Преобразование картинки или видеосигнала делается построчно: берется строка и делается одномерное преобразование, затем следующая.
Или по другому?

Сначала выполняем вейвлет-преобразование каждой строки исходной матрицы, а потом каждого столбца полученного результата. Можно и наоборот: сначала столбцы исходной матрицы, а потом строки полученного преобразования.
В результате одного такого шага получим 4 матрицы, каждая высотой и шириной вдвое меньше исходной. В них имеем "аппроксимацию" или сглаженное изображение и 3 набора "деталей": по горизонтали, вертикали и диагонали.
Аналогичным образом может быть выполнено и преобразование сигналов больших размерностей.