Introduo ao Processamento Digital de Imagens A l 4 Transformada Aula T f d de d F Fourier i

Prof. Dr. Marcelo Andrade da Costa Vieira

mvieira@sc.usp.br i i @ b

Jean Baptiste Joseph Fourier

Exemplo: p Funo Degrau g

Exemplo: Funo Degrau

Exemplo: Funo Rampa

Movimento Harmnico Simples

Movimento Harmnico Simples

Srie de Fourier
Apenas para funes peridicas de frequncia fundamental f0

frequncia fundamental

Valor Mdio (DC)

1 harmnico

1 harmnico

Srie de Fourier
Apenas para funes peridicas de frequncia fundamental f0

Forma Exponencial

10

Forma o Exponencial po

11

Curva original no domnio do tempo te po

Um sinal no domnio do tempo (t) pode ser aproximado atravs de uma soma de d senos e cossenos com frequncias (f1, f2, f3, .......f fn) de amplitudes (a1, a2, ...... an) e fases (p1, p2, .....pn)

12

y = A cos (t+0) = 2/T T = 1/f = 2f y = A cos (2ft+0)

13

Fase
Adiantado

Em fase

Atrasado

14

Espectro

15

Amplitude e Fase

16

Amplitude e Fase

17

frequncia fundamental

18

Transformada de Fourier
Para funes no no-peridicas peridicas Considera-se a frequncia fundamental f0 com lim 0

A medida que f0 diminui, o espaamento entre os perodos da funo p no domnio do tempo p aumentam. Conseqentemente, o espaamento entre os harmnicos da srie de Fourier diminui, diminui tendendo zero (Funo contnua no domnio da freqncia). A Transformada de Fourier nada mais do que a Srie de Fourier com f0 de limite 0, que converge para uma integral. p g

19

Transformada de Fourier

20

S j f(x) Seja f( ) uma funo f contnua de d uma varivel i l real l x. A Transformada T f d d de F Fourier i de d f(x) f( ) definida d fi id por:

{ f ( x)} = F (u ) =

f ( x) e j 2 ux dx

E a Transformada Inversa de Fourier dada por:

{F (u)} = f ( x) = F (u) e
1

j 2 ux

du
21

Usando-se a frmula de Euler, o termo exponencial dentro da integral, pode ser colocado na forma:

j 2ux

= cos(2ux) jsen(2ux)

O que mostra que F(u) uma soma infinita de senos e cossenos e que cada valor de (u) determina a freqncia de seu correspondente par (seno-cosseno). p ( ) A varivel (u) denominada de Varivel de Frequncia.
22

A Transformada de Fourier de uma funo f(x) real, complexa: F(u) = R(u) + jI(u) A Magnitude de F(u) chamada de Espectro de Fourier de f(x):

F (u) = R (u) + I (u)

2 2

1/ 2

E o ngulo l de d fase f dado d d por: (u ) = tan 1[

I (u ) ] R (u )

O quadrado d d d do E Espectro chamado h d de d Espectro E de d Potncia P i de d f( f(x) ) ou de Densidade Espectral:

P(u) = F(u) = R2 (u) + I 2 (u)

23

Espectro de Fourier
Amplitude e Fase

24

Deslocamento no Tempo Amplitude e Fase

Fase

25

Sua Transformada de Fourier obtida atravs da equao:

F (u) =

f ( x) exp[ j2 ux]dx = A exp[ j2 ux]dx =

0

sen ( uX ) F (u ) = AX ( uX )
26

Espectro de Fourier da funo f(x) dada:

sen( uX ) F (u) = AX ( uX )
Funo Sinc Variando-se o valor de (u) na equao, obtm-se as infinitas amplitudes das freqncias que constituem a funo f(x).

27

Espectro de Fourier da funo f(x) dada:

28

29

a1,a2,a3... Amplitudes dos Cossenos

b1,b2,b3... A lit d d Amplitudes dos Senos

30

Transformada de Fourier de Funes Discretas

31

A convoluo l 1-D 1 Dd de d duas f funes contnuas f(x) e h(x): )

f ( x) h( x) = f ( x)h( x m)dm d
0

32

A convoluo l 1-D 1 Dd de d duas f funes contnuas f( ) e h( f(t) h(t): )

A transformada de Fourier da convoluo de duas funes f(t) e h(t):

33

A propriedade de translao da Transf. Transf de Fourier mostra que:

{h ( t ) } = H ( )

Substituindo:

34

f ( x) * g ( x) F (u )G (u )

Convoluo no domnio do tempo/espao

Multiplicao no domnio da frequncia

35

f ( x) g ( x) F (u ) G (u )

Multiplicao no domnio do tempo/espao

Convoluo no domnio da frequncia

36

Sinal Analgico

Amostragem

Quantizao

Sinal Digital

37

Funo contnua

X
Trem de impulsos
38

39

{ }

{ }

40

{ }

41

 A transformada de Fourier de uma funo amostrada finita uma funo contnua, peridica e infinita No domnio da frequncia, o espectro se repete em infinitos perodos. O equivalente do domnio do tempo para essa caracterstica a convoluo circular. circular

42

Qual seria um bom critrio para a escolha de x? O centro da d regio sobreposta b est em:

1 u= 2T

43

Sobre amostragem Sobre-amostragem

Amostragem g crtica

Sub-amostragem
Aliasing

Se um sinal contnuo tem componente espectral de frequncia mais alta igual a mx , ento o sinal original pode ser amostrado sem aliasing se a taxa de amostragem for maior ou igual a 2mx , ou seja, o perodo d de d amostragem T for f menor d do que 1/ /2 2mx .

1 u mx 2T

1 T 2 u mx
45

46

47

48

O aliasing cria um sinal falsode frequncia menor do que o sinal original

49

fsinal = 1,9 kHz Tsinal = 526 s Taxa de amostragem = 500s fsampling mplin = 2,0kHz Sinal Reconstrudo = 2,0kHz 1,9kHz = 100Hz (T=10ms)
50

Como reconstruir o sinal original a partir do sinal digitalizado? digitali ado?

51

 Sinal sem aliasing Filtro passa baixa

52

Amostragem sem

aliasing

Filtro passa baixa

Sinal original
53

Amostragem com

aliasing

Filtro passa baixa

Si l distorcido Sinal di t id
54

DFT
T Transformada f d Di Discreta t de d Fourier F i

55

Uma funo contnua f(x) pode ser digitalizada numa sequncia de N amostras separadas de x unidades:

{ f ( x0 ), ) f ( x0 + x), ) f ( x0 + 2x),........ ) f ( x0 + [ N 1]x}

f ( x) = f ( x0 + xx)
Para x = 0, 1, 2, .......N-1

f(x) = {f(0), f(1), f(2), .......f(N-1)}

56

Vimos que a transformada de Fourier de uma funo amostrada d finita fi i uma funo f contnua, peridica idi e infinita Como no domnio da frequncia o espectro se repete em infinitos p perodos, , o clculo da DFT feito em apenas p um perodo. O equivalente i l t d do d i domnio do tempo d t para essa caracterstica da periodicidade da DFT a convoluo circular circular.
57

A transformada discreta de Fourier calculada p para o mesmo nmero de amostras a funo original.

58

59

60

O par de Transformadas Discretas de Fourier que se aplica a funes amostradas unidimensionais dado por:

1 N 1 F(u) = f (x) exp[ p[ j2 ux / N] N x=0

Para u = 0,1,2,........N-1

f ( x) = F (u) exp[j 2 ux / N ]
u =0

N 1

Para x = 0,1,2,........ N-1

61

Funo contnua 1 1-D D amostrada:

Funo discreta :

1 N 1 F(u) = f (x) exp[ [ j2 ux / N] N x=0

f(0) = 2 f(1) = 3 f(2) = 4 f(3) = 4

62

1 N 1 F(u) = f (x) exp[ j2 ux / N] N x=0

1 3 F (1) = f ( x) exp[ j 2 x / 4] 4 x=0 1 = [2e0 + 3e j / 2 + 4e j + 4e j 3 / 2 ] 4 1 3 3 = 2 + 3(cos jsen ) + 4(cos jsen ) + 4(cos jsen ) 2 2 4 2 2 1 = [2 + 3(0 j) + 4(1 j0) + 4(0 j(1))] 4 1 = [2 3 j 4 + 4 j] 4 1 = (2 + j) 4

1 3 F (0) = f ( x) exp[0] 4 x=0 1 = [ f (0) + f (1) + f (2) + f (3) 4 1 = [2 + 3 + 4 + 4] = 3,25 4

1 F (2) = 4
1 F (3) = [2 + j ] 4
63

F (0) = 3,25
2 1/ 2

1 1 F(2) = = 4 4
2 2 1 2 F (3) = + 4 4
1/ 2

2 1/ 2

2 1 5 F(1) = + = 4 4 4
2

5 4

64

f (0) = F (u ) exp[0]
u =0

f ( x) = F (u) exp[j 2 ux / N ]
u =0

N 1

= F (0) + F (1) + F (2) + F (3) 1 1 1 = 3,25 + (2 + j ) (2 + j ) 4 4 4 1 1 1 1 1 = 3,25 + j 2 4 4 2 4 = 3,25 1,25 =2

f (1) = F (u ) exp[ j 2 u / 4 ]
u =0

5 j 2 1 j 5 j2 = 3, 25 e + e + e + e 4 4 4 1 3 3 = 3, 25 + 5 cos + j sen + (cos + j sen ) + 5 cos + j sen 4 2 2 2 2 1 = 3, 25 + 5 (0 + j ) + ( 1 + j 0 ) + 5 (0 j ) 4 = 3, 25 0, 25

0

f ( 2) = 4 f (3) = 4

=3

65

As duas representaes da funo podem ser obtidas uma da outra, com o mesmo nmero de amostras, sendo uma no domnio do tempo e outra no domnio da frequncia

66

A Transformada T f d de d Fourier F i 2-D 2 D de d uma funo f contnua t f(x,y) f( ) :

{ f (x, y)} = F(u, v) = f (x, y) exp[ [ j2 (ux + vy)dxdy d d

A Transformada Inversa dada por:

{F(u, v)} = f (x, y) = F(u, v) exp[j2 (ux + vy)dudv

Sendo que (u) e (v) so as variveis de frequncia.

67

S j af Seja funo 2-D 2 D f( f(x,y) ) no d domnio i do d espao:

A Transformada T f d de d Fourier F i 2-D 2 D dada d d pela l equao:

F(u, v) = f (x, y) exp[ j2 (ux + vy)dxdy =

= A exp[ j2 ux]dx exp[ j2 vy]dy

0 0
68

sen( uX) sen( vY) F(u, v) = AXY ( uX) ( vY)

Espectro de Fourier

Espectro como uma Imagem de Intensidades

69

O par d de Transformadas T f d Di Discretas t d de F Fourier i de d uma funo f f(x,y) f( ) amostrada (M x N), dado por:

1 M 1 N 1 ux vy F (u, v) = f ( x, y) exp[ j 2 ( + )] MN x=0 y=0 M N

Para u = 0,1,2,........M-1 012 M-1
M 1 N 1

Para v = 0,1,2,........N-1 012 N1

ux vy f ( x, y) = F (u, v) exp[ [ j 2 ( + )] M N u =0 v=0

Para x = 0,1,2,........ M-1 Para y = 0,1,2,........ N-1
70

Trem de impulsos 2 2-D D

71

72

Quadrados com dimenso de 16 pixels

Quadrados com dimenso de 6 pixels

73

Quadrados com dimenso de 0 91 pixels 0,91

Quadrados com dimenso de 0 48 pixels 0,48

74

O nmero de pixels da imagem da direita foi reduzida em 50% (menor resoluo espacial) Note as interferncias de falsas frequncias
75

O nmero de pixels da imagem da direita foi reduzida em 50% (menor resoluo espacial) Note o efeito de serrilhamento (jaggies)
76

 Sempre ocorrer aliasing em imagens digitais Para reduzir o efeito de aliasing, geralmente usa-se um filtro de suavizao (passa-baixa) (passa baixa) antes da digitalizao Dessa forma, as altas frequncias so atenuadas e o efeito de aliasing tambm Deve ser feito ANTES da digitalizao o e existe s e filtro oa anti-aliasing a as g real ea que e elimine eoa aliasing as g aps No a digitalizao O que geralmente feito uma filtragem passa baixa e uma re-amostragem da imagem, mas isso no elimina o aliasing que j foi gerado na digitalizao, apenas suaviza o efeito. Existem cmeras fotogrficas com filtros anti-aliasing anti aliasing reais embutidos (nas lentes os nos sensores)
77

A imagem da direita foi suavizada por um filtro da mdia 3 x 3 antes da reduo do nmero de pixels. O efeito de aliasing foi reduzido, apesar do borramento
78

A imagem da direita foi suavizada por um filtro da mdia 5 x 5 antes da reduo do nmero de pixels. O efeito de aliasing foi reduzido, apesar do borramento
79

O nmero de multiplicaes necessrias d l i li e adies di complexas l i para implementar a DFT-1D (Transformada Discreta de Fourier Unidimensional) proporcional a N2
1 N 1 [ j2 ux / N] F(u) = f (x) exp[ N x=0

A decomposio adequada desta equao pode tornar o nmero de multiplicaes p e adies proporcional p p a Nlog g2N. Este p procedimento denominado de algoritmo g da Transformada Rpida de Fourier (FFT).
80

N2
(DFT)

Nlog2N (FFT) 4 16 64 256 1024 4096 16384 65536 262144 1048576 4194304 2 8 24 64 160 384 896 2048 4608 10240 22528 49152 106496

Vantagem Computacional (N/log2N) 2,00 , 2,00 2,67 4,00 6,40 10,67 18,29 32,00 56 89 56,89 102,40 186,18 341,33 630,15
81

2 4 8 16 32 64 128 256 512 1024 2048 4096 8192

16777216 67108864

Se uma mquina gasta 5s para fazer a FFT de um vetor de 8192 pontos, pontos A mesma mquina levar cerca de 600 vezes mais (50 min) para computar a DFT.
82

FIM

83