高斯窗是 STFT 的最优窗。

7.8.2 小波的"等 Q"特性#

对小波 $\psi_{j, k}$：

• 时间方差 $\sigma_t \propto 2^{-j}$
• 频率方差 $\sigma_u \propto 2^j$
• Q 因子（频率中心 / 带宽） $= \text{const}$

意思是相对带宽一致。这正是人耳、人眼的特点（对数感知）！因此小波在生物学意义上"更自然"。

7.9.1 复小波 (Complex Wavelets)#

经典 DWT 对平移敏感（平移 1 个像素，系数大变）。复小波（Kingsbury 的 DTCWT）对平移近似不变，旋转也更稳定。

7.9.2 Curvelet、Ridgelet、Shearlet#

小波对点奇异最优，对曲线奇异（图像中更普遍）次优。 Curvelet（Candes 2004）专门为曲线设计 → 更好的边缘表示。

7.9.3 小波 + CNN#

• Wavelet CNN：把 DWT 作为可微模块嵌入 CNN，替代池化
• WaveResNet 等：去噪、压缩、超分
• Multi-level Wavelet-CNN (MWCNN)：去雾、去雨

关键发现：CNN 学到的第一层滤波器与 Gabor/小波高度相似 → 网络自然发现了多尺度分析。

7.9.4 神经小波 / 可学习小波#

• 学习出的小波比固定 Haar/Daubechies 对特定任务更优
• 用于神经压缩（End-to-End Learned Compression）

✅ 必须掌握#

• 傅里叶的空间无定位问题，小波的时频局部化优势
• 高斯/拉普拉斯金字塔的构造与完美重建
• Haar 小波的 $\phi, \psi$ 定义
• 2D DWT 的四子带 (LL/HL/LH/HH) 及其含义
• MRA 框架：嵌套子空间、双尺度方程、细节子空间
• Mallat 快速算法（$O(N)$）
• 软阈值去噪思想与 Donoho 通用阈值公式
• Daubechies vs 双正交的权衡（正交/对称不可兼得）

💡 高频面试题#

Q1. 小波相比傅里叶的核心优势是什么？

答：时频同时局部化。傅里叶用无穷长正弦波作为基，只能告诉你"信号中有什么频率"；小波用有限支集的函数，能同时给出"什么频率、出现在哪里"。这对图像处理至关重要——图像中的边缘、纹理是局部化事件。

Q2. 为什么 JPEG2000 选择双正交 9/7 小波？

答：图像压缩对线性相位（= 对称性）敏感（非对称导致边缘偏移）。而正交 + 对称 + 紧支三者不能同时满足（除了 Haar）。双正交牺牲正交性换取完美对称 + 完美重建 + 紧支，是图像压缩的最佳折中。

Q3. 二维 DWT 四子带分别代表什么？

答：

• LL：低通低通，即"缩略图"
• HL：水平高通，垂直低通 → 垂直边缘
• LH：水平低通，垂直高通 → 水平边缘
• HH：双高通 → 对角与角点

Q4. 小波去噪为什么用软阈值而非硬阈值？

答：

• 硬阈值：在阈值处不连续 → 去噪后图像可能有"小斑点"跳变
• 软阈值：连续，对所有通过的系数减去 $\lambda$ → 更平滑的结果
• 理论上：软阈值在估计风险下接近最优（Donoho-Johnstone）

Q5. Donoho 通用阈值 $\lambda = \sigma \sqrt{2 \ln N}$ 的直觉？

答：$N$ 个独立标准正态噪声，其最大绝对值大致为 $\sqrt{2 \ln N}$。乘 $\sigma$ 即估计"纯噪声区的最大幅度"。阈值设在此就能把绝大多数噪声系数归零，只保留显著信号。

Q6. DWT 能完美重建的条件？

答：滤波器组满足完美重建 (PR) 条件，即

且混叠项抵消

正交小波（如 Daubechies）中 $G = H$，自然满足。

Q7. 小波金字塔 vs 拉普拉斯金字塔的区别？

答：

• 拉普拉斯金字塔：冗余约 4/3 倍，但每层分辨率与输入相同（简单直观）
• 小波金字塔：严格无冗余（系数总数 = 原像素数），但一层产出 4 个子带
• 拉普拉斯适合教学；小波适合压缩/编码

Q8. 小波与深度学习的关系？

答：

• CNN 的前几层滤波器自发学到类似小波/Gabor 的多尺度模板
• 用 DWT 替代池化可保留全部信息（不丢细节）
• 神经压缩（Ballé 等）的编码器架构灵感部分来自小波