我正在查看此链接：HaarWaveletTransform。给定N个采样点的数组，它将数组细分为两个大小为N / 2的数组：
Array1：平均相邻的采样点。 Array2：计算采样点之间的有限差异。
然后您可以多次递归地应用k。最后，您将获得一个低分辨率的平均图像和多个级别的Array2，这有助于反转操作以恢复原始数据。
转换后，您仍然拥有与原来一样多的数据点。所以我的问题是：
这如何节省内存？我以为这应该有助于压缩？
有什么意义？当你拥有下采样图像和多级Array2时，某些操作会更容易吗？
您如何获得这些过滤公式？我认为对于离散小波变换，你必须求解一些矩阵方程来计算小波基函数的系数。
答案 0 :(得分：1)
Haar基础是一个正交基础，它不包含关于一个像素的所有数据（这是规范基础），而是关于局部区域的数据。因此，原始图像是在您找到原始图像和haar基础之间的所有点积之后获得的所有图像的叠加（如果您有8x8图像，则需要64个基函数） 所以，通过应用分析公式，你会发现系数。 haar基础和这个系数的线性组合将为您提供原始图像。 但是由于Haar Basis的特性，当你削减一半这些系数时，你不会削减一半的图像，你只是使图像不那么黯淡。
