 El problema que plantea el

análisis de una señal con

Fourier se resume en la nula
resolución en el dominio del
tiempo, a pesar a su
resolución perfecta en el
dominio de la frecuencia.
 Como solución a este
problema, se planteo el
análisis de Fourier por
ventanas o STFT
Transformada de Fourier
Corta
 La transformada wavelet constituye una técnica para
el análisis del comportamiento local de una señal.
Esta transformada utiliza una función ventana que
encuadra una señal dentro de un intervalo y focaliza
el análisis sólo en ese segmento de la señal.
 La transformada continua wavelet intenta expresar
una señal x(t)continua en el tiempo, mediante una
expansión de términos o coeficientes proporcionales
al producto interno entre la señal y diferentes
versiones escaladas y trasladadas de una función
prototipo Y(t) más conocida como wavelet madre
 Transformada continua
wavelet
 a controla el ancho o
soporte efectivo de la
función , y la variable b
da la ubicación en el
dominio del tiempo de
Y
 Los valores de a y b deben ser discretizados, por
lo que es necesario hallar una transformada
discreta
 Las wavelets NO comprimen por si mismas, pero son las componentes de la
imagen.
 Tenemos una imagen de grises con los valores (1,3,7,9,8,8,6,2) donde 0 es
blanco y 15 es negro, de modo que podria describir un objeto gris sobre un
fondo claro
 Podemos calcular el promedio de pixeles adyacentes obteniendo (2,8,8,4), que
mantendria el concepto de la imagen suavizado, de esta forma se realizaría
compresión, obteniendo (2,2,8,8,8,8,4,4) que sería un degradé de la imagen
original.
 Si queremos tener una mayor resolución, debemos tener mas información, en
este caso (-1,-1,0,2) con lo que obtendriamos la imagen original. Si hacemos
esto no obtenemos compresión alguna, pero ya descompusimos la imagen en
un “fondo” de baja resolución y otra parte de mayor resolución, de modo que
en una imagen real, donde las zonas son suaves, la información del detalle,
será en su mayoría 0