Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

3. Transformada Wavelet
3.1 Introduo
As transformaes matemticas so empregadas no mapeamento de funes de um domnio para outro.
As transformaes so particularmente importantes em processamento e anlise de sinais porque no
domnio transformado algumas propriedades relevantes do sinal ficam mais evidentes. Para a compresso
de imagens, um dos mtodos mais utilizados a codificao por transformada, cujo objetivo principal da
transformada produzir um conjunto de valores representando os pixels reordenados, evidenciando a
maior concentrao de energia possvel em menor nmero de coeficientes.
Como j vimos, no captulo anterior, existe vrios mtodos de transformaes que podem ser aplicados a
um sinal, entre os quais a transformada de Fourier a mais popular. A transformada de Fourier utiliza
funes bases (senos e cossenos) para analisar e reconstruir um sinal, alm disso, elas so funes
ortogonais, as quais possuem propriedades desejveis para a sua reconstruo. Tanto a transformada de
Fourier quanto a transformada wavelet so ambas reversveis, porm, a transformada de Fourier possui
algumas limitaes. Como veremos a seguir a transformada wavelet possui algumas vantagens, em
especial nos casos onde a transformada de Fourier no apresenta bons resultados.

3.2 A Transformada de Fourier

A transformada de Fourier foi descoberta no incio do sculo XIX, pelo matemtico francs Joseph
Fourier, que mostrou que qualquer funo peridica pode ser representada como uma soma infinita de
funes exponenciais complexas peridicas. Atualmente, a transformada de Fourier tem sido utilizada em
inmeras aplicaes em processamento de sinais. Na transformada de Fourier uma funo no domnio do
tempo mapeada em uma funo no domnio da freqncia, onde o seu contedo pode ser analisado. Esta
transposio ocorre porque a transformada de Fourier expande a funo original em termos de funes
senos e cossenos de durao infinita. A transformao inversa de Fourier transforma o sinal do domnio
da freqncia para o domnio do tempo.
Seja x(t) uma funo contnua da varivel real t. A transformada de Fourier de x(t), denotado por {x(t)},
definida pela equao [21]

{x(t)} =

( 3.1 )

ou seja, um produto interno do sinal x(t) com um conjunto de exponenciais complexas, que constituem
uma base ortonormal. Na equao acima, t usado para representar o tempo, f a freqncia e j igual a
.
Dado X( f ), x(t) pode ser obtido usando a transformada inversa de Fourier (inverse Fourier transform
IFT) definida pela equao:

-1{X( f )} =

( 3.2 )

As equaes 1.1 e 1.2 existem se x(t) contnua e integrvel e X( f) integrvel. Na transformada de

Fourier o X denota o sinal no domnio do tempo e na transformada inversa de Fourier o x denota o sinal
no domnio da freqncia.

1 de 22

17/03/2015 00:39

Captulo 3

2 de 22

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

A transformada de Fourier pode ser facilmente estendida para uma funo de duas varveis f(x, y). Se f(x,
y) continua e integrvel e F(u, v) integrvel, a transformada de Fourier definida pela equao

{f(x, y)} =

( 3.3 )

e a transformada inversa de Fourier definida por:

-1{F(u, v)} =

( 3.4 )

onde u e v so as variveis de freqncia.

Para uma seqncia de durao finita, possvel desenvolver uma representao alternativa da
transformada de Fourier, referida como transformada discreta de Fourier (discrete Fourier transform
DFT). Uma vez que a transformada de Fourier no pode ser computada, a DFT, que uma verso
amostrada, permite o seu clculo computacional, e para sinais de tempo finito a DFT uma completa
representao de Fourier do sinal. Mais informaes descrevendo a DFT e a transformada rpida de
Fourier (fast Fourier transform FFT) podem ser obtidas em [21, 42].
3.2.1 Transformada de Fourier de Tempo-Curto
As funes senos e cossenos tm um suporte infinito e so bem adaptadas para analisar sinais
estacionrios (sinais cujo contedo de freqncia no varia no tempo), porm no so apropriados para
descrever sinais no-estacionrios (transientes), isto , aqueles nos quais a resposta em freqncia varia
no tempo. Nenhuma informao de freqncia est disponvel no domnio do tempo do sinal, e nenhuma
informao de tempo est disponvel no sinal transformado (domnio da freqncia). A transformada de
Fourier possui resoluo mxima em freqncia mas nenhuma resoluo no tempo. Isto significa que
podemos determinar todas as freqncias presentes em um sinal, porm no podemos saber quando elas
esto presentes.
A transformada de Fourier de tempo-curto (short-time Fourier transform STFT) uma soluo para
obter melhor localizao no tempo e freqncia na decomposio de um sinal [10, 44]. A STFT uma
verso da transformada de Fourier que utiliza janelas no tempo, e seus respectivos deslocamentos, como
bases para a transformada. Em anlise de sinais, existem vrias escolhas possveis para a funo janela
g(t), sendo as principais as que possuem suporte compacto e regularidade razovel. Quando a janela
selecionada Gaussiana, a STFT conhecida tambm como transformada de Gabor.
A STFT de um sinal x(t) definida por:

( 3.5 )
onde x(t) o sinal, g(t-t ) a funo janela centrado em t .
Quando baixas freqncias so observadas em um sinal necessrio uma longa observao no tempo. Ao
contrrio, quando altas freqncias so observadas, somente uma curta observao no tempo necessria.
O princpio da incerteza de Heisenberg, da fsica quntica, estabelece que no podemos obter a
informao exata da freqncia de um sinal e o instante/local exato no tempo/espao onde esta freqncia
ocorreu. O que podemos saber o intervalo de tempo os quais certas bandas de freqncia existem. Com
isso, no possvel obter alta resoluo em tempo e freqncia simultaneamente. Em outras palavras, um

17/03/2015 00:39

Captulo 3

3 de 22

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

sinal no pode ser representado como um ponto no espao tempo-freqncia.

Pelo fato de uma simples janela ser usada para todas as freqncias na STFT, a resoluo da anlise a
mesma em todas as localizaes do plano tempo-freqncia. Uma vantagem da transformada wavelet
que a janela varia, com isso teremos funes bases curtas para alta freqncia e longas para baixa
freqncia. A figura 3.1 mostra o diagrama, no plano tempo-freqncia, as bases das funes de Fourier e
Wavelets [17, 22].

Figura 3.1 Diagrama do plano tempo-freqncia. A esquerda representao de bases de Fourier e

direita representao de bases wavelets.
Podemos observar na figura 3.1 ( direita) que baixas freqncias possuem a altura dos retngulos mais
baixas (que correspondem para melhor resoluo em freqncia), porm o comprimento mais longo
("pobre" resoluo no tempo). Para altas freqncias ocorre o contrrio. Este fato importante na anlise
de sinais j que geralmente so os componentes de baixa freqncia que caracterizam o comportamento
de um determinado sinal, enquanto que os componentes de alta freqncia nos fornecem os detalhes deste
sinal.
3.2.2 Fourier versus Wavelets
A transformada de Fourier de tempo-curto permite a anlise de um sinal em tempo e freqncia. J a
transformada wavelet, que veremos a seguir, permite decompor um sinal em componentes que so bem
localizados em tempo (via translao) e escala (via dilatao/contrao), introduzindo assim a anlise em
tempo-escala. No caso de wavelets, normalmente no falamos em representao tempo-freqncia mas
em representao tempo-escala, porque o termo freqncia reservado a transformada de Fourier. A
partir daqui usaremos o termo tempo-escala. Devido as propriedades de localizao em tempo e escala, a
transformada wavelet pode facilmente detectar informao local em um sinal.
Ao contrrio da transformada de Fourier, a transformada wavelet no possui um nico conjunto de
funes base, mas sim vrios (infinitos) conjuntos de funes bases (wavelets) possveis.
A transformada discreta wavelet (discrete wavelet transform DWT) uma funo ortogonal que pode
ser aplicada para um conjunto finito de dados. Ao contrrio das funes senos e cossenos da transformada
de Fourier, as wavelets no precisam ter durao infinita. Este suporte compacto permite a transformada
wavelet transladar uma funo no domnio do tempo em uma representao que no localizada somente
em freqncia (como a transformada de Fourier) mas tambm no domnio do tempo [8]. O termo
translao usado no mesmo sentido como ele era usado na STFT. Ele est relacionado a localizao da
janela, quando a janela deslocada (shifted) atravs do sinal.
Do ponto de vista funcional, a transformada discreta de Fourier muito parecida com a transformada
discreta wavelet, naquilo em que a funo de transformao ortogonal, so ambas invertveis, as
matrizes da transformada inversa so as transpostas das originais, o sinal de entrada assumido ser um
conjunto de amostras discretas e ambas as transformadas so convolues [17, 18].

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

3.3 A Transformada Wavelet

A transformada wavelet uma ferramenta que permite decompor um sinal em diferentes componentes de
freqncias, permitindo assim, estudar cada componente separadamente em sua escala correspondente. O
termo "wavelet" significa "pequena onda" (small wave em ingls ou ondelette em francs). O termo
"pequena" refere-se condio de que esta funo de tamanho finito (suportada compactamente).
A transformada wavelet contnua (continuous wavelet transform CWT) em L2(R) pode ser definida
como [11, 45]

( 3.6 )
As funes wavelets (y a,b) so geradas de uma nica funo y (t), denominada wavelet me (mother
wavelet) ou wavelet bsica, atravs de operaes de dilataes e translaes definida como

( 3.7 )
onde a, b R, a 0, o parmetro b representa o deslocamento no tempo/espao, a o fator de escala (a > 0
corresponde a dilatao e a < 0 para a contrao de y (t)). O fator de multiplicao
para
2
normalizao da energia atravs das diferentes escalas. Alm disso, y , y L (R), satisfaz a seguinte
condio

( 3.8 )
Para a transformada wavelet ser invertvel, a funo y (t) deve satisfazer condio de admissibilidade

Cy =
onde

( 3.9 )

a transformada de Fourier,

. ( 3.10 )
Se a condio de admissibilidade for satisfeita, a transformada wavelet contnua W(a, b) invertvel e a
transformada inversa dada pela relao

. ( 3.11 )
A condio de admissibilidade implica que a transformada de Fourier de y (t) se anula na freqncia zero,
ou seja

4 de 22

17/03/2015 00:39

Captulo 3

5 de 22

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

( 3.12 )
e a funo wavelet y (t) deve oscilar. Em outras palavras, y (t) deve ser uma onda.
3.3.1 Transformada Discreta Wavelet
Na transformada discreta wavelet (DWT) os parmetros de dilatao e translao no variam
continuamente, como no caso da transformada wavelet contnua, mas sim discretamente. Em certas
aplicaes, incluindo aquelas em anlise de sinal, podemos restringir os valores dos parmetros a, b (da
equao 1.7) a uma grade discreta, fixando um passo de dilatao a0 > 1 e uma passo de translao b0 0.
A famlia de wavelets de interesse, para j, k Z, torna-se ento [11]

, ou ( 3.13 )
( 3.14 )
Note que isto corresponde para
, ( 3.15 )
( 3.16 )
indicando que o parmetro de translao b depende da taxa de dilatao escolhida. Para j grande e
positivo, a funo y j,0 bastante dilatada, e os passos de translao grandes (
) so adaptados a esta
grande largura. Para j grande e negativo ocorre o contrrio; a funo y j,0 bastante contrada e os passos
de translao pequenos

so necessrios para ainda cobrir toda a extenso.

Se assumirmos dilataes binrias e translaes unitrias, isto , a0 = 2 e b0 = 1, a funo wavelet torna-se

( 3.17 )
e constitui uma base ortonormal para L2(R). Dessa forma, teremos uma amostragem didica que mais
adequada para clculos computacionais.

3.4 Anlise em Multiresoluo

O conceito de anlise em multiresoluo, desenvolvido por Mallat [32], permite analisar um sinal em
diferentes freqncias com diferentes resolues. Com a anlise em multiresoluo possvel obter uma
boa resoluo no tempo e pobre resoluo em freqncia, que se torna til pelo fato de que os sinais
encontrados em aplicaes prticas geralmente apresentam componentes de alta freqncia por curtas
duraes de tempo e componentes de baixa freqncia por longa durao de tempo.
Uma anlise em multiresoluo de L2(R) definida por uma seqncia de subespaos fechados Vj
L2(R), j Z, satisfazendo as seguintes propriedades [9, 29, 32, 45, 63]:
a. Propriedade de aninhamento

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

L V-2 V-1 V0 V1 V2 L ( 3.18 )

b. Densidade da unio em L2(R)

denso em L2(R) e ( 3.19 )

( 3.20 )
c. Propriedade de escala
f(t) Vj f(2t) Vj+1 " j Z ( 3.21 )
d. Propriedade de invarincia do deslocamento
f(t) V0 f(t - n) V0 " n Z ( 3.22 )
e. Existncia de uma funo de escala
$ j Vo tal que {j (t k) | k Z} uma base de Riesz de V0. ( 3.23 )
Se {j (t k) | k Z} uma base ortonormal para V0, temos uma anlise em multiresoluo e as bases
wavelet construdas de j (t) so chamadas wavelets ortonormais. A funo j chamada de funo de
escala e usada para construir bases wavelets. Multiresoluo requer uma base para cada espao Vj. Para
os outros subespaos Vj (para j 0) definimos
j j,k(t) = 2j/2j (2j t k) ( 3.24 )
onde o ndice j denota a escala e k indica o deslocamento inteiro.
Desde que j V0 V1, ento existe um conjunto finito de coeficientes hk tal que a funo de escala satisfaz

j (t) =

. ( 3.25 )

Esta equao conhecida por vrios nomes diferentes: equao de refinamento (refinement equation),
equao de dilatao (dilation equation) ou equao de diferena de escala-dois (two-scale difference
equation).
A funo j (t) usualmente normalizada, ento temos

. ( 3.26 )
Uma base de Riesz de um espao de Hilbert H um subconjunto {e1, e2, ..., en, ...} de H tal que [e1, e2, ...,
en, ...] denso em H e existem constantes 0 < A < B < tais que para toda seqncia de escalares a 0, a 1,
a 2, ... tem se: [9, 19]

( 3.27 )

6 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

3.5 Funes Wavelets

Como temos que o subespao Vj Vj+1, podemos definir Wj, " j Z, como o complemento ortogonal de Vj
em Vj+1, isto , um espao que satisfaz [9, 29, 45]
Vj+1 = Vj Wj Wj ^ Vj ( 3.28 )
onde o smbolo a soma direta, e " u Vj+1, u = v + w, de modo que v Vj e w Wj, com v, w = 0,
ou seja, cada elemento de Vj+1 pode ser escrito, de maneira nica, como uma soma de um elemento de Wj
com um elemento de Vj.
O espao Wj contm as informaes detalhe, necessrias para ir de Vj em Vj+1. Estas informaes detalhe
so extradas do sinal original usando a funo wavelet y (t). Consequentemente

Vj+1 =

, e L2(R) =

( 3.29 )

onde todos os subespaos Wj so mutualmente ortogonais, isto

Wj ^ Wk, j k. ( 3.30 )

Figura 3.2 rvore de decomposio da transformada wavelet.

A funo y uma wavelet se o conjunto de funes {y (t k) | k Z} uma base de Riesz de W0 [63]. A
coleo de funes wavelet {y j,k | j, k Z} ento uma base de Riesz de L2(R).
Uma funo y (t) L2(R) tal que {y (t k) | k Z} dita ser ortonormal se as funes y j,k formarem uma
base ortonormal para W0. Para os outros subespaos Wj (para j 0) e k Z, definimos
y j,k(t) = 2j/2y (2j t k). ( 3.31 )
Esta funo wavelet didica um tipo particular de transformada wavelet (outras dilataes so possveis,
porm dilataes didicas so mais prticas computacionalmente). Para a transformada unidimensional,
wavelets y j,k, so geradas por escalonamento binrio (contraindo por um fator de 2) e translaes didicas
de uma wavelet y (t).
Pelo fato de que V0 e W0 so subespaos de V1, V0 V1 e W0 V1, podemos expressar a wavelet y (x) em
termos da funo de escala j (t)

y (t) =

7 de 22

, ( 3.32 )

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

para um conjunto finito de coeficientes gk, de modo que

, ( 3.33 )
satisfazendo

. ( 3.34 )
Vimos at momento os aspectos tericos da transformada wavelet, todavia tudo isso seria de pouca
importncia prtica se no fosse pelo fato de podermos computar eficientemente os coeficientes wavelets
e reconstruir funes a partir desses coeficientes. Estes algoritmos, conhecidos como transformada
wavelet rpida (fast wavelet transform FWT), so anlogos a transformada rpida de Fourier e seguem
da equao de refinamento mencionada acima.
Veremos a seguir a funo wavelet de Haar, uma funo ortonormal que apresenta suporte compacto e a
forma mais simples de wavelets. A funo de Haar gerada diretamente da funo me e constitui uma
base ortonormal de L2(R).

3.6 A Funo Wavelet de Haar

A funo wavelet de Haar, o qual ser discutido em mais detalhes nesta seo, o exemplo mais simples
de wavelets. A transformada de Haar foi introduzida em 1910, por Alfred Haar [24], e o mais antigo dos
mtodos de transformada wavelet. A transformada de Haar usa pulsos quadrados para aproximar a funo
original. Transformadas wavelet utilizando funes de Haar, como funes bases, so as mais simples
para implementar e so computacionalmente as menos exigentes.
Na construo de bases wavelets normalizada, o filtro passa baixa de Haar hk definido por h0 = h1 =
e todos os demais coeficientes iguais a zero. Substituindo o filtro passa baixa de Haar na equao
1.25, teremos
j (t) = j (2t) + j (2t - 1) ( 3.35 )
A soluo para esta recorrncia a funo de escala de Haar

j (t) =

( 3.36 )

As funes de escala de Haar so mostradas na figura abaixo.

8 de 22

17/03/2015 00:39

Captulo 3

9 de 22

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

Figura 3.3 Funes de escala de Haar j (t), j (2t) e j (2t - 1).

O filtro passa alta de Haar gk definido por g0 =

, g1 = e zero para todos os demais coeficientes.
Substituindo o filtro passa alta de Haar na equao 1.32, teremos
y (t) = j (2t) j (2t - 1) ( 3.37 )
A soluo para esta recorrncia a funo wavelet de Haar

y (t) =
As funo wavelet y (t) mostrada na figura abaixo.

Figura 3.4 Funes wavelet de Haar y (t), j (2t) e j (2t 1).

Aplicando j (t) para f(t) teremos

<j , f> =

, ( 3.38 )

o valor da mdia de f sobre o intervalo [0, 1). Aplicando y (t) para f(t) teremos

<y , f> =

. ( 3.39 )

O filtro j um operador de mdia que serve para suavizar o sinal e o filtro y um operador diferena que
utilizado para reconstruir o sinal.
Segue abaixo as rotinas, codificadas na linguagem C, para calcular a transformada de Haar e sua inversa,
de um sinal unidimensinal armazenado no vetor M. A decomposio do sinal efetuado
vezes,
que corresponde a transformar o sinal at obter a menor resoluo possvel. O nmero de amostras do
sinal definido em size, os quais deve ser potncia de 2.
void Haar(int size)

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

{
int i;
while (size>1)
{
for (i=0; i<size/2; i++)
{
S[i]=(M[2*i]+M[2*i+1])/2; /* filtro passa baixa (mdia) */
S[size/2+i]=(M[2*i]-M[2*i+1])/2; /* filtro passa alta (diferena) */
}
for (i=0; i<size; i++)
M[i]=S[i];
size=size/2;
}
}
void InvHaar(int size)
{
int i,j=1;
while (j<size)
{
for (i=0; i<j; i++)
{
M[2*i]=S[i]+(S[j+i]); /* recupera as amostras pares */
M[2*i+1]=S[i]-(S[j+i]); /* recupera as amostras impares */
}
j=j*2;
for (i=0; i<j; i++)
S[i]=M[i];
}
}

Computacionalmente, a transformada de Haar tem uma complexidade linear, requerendo apenas O(n)
operaes aritmticas. De fato, se aplicarmos o banco de filtros de sntese para um sinal com n amostras
ser necessrio kn operaes para alguma constante k, ento o nmero total de operaes para computar a
transformada wavelet ser

. ( 340 )
A cada etapa do processo de decomposio hierrquica o custo computacional reduzido pela metade,
com exceo da primeira etapa, decorrente da subamostragem por 2. O custo inicial de kn operaes,
que ser reduzido para k que corresponde a metade da etapa anterior, porque utilizamos apenas a
metade dos coeficientes (coeficientes passa baixa), e assim por diante, limitando a um custo
computacional de no mximo 2kn operaes.

3.7 Codificao Sub-banda e Banco de Filtros

Uma representao em tempo-escala de um sinal digital obtido usando tcnicas de filtragens digitais
[44]. Filtrar um sinal corresponde a operao matemtica de convoluo do sinal com a resposta ao
impulso do filtro. A CWT era computada mudando-se a escala da janela em anlise, deslocando a janela
no tempo, multiplicando pelo sinal, e integrando sobre todo o tempo. No caso discreto, filtros de
diferentes freqncia de corte so usados para analisar o sinal em diferentes escalas. O sinal passado
atravs de uma srie de filtros passa alta para analisar as altas freqncias, e atravs de uma srie de

10 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

filtros passa baixa para analisar as baixas freqncias.

3.7.1 Reduo na Taxa de Amostragem por um Fator Inteiro
Subamostragem (decimador) de um sinal corresponde a reduzir a taxa de amostragem (subsampling), ou
remover algumas amostras do sinal. Por exemplo, subamostrar um sinal de entrada por um fator de 2
refere-se a extrair uma amostra a cada duas, de modo que o sinal de sada ter a metade do nmero de
amostras. Subamostragem de um sinal por um fator M reduz o nmero de amostras do sinal M vezes, ou
seja xd[n] = x[nM] = xc(nMT).
A representao do smbolo do subamostrador visto abaixo [42].

Figura 3.5 Representao de um subamostrador de fator M.

3.7.2 Aumento na Taxa de Amostragem por um Fator Inteiro
Superamostragem (interpolao) de um sinal corresponde a aumentar a taxa de amostragem (upsampling)
de um sinal adicionando novas amostras para o sinal. Por exemplo, subamostrar um sinal por 2 refere-se a
adicionar uma nova amostra, usualmente zero ou um valor interpolado, entre cada duas amostras do sinal.
Superamostragem de um sinal por um fator L aumenta o nmero de amostras do sinal L vezes.
A representao do smbolo do superamostrador visto abaixo [42].

Figura 3.6 Representao de um superamostrador de fator L.

3.7.3 Esquema de Codificao Sub-banda
A DWT emprega dois conjuntos de funes chamadas funes de escala e funes wavelet, os quais so
associadas com filtros passa baixa e filtros passa alta respectivamente. A DWT computada analisando o
sinal em diferentes bandas de freqncias com diferentes resolues atravs da decomposio do sinal em
componentes aproximao (ou smooth) e componentes detalhe. So os componentes detalhe que
armazenam as informaes necessrias para permitir a reconstruo da imagem a partir dos componentes
aproximao.

Figura 3.7 Codificao sub-banda de anlise.

A decomposio do sinal em diferentes bandas de freqncias obtida simplesmente por sucessivas
filtragens passa baixa e passa alta do sinal no domnio do tempo. Filtros passa baixa e passa alta juntos
constituem um banco de filtros. O sinal original sj (figura 3.7) primeiro filtrado por um filtro passa baixa

11 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

e um filtro passa alta . Depois da filtragem do sinal, a metade das amostras podem ser eliminadas
por um subamostrador de fator 2 (2 ). O resultado ser um sinal passa baixa (sj-1) e um sinal passa alta
(dj-1), cada um deles contendo a metade das amostras do sinal de entrada sj.
e so chamados de filtros de quadratura espelhada
Em processamento digital de sinais, os filtros
(quadrature mirror filters QMF). Esses filtros foram estudados antes da teoria wavelet.
Esta decomposio reduz pela metade a resoluo no tempo dado que somente a metade do nmero de
amostras agora caracterizam o sinal de entrada. O procedimento acima, que tambm conhecido como
codificao por sub-banda, pode ser repetida para obter uma decomposio adicional [44].
Podemos construir uma representao hierrquica de um sinal filtrando recursivamente a sada passa
baixa do banco de filtros. Este processo ilustrado graficamente na figura 3.8 para quatro nveis de
resoluo (os filtros aplicados quatro vezes), onde sj o sinal original que ser decomposto (ou
transformado) e e so filtros passa baixa e passa alta, respectivamente. Este esquema conhecido
tambm como decomposio piramidal.

Figura 3.8 Banco de filtros de anlise hierrquico.

A sada sj-4 do banco de filtros uma verso do sinal de entrada numa resoluo dezesseis vezes menor. O
filtro passa alta produz os coeficientes wavelets para o nvel, e o filtro passa baixa produz a funo escala
para o prximo nvel da decomposio hierrquica.
Os coeficientes da sada sj-4 corresponde ao subespao V-4 e os coeficientes dj-4, dj-3, dj-2 e dj-1,
correspondem aos subespaos W-4, W-3, W-2 e W-1 respectivamente. O conjunto de aproximaes
sucessivas (Vj) juntamente com o conjunto de detalhes sucessivos (Wj) forma o que chamamos de
decomposio em multiresoluo do sinal original.
Nos sistemas ditos de dois canais, o sinal de entrada transformado em duas bandas, sendo uma de baixa
freqncia e outra de alta freqncia. Quando as bandas de baixa freqncia forem entradas para um outro
sistema de banco de filtros, idntico ao primeiro, cria-se uma estrutura do tipo rvore, como na figura 3.8,
que divide o espectro do sinal original em oitavas. A figura 3.9 ilustra a decomposio do sinal em
oitavas, que o ponto inicial do esquema em multiresoluo.

12 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

Figura 3.9 Decomposio do espectro em oitava.

O processo de sntese, ou reconstruo, consiste em interpolar o sinal por um fator de 2 ( 2), ou seja,
colocar zeros entre cada amostra. Em seguida, o sinal filtrado utilizando um filtro passa baixa H e um
filtro passa alta G inversos aos filtros
e
, respectivamente. Uma representao do processo de
sntese, utilizando um banco de filtros de dois canais ilustrado abaixo:

Figura 3.10 Codificao sub-banda de sntese.

A figura abaixo ilustra o processo de reconstruo hierrquica de um sinal que foi transformado em
quatro nveis de resoluo.

Figura 3.11 Banco de filtros de sntese hierrquico.

Um banco de filtro digital uma coleo de filtros digitais, com uma entrada ou uma sada comum. O
esquema completo para um banco de filtros com dois canais descrito abaixo na figura 3.12. Ele envolve
dois filtros de anlise
alta).

(passa baixa) e

(passa alta) e dois filtros de sntese H (passa baixa) e G (passa

Figura 3.12 Banco de filtros com dois canais.

Uma perfeita reconstruo do sinal de entrada S pode ser obtida caso seja realizado um projeto apropriado
dos filtros de anlise e filtros de sntese do banco de filtros. Um banco de filtros dito ser um banco de
filtros de reconstruo perfeita (perfect reconstruction filter bank PRFB) se o sinal de sada for igual ao
sinal de entrada, como na figura 3.12, e teremos nesse caso, os filtros de anlise seguido pelos de sntese
igual a identidade
H

13 de 22

+G

= I, ( 3.41 )

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

e os filtros de sntese seguido pelos de anlise a identidade tambm, ou seja

H = I,

G = 0,

H = 0,

G = I. ( 3.42 )

A teoria de banco de filtros estabelece que para eliminar aliasing a relao [66]
g1(n) = (- 1)n+1h0(n) e h1(n) = (- 1)ng0(n) ( 3.43 )
devem ser satisfeitas, onde g0(n) e g1(n) so os filtros de sntese e h0(n) e h1(n) os filtros de anlise. Neste
caso, temos os filtros de sntese definidos em termos dos filtros de anlise.

3.8 Transformada Wavelet Aplicado Imagens

A figura 3.13 mostra os processos de compresso e descompresso aplicados em imagens digitais. A
perda de informaes geralmente ocorrem na aplicao da transformada wavelet (decorrentes do
arredondamentos de valores de ponto flutuante) e na etapa de quantizao/limiar (threshold) dos
coeficientes transformados. Os codificadores de entropia permitem a compresso sem que haja a perda de
informaes.

Figura 3.13 Diagrama em blocos do processo de compresso/descompresso de imagens.

A transformada wavelet direta mapeia os dados da imagem original para um outro domnio, sem fornecer
nenhuma compresso dos dados em relao a imagem original, porm a transformada inversa, em muitos
casos, permite uma reconstruo exata das informaes anteriores. Neste novo domnio os dados so
caracterizados por uma grande quantidade de valores iguais ou prximos de zero, que torna eficiente o
uso de codificadores de entropia. A compresso realizada pela quantizao/limiar e pela codificao dos
coeficientes wavelets. A reconstruo da imagem efetuada invertendo as operaes do processo de
compresso.
Considerando novamente a transformada wavelet de Haar no normalizada, demonstraremos como
multiplicaes de matrizes podem ser utilizadas para efetuar as mdias e diferenas. Seja A1 uma matriz 8
8 formada pela base de Haar e assumindo M um vetor com 8 elementos correspondente aos dados de
entrada e contido em V0.
Multiplicando a matriz M pela matriz A1 obteremos a matriz M, que corresponde ao primeiro nvel de
decomposio da matriz de entrada. Isto significa que os componentes de entrada separado em duas
seqncias, uma representado as mdias e outra as diferenas. A matriz A1 mostrada a seguir [37].

14 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

A operao acima corresponde decomposio do subespao V0 em V-1 e W-1. Em seguida o subespao

V-1, que corresponde aos coeficientes mdia, dever ser transformado. Para isso, deveremos multiplicar a
matriz M pela matriz A2 resultando na matriz M. A multiplicao das matrizes alterar apenas os
valores da primeira metade do vetor. Esta operao corresponde decomposio do subespao V-1 em V-2
e W-2. A matriz A2 e mostrada a seguir.

Finalmente, a matriz M dever ser multiplicado por A3. Como a decomposio binria, podemos ter,
, isto , 3 nveis de decomposio didica. Chamaremos de N o resultado do produto da
no mximo
matriz de entrada pelas matrizes A1, A2 e A3, que consiste em decompor o subespao V0 em V-3, W-3, W-2
e W-1. A matriz A3 mostrada a seguir.

A seqncia final formada pelo vetor N corresponde ao sinal original transformado. O primeiro elemento
dessa seqncia chamado de coeficiente de escala (ou aproximao) e os demais elementos dessa
seqncia so os coeficientes detalhe, ou coeficientes wavelets.
Este processo aplicado seqncia original para a obteno de verses de mais baixa resoluo
chamado de anlise ou decomposio e o processo para a obteno dos coeficientes da transformada
conhecido como transformada wavelet.

15 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

Chamaremos de W a matriz formada pela multiplicao das matrizes A1, A2 e A3, respectivamente. Uma
representao da matriz W apresentada a seguir.

Como as colunas das matrizes Ai so ortogonais, cada uma destas matrizes so inversveis. Denotaremos
por
a transformada wavelet inversa de Haar, onde
abaixo.

. A matriz

Seja M a matriz de uma imagem 2r 2r, ento a equao Q = MW e M = Q

mostrada

expressam a relao entre

M e as linhas da imagem transformada Q, onde W = A1. A2. ... . Ar =

. Para efetuar a transformao
nas colunas da imagem, devemos repetir os passos acima com a matriz transposta. Teremos ento a
seguinte equao, os quais expressa a relao entre a imagem original M e a imagem transformada nas
linhas e colunas N:
N = ((M.W)T)T = WT.M.W ( 3.44 )
e a equao de composio, ou transformada inversa, dado por
( 3.45 )
A aplicao da transformada bidimensional de Haar pode ser vista como a aplicao da transformada de
Haar em uma das dimenses e em seguida na outra dimenso da imagem. Este fato resultante de uma
das propriedades da transformada de Haar, conhecida por separabilidade. Esta propriedade de
separabilidade uma caracterstica importante, o qual faz da transformada wavelet uma poderosa
ferramenta em processamento de sinais em vrias dimenses. Para um sinal com uma dimenso n maior
do que 1, a transformada wavelet realizada atravs da transformao de cada dimenso do sinal
independentemente.
A transformada wavelet de Haar normalizada, mencionada anterior, pode ser implementada substituindo

16 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

as constantes iguais a
e todos os coeficientes iguais a 2, das matrizes Ai, por
e
,
respectivamente. As colunas de cada matriz Ai formam ento uma base ortonormal. Consequentemente, o
mesmo verdade para a matriz W.
3.8.1 Transformada Wavelet Bidimensional
Existem duas maneiras pelo qual podemos usar wavelets para decompor uma imagem bidimensional [57]:
decomposio padro e decomposio no-padro.
Para obter a decomposio padro de uma imagem, primeiro aplicamos a transformada wavelet
unidimensional em cada uma das linhas da imagem. Esta operao fornece um coeficiente de mdia e os
coeficientes detalhe para cada linha. Em seguida, tratamos estas linhas transformadas como se elas fossem
uma nova imagem e aplicamos mais uma vez a transformada unidimensional para cada coluna da
imagem. O resultado destas operaes sero todos coeficientes detalhe, exceto o primeiro pixel, que
corresponde ao nico coeficiente aproximao (mdia). Neste caso, estamos levando em considerao a
aplicao da transformada at obter o menor nvel de resoluo possvel.

Figura 3.14 Transformada discreta wavelet bidimensional.

Dado uma imagem x(m, n), ela inicialmente filtrada na direo m (linhas da imagem), resultando numa
imagem passa baixa L e uma imagem passa alta H. Aps a subamostragem, teremos ambas as imagens
reduzidas pela metade em relao a imagem original. Em seguida realiza-se a filtragem na direo n
(colunas da imagem) resultando em quatro subimagens:
LL (passa baixa-passa baixa) correspondendo a banda passa baixa em ambas as direes.
LH (passa baixa-passa alta) correspondendo a banda passa baixa na direo vertical e passa
alta na direo horizontal.
HL (passa alta-passa baixa) correspondendo a banda passa alta na direo vertical e passa
baixa na direo horizontal, e
HH (passa alta-passa alta) correspondendo a banda passa alta em ambas as direes.
A aplicao da transformada wavelet na imagem resulta em uma imagem com o mesmo tamanho mas
composto de trs imagens detalhes (HL, LH e HH) e uma imagem aproximao (LL), sendo que todas
possuem a metade da resoluo da imagem inicial.
Este processo pode ser repetido novamente na subimagem LL, resultando em mais quatro subimagens, e
assim por diante at que tenhamos apenas um nico coeficiente aproximao. O menor nvel de resoluo
possvel conter um nico coeficiente os quais a mdia de todas as amostras do sinal original, isto , ele
o coeficiente DC ou freqncia zero do sinal. O algoritmo da transformada wavelet inversa construdo

17 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

de maneira semelhante aplicando o processo inverso.

Figura 3.15 Estgios de decomposio wavelet bidimensional padro com 5 nveis de resoluo.
A seguir mostraremos a aplicao da transformada wavelet padro, usando a imagem Lenna. Inicialmente
a transformada aplicado apenas nas linhas da imagem, e em seguida apenas nas colunas.
Linhas

Colunas

Figura 3.16 Decomposio padro da imagem Lenna.

O segundo tipo de transformada wavelet bidimensional, chamada decomposio no padro, alterna entre
operaes nas linhas e nas colunas. Primeiro, calculamos um passo de mdias e diferenas no valor dos
pixels de cada linha da imagem. Em seguida, calculamos as mdias e as diferenas em cada coluna. Aps
esta operao obteremos a imagem da figura 3.17 (c), composta por quatro imagens menores. A imagem
do canto superior esquerdo contm os coeficientes de baixa resoluo, correspondente mdia dos pixels
da imagem original, enquanto que as trs demais imagens contm os coeficientes de alta resoluo, os
coeficientes wavelets, que iro permitir a reconstruo da imagem. Para completar a transformao,
repetimos este processo recursivamente, somente nos quadrantes contendo as mdias, em ambas direes.
Se uma imagem for decomposta em N nveis de resoluo (N > 0 e N Z), isso implicar na obtenao de
3N + 1 subimagens.

Figura 3.17 Estgios de decomposio wavelet bidimensional no padro.

18 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

A figura 3.17 ilustra os cinco primeiros nveis de resoluo de uma imagem bidimensional aps a
aplicao da transformada wavelet no padro. Em (a) temos a imagem original, (b) a imagem aps a
aplicao da transformada em suas linhas, (c) aplicao da transformada nas linhas e nas colunas, um
nvel de resoluo, (d) a imagem com dois nveis de resoluo e finalmente em (e) a imagem aps cinco
nveis de resoluo.
A seguir mostraremos a aplicao da decomposio wavelet no padro, usando a imagem Lenna.

Figura 3.18 Decomposio no padro da imagem Lenna.

A decomposio wavelet padro de uma imagem mais atraente pelo fato de requerer somente operaes
em uma dimenso, ou seja, primeiro aplica-se a transformada apenas nas linhas e em seguida apenas nas
colunas da imagem. Por outro lado, um pouco mais eficiente a computao da decomposio
no-padro. Para uma imagem m m, a decomposio padro requer o clculo de 4(m2 m) operaes,
enquanto que a decomposio no padro requer somente

(m2 1) operaes [57].

Podemos verificar que a transformada wavelet permite armazenar uma imagem em diversas resolues,
ilustrado tambm na figura 3.19. Dessa maneira, podemos transmitir inicialmente os coeficientes da
imagem com menor resoluo, permitindo assim a visualizao de uma aproximao da imagem. Com
isso, possvel efetuar a reconstruo gradual da imagem pelo receptor. Em seguida, somente a
informao necessria para derivar uma verso mais detalhada da imagem, a partir da imagem de mais
baixa resoluo, transmitida. Aps a transmisso de todos os coeficientes detalhe, o receptor ter uma
cpia completa da imagem. Este tipo de transmisso conhecido como transmisso progressiva
(progressive transmission). Para a transmisso progressiva os coeficientes wavelet precisam ser
arranjados em ordem de importncia. A decomposio em multiresoluo da transformada torna-se ideal
para isso.

Figura 3.19 Imagem Lenna em vrias resolues.

Uma visualizao da reconstruo gradual da imagem Lenna apresentado na figura 3.20. Inicialmente a
imagem reconstruda a partir dos coeficientes aproximao do quarto nvel de decomposio da imagem
(matriz 16 16), em seguida com os coeficientes detalhe do quarto nvel de decomposio possvel
visualizar a imagem (b). Na seqncia, imagem (c), temos a imagem reconstruda a partir dos coeficientes
detalhe do terceiro nvel de decomposio e na imagem (d) a reconstruo a partir do segundo nvel de

19 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

decomposio. Finalmente, na imagem (e), temos a imagem original reconstruda.

(a)

(b)

(c)

(d)

(e)

Figura 3.20 Reconstruo progressiva a partir da imagem com menor resoluo.

As imagens geralmente apresentam mais informaes de baixa freqncia (pouca variao) do que
informaes de alta freqncia (muita variao). Em virtude disso, muitos dos valores resultantes da
aplicao do filtro passa alta (coeficientes detalhe) so muito pequenos em magnitude, como pode ser
observado analisando o histograma da imagem Lenna aps a aplicao da transformada wavelet com oito
nveis de decomposio (figura 3.21). A transformada wavelet concentra as informaes da imagem em
um nmero relativamente pequeno de coeficientes. O histograma apresenta somente um grande pico na
origem. Isto significa que muitos coeficientes wavelets so iguais a zero e que uma grande quantidade
desses coeficientes so prximos de zero. Esta caracterstica que faz a transformada wavelet ideal para
compresso de imagens. Os poucos coeficientes wavelet diferentes de zero permitem uma boa
aproximao da imagem.

Figura 3.21 Histograma da imagem da Lenna aps a aplicao da transformada wavelet.

Os mtodos de compresso de imagens baseados na transformada wavelet devem tirar vantagem dessa
caracterstica das imagens. Armazenando os coeficientes da transformada possibilitar uma reduo
significante das informaes da imagem, sendo que a imagem original no permitiria quase nenhuma
compresso. Uma representao grfica do histograma da imagem original da Lenna de tamanho 256
256 e 8 bits por pixel e mostrado na figura abaixo.

20 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

Figura 3.22 Histograma da imagem original da Lenna.

Se fixarmos um limiar d e substituir por zero todos os coeficientes wavelets da imagem transformada, os
quais o valor absoluto menor ou igual a d , teremos uma matriz esparsa. Quanto maior for o limiar maior
ser o fator de compresso, pois uma maior quantidade de valores sero zerados, porm com uma menor
qualidade da imagem reconstruda. Este processo chamado de compresso sem perdas quando nenhuma
informao perdida, isto , d = 0. Caso contrrio chamado de compresso com perdas (d > 0). Para os
casos em que d > 0 somente uma aproximao da imagem original ser possvel obter aps a
reconstruo.
Podemos observar que a quantidade de informao se mantm a mesma. Para comprimir estes
coeficientes devemos aplicar tcnicas de codificao sem perdas, tais como: RLE, codificao de
Huffman ou codificao aritmtica.
Recorrendo a outras tcnicas de codificao, tais como LZW, EZW e Predio, podemos ainda explorar a
redundncia que existe entre os coeficientes das diversas subimagens, podendo aumentar ainda mais o
fator de compresso.

(a)

(b)

Figura 3.23 (a) Imagem original. (b) Representao wavelet com um nvel de resoluo.
Como vimos anteriormente, a aplicao da transformada wavelet divide a imagem em quatro novas
subimagens, (LL, HL, LH e HH). As subimagens detalhes (HL, LH e HH) enfatizam, respectivamente, as
caractersticas vertical, horizontal e diagonal da imagem, conforme pode ser observado na figura 3.23.
O processo padro para a realizao da compresso (figura 2.1) constitui na aplicao da DWT, quantizar
os coeficientes wavelets resultantes (para compresso sem perdas os coeficientes no so quantizados) e
codificao sem perdas dos coeficientes quantizados. O mtodo mais simples para codificar esses
coeficientes percorrer cada uma das linhas (da imagem bidimensional), partindo do canto superior
esquerdo e finalizando no canto inferior direito. Esta ordem conhecida como raster scan. O problema
com o raster scan que as informaes relativas as correlaes na vertical so perdidas e apresenta uma
descontinuidade ao passar de uma linha para outra.

Figura 3.24 Curva de Hilbert percorrendo um espao de dimenso 16 16.

21 de 22

17/03/2015 00:39

Captulo 3

http://www.dainf.ct.utfpr.edu.br/~ionildo/wavelet/cap3.htm

Uma outra tcnica de codificao, que pode ser aplicada na imagem transformada, a curva de Hilbert
[40, 58]. A Curva de Hilbert permite percorrer a imagem seguindo uma trajetria alternativa e tomar
vantagem da correlao dos pixels na horizontal e vertical, de cada um dos quadrantes da imagem
separadamente.
A curva de Hilbert quebra a direcionalidade dos mtodos convencionais para o caso bidimensional,
conforme ilustrado na figura 3.24. Uma propriedade desta curva a diviso dos espaos dentro de
quadrantes. Somente aps um dos quadrantes ter sido totalmente percorrido, que o prximo dever ser
percorrido, e assim sucessivamente at a imagem ter sido completamente percorrida.
Um esquema alternativo para codificao dos coeficientes wavelets foi recentemente proposto por
Shapiro [55] e aprimorado por Said e Pearlman [50], conforme apresentado na seo 1.3.
3.8.2 Compresso de Imagens Coloridas
O processo de compresso de imagens coloridas utilizando a transformada wavelet se divide em duas
etapas [40]: uma sendo a converso da imagem do sistema RGB para o sistema YCbCr (Y o canal de
luminncia e CbCr so os dois canais de crominncia correspondente ao azul e ao vermelho tambm
chamado YUV) e outra associada as operaes de decomposio, enumerao, quantizao e codificao
de cada um dos canais.
Como neste trabalho estamos interessados na compresso de imagens com nveis de cinza no iremos
detalhar as tcnicas usadas para compresso deste tipo de imagem.

22 de 22

17/03/2015 00:39