Cap 7

Captulo7 Transformada Wavelet
Captulo 7 Transformada Wavelet.......................................................................................156

7.1 Introduccin a la Transformada Wavelet..................................................................156
7.2 Conceptos Bsicos de Onduletas..............................................................................158
7.2.1 Concepto Bsico de Transformadas...................................................................158
7.2.2 Anlisis con Onduletas.......................................................................................160
7.3 Transformada Wavelet Continua...............................................................................164
7.3.1 Propiedades de la Onduleta................................................................................165
7.3.2 Calculo de la Transformada Wavelet Continua..................................................167
7.4 Onduleta Discreta.....................................................................................................170
7.5 Transformada Wavelet Discreta................................................................................171
7.5.1 Onduletas y Funcin de Escalamiento...............................................................171
7.5.2 Transformada Discreta.......................................................................................173
7.5.2.1 Anlisis con Onduletas en un Nivel............................................................176
7.5.2.2 Anlisis con Onduletas Multinivel..............................................................177
7.5.2.3 Transformada Wavelet Inversa....................................................................179
7.5.2.4 Relacin Entre Onduletas y Filtros.............................................................181
7.5.2.5 Relacin Escala - Frecuencia......................................................................182
7.6 Anlisis con Paquetes de Onduletas..........................................................................183
7.7 Transformada Wavelet en Dos dimensiones.............................................................184
7.8. Aplicacin de la Transformada Wavelet...................................................................188
Problemas........................................................................................................................190
Referencias......................................................................................................................191
Captulo 7 Transformada Wavelet

7.1 Introduccin a la Transformada Wavelet
En captulos anteriores se ha hablado de la transformacin a la frecuencia de seales
mediante la transformada de Fourier. El porqu de esta transformacin se debe a que en
ocasiones informacin presente en la seal en el tiempo no es apreciable, o bien, la
realizacin de ciertas operaciones en la frecuencia resultan ser computacionalmente
factibles o ms eficientes. Sin embargo, uno de los grandes problemas de la transformada
de Fourier, es que es una transformacin genrica de la informacin de frecuencia presente
en una seal. Para explicarnos mejor consideremos el siguiente ejemplo. Suponga usted que
sabe tocar la guitarra, y se le entrega la letra de una cancin que nunca ha escuchado en una
hoja de papel y los tonos de la guitarra para acompaar la cancin en otro papel, sin
ninguna indicacin de en qu parte de la cancin va cada tono de la guitarra. Sera posible
interpretar correctamente la cancin? No, ya que usted no contara con la relacin entre la
letra de la cancin, los tonos de la guitarra y cuando aplicar cada tono. Hablando
tcnicamente, usted tiene la informacin de las frecuencias que debe utilizar pero no
cuando las debe utilizar. Pues bien, ste es el tipo de informacin que nos proporciona la
transformada de Fourier. Cuando transformamos una seal, Fourier nos dice cuales son las
frecuencias presentes en la seal mas no nos indica en que tiempo ocurren. La Figura 7.1
muestra una seal de voz y su espectro. Podemos apreciar que del espectro tenemos
informacin de las frecuencias presentes en la seal de voz, sin embargo no tenemos
informacin sobre en que tiempos ocurren.
Figura 7. 1 Seal de voz y su espectro de frecuencia

.
Para tratar de compensar esta deficiencia de la transformada de Fourier, se ide la

transformada en tiempo corto de Fourier, STFT por sus siglas en ingls, por Dennos Gabor.
La solucin consiste en transformar la seal tomando pequeos intervalos, ventanas, de la
seal a la vez. De esta manera se logra generar un espectograma, una grfica de tiempo
156

contra frecuencia, logrando generar una relacin entre el contenido de frecuencias y el
tiempo en el cual ocurre. La Figura 7.2 muestra la STFT de la seal de voz de la Figura 7.1
Los tonos de valor ms oscuro indican valores altos de energa de frecuencia, eje vertical,
que ocurre en el tiempo especificado en el eje horizontal.
Figura 7. 2 Espectograma de la seal de voz.
Esta solucin resulta en cierto grado satisfactoria, ya que genera informacin tiempo
frecuencia. Sin embargo, el mtodo incorpora una limitante en la precisin determinada por
el ancho de la ventana utilizada. Recordemos que al tomar solo un cierto nmero de
muestras de la seal a transformar equivale a multiplicar nuestra seal por una ventana
rectangular lo cual afectar el espectro de frecuencia real de esa porcin de la seal.
Haciendo la ventana ms angosta ganamos en resolucin en el tiempo pero perdemos
resolucin en la frecuencia. Este fenmeno es descrito por el principio de incertidumbre de
Heisenberg, el cual establece que es imposible conocer exactamente la frecuencia y el
tiempo exacto en que ocurre esta frecuencia en la seal.
La transformada Wavelet, nos referiremos a ella en su trmino en ingls por ser ms
conocido de esta forma en el ambiente de seales, que ser tratada en este captulo genera
en forma natural la informacin tiempo frecuencia, y resuelve el problema establecido en
el principio de Heisenberg, mediante la utilizacin de una ventana modulada
completamente escalable. Es por esto que algunos autores relacionan la transformada
Wavelet a una partitura, Figura 7.3. En la Figura 7.3 podemos ver ahora claramente que en
este tipo de representacin est implcita la relacin tiempo frecuencia. La posicin de las
notas en el pentagrama indica frecuencia y su orden de aparicin el tiempo en que deben
ocurrir.
Esperamos que con esta breve introduccin quede claro del porque de la transformada
Wavelet y las ventajas que ofrece. Cabe aclarar que el surgimiento de la transformada
Wavelet no desplaza a la transformada de Fourier en sus mltiples aplicaciones, sino que
viene a fortalecer el conjunto de herramientas utilizadas en el rea de procesamiento digital
de seales.
157
Figura 7. 3 Relacin tiempo frecuencia generada por Wavelet.
7.2 Conceptos Bsicos de Onduletas

Antes de entrar de lleno a la teora de Wavelet un comentario sobre sus inicios. Se
menciona que tal vez lo que hoy conocemos como onduleta, del ingls wavelet, proviene
del trabajo de Alfred Haar, 1909. Pero la presentacin del concepto como tal en su forma
terica fue realizada en Francia, por Jean Morlet y el equipo de la Marseille Theoretical
Physics Center bajo la direccin de Alex Grossmann.
7.2.1 Concepto Bsico de Transformadas
Aunque ya hemos hablado de transformadas de seales es bueno recordar que una
trasformada de una seal es una nueva representacin de esa seal. Por ejemplo la seal
x (n) x (1), x( 2), x (3), x (4) puede ser representada mediante una combinacin de los
valores de ella misma, por ejemplo, su transformada puede expresarse mediante suma y
resta de la siguiente manera
y (1) x(1) x ( 2)
y ( 2) x(1) x( 2)
y (3) x(3) x( 4)
y ( 4) x(3) x ( 4)
158

de igual manera se puede establecer la transformada inversa
x(1) 0.5 y (1) y ( 2)
x (2) 0.5 y (1) y (2)
x (3) 0.5 y (3) y ( 4)
x (4) 0.5 y (3) y ( 4)
Las transformadas se pueden clasificar en tres tipos (Strang, 1999)

1. Sin prdida (ortogonal)
2. Invertible (biortogonal)
3. Con prdida
(matrices ortogonales y unitarias)

(matriz invertible)
(no invertible)
En el caso de las transformadas sin prdida la seal transformada tiene la misma longitud
que la original. Su transformada es proyectada sobre ejes perpendiculares.
En el caso de las transformadas biortogonales, la longitud y ngulo de la seal cambian.
Los ejes de proyeccin no necesariamente son perpendiculares, sin embargo no existe
prdida de informacin.
Un aspecto importante de las transformadas, como lo comentamos en la seccin anterior,
es que permiten resaltar informacin que no es muy obvia en un dominio de la seal. A
continuacin se muestra un ejemplo en el que ciertas variaciones en la seal original no son
muy obvias pero al transformar la seal si lo son. Considere la siguiente seal
x ( n) 2.1,2,2,2.1
su grfica es la Figura 7.4a. A simple vista se podr apreciar la antisimetra de la seal. Si

ahora transformamos a x(n) mediante sumas y restas como lo especificamos
anteriormente, tendremos entonces
y (1) 2.1 2 4.1
y (3) 2 2.1 4.1
y (2) 2.1 2 0.1

y (4) 2 2.1 0.1
cuya grfica se muestra en la Figura 7.4b., y se observa que el escaln entre una muestra y
otra en x(n) es ms obvio en su transformada y (n) .
Ahora si fijamos un umbral en los valores obtenidos en la transformada, digamos un
valor de 1, como los valores de y ( 2) y y ( 4) son menores a nuestro umbral podemos
optar por eliminarlos, es decir ponerlos a cero y obtenemos una y M (n) Figura 7.4c.
Finalmente si utilizamos la y M (n) modificada para reconstruir nuestra seal original
x (n) obtenemos x R (n) , Figura 7.4d.
159
a)
b)
c)
d)
Figura 7. 4 a) x(n) b) y(n) transformada, c) yM(n) modificada, d) xR(n) reconstruida.
Este simple ejemplo puede interpretarse como la utilizacin de una transformada para
eliminacin de ruido. Si consideramos que la seal real es en verdad la seal x R (n) ,
podemos ver que x (n) es x R (n) alterada por ruido, el cual es removido en el nuevo
dominio de la transformada mediante la operacin de umbralizacin. Este tipo de
aplicacin es comn encontrarla en la transformada Wavelet.
7.2.2 Anlisis con Onduletas
Como se comento anteriormente el problema de ventaneo se resuelve con la transformada
Wavelet. El anlisis con onduletas permite analizar una seal de manera que podamos tener
una ventana grande para anlisis de frecuencias bajas y ventanas cortas para frecuencias
altas. Esto nos indica ya el esquema bsico del anlisis con onduletas. La ventana modulada
escalable se desplaza a lo largo de la seal y se calcula el espectro para cada posicin. Este
proceso se repite varias veces pero cambiando la escala de la ventana, es decir hacindola
ms corta o ms larga. El resultado de este proceso ser la descomposicin de la seal bajo
anlisis en una representacin tiempo escala, note que no es tiempo frecuencia, ya que el
160

anlisis se realiza mediante el cambio de escala de la ventana, sin embargo existe la
relacin con la frecuencia, siendo la escala opuesta a la frecuencia. Clarificando, podemos
decir que una escala grande de la ventana captura los aspectos generales de la seal,
mientras que una escala chica captura los detalles en la seal. En la Figura 7.5 se ilustran
las representaciones de una seal en el tiempo, frecuencia, STFT, y transformada Wavelet.
A
m
p
l
i
t
u
d
Tiempo
F
r
e
c
u
e
n
c
i
a
Amplitud
b)
a)
F
r
e
c
u
e
n
c
i
a
E
s
c
a
l
a
Tiempo
Tiempo
c)
d)
d)
Figura 7. 5 a) Seal en el tiempo, b) en la frecuencia, c) tiempo frecuencia, d) tiempo escala.
De la Figura 7.5a podemos obtener informacin de la variacin de la amplitud de la seal

con respecto al tiempo, en la Figura 7.5b tenemos informacin de las frecuencias presentes
en seal mediante la transformada de Fourier, en Figura 7.5c tenemos informacin limitada
de tiempo frecuencia mediante la STFT y en la Figura 7.5d tenemos informacin de
tiempo escala mediante onduletas.
Algunas ventajas que nos ofrecen las onduletas en el anlisis de seales son:
proporcionan informacin localizada, tendencias en la seal y discontinuidades. Por
ejemplo la Figura 7.6a muestra la imagen de una seccin de un automvil donde se aprecia
la placa. La Figura 7.6b es una seal de una dimensin generada por proyeccin vertical de
la regin mostrada en la Figura 7.6a. La Figura 7.6c muestra el anlisis con onduletas. Se
puede apreciar con facilidad como la descomposicin d1 o d2 en la Figura 7.6c indican el
inicio y fin del intervalo donde se localiza la placa. Otros ejemplos de anlisis con
onduletas se pueden consultar en (Torrens [1998]).
161
a)
b)
c)
Figura 7. 6 Ejemplo de informacin localizada. a) Regin de placa, b) proyeccin de regin, c)
descomposicin en wavelet.
Despus de mostrar las ventajas que nos ofrece el anlisis con onduletas, es tiempo de
definir que es una onduleta. Una onduleta es una funcin limitada en duracin y que tiene
un valor promedio de cero. Esta es una de las diferencias que tenemos con respecto al
anlisis de Fourier. En Fourier las funciones bases de la transformada son funciones
senoidales que son funciones peridicas, por lo tanto no limitadas en el tiempo, y tienen
una forma regular. En cambio una funcin onduleta es normalmente irregular. La Figura 7.7
muestra algunos ejemplos de funciones de onduletas.
162
a)
b)
c)
d)
Figura 7. 7 Ejemplos de funciones onduletas.a) Haar, b)sym2, c) db8 c) Mexhat.
En Fourier el anlisis se realiza mediante la descomposicin de la seal bajo anlisis en

las funciones senoidales base. En el anlisis con onduletas, el anlisis se lleva acabo
mediante la descomposicin de la seal sobre versiones desplazadas y escaladas de la
onduleta original, denominada onduleta madre.
Algunos puntos de comparacin entre el anlisis con onduletas y un anlisis con Fourier
son los siguientes (Gargour ):
i)
ii)
iii)
En Fourier una vez que se definen las bases ortogonales ya no hay posibilidad
de cambios. En Wavelet la onduleta base o madre se puede escalar.
En Fourier no hay un anlisis localizado ya que las funciones ortogonales tiene
extensin infinita. En Wavelet la duracin de la onduleta es finito y se puede
reducir lo suficiente dando la posibilidad de anlisis de discontinuidades.
En la STFT se utilizan ventanas para el anlisis las cuales truncan las funciones
ortogonales. Como el anlisis es realizado con una misma ventana la resolucin
del anlisis es constante en el plano tiempo frecuencia. En cambio en Wavelet
la onduleta puede ser extendida o compactada para capturar distintos aspectos
de la seal bajo anlisis generando un anlisis multiresolucin.
7.3 Transformada Wavelet Continua.

La transformada Wavelet continua, CWT, por sus siglas en ingls, es la descomposicin de
la funcin f (t ) en un conjunto de funciones bases s , (t ) , familia de onduletas .
163
( s, ) f (t ) *s , (t ) dt
(7.0)
donde s es la variable de escala y la variable de corrimiento, and * denotes complex

conjugation.
El resultado de la CWT son los coeficientes de las onduletas, ( s, ) , que son funcin de
s la variable de escala y la variable de corrimiento.
Para seguir el esquema de otras transformadas, la definicin de la transformada inversa
es
f (t )
(7.0)
( s, )
s ,
(t )dds
Con lo cual formamos el par de transformadas.

Las onduletas se generan de la onduleta madre (t ) mediante su escalamiento y
traslacin:
s , (t )
donde
1
s
(7.0)
s y ya fueron definidos y el factor 1 / s 2 es por normalizacin de energa a

1
travs de las diferentes escalas. Un punto importante es que en la ecuacin (7.3) las bases
de la onduleta no se especifican, esto indica que existen o se pueden generar diferentes
bases a diferencia de la transformada de Fourier donde las bases son senoidales siempre.
Con referencia al escalamiento podemos decir que se refiere a comprimir, encoger o
alargar a la onduleta original. Consideremos un factor de escalamiento S. El cambio de
este valor se puede entender fcilmente con la Figura 7.8. En esta figura se grafica la
funcin
t
f (t ) Sin
(7.0)
La grafica central corresponde al escalamiento s 1 . Las graficas superiores son para

s 1 y las inferiores para s 1 . Se aprecia que el efecto de escalamiento es alargar la
funcin cuando s 1 y la de comprimirla cuando s 1 .
Aplicando este mismo principio generamos onduletas a diferentes escalas, Figura 7.9.
164
Figura 7. 8 Efecto de escalamiento en una funcin.
En el caso de la funcin senoidal, el escalamiento es relativo, inversamente proporcional,

a la frecuencia de la senoidal. Para el caso de una onduleta el factor de escala se relaciona a
la frecuencia de la seal bajo anlisis.
Figura 7 9 Efecto de escalamiento en una onduleta.
El corrimiento o traslacin de la onduleta se refiere a retrasar o adelantar la onduleta en el

tiempo sin afectar su escala, la Figura 7.10 muestra una onduleta y dos corrimientos, atraso
y adelanto.
7.3.1 Propiedades de la Onduleta.
Las onduletas poseen dos propiedades importantes, regularidad y admisibilidad. Las
funciones cuadrticas integrables (t ) que satisfacen la condicin de admisibilidad
165
Figura 7. 10 Corrimiento de la onduleta.
( )
(7.0)
se pueden utilizar para analizar y despus reconstruir una seal sin prdida de informacin.
La propiedad de admisibilidad implica que la transformada de Fourier de (t ) es cero
para frecuencia cero
()
2
0
(7.0)
Esta caracterstica en la frecuencia nos hace ver que las onduletas tienen un espectro
parecido a un pasa bandas. Al mismo tiempo la ecuacin (7.6) indica que la onduleta tiene
un valor promedio de cero en el dominio del tiempo. Recordar que el valor de la
transformada en frecuencia cero de una funcin es el valor promedio de la funcin en el
tiempo. Adems, si su valor promedio es cero entonces implica que es una onda que oscila.
La propiedad de regularidad se relaciona con el rpido decaimiento de la transformada de
onduletas al disminuir la escala s . Las condiciones de regularidad indican que la onduleta
debe tener un comportamiento de suavizado y concentrado tanto en el tiempo como en la
frecuencia.
Tenemos pues, que la condicin de admisibilidad nos garantiza la ondulacin y
regularidad se asocia con el decaimiento rpido necesario en la onduleta.
166

Para que una funcin (t ) se acepte como una onduleta madre, o base, debe:
i)
Ser continua y absolutamente sumable.
ii)
Tener transformada de Fourier () 0 para 0
iii)
Satisfacer las condiciones
(t )dt 0
( )
(7.0)
que establece que la transformada Wavelet de un trmino constante es cero y que la
integral es limitada.
7.3.2 Calculo de la Transformada Wavelet Continua

De lo expuesto anteriormente podemos decir que la transformada Wavelet continua es la
suma sobre todo el tiempo del producto de la seal a transformar por versiones de la
onduleta escalada y trasladada. Caso semejante a la transformada de Fourier, donde la
transformada es la suma de productos de la seal multiplicada por las seales senoidales
con diferente amplitud y diferente frecuencia. La diferencia es que en onduletas las bases
son distintas y en Fourier no.
Para calcular la transformada Wavelet continua de una seal podemos realizar los
siguientes pasos:
1. Seleccione una onduleta
2. Obtenga la correlacin entre la onduleta y la parte inicial de la seal, este ser el
coeficiente C para la escala original, s n , de la onduleta. Si C tiene un valor alto
indicar que la onduleta y la seal son muy similares.
3. Traslade la onduleta a la derecha y repita el paso 2 para obtener un nuevo
coeficiente C .
4. Repita los pasos 2 y 3 hasta cubrir toda la seal. Al finalizar, los coeficientes C
representarn a la seal en la escala s n .
5. Ahora escale la onduleta, cambie a escala s m , y repita los pasos 2,3, y 4.
6. Repita los pasos 2,3,4 y 5 para todas las escalas.
Al terminar este proceso los coeficientes C obtenidos representarn las proyecciones de
la seal sobre la onduleta a diferentes escalas. La Figura 7.11 muestra grficamente los
pasos anteriores.
La Figura 7.12 muestra la grfica de los coeficientes obtenidos de una seal y una onduleta
especfica. El eje horizontal representa la posicin de la onduleta con respecto a la seal, es
decir posicin en el tiempo, y el eje vertical corresponde a la escala. Los valores de los
coeficientes estn mapeados a blanco, valor alto y negro, valor bajo. La seal mostrada
contiene 4 frecuencias en tiempos distintos lo cual se puede apreciar en los coeficientes de
la transformada.
167
.
.
.
Figura 7. 11 Ilustracin del clculo de la transformada Wavelet continua.
En la Figura 7.12 se observa tambin que los valores grandes de escala corresponden a
las onduletas ms extendidas que capturan porciones ms amplias de la seal, por lo que
estos coeficientes nos dan informacin sobre el comportamiento ms general de la seal.
En cambio los valores pequeos de la escala corresponden a la onduleta comprimida por lo
que estos coeficientes proporcionan informacin de los detalles de la seal.
Lo anterior nos permite entablar una relacin entre la escala de la onduleta y la
frecuencia. La escala pequea corresponde a una onduleta comprimida la cual detecta
cambios rpidos que corresponden a frecuencias altas. Lo escala mayor corresponde a una
onduleta alargada que obtiene informacin de cambios lentos correspondientes a
frecuencias bajas, Figura 7.13. El tema de la relacin escala - frecuencia se tratar con
mayor detalle en la Seccin 7.5.2.5.
168
a)
b)
c)
Figura 7. 12 a) Seal en el tiempo, b) y c) coeficientes de la transformada Wavelet continua.
169
a)
b)
Figura 7. 13 a) Escala alta , b) escala baja
Antes de pasar a la transformada Wavelet discreta comentaremos que el aspecto continuo

de la transformada Wavelet continua se refiere a que el conjunto de escalas y traslaciones
de esta transformada operan sobre un rango continuo a diferencia de la discreta que
describiremos a continuacin. Podramos decir como analoga que correspondera a obtener
la transformada de Fourier en tiempo continuo y la transformada de Fourier discreta.
7.4 Onduleta Discreta
La transformada Wavelet discreta nos permite obtener una transformacin de una seal
pero sin tener que barrer todos los valores posibles de escala y traslacin como se realizara
en una transformada continua.
Una onduleta discreta se define como una onduleta definida nicamente para algunas
escalas y traslaciones en pasos discretos, esto se logra mediante
j ,k (t )
1
s 0j
t k 0 s 0j
s 0j
(7.0)
170

donde j y k son enteros y s 0 es un paso fijo de dilatacin, 0 el factor de traslacin
depende del paso de dilatacin. El efecto de la discretizacin lleva a un muestreo discreto
del espacio tiempo-escala. Si el muestreo se realiza con s 0 2 el muestreo corresponde a
un muestreo didico, y permitir el calculo de la transformada en forma ms eficiente.
Para recuperar la seal usando las onduletas discretas tenemos
f (t )
( j , k )
j ,k
(t )
j ,k
(7.0)
7.5 Transformada Wavelet Discreta

7.5.1 Onduletas y Funcin de Escalamiento
Se ha comentado hasta ahora que la transformacin con onduletas implica una proyeccin
de la seal sobre versiones escaladas y trasladadas de la onduleta, sea continua o discreta.
Respecto a la traslacin su nmero est limitado por la duracin de la seal, pero Qu hay
respecto al nmero de escalas? Para contestar esta pregunta analizaremos la transformada
Wavelet desde otro punto de vista.
De acuerdo a la ecuacin (7.6) podemos decir que el espectro de la onduleta tiene la
forma de un pasa bajas. Considerando el efecto de escalamiento sobre la onduleta y usando
propiedades de Fourier, tenemos que la compresin en el tiempo corresponde a una
expansin y corrimiento en la frecuencia
f ( at )
1
F
a a
(7.0)
Si consideramos, de acuerdo a lo comentado en onduleta discreta, que el escalamiento

tome el valor de 2, el espectro de frecuencia se expande por un factor de 2 y al mismo
tiempo desplaza las frecuencias por un factor de 2. De esta forma podemos cubrir el
espectro finito de la seal con el espectro de la onduleta dilatado en la misma forma que se
cubri la seal en el tiempo con la onduleta trasladada. La cobertura adecuada del espectro
de la seal se lograr si los espectros de la onduleta se topan uno con el otro, como se
muestra en la Figura 7.14.
Figura 7. 14 Espectros de la onduleta madre escalada en el tiempo.
171

Podemos notar que cada onduleta en la frecuencia es un filtro pasa banda, por lo tanto un
conjunto de onduletas dilatadas generarn un banco de filtros. Cada filtro tendr un factor
de fidelidad Q constante. Este factor Q corresponde a la razn entre la frecuencia central
del espectro de la onduleta, c, y el ancho del espectro, (1, 2), Figura 7.15. Como
caracterstica tendremos que todos los filtros tendrn la misma Q.
n
c
1
Figura 7. 15 Pasa banda con factor Q.
Un punto a recordar, que tambin es parte del anlisis de Fourier, es que la seal debe
tener energa finita para poder cubrir su espectro y su duracin en el tiempo, esto equivale
a
f (t ) dt
(7.0)
que indica que la norma L2 de f (t ) es finita.

Cada vez que la onduleta es expandida en el tiempo por un factor de 2, el ancho de banda
de su espectro se reduce a la mitad. Entonces Cmo lograremos cubrir el espectro hacia la
frecuencia cero?Se requerir un nmero infinito de onduletas? La solucin es no tratar de
resolver este problema con las onduletas si no utilizar un pasa bajas. Este filtro pasa bajas
corresponde a la funcin denominada funcin de escalamiento o filtro de promediado, ,
Figura 7.16.
Figura 7. 16 Funcin de escalamiento, pasa bajas.
La funcin de escalamiento pude verse como una funcin cualquiera que tiene un
espectro de pasa bajas y que puede descomponerse de la siguiente manera
172

(t ) ( j , k ) j ,k (t )
j ,k
(7.0)
Podemos notar que es posible realizar el anlisis de una seal mediante la combinacin
de onduletas y la funcin de escalamiento, esta ltima cubriendo el espectro que qued sin
cubrir por un nmero finito de onduletas, lo cual resuelve el problema que se haba
planteado respecto al nmero de escalamientos de la onduleta. Adems nos presenta un
nuevo panorama para el anlisis de una seal mediante una funcin de escalamiento, pasa
bajas y un conjunto finito de onduletas, o banco de filtros, finito.
Despus del anlisis anterior, podemos ver el anlisis con onduletas como el efecto de
pasar una seal a travs de un banco de filtros, donde las salidas de los filtros son los
coeficientes de las funciones de las onduletas y la funcin de escalamiento.
7.5.2 Transformada Discreta
Para lograr la transformacin con onduletas de una seal muestreada necesitamos la
transformada Wavelet discreta, DWT, por sus siglas en ingls. En esta seccin
describiremos el proceso de su generacin.
En la seccin anterior se defini la funcin de escalamiento . Esta funcin cambia de
acuerdo al nmero, mayor o menor, de onduletas que intervengan en el anlisis. Esta
funcin se puede definir en la forma de multiresolucin o relacin de escala dos, de la
siguiente forma,
(2 j t ) h j 1 (k ) (2 j 1 t k )
k
(7.0)
esta ecuacin indica que la funcin de escalamiento a cierta escala puede expresarse en
trminos de las funciones de escalamiento en la siguiente escala menor. Los factores h(k )
se definirn ms adelante.
Lo anterior manifiesta una relacin entre la funcin de escalamiento y las onduletas que
intervienen en el anlisis. Por ejemplo una nueva funcin de escalamiento puede sustituir a
un conjunto de onduletas, por lo que podemos expresar las onduletas en trminos de las
funciones de escalamiento en la siguiente escala. Por ejemplo la onduleta en el nivel j ser
(2 j t ) g j 1 (k ) (2 j 1 t k )
k
(7.0)
los factores g (k ) se definirn ms adelante.
173

Como ya tenemos una relacin entre las onduletas y la funcin de escalamiento
entonces podemos establecer la descomposicin de la seal f (t ) en trminos de la funcin
de escalamiento dilatada y trasladada como
f (t ) j ( k ) (2 j 1 t k )
(7.0)
La ecuacin (7.15), aunque suene raro, nos dice que podemos realizar la transformacin
de onduletas sin tener que utilizar las onduletas. Lo que queremos decir es que la
transformacin mediante onduletas se puede ver como una transformacin mediante
codificacin por bandas.
La seal f (t ) tambin se puede expresar mediante la combinacin de la funcin de
escalamiento y las onduletas para una escala j-1, como
f (t ) j 1 (k ) (2 j 1 t k )
k
j 1
(k ) (2 j 1 t k )
(7.0)
Los coeficientes j 1 ( k ) y
j 1
( k ) se pueden obtener mediante el producto escalar
j 1 ( k )
f (t ), j , k (t )
f (t ), j , k (t )
(7.0)
j 1
(k )
(7.0)
si la funcin de escalamiento j 1 (t ) y la onduleta j 1 (t ) son ortogonales. Si se
sustituyen j 1 (t ) y j 1 (t ) por versiones escaladas y trasladadas de
(2 j t ) h j 1 (k ) (2 j 1 t k )
k
(7.0)
(2 j t ) g j 1 (k ) (2 j 1 t k )
k
(7.0)
se llega a la obtencin de los coeficientes j 1 ( k ) y
j 1
( k ) mediante
174

j 1 (k ) h(m 2k ) j (m)
m
(7.0)
j 1
( k ) g ( m 2k ) j ( m)
m
(7.0)
Las dos ecuaciones anteriores indican que la onduleta y la funcin de escalamiento en
cierta escala, se pueden obtener mediante el clculo de una suma ponderada de los
coeficientes de la funcin de escalamiento de la escala anterior.
De lo anterior podemos descubrir un resultado interesante. Recordando que la funcin de
escalamiento surgi del proceso de subbandas y que corresponde al filtro pasa bajas,
entonces la seal muestreada f (k ) vendr siendo igual a (k ) en la escala ms grande.
Tambin, si revisamos las ecuaciones (7.21) y (7.22) vemos que tienen la forma de un filtro
digital. Como los coeficientes j (k ) provienen de la parte del pasa bajas los factores
h(k ) forman un filtro pasa bajas. De igual manera, los coeficientes j (k ) provienen del
pasa altas, por lo que los factores g (k ) forman un filtro pasa altas. Es por esto que en el
anlisis con onduletas se acostumbra hablar de las aproximaciones y los detalles, donde las
aproximaciones corresponden a las escalas altas, frecuencias bajas de la seal bajo anlisis
y los detalles corresponden a las escalas bajas, componentes de frecuencias altas en la
seal.
Este anlisis nos lleva ahora a ver que la transformada Wavelet discreta, la cual es
computacionalmente calculable, se puede obtener mediante la aplicacin iterada de un
banco de filtros digitales, donde los coeficientes h(k ) definen el filtro de escalamiento y
los g (k ) el filtro de la onduleta.
Regresando a las ecuaciones (7.21) y (7.22) podemos observar un efecto de submuestreo,
Figura 7.17, debido a que en ambas ecuaciones los filtros tienen un paso de 2 con respecto
a la variable k. Esto resulta en que solo la mitad de los j (k ) son usados, dando como
resultado que la razn de datos de salida es igual a la de entrada.
g(k)
j-1
h(k)
j-1
Figura 7. 17 Propiedad de submuestreo.
175

Esta propiedad de muestreo tambin resuelve la situacin de cmo seleccionar el ancho
del espectro de la funcin de escalamiento, ya que en cada iteracin del banco de filtros el
nmero de muestras para la siguiente etapa es reducida a la mitad, de manera que al final
terminamos con una sola muestra, al llegar a este punto ser la culminacin del ancho del
espectro de la funcin de escalamiento. En realidad no hay que llegar hasta este punto
extremo, lo usual es que en el momento en que el nmero de muestras llegue a ser menor
que la longitud del filtro de escalamiento o que el filtro de la onduleta, el proceso se
detiene. Concluyendo en que el filtro de mayor orden determina el ancho del espectro de la
funcin de escalamiento.
Retomando nuevamente la notacin de aproximaciones y detalles podemos ver que el
proceso de filtrado bsico se puede plantear como lo muestra la Figura 7.18.
7.5.2.1 Anlisis con Onduletas en un Nivel
Al usar el esquema de la Figura 7.18, estaramos generando una seal de longitud del doble
de la seal original, pero como vimos anteriormente el paso de los filtros es de dos por lo
que nuestro esquema se modifica a como se muestra en la Figura 7.19.
Pasa Altas
D
f
Pasa Bajas
A
Figura 7. 18 Transformacin Wavelet, aproximaciones y detalles.
Pasa Altas
2
Ds
N/2 coeficientes
N muestras
Pasa Bajas
2
As
176
N/2 coeficientes
Figura 7. 19. Propiedad de submuestreo de los filtros.
La Figura 7.20 ilustra el proceso de la Figura 7.19 donde se obtiene la separacin de la

informacin de baja y alta frecuencia. La seal procesada es una cosenoidal afectada con
ruido, Figura 7. 20a. La salida de la aproximacin capta principalmente la informacin de
la cosenoidal, que en este caso es la componente de frecuencia menor, Figura 7.20b. La
salida de los detalles captura las altas frecuencias, ruido, Figura 7.20c. En las misma figura
podemos observar que la seal original tiene una longitud de 2000 muestras y la longitud
de las seales de salidas de los filtros son la mitad en cada uno.
7.5.2.2 Anlisis con Onduletas Multinivel
Los resultados de la Figura 7.20 muestran solo un nivel de descomposicin de la seal, sin
embargo aplicando la iteracin de filtros podemos generar diferentes niveles de
descomposicin de la seal que se analiza, produciendo lo que se conoce como rbol de
descomposicin con onduletas, Figura 7.21. La Figura 7.22 muestra el caso de anlisis de
una seal en tres niveles de descomposicin. La seal analizada contiene dos senoidales
ms ruido.
a)
b)
177

c)
Figura 7. 20 a) Seal original, b) Aproximacin, c) Detalles.
En la seccin anterior se dijo que el proceso de escalamiento puede continuar hasta llegar
a una muestra, sin embargo para fines prcticos la iteracin del filtro se fija de acuerdo al
tipo de seal que se analiza, o bien se puede fijar un criterio como la entropa.
As1
As2
As3
Ds1
Ds2
Ds3
Figura 7. 21 Descomposicin multinivel en 3.
Figura 7. 22 Ejemplo de anlisis multinivel, 3 niveles.
178

El grado mximo de descomposicin de una seal puede ser muy alto, una seal de
longitud N 2 L se puede descomponer en un nmero de subrboles binarios de un
rbol binario completo de profundidad L , siendo
N
(7.0)
22
Por lo cual es mejor optar por un criterio para definir la expansin del rbol de
descomposicin que nos garantice en cierto grado la mejor descomposicin de la seal.
Para definir el grado de descomposicin un criterio utilizado es la entropa de la seal. La
entropa es la medicin del grado de aleatoriedad de un experimento. Entre mayor
aleatoriedad tenga, mayor ser la entropa. Para mayor informacin sobre los distintos
criterios de descomposicin basados en entropa se puede consultar (Matlab [1996]).
7.5.2.3 Transformada Wavelet Inversa
La DWT directa es una forma de descomponer o analizar una seal, definida por
W ( j 0 , k )
1
M
f ( x)
x
j0 , k
( x)
(7.0)
W ( j , k )
1
M
f ( x)
j ,k
( x)
(7.0)
para j j 0 . El caso opuesto obtenido mediante la transformada inversa se define como
reconstruccin o sntesis de una seal, donde la transformada inversa est definida como
f ( x)
1
M
W ( j0 , k ) j0 ,k ( x)
k
1
M
W ( j, k )
j j0 k
j ,k
( x)
(7.0)
La reconstruccin de una seal se realiza a partir de todos los coeficientes obtenidos
mediante la DWT, o bien de los coeficientes resultantes una vez procesada la informacin
presente en los coeficientes, Figura 7.23.
Ds
Pasa Altas
N/2 coeficientes
f
As
N/2 coeficientes
Pasa Bajas
N muestras
179
Figura 7. 23 Estructura de reconstruccin de la seal.
Un aspecto importante en la reconstruccin son los filtros de reconstruccin. Estos filtros

si son definidos correctamente nos permiten una reconstruccin perfecta de la seal. Los
filtros de descomposicin ms los filtros de reconstruccin forman una cuadratura de filtros
denominada espejo.
Dentro del proceso de reconstruccin es posible obtener la aproximacin A1 y detalles
D1 a partir de sus vectores de coeficientes. Por ejemplo si queremos obtener la
aproximacin de la seal, sus componentes de baja frecuencia, basta con procesar los
coeficientes As1 con el proceso de la Figura 7.23 pero con los coeficientes D s1 con valor de
cero. Para obtener el detalle D1 se procesa igual pero ahora con los coeficientes As1 puestos
a cero, Figura 7.24.
Ds1=0
N/2
As1
A1
2
N/2
Figura 7. 24 Reconstruccin de la aproximacin y de detalle.
Ds1
Ahora bien tenemos que
N/2
f A1 D1
2
Aplicando esta idea al multinivel presentado en la Figura 7.21 tenemos,
N/2
As1=0
D1
(7.0)
f As1 Ds1
f As 2 Ds 2 Ds1
f As 3 Ds 3 Ds 2 Ds1
(7.0)
180

lo cual genera distintas alternativas de sntesis de la seal f .
7.5.2.4 Relacin Entre Onduletas y Filtros
En la seccin anterior sobre reconstruccin comentamos que para lograr la reconstruccin
correcta era necesario definir correctamente los filtros de reconstruccin. En esta seccin
ampliaremos pues estos conceptos.
Iniciaremos comentando que el proceso de onduletas no inicia definiendo la onduleta
sino definiendo los filtros de cuadratura espejo y de ah se obtiene la onduleta. Para
comprender mejor esto veamos el caso para una onduleta.
Consideremos la onduleta db4 mostrada en la Figura 7.25, los coeficientes del filtro de
reconstruccin pasa bajas para esta onduleta son
Lp =
0.1629
0.5055
0.4461 -0.0198 -0.1323
0.0218
0.0233 -0.0075
Figura 7. 25 Onduleta db4.
Invirtiendo este vector de coeficientes y multiplicando cada muestra par por -1 genera el
filtro pasa altas de reconstruccin con coeficientes
Hp =
-0.0075 -0.0233
0.0218
0.1323 -0.0198 -0.4461
0.5055 -0.1629
Ahora si aumentamos los coeficientes del filtro agregando ceros intercalados
HpUp = -0.0075
-0.0198
0
0
-0.0233
-0.4461
0
0
0.0218
0.5055
0
0
0.1323
-0.1629
y convolucionamos, HpUp con el filtro original pasa bajas, Lp, tenemos una aproximacin,
W, a la onduleta db4, Figura 7.26a. Si repetimos este proceso varias veces, aumentar los
coeficientes con ceros del resultado W y convolucionando el resultado con el filtro pasa
181

bajas original notaremos que la onduleta generada tiende a la db4. Las Figura 7.26b-f
muestran el proceso para 2,3,4,5 y 6 iteraciones. Lo cual nos muestra que los coeficientes
de los filtros de reconstruccin determinan la forma de la onduleta.
Lo anterior muestra la relacin de los filtros de reconstruccin con la onduleta. De
secciones anteriores sabemos que la transformada Wavelet comprende una funcin de
onduleta, (t ) , y una de escalamiento, (t ) , por lo que estara faltando la funcin de
escalamiento. La funcin de escalamiento se obtiene de forma similar solo que en este caso
partimos del filtro pasa altas original y aplicamos el proceso iterativo de convolucin a
versiones aumentadas con ceros del filtro pasa bajas. El resultado de este proceso generar
la funcin de escalamiento.
Figura 7. 26 Generacin de la onduleta db4.
7.5.2.5 Relacin Escala - Frecuencia

Ya se comento que la trasformada Wavelet genera informacin en el dominio tiempoescala. Una aproximacin a la relacin escalafrecuencia se puede entablar mediante la
ecuacin
Fc
Fs
(7.0)
s
donde Fc es la frecuencia central de la onduleta en Hz, Fs es la frecuencia
correspondiente a la escala s en Hz y el periodo de muestreo.
Este enfoque se basa en que la frecuencia central de la onduleta se considera como la
oscilacin principal de ella. Cuando la onduleta es escalada en s , la frecuencia central de
la onduleta se mueve a
182

Fc
s
(7.0)
y si el periodo de muestreo es entonces la relacin escala frecuencia est dada por la

ecuacin (7.29).
7.6 Anlisis con Paquetes de Onduletas
En los casos de anlisis con onduletas, comentados hasta el momento, se realiz una
descomposicin de la seal en la aproximacin y en el detalle. Posteriormente se realizan
descomposiciones repetidas sobre la aproximacin, pero el primer detalle no recibe ninguna
descomposicin posterior. El anlisis con paquetes de onduletas difiere del proceso anterior
en que el primer detalle es descompuesto en forma repetida al igual que la primera
aproximacin, Figura 7.27. Esta modalidad nos abre un panorama ms amplio de
posibilidades de anlisis de una seal, ya que el anlisis es a mayor detalle de
descomposicin y adems la seal f puede sintetizarse por un nmero mayor de
combinaciones de su descomposicin. Por ejemplo
f As1 Ds1
(7.0)
f AAs 2 ADs 2 DAs 3 DD s 3 DDs 2
(7.0)
f
As1
Ds1
ADs2
AAs2
AAs3
ADs3
ADs2,A3
DDs2
DAs2
ADs2,3
DAs3
DDs3
DDs2A,3
DDs2,3
Figura 7. 27 Descomposicin con paquetes de onduletas.
La descomposicin con paquetes genera una nueva situacin respecto a como debe
realizarse la descomposicin. No cabe duda de que se puede realizar una descomposicin
exhaustiva, es decir, descomponer todos y cada una de los niveles. Sin embargo esto
conlleva costos de tiempo de cmputo y memoria. As que la solucin ser que la
descomposicin se realice bajo un criterio que nos garantice que la descomposicin genere
la mejor informacin para nuestra aplicacin. Un posible criterio puede ser el de medicin
de la entropa, que nos indique que descomposicin hacer al generar un nuevo nivel. La
183

Figura 7.28 ilustra una descomposicin de una seal utilizando paquetes de onduletas
mediante la herramienta Wavmenu de Matlab.
a)
b)
c)
Figura 7. 28 Descomposicin de una seal , a) Seal, b) Coeficientes, c) rbol de descomposicin.
7.7 Transformada Wavelet en Dos dimensiones

El caso que nos atae en este libro es el procesamiento de imgenes, las cuales son
funcin de dos dimensiones, I ( x, y ) , por lo tanto en esta seccin describiremos la
extensin de la transformada Wavelet a dos dimensiones. Para el caso de dos dimensiones
la transformada comprende una funcin de escalamiento de dos dimensiones, ( x, y ) , y
de tres funciones de onduleta de dos dimensiones, ( x, y ) . Las tres onduletas
corresponden a las orientaciones horizontal, H ( x, y ) ,vertical, V ( x, y ) y diagonal,
D ( x, y ) en la imagen. Estas onduletas detectan variaciones de intensidad en la imagen
en las orientaciones horizontal, vertical y diagonal, como pueden ser bordes horizontales,
verticales y diagonales. El producto de la funcin de escalamiento en una dimensin y su
onduleta correspondiente, excluyendo los productos que generan funciones de una
dimensin como, (x ) ( x) , generan el conjunto de funciones que conforman la
transformada en dos dimensiones, la funcin escalable separable,
( x, y ) ( x) ( y )
(7.0)
y las onduletas separables con direccin
H ( x, y ) ( x ) ( x)
(7.0)
V ( x, y ) ( x ) ( y )
(7.0)
184

D ( x, y ) ( x ) ( y )
(7.0)
La transformada Wavelet discreta de dos dimensiones de una imagen I ( x, y ) de tamao
MxN , para una escala arbitraria , j 0 , queda definida como
M 1 N 1
W ( j 0 , m, n)
MN
I ( x, y )
x 0 y 0
j0 , m , n
( x, y )
(7.0)
W i ( j , m, n)
1
MN
M 1 N 1
I ( x, y )
x 0 y 0
i
j ,m,n
( x, y )
i H,V,D
(7.0)
Los coeficientes ( j 0 , m, n) dan una aproximacin de la imagen I ( x, y ) a la escala j 0
i
y los coeficientes ( j , m, n) representan los detalles horizontal, vertical y diagonal en la
imagen para las escalas, j j 0 . Generalmente la escala j 0 0 y las dimensiones del
imagen se manejan de manera que sea una imagen cuadrada, N M 2 j , para
j 0,1,2,3,..., J 1 , siendo J el lmite de la escala y n m 0,1,2,...,2 j 1 .
La recuperacin de la imagen I ( x, y ) , transformada Wavelet discreta inversa, se logra
mediante
I ( x, y )
1
MN
1
MN
W ( j
m
, m, n) j0 , m , n ( x, y )
i H ,V , D j j0 m
( j , m, n) ij , m , n ( x, y )
(7.0)
La caracterstica de separabilidad comentada de la transformada Wavelet discreta es
semejante a la propiedad de separabilidad de la transformada de Fourier en dos
dimensiones por lo que la transformada Wavelet discreta de una imagen se puede obtener
mediante la transformada Wavelet discreta en una dimensin aplicada a las filas de la
imagen seguida de la transformada de una dimensin de las columnas resultantes. Al igual
que la DWT de una dimensin, la DWT en dos dimensiones tambin se implementa
mediante filtros digitales.
Las siguientes figuras muestran grficamente el clculo de la DWT de dos dimensiones.
La Figura 7.29 muestra el diagrama de filtros de descomposicin de la imagen. El nivel de
descomposicin muestra una aproximacin y tres detalles. La Figura 7.30 corresponde a
los filtros de reconstruccin de la imagen. La Figura 7.31 muestra la primera y segunda
descomposicin de la imagen.
185

Un ejemplo real se muestra en la Figura 7.32. La Fig7.32a es la imagen original, la
Fig7.32b muestra la descomposicin con onduletas en dos niveles y la Fig7.32c es la
imagen reconstruida a partir de los coeficientes de la transformada.
h(-m)
h(-n)
2
Columnas
en n
W(j+1,m,n)
WD(j+1,m,n)
Filas
en m
h(-m)
WV(j+1,m,n)
Filas
h(-m)
h(-n)
2
Columnas
WH(j,,m,n)
Filas
h(-m)
W(j,,m,n)
Filas
Figura 7. 29 Banco de filtros de descomposicin.
WD(j+1,m,n)
Filas
en m
W (j+1,m,n)
h(m)
+
2
h(m)
W(j+1,m,n)
+
2
h(m)
Filas
W(j,,m,n)
h(n)
Columnas
en n
Filas
WH(j,,m,n)
h(m)
h(n)
Columnas
Filas
Figura 7. 30 Bancos de filtros de reconstruccin.
186

Otra forma de visualizacin de la transformada es el diagrama de rbol de descomposicin.
La Figura 7.33 muestra este tipo de representacin. Cada fila representa un nivel de
descomposicin, L, y los detalles correspondientes al nivel de descomposicin.
W(j+1,m,n)
a)Image
W(j,m,n)
WH(j,m,n)
WV(j,m,n)
WD(j,m,n)
b)Primer nivel de descomposicin
c)Segundo nivel de
descomposicin
Figura 7. 31 Descomposicin de la imagen.
Figura 7. 32. a) Imagen original, b) Imagen transformada, c) Imagen reconstruida.
187
Figura 7. 33 Representacin en rbol de descomposicin.
7.8. Aplicacin de la Transformada Wavelet

En esta seccin mostramos un ejemplo clsico del uso de la transformada Wavelet,
reduccin de ruido. Utilizando la transformada Wavelet se obtienen los niveles de detalles y
se reducen los coeficientes de estos para la reconstruccin logrando reducir la cantidad de
ruido presente en la imagen. Para otros ejemplos de aplicaciones a imgenes se puede
consultar (Mallat [1996]).
El siguiente ejemplo ilustra la aplicacin de onduletas para la reduccin de ruido en una
imagen. La imagen que se presenta en la Figura 7.34a es una imagen contaminada al 15%
con ruido aleatorio. El proceso de reduccin de ruido se llevo a cabo mediante la onduleta
Haar y dos niveles de descomposicin. La Figura 7.34b muestra las graficas de
componentes horizontal, diagonal y vertical. En este caso los coeficientes de detalles hacia
dentro de los umbrales fueron descartados y se conservaron solamente los que quedan hacia
fuera de los umbrales. La Figura 7.34c muestra la imagen reconstruida al eliminar ciertos
coeficientes de detalles como se indic en la Figura 7.34b. La Figura 7.35 muestra otro
ejemplo pero ahora utilizando la onduleta sym6. El proceso aplicado es el mismo, reducir la
cantidad de coeficientes de detalles que intervienen en la reconstruccin. Hay que recordar
que el ruido est relacionado a las variaciones bruscas en la imagen, los cuales
corresponden a los detalles. En este tipo de procesamiento siempre existe un trueque entre
la cantidad de ruido removido y la perdida de detalles que corresponde a la imagen. Es
decir entre ms ruido tratemos de quitar la imagen perder calidad de detalle. Entre ms
detalles deseemos conservar menor ser la cantidad de ruido que podamos remover.
Para mayor informacin sobre remocin de ruido con onduletas y mtodos de seleccin
de umbrales se puede consultar (Matlab [1996]).
188
a)
b)
c)
Figura 7. 34 a) Imagen con ruido, b) Detalles excluidos, c) Imagen reconstruida.
189
a)
b)
c)
Figura 7. 35 a) Imagen con ruido, b) Detalles excluidos, c) Imagen reconstruida.
Problemas
7.1 Realice un estudio sobre los tipos de onduletas y sus aplicaciones en procesamiento
de imgenes.
7.2 Explique cuales son las diferencias ms importantes entre la transformada de
Fourier y Wavelet.
7.3 Describa el proceso para realiza el anlisis de Wavelet.
7.4 Obtenga la matriz de transformacin de Haar para N=8
190

7.5 Obtenga la transformada de Haar de la siguiente imagen
2
I
5
2
1
7.6 Dada la imagen placa.bmp realice una descomposicin con onduletas para detectar la
posicin de la placa del automvil.
7.7 La seal xn.mat es una seal con diferentes componentes de frecuencia utilice, la transformada
Wavelet para realizar una anlisis de estos componentes.
7.8 La imagen ruido2.bmp es una imagen alterada por ruido. Disee un programa usando la
transformada Wavelet para reducir la cantidad de ruido presente en la imagen.
7.9 Qu consecuencia tiene en la forma de la onduleta la siguiente implicacin de la

propiedad de admisibilidad?

2
0
7.10 A qu funcin nos lleva la solucin del nmero de onduletas, filtros pasa banda,
necesarios para cubrir la parte baja del espectro?
Referencias
Cohen A. y Kovacevic J., ,Wavelets: The Mathematical Background, Proc. of the IEEE, Vol. 84, NO 4, Abril,
pp 514 522, 1996.
Gargour C.S. y Ramachandran V., A Scheme for Teaching Wavelets at the Introductory Level, Technical
report H3C IK3, University of Qubec.
Gonzalez R. y Woods R., Digital Image Processing, Prentice Hall, Upper Saddle River, New Jersy, 2002.
Hess-Nielsen N. y Wickerhauser, Wavelets and Time Frequency Analysis, Proc. of the IEEE, Vol. 84, NO 4,
Abril, pgs 523 540, 1996.
Mallat S., A Wavelet Tour of Signal Processing, Academic Press, 2001.
Mallat S. , Wavelets for a Vision, Proc. of the IEEE, Vol. 84, NO 4, Abril, pp 604 614, 1996.
Strang G., Wavelets, American Scientist, Vol 82, 1994.
Strang G. y Nguyen T. ,Wavelets and Filter Banks, Wellesley , Cambridge Press, Wellesley MA, 1996
The Mathworks [1996], Wavelet Toolbox
Torrens C. y Compo G., A Practical Guide to wavelet Analysis, Bulletin of the American Meteorological
Society, Vol. 79, No. 1, pgs 61 78, January 1998.
Valens C., A really Friendly Guide to Wavelets, 1999.
191

Cap 7

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cap 7

Transféré par

Droits d'auteur :

Formats disponibles

Captulo7 Transformada Wavelet

Captulo 7 Transformada Wavelet.......................................................................................156

Captulo7 Transformada Wavelet

Captulo 7 Transformada Wavelet

Figura 7. 1 Seal de voz y su espectro de frecuencia

Para tratar de compensar esta deficiencia de la transformada de Fourier, se ide la

Captulo7 Transformada Wavelet

Figura 7. 2 Espectograma de la seal de voz.

Captulo7 Transformada Wavelet

Figura 7. 3 Relacin tiempo frecuencia generada por Wavelet.

7.2 Conceptos Bsicos de Onduletas

Captulo7 Transformada Wavelet

x (2) 0.5 y (1) y (2)

x (3) 0.5 y (3) y ( 4)

x (4) 0.5 y (3) y ( 4)

Las transformadas se pueden clasificar en tres tipos (Strang, 1999)

(matrices ortogonales y unitarias)

su grfica es la Figura 7.4a. A simple vista se podr apreciar la antisimetra de la seal. Si

y (2) 2.1 2 0.1

Captulo7 Transformada Wavelet

Captulo7 Transformada Wavelet

De la Figura 7.5a podemos obtener informacin de la variacin de la amplitud de la seal

Captulo7 Transformada Wavelet

Captulo7 Transformada Wavelet

En Fourier el anlisis se realiza mediante la descomposicin de la seal bajo anlisis en

7.3 Transformada Wavelet Continua.

Captulo7 Transformada Wavelet

donde s es la variable de escala y la variable de corrimiento, and * denotes complex

Con lo cual formamos el par de transformadas.

s y ya fueron definidos y el factor 1 / s 2 es por normalizacin de energa a

La grafica central corresponde al escalamiento s 1 . Las graficas superiores son para

Captulo7 Transformada Wavelet

Figura 7. 8 Efecto de escalamiento en una funcin.

En el caso de la funcin senoidal, el escalamiento es relativo, inversamente proporcional,

Figura 7 9 Efecto de escalamiento en una onduleta.

El corrimiento o traslacin de la onduleta se refiere a retrasar o adelantar la onduleta en el

Captulo7 Transformada Wavelet

Figura 7. 10 Corrimiento de la onduleta.

Captulo7 Transformada Wavelet

7.3.2 Calculo de la Transformada Wavelet Continua

Captulo7 Transformada Wavelet

Figura 7. 11 Ilustracin del clculo de la transformada Wavelet continua.

Captulo7 Transformada Wavelet

Captulo7 Transformada Wavelet

Figura 7. 13 a) Escala alta , b) escala baja

Antes de pasar a la transformada Wavelet discreta comentaremos que el aspecto continuo

Captulo7 Transformada Wavelet

7.5 Transformada Wavelet Discreta

Si consideramos, de acuerdo a lo comentado en onduleta discreta, que el escalamiento

Figura 7. 14 Espectros de la onduleta madre escalada en el tiempo.

Captulo7 Transformada Wavelet

Figura 7. 15 Pasa banda con factor Q.

que indica que la norma L2 de f (t ) es finita.

Figura 7. 16 Funcin de escalamiento, pasa bajas.

Captulo7 Transformada Wavelet

los factores g (k ) se definirn ms adelante.

Captulo7 Transformada Wavelet

( k ) se pueden obtener mediante el producto escalar

Captulo7 Transformada Wavelet

Figura 7. 17 Propiedad de submuestreo.

Captulo7 Transformada Wavelet

Figura 7. 18 Transformacin Wavelet, aproximaciones y detalles.

Captulo7 Transformada Wavelet