小波变换及应用（图像压缩） 小波分析因为同时具有好的空间分辨率和好的频率分辨率，特别适于分析非稳态信号。自然图像正具有这种非稳态特性，可以看作是能量空间集中（图像边沿和细节）和频率集中（图像的平缓变化部分）信号的线性组合8。因此，使用小波分析进行图像压缩可以取得很好的效果。 基于小波的图像压缩思想来源1. 图像的小波分解若2-D 滤波器 可分解为 ，则可分的2-D DWT ，将分解近似图象 为一个近似图象和3个细节图象，即： 其中H(Z) 和G(Z) 为1-D 小波滤波器，信号 是 在低分辨率上的近似，从 籍低通滤波器和沿行及列2倍下取样计算此近似信号，信号 和 包含 的细节。信号 包含垂直高频（水平边沿）。计算此信号是由水平方向低通和垂直方向高通滤波 ，信号 包含水平高频（垂直边沿），信号 包含两个方向的高频（角）。 2级2-D DWT 的上式计算，可由下框图实现：图像的多分辨率表示Lena 图像的多分辨率表示2. EZW 算法Embedded zero-tree wavelet algorithm小波系数的树形结构展开的小波树能量分布零树编码的一些概念SP SNZRIZEZW 编码
