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