SƠ LƯỢC THUẬT TOÁN HAAR

- Biến đổi Haar là biến đổi đơn giản nhất trong số các biến đổi wavelet . Biến
đổi này nhân chéo một hàm với Haar wavelet với nhiều lần thay đổi và trải
dài khác nhau, giống như biến đổi Fourier nhân chéo một hàm chống lại
sóng hình sin với hai pha và nhiều đoạn trải dài.
- Biến đổi Haar là một trong những hàm biến đổi lâu đời nhất, được đề xuất
vào năm 1910 bởi nhà toán học người Hungary Alfréd Haar. Nó được tìm
thấy hiệu quả trong các ứng dụng như nén tín hiệu và hình ảnh trong kỹ
thuật điện và máy tính vì nó cung cấp một cách tiếp cận đơn giản và hiệu
quả về mặt tính toán để phân tích các khía cạnh cục bộ của tín hiệu.
- Biến đổi Haar có nguồn gốc từ ma trận Haar. Một ví dụ về ma trận biến đổi
Haar 4x4 được hiển thị dưới đây:

[ ]
1 1 1 1
1 1 1 −1 −1
H4 =
2 √ 2 −√ 2 0 0
0 0 √ 2 −√ 2

ƯU VÀ NHƯỢC ĐIỂM PHÉP BIẾN ĐỔI HAAR

Ưu điểm
 Đơn giản và hiệu quả: Phép biến
đổi Haar có cấu trúc toán học trực
quan, dễ dàng triển khai và hiệu quả
về mặt tính toán. Điều này giúp giảm
thời gian xử lý so với các phương
pháp phức tạp hơn.
 Khả năng chống lỗi cao: Phép
biến đổi Haar có khả năng chống
nhiễu và lỗi tốt. Điều này giúp bảo
toàn thông tin quan trọng trong ảnh
trong quá trình nén, ngay cả khi có
khả năng mất dữ liệu.
 Nén hiệu quả: Phép biến đổi Haar
loại bỏ hiệu quả các thành phần tần số
cao không cần thiết trong ảnh. Điều
này dẫn đến việc giảm kích thước tệp
đáng kể trong khi vẫn duy trì chất
Nhược điểm
 Chất lượng hình ảnh có thể bị
ảnh hưởng: Do tập trung vào việc
loại bỏ chi tiết tần số cao, ảnh nén có
thể bị giảm chất lượng ở một mức độ
nào đó, đặc biệt đối với ảnh có nhiều
chi tiết phức tạp.
 Hiệu suất tính toán: Mặc dù đơn
giản hơn so với các biến đổi wavelet
khác, biến đổi Haar vẫn có thể tốn
thời gian tính toán cho các ảnh có độ
phân giải cao.
 Không phù hợp với tất cẩ các
loại ảnh: Biến đổi wavelet Haar có
thể không lý tưởng cho tất cả các loại
ảnh. Chúng có thể hoạt động kém
hiệu quả hơn trên ảnh có kết cấu phức
tạp hoặc độ tương phản cao.
lượng ảnh ở mức hợp lý.
 Mức độ nén có thể điều chỉnh:
Tỷ lệ nén có thể được kiểm soát dễ
dàng bằng cách điều chỉnh độ phân
giải của biến đổi Haar. Điều này cho
phép cân bằng giữa độ trung thực của
hình ảnh và kích thước tệp.

ỨNG DỤNG PHÉP BIẾN ĐỔI HAAR

- Phép biến đổi Haar là một phương pháp hiệu quả để thực hiện cả nén ảnh
mất dữ liệu và không mất dữ liệu. Phép biến đổi này phụ thuộc vào lấy nửa
tổng và nửa hiệu trong một ma trận ảnh để tạo ra một ma trận thưa hoặc gần
thưa ( một ma trận thưa là một ma trận mà phần lớn các ô chứa phần tử 0),
một ma trận thưa giúp lưu trữ hiệu quả hơn, làm giảm đáng kể kích thước
của file.
- Ở phương pháp này, ta sẽ tập trung vào thước xám (Ảnh xám hay còn gọi là
ảnh đơn sắc (monochromatic), là ảnh mà tại mỗi điểm ảnh có một giá trị
mức xám, giúp kiểm tra, đánh giá độ bền màu của các sản phẩm như vải, sản
phẩm nhuộm). Ảnh 8 mức xám sẽ có giá trị mỗi điểm ảnh nằm trong đoạn
[0, 7]. Ảnh 256 mức xám sẽ có giá trị mỗi điểm ảnh nằm trong đoạn [0,
255]).
- Phương pháp bắt đầu với một ảnh A, ta có thể xem như là một ma trận cỡ m
x n , với giá trị từ 0 đến 255. Trong Matlab, nó sẽ là một ma trận với 8-bit
giá trị nguyên. Chúng ta có thể chia nhỏ ảnh thành 8 x 8.
Ví dụ: Dưới đây là hình ảnh thang độ xám 512 x 512 pixel của các trụ bay
của Nhà Thờ Đức Bà Paris
 Ảnh thang độ xám 512 x 512 pixel của các trụ bay của Nhà Thờ Đức Bà Paris
- Và từ bức ảnh trên, ta có ma trận 8x8 của các giá trị điểm ảnh như sau:

− Đầu tiên, chúng ta tập trung vào hàng đầu làm mẫu:
r 1 = ( 88 88 89 90 92 94 96 97 )
− Quá trình chuyển đổi bao gồm 3 bước:
+ Bước đầu tiên là nhóm các số theo cặp, ta có: ([88,88]; [89,90]; [92,94];
[96,97])
+ Tiếp theo, ta lấy trung bình cộng của 4 cặp thế vào 4 cột đầu tiên của r 1
và nửa hiệu của 4 cặp thế vào 4 cột cuối cùng của r 1. Hàng mới có kí hiệu
là:
r 1 h 1 = ( 88 89.5 93 96.5 0 − 0.5 − 1 − 0.5 )
+ 4 mục đầu tiên được gọi là hệ số xấp xỉ và 4 mục cuối cùng được gọi là hệ
số chi tiết. Bước tiếp theo, nhóm 4 cột đầu của hàng mới thành 2 cặp
 [88,89.5], [93,96.5] và thay thành hàng mới với 2 cột đầu bằng nửa tổng của
2 cặp số và 2 cột sau bằng nửa hiệu của 2 cặp số đó, 4 cột còn lại của r 1 h 1
ta giữ nguyên. Và biểu thị hàm mới thứ 2 này là:
r 1 h 1 h 2 = ( 88.75 94.75 − 0.75 0 − 0.5 − 1 − 0.5 )
+ Cuối cùng, nhóm 2 mục đầu của r 1 h 1 h 2 thành 1 cặp [88.75 94.75] và
thay hàng mới với cột đầu là nửa tổng và cột 2 là nửa hiệu của cặp số trên.
Ta giữ nguyên 6 cột cuối cùng của r 1 h 1 h 2. Ta ký hiệu hàng mới cuối cùng
này là:
r 1 h 1 h 2 h 3 = ( 91.75 − 3 0.75 − 1.75 0 − 0.5 − 1 − 0.5 )
− Tiếp tục lặp lại quy trình này cho các hàng còn lại của A. Sau đó, lặp lại
tương tự cho các cột của A, và nhóm các hàng theo cùng một cách với các
cột, ma trận kết quả là:

- Nhận xét thấy ma trận kết quả này có một số ô chứa 0 và hầu hết các ô còn
lại gần bằng 0. Điều này là kết quả của sự khác biệt và thực tế là các pixel
liền kề trong một hình ảnh nói chung là không khác nhau nhiều.
- Giờ ta sẽ thảo luận về cách thực hiện quá trình trên bằng cách sử dụng phép
nhân ma trận dưới đây - ma trận biến đổi Haar wavelet.
- Nếu ban đầu ta có:
- Nếu lấy phép nhân ma trận A với H1 thì AH1 tương ứng với bước đầu tiên
nhưng được áp dụng với tất cả các hàng của A.

- Tương tự, ta có H2:

- Sau đó AH1 H2 tương đương với 2 bước trên và được áp dụng cho tất cả các
hàng của A:
- Cuối cùng ta xác định:

- Sau đó AH1H2H3 tương đương với 3 bước trên được áp dụng cho tất cả các
hàng của A. Cụ thể là:

- Ta đặt H là tích của 3 ma trận H1 H2 H3 thì:

- Để áp dụng quy trình cho các cột, chỉ cần nhân A ở bên trái với HT. Ma trận
kết quả là:

- Nếu như ta có B = HT AH thì A = (HT )-1 BH-1

- Vì H là một ma trận khả nghịch và B chính là kết quả ảnh nén của A nên
đây được gọi là phép nén không mất dữ liệu.