注：
- 小波变换系列博文打算记录自己学习小波变换的心路历程，每篇博文尽量简短，宗旨是用最少的数学公式说明白如何使用小波变换
- 我的博客即将同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=1roiym8d609t1
Haar变换
案例一简单一维信号变换
下面是一个一维信号（一组数）：$f = {2, 2, 2, 4, 4, 4}$
我对这个信号进行如下处理：
$a_m = \sqrt{2}\frac{f_{2m-1}+f_{2m}}{2} = \frac{f_{2m-1}+f_{2m}}{\sqrt{2}}$（相邻两个数相加，求平均，然后乘以$\sqrt{2}$）
$d_m = \sqrt{2}\frac{f_{2m-1}-f_{2m}}{2} = \frac{f_{2m-1}-f_{2m}}{\sqrt{2}}$（相邻两个数相减，求平均，然后乘以$\sqrt{2}$）
注：至于为什么要乘以$\sqrt{2}$呢？我们这里先不解释，放到后面再说。
然后按照先$a$后$d$的顺序排列${a_1,a_2,…,a_{N/2}, d_1, d_2, …, d_{N/2}}$（$N$是离散信号中的值的个数）
则，$a = {2\sqrt{2}, 3\sqrt{2}, 4\sqrt{2}}$，$d={0, -\sqrt{2}, 0}$
我们可以得到结果：$tf = {2\sqrt{2}, 3\sqrt{2}, 4\sqrt{2}, 0, -\sqrt{2}, 0}$
这就是传说中的Haar变换了……
$a$表示的是信号的趋势（trend），近似（approximation），是低频信息；而$d$表示的是信号的细节（detail），是高频信息。
那么我们怎么变回去呢？我们对变换以后的信号进行如下处理：
$f_{2m-1} = \sqrt{2}\frac{a_m +d_m}{2} = \frac{a_m +d_m}{\sqrt{2}}$（第$m$个$a$和$d$相加，求平均，然后乘以$\sqrt{2}$）
$f_{2m} = \sqrt{2}\frac{a_m -d_m}{2} = \frac{a_m -d_m}{\sqrt{2}}$ （第$m$个$a$和$d$相减，求平均，然后乘以$\sqrt{2}$）
我们可以得到结果$if = {2, 2, 2, 4, 4, 4}$
这样就是Haar变换的逆变换。
通过观察，我们可以发现：
- $d$中的数字绝大部分都很小（这是做信息压缩很重要的依据）
- 变换前后信号的能量保持不变，即$\sum{f_i^2} = \sum{a_m^2} + \sum{d_i^2}$（有兴趣的同学可以算一下对于$f$和$tf$的能量都是60，刚好相等）
案例二多分辨率一维信号变换
我们可以按照上面的思路将信号对得到的低频信号（$a$）一直一直划分下去，直到$\mathrm{log}_2N$（离散信号的值的数目不是偶数的，可以在后面补0）
给定如下的一个信号：$f(t) = 20x^2(1-x)^4\cos(12\pi x)$
我们通过在[0, 1]之间取样1024个点可以得到信号的振幅，绘制出信号图像如下：
我们可以通过案例一种描述的方法进行Haar变换，我们这里对$f(t)$信号进行两次Haar变换，如下图所示：
这是多分辨率分析（Multi-Resolution Analysis，MRA）以及图像压缩（JPEG2000编码）等的基础理念，这里现有一个大概理解，后面我们会继续谈到。
变换的结果如下（感兴趣的朋友可以使用Mathematica或者MATLAB是一样，这两个数学软件都提供了对Haar变换的直接支持）：
好了，这一节先到这里，我们以后有时间慢慢聊！