顧名思義，NSCT變換核心是Contourlet，即關於邊緣的變換。
所謂非下采樣是基於頻域的，根據個人理解，這就相當於，對某一圖像而言，首先設定一個頻率閾值，然后通過濾波器篩選出大於等於這個閾值頻率的圖像（當然這不是一次性得篩選過程，而是迭代使用非下采樣二通道帶通濾波器的過程），具體過程見下面的圖1。
這時，如果對空域、頻域、時域不太了解的話，就又是一團漿糊。關於這三個概念可以參照《圖像處理與識別學習小結》《數字圖像處理3--空間域，時域，頻域的理解》兩篇博文。
再說回NSCT變換，NSCT分解有利於更好的保持圖像的邊緣信息和輪廓結構，增強圖像的平移不變性。其過程分為多尺度分解和方向濾波兩個過程，兩者相互獨立。
NSCT的多尺度分解為非下采樣塔形分解（說到“塔形”，拉普拉斯變換、小波變換、Contourlet變換都是典型的金字塔變換），其方向濾波采用的是非下采樣方向濾波組（NSDFB）。
在NSCT的分解重構過程中，都沒有上采樣、下采樣過程，繼承了傳統CT對圖像表示的多方向性和各向異性，且具有傳統CT不具備的平移不變性。（對於“平移不變性”還不太理解）
非下采樣金字塔變換（NSP）的分解過程不具有采樣操作，其重構過程是分解過程的逆過程。
以上內容可參照博文《基於NSCT與模糊邏輯的圖像融合方法》