Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE HIDALGO
T
E
S
I
S
QUE
PARA
OBTENER
EL
TTULO
DE
INGENIERO EN ELECTRNICA Y TELECOMUNICACIONES
ORLANDO
ASESOR:
CORTAZAR
MARTNEZ
Agradecimientos
A Dios
A mis padres, mi hermana y familiares.
A mi asesor de tesis, el Dr. Luis Enrique
Ramos Velasco
A toda mi familia
Familia Cortazar Zavala
Familia Martnez Jimnez
A mis maestros
A mis amigos
Agradecimientos
Primero quiero agradecer a Dios por que el es el nico que gua mi camino.
De manera muy especial quiero agradecer a mis padres por el amor que me demuestran da a da. A mi pap por ser la persona a quien mas admiro. A mi mam por su
pasciencia y su apoyo incondicional.
Quiero agradecer a mi hermana por estar siempre conmigo y por apoyarme en todo
lo que puede.
Gracias a mi asesor el Dr. Luis Enrique Ramos Velasco por su apoyo, por su tiempo
y especialmente por su esfuerzo que puso para que este trabajo pudiese realizarse.
Quiero agradecer a los maestros que tuve durante la licenciatura, no solamente por
haberme enseado conocimientos, sino por que han sido un ejemplo par mi.
Por que me han enseado muchas cosas, por la conanza que me tienen, por su
apoyo, por compartir conmigo alegras y tristezas, a todos mis amigos les doy las gracias.
<, >
x(n)
(n)
u(n)
ur (n)
f (x)
F
2
L (R)
()
Nmeros reales
Zahlen, nmeros enteros
Para todos los valores de
No es igual a
Es congruente con
Perteneciente a
Se aproxima a
Producto interno
Funcin discreta de variable discreta n
Impulso unitario
Escaln unidad
Rampa unidad
Funcin continua de variable real x
Transformada de Fourier
Conjunto de funciones continuas de cuadrado integrable
Wavelet madre
Funcin de escala
Transformada de Fourier de (t)
iii
vi
W SQ
JP EG
IDK
LP d
HP d
LP r
HP r
ALU
V LIW
M IP S
F LOP S
RAM
LSB
M SB
N aN
NMI
ROM
AIC
CM OS
ndice general
1. INTRODUCCIN
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2. SEALES Y SISTEMAS
1
2
4
5
6
7
13
15
15
16
17
17
19
21
21
25
28
30
31
32
34
34
34
35
35
35
37
NDICE GENERAL
viii
4. WAVELETS U ONDOLETAS
4.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Ondas y wavelets . . . . . . . . . . . . . . . . . . . . . . .
4.2.1. Tipos de Wavelets . . . . . . . . . . . . . . . . . .
4.3. Anlisis en el dominio de la frecuencia . . . . . . . . . . .
4.4. Tipos de transformadas . . . . . . . . . . . . . . . . . . . .
4.5. Expansin en series wavelet . . . . . . . . . . . . . . . . .
4.6. Transformada wavelet continua . . . . . . . . . . . . . . .
4.6.1. Transformada wavelet continua de dos dimensiones
4.7. Transformada wavelet discreta . . . . . . . . . . . . . . . .
4.7.1. Teora de bancos de ltros . . . . . . . . . . . . . .
4.7.2. Multiresolucin o anlisis en tiempo-escala . . . . .
4.7.3. Codicacin de subbanda . . . . . . . . . . . . . .
4.8. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9. Comentarios y referencias . . . . . . . . . . . . . . . . . .
5. RESULTADOS DE SIMULACIONES
5.1. Introduccin . . . . . . . .
5.2. Acerca de MATLAB . . .
5.3. Wavelets en MATLAB . .
5.3.1. Lnea de comandos
5.3.2. Ambiente grco .
5.4. Comentarios . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6. RESULTADOS DE LABORATORIO
6.1.
6.2.
6.3.
6.4.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introduccin . . . . . . . . . . . . . . . . . . . . . . . .
Transformada wavelet discreta . . . . . . . . . . . . . .
Wavelets y reconstruccin perfecta de bancos de ltros
Wavelets y procesamiento de imgenes . . . . . . . . .
6.4.1. Descomposicin de imgenes . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
38
39
40
42
43
44
46
48
51
51
52
53
53
54
55
57
58
58
59
60
61
62
62
63
64
66
69
69
69
70
72
91
96
97
. 97
. 97
. 98
. 99
. 100
NDICE GENERAL
ix
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
102
102
106
110
7. CONCLUSIONES
111
113
. Bibliografa
.
.
.
.
.
.
.
.
.
.
.
.
.
115
115
116
116
117
117
120
120
120
120
122
122
123
129
ndice de Tablas
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
.
.
.
.
.
.
.
.
.
.
.
.
21
22
25
26
27
27
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
73
73
76
77
79
80
80
81
85
87
89
118
119
119
121
122
123
124
ndice de guras
2.1. Las tres componentes de la aceleracin de la tierra a pocos kilmetros
del epicentro de un terremoto. . . . . . . . . . . . . . . . . . . . . . . .
2.2. Ejemplo de una seal de dos dimensiones . . . . . . . . . . . . . . . . .
2.3. Ejemplo de una seal de voz. . . . . . . . . . . . . . . . . . . . . . . .
2.4. Representacin grca de una seal discreta x(n) = 0.8n para n > 0 y
x(n) = 0 para n < 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Representacin grca de la seal impulso unitario. . . . . . . . . . . .
2.6. Representacin grca de la seal de escaln unitario. . . . . . . . . . .
2.7. Representacin grca de la seal de rampa unitaria. . . . . . . . . . .
2.8. Componentes bsicos del convertidor anlogo/digital (ADC). . . . . . .
2.9. Convertidor digital/anlogo (Retenedor de orden cero). . . . . . . . . .
2.10. Etapas fundamentales de procesamiento digital de imgenes. . . . . . .
2.11. Elementos funcionales bsicos de un sistema de procesamiento digital de
imgenes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1. Coecientes de Fourier de un tren de pulsos rectangulares con anchura
de pulso ja y periodo variable Tp . . . . . . . . . . . . . . . . . . . .
3.2. Grcas de una secuencia peridica cuadrada para varios valores de L y
N y sus espectros de potencia. . . . . . . . . . . . . . . . . . . . . . . .
3.3. (a) Una funcin bidimensional (2-D), (b) Su espectro de Fourier y (c) Su
espectro representado en funcin de la intensidad. . . . . . . . . . . . .
4.1. Ondas y wavelets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Grcos de varios tipos distintos de wavelets. (a) Wavelet de Daubechies,
(b) Wavelet de Haar, (c) Wavelet de Morlet, (d) Wavelet de Coiet y (e)
Wavelet de Symmlet. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Espacio tiempo-frecuencia: (a) Seal, (b) Representacin. . . . . . . . .
4.4. Transformada wavelet continua (c y d) Espectro de Fourier (b) Una funcin de una dimensin (a). . . . . . . . . . . . . . . . . . . . . . . . . .
4.5. Salidas del ltro pasa bandas . . . . . . . . . . . . . . . . . . . . . . .
4.6. Huella digital de la mano izquierda digitalizada por el FBI. . . . . . . .
4.7. Wavelets para musica: Representacion grca del tono de quiebre de
Wickerhouser. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xiii
18
19
20
20
22
23
23
29
30
33
36
40
42
44
55
56
57
60
63
65
65
xiv
NDICE DE FIGURAS
4.8. (a), (c) y (e) Resultados de la codicacin wavelet con una taza de compresin de 108 a 1; (b), (d) y (f) Resultados similares de una compresin
de 167 a 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.
5.2.
5.3.
5.4.
66
71
72
74
84
88
90
91
93
94
95
98
98
99
99
100
101
101
102
105
110
Resumen
Cada vez tiene mayor importancia en la ingeniera el procesado de seales digitales,
puesto que es una ciencia que se entrelaza con una gran cantidad de ciencias y puesto
que posee grandes caractersticas como lo son su alta exibilidad de diseo, su capacidad
de programacin y de cambiar esta para obtener mejores resultados en un procesado
real, adems de que se cuenta con dispositivos digitales de alta velocidad y con un costo mucho mas barato que dispositivos electrnicos anlogos o incluso mecnicos, esta
ciencia se ha convertido en un pilar fundamental de otras ciencias en cuanto se reere
al tratamiento y representacin de las seales.
El procesamiento de imgenes ha tenido una gran evolucin. Durante los ltimos
aos ha aumentado signicativamente el inters de la morfologa de las imgenes, la
compresin de estas y el reconocimiento de patrones. Esto representa un gran esfuerzo
de modernizacin. Su inters se deriva en dos reas principales: La mejora de informacin pictrica para la interpretacin humana y el procesamiento de los datos de la
escena para la percepcin humana. En este trabajo se usa la segunda area de aplicacin
ms que la primera.
Por lo que este trabajo se enfoca al proceso y representacin de imgenes mediante
la tcnica denominada wavelets, as como tambin su implementacin en un procesador
digital de seales denominado por sus siglas en ingls "DSP". Esta tcnica se us para
obtener la deteccin de bordes de imgenes de un sistema pndulo invertido previamente controlado. Aprovechando una de sus caractersticas que ofrece esta tcnica,
como lo es el anlisis multiresolucin para imgenes en la cual, los componentes de
inters localizados a menudo no son enteramente oscilatorios y solo incluyen un ciclo o
una parte de un ciclo, como lneas, bordes o puntos.
La tcnica de wavelets o tambin conocida como tcnica de ondoletas, en la que
la descomposicin wavelet de una imagen, se realiza la por la y despus columna
por columna. Con esto se detectan los valores cambiantes dentro de la matriz de la
imagen y con ello la deteccin de bordes mediante la ubicacin de valores que cambian bruscamente dentro de una escala de grises aplicada a la matriz de sta. Con ello
se logra un reconocimiento de patrones mediante la deteccin de bordes. El resultado
obtenido se muestra en pantalla mediante sus coecientes vertical, horizontal y diagonal.
Captulo 1
INTRODUCCIN
En este capitulo se denen los objetivos a perseguir en este trabajo, as como las
metas a alcanzar y sus posibles consecuencias. Adems, se da una introduccin a lo que
es el procesamiento digital de seales. Por otra parte, se da una muy breve semblanza
de la historia del procesamiento digital de seales tanto como seales bsicas como
complejas que para este trabajo se usan las imgenes.
Con este proyecto se procesan las imgenes haciendo uso de la tcnica wavelet as
como la manipulacin de estos en sistemas discretos para su utilizacin a travs de los
diferentes tipos de ltros localizados dentro de las tarjetas DSP's con el n de obtener
caractersticas de sus imgenes.
1. INTRODUCCIN
Procesamiento de imgenes:
a) Filtrado de imgenes.
b) Reconocimiento de formas.
c) Compresin y descompresin de imgenes.
Procesamiento de sonido:
a) Identicacin de fonemas.
b) Voz sinttica.
En cuanto a lo que se reere en procesamiento de imgenes, son muy amplias las
aplicaciones que esta tiene con respecto a otras ciencias como lo es en la ciencia espacial
la cual sirvi para realzar y mejorar las imgenes de la Luna enviadas por la misin
Surveyor, las misiones a Marte, y los vuelos tripulados Apolo a la una. En medicina, los
procedimientos realzan el contraste o codican los niveles de intensidad en los colores
para facilitar la interpretacin de las seales de los rayos X o de otras seales biomdicas.
Los gegrafos emplean tcnicas similares para analizar los patrones de polucin a partir
de imgenes areas o de satlite. En la arqueologa, los mtodos de procesamiento digital
de seales han servido para restaurar imgenes borrosas que eran nicos registros de
objetos que fueron daados o perdidos despus de haberlas fotograado. En la fsica y en
campos de estudio similares, estas tcnicas realzan las imgenes de experimentos en los
plasmas de alta energa y los microscopios electrnicos. De esta forma, los conceptos de
procesamiento de seales se aplican de la misma forma en ciencias como la astronoma,
la biologa, investigaciones policacas y aplicaciones industriales [10].
1. INTRODUCCIN
Las mejoras en los mtodos de procesamiento de seales que en nuestro caso se tratan
de imgenes han estado evolucionando a travs de las dcadas pasadas pero realmente
fueron las computadoras de gran potencia lo que permiti el avance del procesamiento
digital de imgenes [10].
Mediante este trabajo lo que se pretende es usar tcnicas y algoritmos computacionales para mejorar las imgenes recibidas desde una cmara digital conectada en
un procesador digital de seales (DSP). Para realzar y restaurar la informacin de las
imgenes para la interpretacin y el anlisis humano [6].
Puesto que la transformada de Fourier y dems transformadas muestran una cierta
limitacin en este trabajo se implementar la tcnica llamada wavelets, que son ondas
de limitada duracin.
La representacin wavelet que usa bases ortonormales wavelet ha recibido la atencin
extensa. Recientemente se han construido wavelet de bases ortonormaleas de M -bandas
y wavelets de M -bandas compactamente apoyadas han sido parametrizadas. Dada la
teora y los algoritmos para obtener el anlisis ptimo del multi resolucin wavelet para
la representacin de una seal dada en una escala predeterminada en una variedad de
normas de error. Por otra parte, para las clases de seales, se da la teora y los algoritmos
para disear el anlisis de multi resolucin wavelet que reduce al mnimo el peor caso
de aproximacin del error entre todas las seales. Todos los resultados se derivan para
el anlisis general de multi resolucin. Un esquema numrico eciente es descrito para
el diseo del anlisis ptimo de multi resolucin wavelet. La teora wavelet introduce
el concepto de la escala que es anloga al concepto de la frecuencia en el anlisis de
Fourier. Este trabajo introduce esencialmente seales de escala limitada y demuestra
que las seales de banda limitada son esencialmente de escala limitada, y da el teorema
del muestreo wavelet, la cual indica que los coecientes de expansin de la funcin de
escalamiento de una funcin con respecto a una wavelet base, a cierta escala (y mas)
especica totalmente una seal de banda limitada (es decir, se comporta como muestras
de la taza de Nyquist (o ms alta)) [13].
1.4. Justicacin
2. Describir e implementar el uso de la tcnica denominada wavelets para el procesamiento digital de imgenes.
3. Explicar y aplicar los principales mtodos de sntesis y codicacin de imgenes.
4. Describir en trminos generales la problemtica del reconocimiento automtico
de datos a travs de los DSP's as como los distintos paradigmas propuestos para
la implementacin de estos sistemas.
5. Describir en forma general la problemtica de la Identicacin/ Vericacin del
procesamiento de imgenes.
1.4. Justicacin
Cada vez tiene mayor importancia en la ingeniera el procesado de seales digitales,
puesto que es una ciencia que se entrelaza con una gran cantidad de ciencias y puesto
que posee grandes caractersticas como lo son su alta exibilidad de diseo, su capacidad
de programacin y de cambiar esta para obtener mejores resultados en un procesado
real, adems de que se cuenta con dispositivos digitales de alta velocidad y con un
costo mucho ms barato que dispositivos electrnicos anlogos o incluso mecnicos,
esta ciencia se ha convertido en un pilar fundamental de otras ciencias en cuanto se
reere al tratamiento y representacin de las seales que se encuentran dispersas en
este mundo y que por lo regular se encuentran de manera anloga o mejor dicho de
forma continua en el tiempo.
Los problemas en procesamiento digital de seales no solo estn limitados a seales
unidimensionales (por ejemplo la voz) tambin se implican seales multidimensionales
(por ejemplo imgenes). Y aunque existen diferencias importantes en el tratamiento de
seales unidimensionales y multidimensionales la gran parte de este trabajo trata de
sistemas multidimensionales. Entre las que se destaca las aplicaciones de procesamiento
de imgenes digitales.
De esta misma manera, esta ciencia trata de aplicar las mismas caractersticas en
cuanto se reere al procesado de imgenes e incluso video que hoy en da son parte
fundamental en los sistemas digitales que se usan en la actualidad tales como sistemas de
comunicacin mvil, Internet, televisin digital, por mencionar algunas. Estas necesitan
tener un proceso digital de seales muy avanzado y en algunos casos en tiempo real.
Por lo que en este trabajo nos enfocaremos al proceso y representacin de imgenes
mediante la tcnica denominada wavelets implementado en un procesador digital de
seales denominado por sus siglas en ingls "DSP".
Esta tcnica nos permite percibir los rasgos de una imagen predeterminada mediante
funciones de escala para un anlisis de multi resolucin ptima. Por lo que la deteccin
de bordes mediante esta tcnica es la respuesta que se requiere para una gran variedad
de aplicaciones concretas como lo es el control de sistemas no lineales. La cual servir
para obtener la posicin, ngulo y detalles a partir de la imagen tomada de la cmara
1. INTRODUCCIN
conectada al "DSP", este contiene los algoritmos para calcular un algoritmo wavelet
para, posteriormente realizar una etapa de control para el sistema, que este ltimo
queda fuera del alcance de esta tesis.
1. INTRODUCCIN
10
elementos del sistema que se mezclan con la imagen durante la transmisin. Por lo que
el lmite de la imagen que va a ser detectada y exactamente dividida por un mtodo
ptimo de deteccin de bordes. Despus de plantear los limites del objeto aplicando
la morfologa adaptable en el retenimiento de la imagen de entrada. El borde ptimo
es detectado usando una red celular neural wavelet (CNN). el mtodo propuesto se
compara con el convencional mtodo de Sobel usado en el algoritmo de deteccin de
bordes [36].
Un esquema basado en wavelet en la deteccin de bordes a multi escala. Multiplicando los coecientes wavelet en dos escalas adyacentes para magnicar las estructuras
signicativas y para suprimir ruido, determinamos los bordes como los mximos locales directamente en el producto de la escala despus de un retenedor eciente, en vez
primero de formar los mapas del borde en varias escalas y en seguida de sintetizarlas
juntas, segn lo empleado en muchas tcnicas del multi escalas. Se demuestra que la
multiplicacin de la escala alcanza resultados mejores que cualquiera de las dos escalas,
especialmente en el funcionamiento de la localizacin. Los experimentos en imgenes
naturales se comparan con el Laplaciano Gaussiano y Algoritmos Canny de la deteccin
de bordes [22].
La deteccin de bordes es un problema importante de bajo nivel en visin. La
mayora de los mtodos de deteccin de bordes funcionan en una imagen en una sola
resolucin y hacen salir un mapa binario de los bordes. Los bordes dentro de una imagen,
sin embargo, ocurren generalmente en las varias resoluciones, o escalas, y representan
transiciones de diversos grados, o niveles de gradientes. As, los mtodos simples de
deteccin de bordes que hacen salir mapas binarios de bordes no rinden siempre resultados satisfactorios. Se desarrolla un mtodo de deteccin de bordes a multiresolucin
que utiliza una descomposicin wavelet de multi tasas para generar una serie de imgenes con una resolucin progresivamente ms baja de los bordes. Los bordes entonces
se extraen recurrentemente para formar la serie de mapas de los bordes donde la salida
no se restringe para ser binaria y se ja para reejar el nivel del gradiente en cada punto
del borde. La serie de mapas de los bordes se restringe para formar una pirmide del
mapa de los bordes que apila. En esta formulacin, el mapa del borde (del nivel ms
bajo) contiene los bordes en todas las escalas mientras que recorta el borde, basado en
escala del borde, se realiza en los niveles subsecuentes. Este acercamiento se demuestra
para tener mtodos de deteccin previamente denidos de los bordes a multi resolucin
del excedente de las ventajas. Se presentan los resultados usando imgenes consideradas
naturales [33].
Los oceangrafos y los investigadores de sensacin remota han reconocido ampliamente el potencial de usar las imgenes de satlites para estudiar ondas internas ocenicas. Si, como probablemente, los patrones de los tonos de grises de estas imgenes se
pueden conrmar para corresponder a los patrones del canal y de la cresta de ondas
internas, entonces mucho puede ser aprendido sobre ondas internas de datos basados
en los satlites. La utilidad del anlisis wavelet como herramienta para la deteccin
ondas internas y longitud de onda es examinada en las versiones continua y discreta
1. INTRODUCCIN
11
de la transforma wavelet. El fondo terico de cada procedimiento es brevemente descrito y aplicado usando una wavelet especca para cada caso. Primero, se presenta la
construccin de una wavelet base apropiada, basada en un modelo analtico de la onda
interna oceanogrca, para detectar y para localizar ondas no lineales de la imagen del
ocano. La estructura de la base arbitraria de la wavelet deriv del soporte compacto
de las wavelets ortonormales de B -tiras se estudian para obtener mas ptimas descomposiciones wavelets discretas. Las comparaciones se hacen para las descomposiciones
wavelets basadas en varias familias de wavelet compactamente apoyada. Finalmente,
transforma continua wavelet se aplica para estimar las energas y las longitudes de onda
dentro de picos de los trenes onda interna detectadas. Los resultados de este estudio
demuestran que el anlisis wavelet es una herramienta excelente para detectar ondas
internas contra ruido de fondo, y estimar, con un buen grado de la precisin, longitudes
de onda SAR de perles de imgenes del [30].
Se desarrolla un algoritmo multi-hilos de carga-adaptable para calcular la transformada wavelet discreta (DWT) y su aplicacin en una plataforma multi-hilos de textura
na. En el clculo de la DWT, el problema del tamao se reducen en cada nivel de
descomposicin y la longitud del clculo emergente tambin vara. Este algoritmo paralelo, se escala dinmicamente al tamao del problema que vara. Durante cualquier
iteracin, el cociente del nmero de hilos al nmero de hilos remotos emanados por
un procesador puede ajustarse para ser mayor que 1 controlando los parmetros del
algoritmo. Esta aproximacin proporciona una oportunidad de interpolar el clculo y
la comunicacin sin explcitamente introducir ciclos inactivos en espera de los hilos remotos para acabar. Los resultados experimentales basados en las puesta en prctica
del algoritmo en un nodo de 20 emulando la plataforma multi-hilos, EARTH-MANNA,
diseado especcamente para paradigmas multi-hilos de textura na [24].
Se presenta una novedosa representacin 2D de la potencia de las formas de onda
del sistema para el anlisis automtico y deteccin de acontecimientos transitorios. La
representacin es integrada por una matriz cuyas las son formadas por segmentos de
tiempo de formas de onda digitales. Por la seleccin apropiada de la longitud de segmentos del tiempo, los datos 2D exhiben formas onduladas de la imagen. La forma general
se desestabiliza inmediatamente siempre que ocurra un acontecimiento transitorio en la
calidad de potencia. Proponemos el uso de las transformadas wavelet discreta de dos
dimensiones (2D-DWT) para detectar estas perturbaciones. Se ha observado que, despus de omitir el espacio de la aproximacin de las seales de la transformada wavelet
y denoising espacio del detalle de las seales, la transformada inversa 2D-DWT proporciona buenos resultados de la deteccin y de la localizacin, incluso para los casos
donde los mtodos convencionales fallan [8].
La tecnologa de identicacin biomtrica se ha asociado generalmente a usos seguros
muy costosos. Una nueva aproximacin para el sistema de reconocimiento del iris. Utiliza
operadores morfolgicos para la deteccin de bordes del iris. Simplicidad y rapidez el
mtodo propuesto de deteccin de bordes el cual es considerable hacer frente a imgenes
binarias. La representacin del cdigo binario va la fase de la wavelet de Daubechies
12
1. INTRODUCCIN
13
resolucin (nuevas wavelets) no afecta la red existente wavelet que pudo haber sido sintonizada bien. La propiedad del multi resolucin asegura la mejora de la precisin de la
aproximacin cuando se agrega una nueva resolucin. Un controlador adaptable robusto
wavelet se puede construir primero con una estructura simple. Se introduce un perodo
de adaptacin para especicar el perodo de espera admisible para el error que sigue
para converger bajo estructura actual de la wavelet. Si el sistema no puede converger despus del perodo de espera admisible, se considera una nueva resolucin wavelet
necesaria y agregada directamente. De este modo, el controlador adaptable wavelet
se puede construir y sintonizar fcilmente de un grueso a un no nivel mientras que
conserva la estabilidad en un lazo cerrado. Tambin proporciona un grado de libertad
adicional para los usuarios, en orden de balancear la complejidad de la y convergencia
de la red [17].
14
Captulo 2
SEALES Y SISTEMAS
En este captulo se dan a conocer las conceptos de seal y sistemas en tiempo
discreto. Adems estudian un nmero importante de tipos de seales y sus operaciones.
Se discutirn los sistemas lineales e invariantes en el tiempo puesto que son ms fciles
de analizar y ejecutar. As pues, tambin se darn algunos otros trminos bsicos como
los son las caractersticas de estos sistemas y la convolucin. As tambin se introducir
a lo que es el procesamiento digital de imgenes haciendo uso de MATLAB.
(2.1)
i=1
16
17
2. SEALES Y SISTEMAS
s1 (t)
S(t) = s2 (t)
s3 (t)
(2.2)
Por ejemplo, la seal de la Figura 2.1 nos muestra las tres componentes de una seal
vectorial que representa la aceleracin de una supercie terrestre.
18
Figura 2.1: Las tres componentes de la aceleracin de la tierra a pocos kilmetros del
epicentro de un terremoto.
Por otra parte si, una funcin posee una sola variable independiente se le conoce
como unidimensional. Por el contrario, se le denomina multidimensional si posee M
variable independientes. La imagen de la Figura 2.2 dan un ejemplo de una seal bidimensional dado la intensidad o brillo I(x, y). Por lo que podemos decir que la seal de
televisin es una seal tridimensional compuesta de la forma:
Ir (x, y, t)
I(x, y, t) = Ig (x, y, t)
Ib (x, y, t)
(2.3)
19
2. SEALES Y SISTEMAS
Las seales en tiempo continuo o seales anlogas son aquellas que estn denidas
para todos los valores en el tiempo y pueden tomar cualquier valor en el intervalo continuo (a, b) donde a puede ser y b puede ser . Matemticamente, estas funciones
se describen como seales continuas de variable continua. Por ejemplo, la onda de voz
de la Figura 2.3 es una seal anloga.
Las seales en tiempo discreto estn denidas para ciertos valores en el tiempo.
Estos valores no necesariamente deben ser equidistantes, pero en la prctica se toman
valores equidistantes conforme al inters que se aplique. Las seales en tiempo discreto
se denen por una secuencia de nmeros reales o complejos. Por ejemplo la seal
x(n) =
0.8n , si n 0;
0,
en otro caso.
(2.4)
20
Figura 2.4: Representacin grca de una seal discreta x(n) = 0.8n para n > 0 y
x(n) = 0 para n < 0.
Existe en la prctica dos formas de originarse las seales:
1. Eligiendo los valores de una seal anloga en determinados instantes de tiempo
2. Acumulando una variable a lo largo de un determinado tiempo
Las seales de tiempo discreto podemos clasicarlas en:
1. Seales de energa
2. Seales de potencia
3. Seales peridicas
4. Seales aperidicas
21
2. SEALES Y SISTEMAS
1, n = 0;
= {..., 0, 0, 1, 0, 0, ...}
0, n = 0.
(2.5)
En otras palabras, el impulso unitario es una seal que vale cero siempre excepto
en n = 0 donde vale uno. La representacin del impulso unitario se muestra en la
Figura 2.5. En MATLAB la funcin zeros(1, N ) genera un vector la de N ceros,
que se pueden utilizar para poner en ejecucin a (n) sobre un intervalo nito.
Sin embargo la relacin lgica n == 0 es una manera elegante de poner a (n) en
ejecucin. Por ejemplo al poner en prctica la ecuacin (2.5) en la cual el impulso
unitario se encuentra fuera de cero.
Sobre el intervalo n1 n n2 , se utiliza la siguiente funcin de MATLAB:
22
2. Escaln unidad
El impulso unitario se denomina u(n) y se dene como:
u(n no ) =
1, n n0 ;
= {..., 0, 0, 1, 1, 1, ...}
0, n < 0.
(2.6)
23
2. SEALES Y SISTEMAS
n, para n 0;
0, para n < 0.
(2.7)
(2.8)
x = (0.9) .^;
24
(2.9)
6. Secuencia sinusoidal
x(n) = cos(0 n + ), n
(2.10)
7. Secuencias aleatorias
Muchas secuencias prcticas no se pueden describir por expresiones matemticas como los casos de arriba. Estas secuencias se llaman secuencias al azar (o
estocsticas) y son caracterizadas por parmetros de las funciones asociadas a
la densidad de probabilidad o de sus momentos estadsticos. En MATLAB dos
tipos (de pseudo) secuencias al azar estn disponibles. El rand(1, N ) genera una
secuencia al azar de la longitud N cuyos elementos se distribuyan uniformemente
entre [0, 1]. El randn(1, N ) genera una secuencia al azar gaussiana de la longitud
N con el medio 0 y variacin 1. Otras secuencias al azar pueden ser generadas
usando transformaciones de las funciones antes mencionadas.
8. Secuencia peridica
Una secuencia x(n) es peridica si x(n) = x(n + N ) n. El nmero entero ms
pequeo N que satisfaga la relacin anterior se le llama perodo fundamental.
Utilizaremos x(n)para denotar una secuencia peridica. Para generar P perodos
de x(n) a partir del perodo {x(n), 0 n N 1}, se puede copiar x(n) cada
P tiempos:
>> xtilde = [x, x, ... , x];
25
2. SEALES Y SISTEMAS
Observe que las ultimas dos lneas pueden combinarse en una para condensar la
codicacin [35].
Es puesta en practica por MATLAB mediante el operador aritmtico +. Sin embargo las longitudes de x1 (n) y x2 (n) deben ser igual. Si las secuencias son longitudes desiguales, o si las posiciones de la muestra son diferentes para las secuencias
de longitud iguales, entonces no podemos utilizar directamente al operador +. Se
tiene primero que aumentar x1 (n) y x2 (n) de modo que tengan el mismo vector
n (y por lo tanto la misma longitud) de la posicin. Esto requiere la atencin
cuidadosa a las operaciones de la indexacin de MATLAB. En particular, la operacin lgica de la interseccin &, las operaciones relacionadas como <= y ==
y la funcin f ind se requieren para hacer x1 (n) y x2 (n) de longitud igual. La
funcin siguiente, llamada sigadd demuestra estas operaciones.
26
2. Multiplicacin de seales: Esto es una muestra de una multiplicacin (o la multiplicacin "punto") dada por.
{x1 (n)}.{x1 (n)} = {x1 (n)x1 (n)}
27
2. SEALES Y SISTEMAS
Por lo tanto esta operacin no tiene ningn efecto en el vector x, pero el vector x
es cambiado por la adicin de k en cada elemento esto se demuestra en la funcin
sigshif t
5. Imagen espejo: En esta operacin que cada muestra de x(n) se reeja alrededor
x = 0 para obtener y(n) de la secuencia reejada.
y(n) = {x(n)}
28
n2
|x(n)|2
xn x(n) =
x =
% una aproximacin
% otra aproximacin
N 1
|x(n)|2
n=0
2. SEALES Y SISTEMAS
29
til. Por lo tanto, el procesamiento de seales tiende a ser aplicacin dependiente [35].
Para procesar seales anlogas por medios digitales es necesario convertirlas en formato
digital, esto es, transformarlas en secuencias de nmeros nitos. Este procedimiento
se denomina conversin anloga digital (A/D) y los dispositivos correspondientes son
conversiones A/D (ADC's). Conceptualmente la conversin anloga/digital se puede
ver como un proceso de tres pasos, como se muestran en la Figura 2.8.
1. Muestreo : Esta se reere a la conversin de la seal en tiempo continuo a una
seal en tiempo discreto mediante las muestras obtenidas de la seal continua en
instantes de tiempo discreto. As, xa (t) es la entrada al muestreador, la salida es
xa (nT ) x(n), donde T es el intervalo de muestreo.
2. Cuanticacin : Es la conversin de una seal en tiempo discreto con valores continuos a una seal en tiempo discreto con valores discretos (seal digital). El valor
de cada muestra de la seal se representa mediante un valor seleccionado de un
conjunto de valores posibles. La diferencia entre la muestra sin cuanticar x(n) y
la salida cuanticada xq (n) se denomina error de cuanticacin.
3. Codicacin : En el proceso de codicacin, cada valor discreto xq (n) se representa
mediante secuencia binaria de b bits.
30
segmentos de lnea recta. Utilizando tcnicas de orden superior se pueden obtener una
mejor interpolacin [28].
2. SEALES Y SISTEMAS
31
en el brillo. Esta puede considerarse como una matriz cuyos ndices de la y columna
identican un punto de la imagen y el valor correspondiente de la matriz indica el nivel
de gris de ese punto. Estos elementos de la distribucin digital se denominan elementos
de la imagen o tambin llamados pxeles o pels [10].
32
2. SEALES Y SISTEMAS
33
34
Figura 2.10 indica que la comunicacin entre las etapas del procesamiento se basa en
el conocimiento previo de cmo debe de ser el resultado [10].
2.9.2. Almacenamiento
Proporcionar la capacidad de almacenamiento suele ser un reto en el diseo de
sistemas de procesamiento digital de imgenes. En esta rea el almacenamiento digital
para aplicaciones de procesamiento digital de seales la se divide en tres categoras
principales:
2. SEALES Y SISTEMAS
35
1) Almacenamiento a corto plazo, para ser empleado durante el procesamiento. Entre los dispositivos que se pueden usar se encuentran memorias a corto plazo o
memorias temporales las cuales almacenan una o ms imgenes a las que se puede
acceder con rapidez pero estn limitadas por el tamao fsico de la tarjeta y su
capacidad de almacenamiento
2) Almacenamiento en lnea, para una reutilizacin relativamente rpida. Para este
tipo de almacenamiento se suelen usar discos magnticos o discos magneto-pticos
con capacidades de hasta 1 Gbyte.
3) Almacenamiento en archivo caracterizado por su acceso poco frecuente. Este tipo
de almacenamiento se caracteriza por ser de tipo masivo.
2.9.3. Procesamiento
Esta parte se reere al procesamiento como los procedimientos que normalmente
se expresan en forma de algoritmos, as como la adquisicin de imgenes y su representacin que pueden ser implementadas en software. En este caso el hardware solo nos
sirve para una mayor velocidad en algunas aplicaciones del procesamiento de imgenes.
El tratamiento de imgenes se caracteriza por brindar soluciones especcas.
2.9.4. Comunicacin
Este elemento implica, comunicaciones locales entre sistemas de procesamiento de
imgenes y comunicaciones entre dos puntos, es decir, comunicacin de los datos de
las imgenes. Para los cuales se emplean tcnicas de compresin y descompresin de
imgenes.
2.9.5. Presentacin
Para este elemento los monitores constituyen los principales dispositivos de presentacin que se utilizan en los sistemas modernos de procesamiento de imgenes. Los
monitores estn gobernados por las salidas de una placa de hardware ubicada en la computadora principal. Las seales de salida del mdulo de visualizacin pueden emplearse
como entrada de un mdulo de grabacin de imgenes que produzca una copia impresa
de lo que se presenta en la pantalla del monitor. Es decir diapositivas, transparencias
o fotografas [10]. En la Figura 2.11 se muestra los elementos funcionales bsicos de un
sistema de procesamiento digital de imgenes.
36
Captulo 3
ANLISIS FRECUENCIAL Y
TRANSFORMADAS DE FOURIER
3.1. Introduccin
La transformada de Fourier es una de las herramientas tiles en el diseo y anlisis de
sistemas lineales e invariantes en el tiempo. Estas representaciones implican bsicamente
su descomposicin en componentes sinusoidales (exponenciales complejas). Con esto se
dice que la seale esta representada en el dominio de la frecuencia.
La mayor parte de la seales de inters prctico se pueden descomponer en la suma
de componentes sinusoidales. Para las seales peridicas la descomposicin se denomina serie de Fourier, para las seales de energa nita la descomposicin se denomina
transformada de Fourier [28]. Del anlisis de Fourier se sabe que una funcin peridica
(secuencia) a veces puede ser representada por una combinacin lineal de exponenciales
complejas armnicamente relacionadas (las cuales son una forma de muestreo). Esto nos
da la representacin de series de Fourier discretas (DFS). Entonces se extiende la DFS
a secuencias de duracin nita, las cuales conducen a una nueva transformada llamada
transformada discreta de Fourier (DFT). La DFT evita los dos problemas mencionados
anteriormente y es una transformada numricamente computable que es adecuada para
implementacin en la computadora. Estudiamos sus propiedades y sus usos en detalle
en el anlisis de sistemas. El clculo numrico de la DFT para secuencias largas es prohibitivamente una perdida de tiempo. Por consiguiente se desarrolla un clculo eciente
de la DFT. Estas son llamadas algoritmos de transformadas rpidas de Fourier (FFT).
Se estudian estos dos ltimos algoritmos en detalle [35].
Comenzaremos nuestro anlisis frecuencial de seales con la representacin de seales
peridicas y aperidicas en tiempo continuo por medio de las series de Fourier y la transformada de Fourier. Despus se dar un tratamiento paralelo con seales peridicas y
aperidicas de seales en tiempo discreto.
37
38
ck ej2kF0 t
x(t) =
(3.1)
k=
k = 0, 1, 2, . . .}
como los bloques bsicos a partir de los cuales pueden construir seales peridicas
de diferentes tipos mediante la eleccin adecuada de frecuencias y de los coecientes
{ck }. F0 determina el periodo fundamental de x(t) y los coecientes {ck } especican
la forma de onda. Suponiendo que se tiene una seal peridica x(t), la cual podemos
representar mediante la serie de (3.1), denominada serie de Fourier, cuya frecuencia se
elige mediante el inverso del periodo. Para determinar la expresin de los coecientes
{ck }. Primero multiplicamos ambos lados de (3.1) por la exponencial compleja
ej2lF0 t
obtenindose Ck =
1
Tp
39
ck ej2kF0 t
(3.2)
k=
son iguales para todo valor de t. Las denominadas Condiciones de Dirichlet garantizan
que la serie en (3.2) sea igual a x(t), excepto en aquellos valores de t en los que x(t)
es discontinua. Estos valores de t convergen en el valor medio de la discontinuidad. Las
condiciones de Dirichlet para seales peridicas son:
1. La seal x(t) tiene un numero nito de discontinuidades en cualquier periodo.
2. La seal x(t) contiene un nmero nito de mximos y mnimos en cualquier
periodo.
3. La seal x(t) es absolutamente integrable en cualquier periodo, esto es,
|x(t)|dt <
(3.3)
Tp
Todas las seales peridicas de inters prctico satisfacen estas condiciones [28].
Px =
|x(t)|2 dt
(3.4)
ck ej2kF0 t
(3.5)
Tp
x(t) =
k=
1
=
Tp
c ej2kF0 (t) dt
k
x(t)
Tp
c
k
=
k=
k=
1
Tp
|ck |2
=
k=
x(t)ej2kF0 (t) dt
Tp
(3.6)
40
|ck |2
|x(t)| =
Tp
(3.7)
k=
La cual se denomina Relacin de Parseval para seales de potencia [28]. Las seales
que se obtienen forman un espectro formados por lneas equidistantes que son el inverso
de su periodo fundamental Tp como se muestran en la Figura 3.1, la cual muestra los
coecientes de Fourier de un tren de pulsos rectangulares con anchura de pulso ja y
periodo variable Tp .
De (3.7)se dice que la potencia de la seal se conserva al transformar la seal x(t)
al dominio de la frecuencia.
41
f (x)e2jux dx
(3.8)
1
F {F (u)} = f (x) =
F (u)e2jux du
(3.9)
La nica diferencia entre las transformaciones de Fourier directa e inversa es el signo del
exponente. El teorema integral de Fourier establece que la transformacin es reciproca,
y
F{f (x)} = F (u) F1 {F (u)} = f (x)
Las Funciones f (x) y F (u) se llaman par de transformadas de Fourier. Para cualquier
funcin f (x), la transformada de Fourier F (u) es nica, y viceversa [6]. La transformada
de Fourier de una funcin real es, por lo general, compleja; es decir:
F (u) = R(u) + jI(u)
(3.10)
Donde R(u) y I(u) son las partes real e imaginaria de F (u). A menudo es conveniente
expresar (3.8) en forma exponencial, es decir
F (u) = |F (u)|ej(u)
donde
(3.11)
(3.12)
y
(u) = tan1
I(u)
R(u)
(3.13)
(3.14)
42
Figura 3.2: Grcas de una secuencia peridica cuadrada para varios valores de L y N
y sus espectros de potencia.
43
f (x, y)ej2(ux+vy) dx dy
(3.16)
(3.15)
F (u, v)ej2(ux+vy) du dv
F (u, v) =
f (x, y) =
Donde f (x, y) es una imagen y F (u, v) es su espectro. F (u, v) es, en general, una funcin
de valores complejos de dos variables reales de frecuencia u y v [6].
Como en el caso de funciones unidimensionales, el espectro de Fourier, la fase y el
espectro de potencia son, respectivamente:
(3.17)
(3.18)
(3.19)
y
Como se observa en la Figura 3.3 de una funcin bidimensional y su espectro.
44
Figura 3.3: (a) Una funcin bidimensional (2-D), (b) Su espectro de Fourier y (c) Su
espectro representado en funcin de la intensidad.
La cual muestra una representacin de esta funcin en perspectiva multidimensional
y el espectro como una funcin de la intensidad, donde el brillo es proporcional a la
amplitud |F (u, v)|.
1
N
N 1
f (x)ej2ux/N
(3.20)
x=0
45
dada por:
1
f (x) =
N
N 1
F (u)ej2ux/N
(3.21)
x=0
La cual transforma una seal discreta f (n) en una funcin continua de valores
complejos F (ej ) de variable real llamada frecuencia digital, la cual es medida en
radianes [35].
En este caso se utilizan dos variables para la cual el par de transformada discreta
de Fourier son:
1
F (u, v) =
MN
M 1 N 1
(3.22)
x=0 y=0
para u = 0, 1, 2 . . . , M 1, v = 0, 1, 2 . . . , N 1 y
1
f (x, y) =
MN
M 1 N 1
(3.23)
u=0 v=0
para x = 0, 1, 2 . . . , M 1, y = 0, 1, 2 . . . , N 1.
Cuando las imgenes se muestrean con la distribucin cuadrada M = N y
1
F (u, v) =
N
N 1 N 1
f (x, y)e[j2(ux+vy)/N ]
(3.24)
F (u, v)e[j2(ux+vy)/N ]
(3.25)
x=0 y=0
para u, v = 0, 1, 2, . . . , N 1, y
1
f (x, y) =
N
N 1 N 1
u=0 v=0
Para x, y = 0, 1, 2, . . . , N 1. Puesto que F (u, v) y f (x, y) forman un par de transformadas de Fourier, agrupar esos trminos multiplicativos constantes es arbitrario. En
la prctica es comn que las imgenes se digitalicen en matrices cuadradas, por lo que
se tratara frecuentemente con el par de transformadas de Fourier dadas por (3.24) y
(3.25). La formulacin de (3.22) y (3.23) solo se empleara ocasionalmente, cuando se
desee acentuar la importancia de la generalidad del tamao de la imagen [10].
46
Periodicidad:
periodo 2 .
F (ej ) = F (ej|+2| )
Simetra:
o.
Re[F (ej )]
Im[F (ej )]
|F (ej )|
F (ej )
=
=
=
=
Re[F (ej )]
Im[F (ej )]
|F (ej )|
F (ej )
simetra par
simetra impar
simetra par
simetra impar
(3.27)
47
(3.28)
6. Conjugacin: La conjugacin en el dominio del tiempo corresponde al doblamiento y la conjugacin en el dominio de la frecuencia.
(3.29)
Entonces
F[fe (n)] = Re[F (ej )]
(3.31)
real y par. Por lo tanto una grca sobre [0, ] es necesario para su completa
representacin.
(3.32)
F[f2 (n)]
1
2
(3.33)
48
1
|f (n)| =
2
|F (ej )|2 d
f =
=
0
|F (ej )|2
d para secuencias reales usando
simetra par
(3.34)
|F (ej )|2
(3.35)
z ()d, 0 1 < 2
1
N 1
N 1
f (x, y)e[j2vy/N ]
e
x=0
(3.36)
F (u, v)e[j2vy/N ]
[j2ux/N ]
(3.37)
y=0
y
f (x, y) =
1
N
N 1
N 1
e[j2ux/N ]
u=0
y=0
49
(3.40)
F (u, v) = F (u, v)
o, mas interesante
(3.42)
donde F (u, v) es el complejo conjugado de F (u, v). La visualizacin del modulo
de la transformada de Fourier con nes interpretativos es a menudo interesante.
|F (u, v)| = |F (u, v)|
y = r sin
u = cos
v = sin
(3.43)
(3.45)
50
6. Convolucin y correlacin: Estas dos se consideran relaciones de la transformada de Fourier que constituyen la unin fundamental entre los dominios espaciales
y de frecuencias. Las cuales son de importancia fundamental para la comprensin
de las tcnicas de procesamiento digital de imgenes.
Convolucin: El teorema de convolucin en dos dimensiones se expresa por
la relaciones
f (x, y) g(x, y) F (u, v)G(u, v)
(3.46)
y
f (x, y)g(x, y) F (u, v) G(u, v)
(3.47)
M 1 N 1
f (x, y) g(x, y) =
f (m, n)g(x m, y n)
(3.48)
m=0 n=0
Correlacin: En el caso bidimensional sean f (x, y) y g(x, y) funciones discretas, su correlacin se dene como:
M 1 N 1
f (m, n)g(x + m, y + n)
f (x, y) g(x, y) =
(3.49)
m=0 n=0
Una de las principales aplicaciones de la correlacin en el procesado de imgenes es en el caso de formatos o ajuste de prototipos, donde el problema
consiste en hallar el mayor parecido entre una imagen desconocida y un
conjunto de imgenes conocidas.
7. Muestreo de funciones bidimensionales: El procedimiento de diseo para
estas funciones puede ser formulado matemticamente haciendo uso de la funcin
impulso bidimensional (x, y) denida como
(3.50)
y = y y0
51
F (k) =
0k N 1
(3.51)
n=0
52
Para N , o N 2 grandes en la prctica es inaceptable. Generalmente, el tiempo de procesamiento para una suma es menor que para una multiplicacin. As pues desde ahora
se concentrara en el nmero de multiplicaciones complejas, las cuales requieren de 4
multiplicaciones reales y 2 sumas reales.
La descomposicin apropiada de la ecuacin de la DFT puede hacer que el nmero de
multiplicaciones y sumas sea proporcional a N log2 N . El procedimiento de descomposicin se denomina Algoritmo de la transformada rpida de Fourier (FFT, del ingls Fast
Fourier Transform). La reduccin de N 2 a N log2 N operaciones muestra un considerable
ahorro en tiempo de clculo. Evidentemente, la aproximacin de la FFT proporciona
una apreciable ventaja de clculo sobre la resolucin directa de la transformada de
Fourier, especialmente cuando N es demasiado grande [10].
Captulo 4
WAVELETS U ONDOLETAS
4.1. Introduccin
La teora de wavelet provee un gran bastidor unicado para un nmero de tcnicas
las cuales han sido desarrolladas independientemente para varias aplicaciones de procesamientos de seales. Por ejemplo, procesamiento de seales de multiresolucin, usadas
en visin de computadoras; codicacin de sub-banda, desarrollada para la compresin
de imgenes y de voz; y la expansin de series de wavelet desarrolladas en aplicaciones
matemticas, han sido recientemente reconocidas como puntos diferentes de una misma
teora.
Por ello, la teora wavelet cubre un rea muy extensa. Que trata los casos de tiempo
continuo y tambin tiempo discreto. Provee de varias tcnicas generales que pueden
ser aplicadas a muchos problemas en procesamiento de seales, y por lo tanto tiene
numerosas aplicaciones potenciales.
En particular, la transformada wavelet es de inters para el anlisis de seales no
estacionarias, por que provee una alternativa a la clsica transformada de Fourier de
tiempo corto (STFT) de la transformada de Gabor. Las diferencias bsicas son las
siguientes. En contraste con la DTFT, las cuales usan un anlisis singular de ventanas,
la transformada de wavelet usan pequeas ventanas a bajas frecuencias. Esto es un
espritu de lo que llamamos constante Q o constante relativa del anlisis frecuencial del
ancho de banda. La transformada wavelet tambin se reere al anlisis en el tiempo de
la frecuencia basado en la distribucin Wigner-Ville. Para algunas aplicaciones se desea
ver a la trasformada de wavelet como una descomposicin de seales en un conjunto
de seales bsicas. Por ello, las funciones bsicas son llamadas wavelets. Se obtienen
de un prototipo singular de wavelets por dilataciones y contracciones (escalamientos)
as como corrimientos. El prototipo wavelet, (llamado wavelet madre) puede ser visto
como un ltro pasa bandas, y la propiedad de la constante Q de los otro ltros pasa
bandas (wavelets) recae por que son versiones escaladas del prototipo.
Por lo tanto, en la transformada wavelet, la notacin de la escala se introduce como una alternativa a la frecuencia inducindose a lo que se le llama representacin de
53
54
4. WAVELETS U ONDOLETAS
55
Wavelet Haar: El primer participante en la carrera de las wavelet fue un matemtico Hngaro llamado Alfred Haar, que introdujo en 1909 las funciones que actualmente se denominan "wavelets de Haar". Estas funciones consisten simplemente
en un breve impulso positivo seguido de un breve impulso negativo. Aunque los
impulsos breves de las wavelets de Haar son excelentes para la enseanza de la
teora de las wavelets, no resultan de tanta utilidad en la mayora de aplicaciones,
ya que producen lneas irregulares con picos en lugar de curvas suaves.
56
Figura 4.2: Grcos de varios tipos distintos de wavelets. (a) Wavelet de Daubechies,
(b) Wavelet de Haar, (c) Wavelet de Morlet, (d) Wavelet de Coiet y (e) Wavelet de
Symmlet.
calizados en el espacio, a los que denomin "wavelets de forma constante". Posteriormente, se conoceran como wavelets de Morlet. Independientemente de que los
componentes se dilaten, compriman o desplacen en el tiempo, mantienen la misma
forma. Se pueden construir otras familias de wavelets adoptando una forma diferente, denominada wavelet madre, y dilatndola, comprimindola o desplazndola
en el tiempo.
4. WAVELETS U ONDOLETAS
57
Otras Wavelets: Como las de Coiet y Symmlet son subclases de wavelets que
se distinguen por el nmero de coecientes y por el nmero de niveles de iteracin. Por ejemplo en la familia de wavelets de Coiet existen Coiets con dos
momentos de desvanecimiento y otras con tres momentos de desvanecimiento y
esta relacionada con el nmero de coecientes [14].
Las cuales se muestran en la Figura 4.2
58
f (x) =
dj (k)j,k (x)
j=j0
(4.1)
donde j0 es una escala de comienzo arbitraria y cj0 (k) son normalmente llamados aproximacin o coecientes de escala ; la dj (k) son referidos como detalle o coecientes wavelet.
59
4. WAVELETS U ONDOLETAS
Esto es porque la primera suma de (4.1) usan funciones de escala que proveen una aproximacin a f (x) en la escala j0 (a menos que f (x) Vj0 y que sea exacto). para cada
escala alta j j0 en la segunda suma, una funcin de resolucin na, una suma de
wavelets, se suma a la aproximacin para proveer un incremento en el detalle, si las
funciones de expansin forman una base ortonormal o una imagen estrecha, lo cual es
siempre el caso, se calculan los coecientes de expansin como
cj0 (k) = f (x), j0 ,k (x) =
f (x)j0 ,k (x)dx
(4.2)
f (x)j,k (x)dx
(4.3)
y
Si la funciones de expansin son parte de una base biortogonal, los terminos y
deben ser reemplazados por sus funciones duales, y , respectivamente [11].
f (x)s, (x)dx
W (s, ) =
(4.4)
x
s
(4.5)
donde
1
s, (x) =
s
Es un conjunto de funciones bsicas wavelet, {s, (x)}, puede ser generada trasladando y escalndola wavelet bsica, (x) y s y son llamados parmetros de escala y
traslacin, respectivamente. Dada W (s, ) se puede obtener la transformada continua
wavelet inversa
1
f (x) =
C
W (s, )
0
Para la cual
C =
s, (x)
d ds
s2
|(u)|2
du
|u|
(4.6)
(4.7)
60
Figura 4.4: Transformada wavelet continua (c y d) Espectro de Fourier (b) Una funcin
de una dimensin (a).
61
4. WAVELETS U ONDOLETAS
W (s, x , y ) =
(4.8)
1
C
donde
W (s, x , y )
0
1
s,x ,y (x, y) =
s
s,x ,y (x, y)
dx dy ds
s3
x x y y
,
s
s
(4.9)
(4.10)
f (x)j0 ,k (x)
(4.11)
f (x)j,k (x)
(4.12)
para j j0 y
1
f (x) =
M
1
W (j0 , k)j0 ,k (x) +
M
(4.13)
62
f (t)hi (x t)dt
(4.14)
gi (x) =
Entonces la reexin en la convolucin integral no tiene efecto, y las salidas de los ltros
pueden escribirse como
gi (x) =
(4.15)
Por lo tanto podemos ver a {gi (x)} como el conjunto de transformadas wavelet (de dos
dimensiones), donde {hi (x)} es el conjunto de wavelets.
63
4. WAVELETS U ONDOLETAS
i = 0, 1, . . . , N 1
smax SN =
1
2t
(4.17)
64
4.8. Aplicaciones
4.8. Aplicaciones
Quizs el mayor potencial de las wavelets ha sido reclamado en la compresin digital.
Puesto que las transformadas wavelet discretas son esencialmente sistemas de codicacin de subbanda y puesto que los codicadores de subbanda han sido exitosos en
la compresin de voz e imgenes, es claro que las wavelets encontraran inmediata aplicacin en sistemas de compresin [29]. Entre las aplicaciones ms comunes se encuentran
las siguientes:
Realce de imgenes: La DWT descompone una imagen en componentes de diferentes tamaos, posicin y orientacin. Como el ltrado digital en el dominio de
la frecuencia de Fourier, uno puede alterar la amplitud de los coecientes en el
dominio de la transformada wavelet para obtener la transformada inversa. Esto puede selectivamente acentuar los componentes interesantes a expensas de los
indeseables
Fusin de imgenes: La fusin de imgenes combinan dos o ms imgenes del
mismo objeto en una sola imagen que es ms fcil de interpretar que cualquiera de
las originales. Esta tcnica encuentra aplicaciones en interpretacin de imgenes
multiespectrales, as como imgenes mdicas, donde las imgenes de la misma
parte del cuerpo son obtenidas por diferentes modalidades de asimilacin [6].
Visin humana: En los pasados 1980 David Marr empez a trabajar en el laboratorio de inteligencia articial del MIT en visin articial para robots. Su teora
fue que el procesamiento de imgenes en el sistema visual humano tiene una complicada estructura jerrquica que involucra varias leyes de procesamiento. A cada
nivel de procesamiento, el sistema de la retina provee una representacin visual,
que escala progresivamente de manera geomtrica. Sus argumentos se enfocan en
la deteccin de cambios de intensidad. Su teora fue que los cambios de intensidad
ocurren a diferentes escalas en la imagen, por tanto su deteccin ptima requiere
el uso de operadores a diferentes escalas, este operador fue una wavelet que hoy
en da es llamada "wavelet de Marr"
Compresin de huellas digitales del FBI: Entre 1924 y hoy el FBI recolecto ms
de 30 millones de huellas digitales. En 1993 desarroll estndares para la digitalizacin y compresin, mediante la digitalizacin a una resolucin de 500 pxeles
por pulgada con 256 niveles de gris por pxel. Hasta ahora, la principal aplicacin
excepcional de las wavelets ha sido la compresin de imgenes digitales. Son el eje
central del nuevo estndar de imgenes digitales JPEG-2000 y del mtodo WSQ
(del ingls Wavelet Scalar Quantization, cuantizacin escalar wavelet) que utiliza
el FBI para comprimir su base de datos de huellas dactilares.Como se ve en la
Figura 4.6.
4. WAVELETS U ONDOLETAS
65
Figura 4.7: Wavelets para musica: Representacion grca del tono de quiebre de Wickerhouser.
Compresin de imgenes: La transformada wavelet discreta descompone una imagen en un conjunto de pequeas imgenes sucesivamente ortonormales. Ms
aun, mientras el histograma de nivel de grises de la imagen original puede ser de
cualquier forma, aquellos reejos de las transformadas wavelet son comnmente
unimodales y simtricas cerca de cero. Esto simplica el anlisis estadstico de las
propiedades de la seal. Como se ve en la Figura 4.8.
66
Figura 4.8: (a), (c) y (e) Resultados de la codicacin wavelet con una taza de compresin de 108 a 1; (b), (d) y (f) Resultados similares de una compresin de 167 a
1.
4. WAVELETS U ONDOLETAS
67
image processing.
Para su implementacin en un sistema real es conveniente realizar simulaciones
para comprobar que efectivamente el sistema funciona ecazmente, esto ahorra gastos
de tiempo y esfuerzo as como tambin en cuestiones econmicas, como se ha visto en
otras investigaciones. Como se vera en el prximo captulo.
Captulo 5
RESULTADOS DE SIMULACIONES
5.1. Introduccin
Una caracterstica importante, fundamental y signicativa en el diseo de sistemas
de procesamiento de imgenes es el nivel de prueba y experimentacin que normalmente
es requerida antes de llegar a una solucin. Esta caracterstica implica que la habilidad
para formular aproximaciones y prototipos rpidos candidatos a soluciones generales
juega un gran papel en reducir el costo y tiempo requerido para llegar a un sistema de
implementacin viable [12].
El procesamiento digital de seales es un rea caracterizada por la necesidad de un
extenso campo experimental para establecer la viabilidad de proponer soluciones a un
problema dado. En este captulo se ven los resultados de la teora que a lo largo de
este trabajo se ha expuesto mediante un software el cual esta diseado para proveer
soluciones a los problemas de procesamiento de imgenes, este software es MATLAB
desarrollado por la compaa "Mathworks.inc"[37].
70
5. RESULTADOS DE SIMULACIONES
71
type function_name
La segunda categora de herramientas es una coleccin de herramientas de interfase grca que ofrece un acceso a una funcionalidad extensa. Para acceder a estas
herramientas se escribe
wavemenu
72
Figura 5.2: Imagen a tratar del pndulo invertido tomada por el DSP.
Dentro del ambiente de MATLAB slo soporta los siguientes formatos de imagen:
73
5. RESULTADOS DE SIMULACIONES
Descripcin
Extensin reconozida
.tif .ti
.jpg .jpeg
.gif
.bmp
.png
.xwd
74
Figura 5.3: (a) Grca de la imagen en 3-D y (b) Grca de la imagen en 2-D.
MATLAB 5.2: Esta funcin ejecuta la transformada rpida wavelet multinivel de
dos dimensiones
function [c,s]=wavefast(x,n,varargin)
% WAVEFAST ejecuta la transformada rpida wavelet multinivel de dos
% dimensiones.
% [C,L]=WAVEFAST(X, N, LP, HP) Ejecuta la FWT de 2 niveles de
% una imagen (o matriz) X con respecto a la descomposicin de filtros
% LP y HP
%
% [C, L]=WAVEFAST(X, N, WNAME) ejecuta la misma operacin pero retoma
% los filtros LP y HP para wavelets WNAME usando WAVEFILTER
%
% El parmetro N de escala debe ser menor o igual a log2 de la mxima
% dimensin de la imagen. Los filtros LP y HP deben de ser par. Para
% reducir la distorsin de los bordes, X es simtricamente extendida.
% Que es, si X=[c1 c2 c3 ... cn] (en 1D), entonces su extensin
% simtrica debe ser [... c3 c2 c1 c1 c2 c3... cn cn cn-1 cn-2...].
%
% SALIDAS:
% La matriz c es un vector de coeficientes de descomposicin:
%
% c=[a(n) h(n) v(n) d(n) h(n-1) ... v(1) d(1)]
%
% Donde a, h, v, y d son vectores columnas que contienen matrices de
% coeficientes de aproximacin horizontal, vertical y diagonal,
% respectivamente. C tiene 3n + 1 secciones donde n es el nmero de
% descomposiciones wavelet.
5. RESULTADOS DE SIMULACIONES
%
% La matriz S es una (n+2) x 2 matriz de contabilidad:
%
% S=[sa(n,:); sd(n,:); sd(-n,:);...; sd(1,:); sx]
%
% Donde sa y sd son aproximaciones y detalles de tamao de la entrada
% de datos
%
% Compruebe los argumentos de entrada por sentido comn
error(nargchk(3,4,nargin));
if nargin == 3
if ischar(varargin{1})
[lp, hp]=wavefilter(varargin{1},'d');
else
error('Nombre de la Wavelet faltante.');
end
else
lp=varargin{1};
hp=varargin{2};
end
fl=length(lp);
sx=size(x);
75
76
La siguiente rutina de prueba usa funciones tic y toc para comparar el tiempo de
ejecucin de la funcin wavedec2 y nuestra funcin wavefast.
MATLAB 5.3: Esta funcin compara wavedec2 y wavefast.
function [ratio, maxdiff]=fwtcompare(f,n,wname)
% FWTCOMPARE Compara wavedec2 y wavefast
% [RATIO, MAXDIFF]=FWTCOMPARE(F,N,WNAME) compara la operacin de la
% herramienta wavedec2 y el uso de la funcin wavefast
%
% ENTRADAS:
% F:
Imagen a ser transformada.
% N:
Numero de escalas a calcular.
% WNAME:
Wavelet a usar.
%
% SALIDAS
% RATIO:
Ejecucin de la taza de tiempo (funcin hecha/de las
% herraminetas).
% MAXDIFF: Mxima diferencia de coeficientes.
%
% Obtiene la transformada y calcula el tiempo de wavedec2.
tic; [c1, s1]=wavedec2(f, n, wname); reftime=toc;
% Obtiene la transformada y calcula el tiempo de wavefast.
tic; [c2, s2]=wavefast(f, n, wname); t2=toc;
% Compara los resultados
ratio=t2/(reftime+eps); maxdiff=abs(max(c1-c2));
Por lo que para la imagen de la Figura 5.2 y una wavelet de quinta escala con
respecto a una wavelet de Daubechies de 4to orden, la funcin denota que
5. RESULTADOS DE SIMULACIONES
77
>> load f
>> [ratio, maxdiff]=fwtcompare(F, 5, 'db4')
ratio =
0.0212
maxdiff =
1.0214e-014
78
error(nargchk(4, 6, nargin));
if (ndims(c) ~=2) | (size(c, 1) ~=1)
error('C debe ser un vector fila.');
end
if (ndims(s) ~=2) | ~isreal(s) | ~isnumeric(s) | (size(s, 2) ~=2)
error('S debe ser real, un arreglo numrico de dos columnas.');
end
elements=prod(s, 2);
5. RESULTADOS DE SIMULACIONES
end
79
case 'paste'
if prod(size(x)) ~= elements(end-ntst)
error('X no esta dimensionado para el pegado que se
requiere.');
else
nc=c;
nc(start:stop)=x(:);
varargout={nc};
end
otherwise
error('OPCODE irreconocible.');
Las siguientes tres funciones wavecut, wavecopy y wavepaste usan la funcin anterior para manipular C (que es la matriz de coecientes de descomposicin) usando
una sintaxis ms intuitiva.
wavecut
MATLAB 5.5: Esta funcin pone a cero los coecientes en una estructura de
descomposicin wavelet.
function [nc, y]=wavecut(type, c, s, n)
% WAVECUT pone a cero los coeficientes en una estructura de descompo% sicin wavelet.
% [NC, Y]=WAVECUT(TYPE, C, S, N) Regresa una nuevo vector de desompo% sicin el cual detalla o aproxima los coeficientes (basados en TYPE
% y N.) han sido puestos a cero. los coeficientes que fueron puestos
% a cero son regresados en Y.
%
% ENTRADAS:
% TYPE
Categoras de coeficientes.
% -------------------------------------------------------------------% 'a'
Coeficientes aproximados.
% 'h'
Detalles horizontales.
% 'v'
Detalles verticales.
% 'd'
Detalles diagonales.
% [C,S]
Es la estructura de datos.
% N especifica el nivel de descomposicin (Ignorado se TYPE='a').
%
error(nargchk(3, 4, nargin)); if nargin == 4
[nc, y]=wavework('cut', type, c, s, n);
else
[nc, y]=wavework('cut', type, c, s);
end
80
MATLAB 5.6: Esta funcin retoma los coecientes de la estructura de descomposicin de la wavelet.
function y=wavecopy(type, c, s, n)
% WAVECOPY retoma los coeficientes de la estructura de descomposicin
% de la wavelet.
% Y=WAVECOPY(TYPE, C, S, N) Regresa el arreglo de coeficientes
% (basados en TYPE y N.)
%
% ENTRADAS:
% TYPE
Categoras de coeficientes.
% -------------------------------------------------------------------% 'a'
Coeficientes aproximados.
% 'h'
Detalles horizontales.
% 'v'
Detalles verticales.
% 'd'
Detalles diagonales.
% [C,S]
Es la estructura de datos.
% N especifica el nivel de descomposicin (Ignorado se TYPE='a').
%
error(nargchk(3, 4, nargin)); if nargin == 4
y=wavework('copy', type, c, s, n);
else
y=wavework('copy', type, c, s);
end
wavepaste
MATLAB 5.7: Esta funcin pone los coecientes en una estructura de descomposicin wavelet.
function nc=wavepaste(type, c, s, n, x)
% WAVEPASTE pone los coeficientes en una estructura de descomposicin
% wavelet.
% NC=WAVEPASTE(TYPE, C, S, N, X) Regresa una nueva estructura de
% descomposicin despus de pegar X dentro de su fundamento en TYPE y N
%
% ENTRADAS:
% TYPE
Categoras de coeficientes.
% -------------------------------------------------------------------% 'a'
Coeficientes aproximados.
% 'h'
Detalles horizontales.
% 'v'
Detalles verticales.
% 'd'
Detalles diagonales.
% [C,S]
Es la estructura de datos.
% N especifica el nivel de descomposicin (Ignorado se TYPE='a').
% X es el aproximado de dos dimensiones o detalles de la matriz de
% coeficientes cuyas dimensiones son apropiadas para descomposicin de
% nivel N
%
error(nargchk(5, 5, nargin)); nc=wavework('paste',type,c,s,n,x);
5. RESULTADOS DE SIMULACIONES
81
La funcin wave2gray crea una subimagen y escala los coecientes para revelar
mejores diferencias e insertar los bordes para delinear la aproximacin y varios detalles
de las matrices vertical, horizontal y diagonal.
MATLAB 5.8: Esta funcin muestra los coecientes de descomposicin Wavelet.
function w=wave2gray(c, s, scale, border)
% WAVE2GRAY Muestra los coeficientes de descomposicin wavelet.
% W=WAVE2GRAY=(C, S, SCALE, BORDER) Muestra y regresa los coeficientes
% wavelet de la imagen.
%
% EJEMPLOS:
% wave2gray(c, s);
Despliega w/default.
% foo=wave2gray(c, s);
Despliega y regresa.
% foo=wave2gray(c, s, 4);
Amplifica los detalles.
% foo=wave2gray(c, s, -4);
Amplifica los valores absolutos.
% foo=wave2gray(c, s, 1, 'append'); Mantiene el valor de los bordes.
%
% ENTRADAS/SALIDAS:
% [C, S] es el vector de descomposicin wavelet y la matriz de
% contabilidad.
%
% ESCALA
Define los coeficientes de escala.
% -------------------------------------------------------------------% 0 o 1
Mximo rango (Por defecto.)
% 2, 3 ...
Amplifica los defaults por el factor de escala.
% -1, -2, ... Amplifica los valores absolutos por abs(scale).
%
% BORDES
Limita entre las descomposiciones wavelet.
% --------------------------------------------------------------------% 'absorb'
Los bordes reemplazan a la imagen (Por defecto).
% 'append'
Los bordes se incrementan con la anchura de la imagen.
%
% Imagen W:
------- ------ -------------- ------------------%
|
|
|
|
%
| a(n) | h(n) |
|
%
|
|
|
|
%
------- -----h(n-1)
|
%
|
|
|
|
%
| v(n) | d(n) |
|
h(n-2)
%
|
|
|
|
%
------- ------ -------------%
|
|
|
%
| v(n-1)
|
d(n-1)
|
%
|
|
|
%
------- ------ -------------- ------------------%
|
|
%
|
v(n-2)
|
d(n-2)
%
|
|
%
% Aqu n denota el escaln de la descomposicin escala, y h, v, d son
% aproximaciones de detalles de los coeficientes diagonal, horizontal
% y vertical respectivamente.
% Comprueba los argumentos de entrada por lgica.
82
error(nargchk(2, 4, nargin));
if (ndims(c) ~=2) | (size(c, 1) ~=1)
error('C debe ser un vector fila');
end
if (ndims(s) ~=2) | ~isreal(s) | ~isnumeric(s) | (size(s, 2) ~=2)
error('S debe ser real un arreglo numrico de dos columnas');
end
elements=prod(s, 2); if (length(c) < elements(end)) |
~(elements(1) + 3 * sum(elements(2:end-1)) >= elements(end))
error('[C S] debe ser una estructura de descomposicin wavelet
estandar.');
end
if (nargin > 2) & (~isreal(scale) | ~isnumeric(scale))
error('SCALE debe ser un valor real, escalar numrico');
end
if (nargin > 3) & (~ischar(border))
error('BORDER debe ser un caracter de cadena.');
end
if nargin == 2
scale=1;
% Escala por defecto.
end if nargin < 4
border='absorb';
% Borde por defecto.
end
% Coeficientes de escala y determina el relleno.
absflag= scale < 0; scale=abs(scale);
if scale == 0
scale=1;
end
[cd, w]=wavecut('a',c,s); w=mat2gray(w);
cdx=max(abs(cd(:)))/scale; if absflag
cd=mat2gray(abs(cd), [0, cdx]);
fill=0;
else
cd=mat2gray(cd, [-cdx, cdx]);
fill=0.5;
end
% Construye una imagen gris en una descomposicin al mismo tiempo.
for i=size(s, 1) - 2:-1:1
ws=size(w);
h=wavecopy('h',cd,s,i);
pad=ws-size(h);
frontporch=round(pad/2);
h=padarray(h,frontporch,fill,'pre');
h=padarray(h,pad - frontporch,fill,'post');
v=wavecopy('v',cd,s,i);
pad=ws-size(v);
frontporch=round(pad/2);
v=padarray(v,frontporch,fill,'pre');
v=padarray(v,pad - frontporch,fill,'post');
d=wavecopy('d',cd,s,i);
pad=ws-size(d);
frontporch=round(pad/2);
d=padarray(d,frontporch,fill,'pre');
d=padarray(d,pad - frontporch,fill,'post');
83
5. RESULTADOS DE SIMULACIONES
de borde.
1], 1, 'post');
0], 1, 'post');
1], 1, 'post');
w(end, :)=1;
v(:, end)=1;
otherwise
error('Parmetro BORDER irreconocible.');
end
end
w=[w h; v d];
if nargout == 0
imshow(w);
end
% Coeficientes concatenados.
% Despliega el resultado.
>>
>>
>>
>>
>>
load f
[c, s]=wavefast(F, 2, 'db4');
wave2gray(c, s);
figure; wave2gray(c, s, 8);
figure; wave2gray(c, s, -8);
84
5. RESULTADOS DE SIMULACIONES
85
86
end
case 4
if ischar(wname)
[lp, hp]=wavefilter(wname, 'r');
n=varargin{2};
nchk=1;
else
lp=varargin{1};
hp=varargin{2};
filterchk=1;
n=nmax;
if nargout ~=1
error('Nmero incorrecto de argumentos de salida.');
end
end
case 5
lp=varargin{1};
hp=varargin{2};
filterchk=1;
n=varargin{3};
nchk=1;
otherwise
error('Numero improcedente de argumentos de entrada.');
fl=length(lp); if filterchk
if (ndims(lp)~=2) | ~isreal(lp) | ~isnumeric(lp) | (ndims(hp)~=2) |
~isreal(hp) | ~isnumeric(hp) | (fl~=lentgh(hp)) | rem(fl, 2)~=0
error('LP y HP deben ser pares y vectores de filtros numricos
de igual longitud.');
end
end
if nchk & (~isnumeric(n) | ~isreal(n))
error('N debe ser un numero real.');
end
% Comprueba la escala de N.
5. RESULTADOS DE SIMULACIONES
87
Para probar esta funcin se aplica una transformada de cinco escalas con respecto
a una wavelet de Daubechies de 4to orden por lo que entonces se tiene,
>> load f
>> [ratio, maxdiff]=ifwtcompare(F, 5, 'db4')
ratio =
0.8140
maxdiff =
1.1102e-015
88
Con las dos funciones anteriores se demuestra la sensitividad direccional de la transformada wavelet de dos dimensiones y su utilidad en la deteccin de bordes.
>>
>>
>>
>>
>>
>>
>>
>>
load f
imshow (F)
[c, s]=wavefast(F, 1, 'sym4');
figure; wave2gray(c, s, -6);
[nc, y]=wavecut('a', c, s);
figure; wave2gray(nc, s, -6);
edges=abs(waveback(nc, s, 'sym4'));
figure; imshow(mat2gray(edges));
Figura 5.5: Wavelets en deteccin de bordes. (a) Una vista simple de la Figura 5.2, (b)
Su transformada wavelet, (c) La transformada modicada poniendo a cero todos los
coecientes de aproximacin y (d) Imagen de bordes resultante de calcular los valores
absolutos de la transformada inversa.
5. RESULTADOS DE SIMULACIONES
89
load f
[c, s]=wavefast(F, 4, 'sym4');
wave2gray(c,s,20);
[c, g8]=wavezero(c,s,1,'sym4');
[c, g8]=wavezero(c,s,2,'sym4');
[c, g8]=wavezero(c,s,3,'sym4');
[c, g8]=wavezero(c,s,4,'sym4');
90
Figura 5.6: Wavelet basado en alisado de imagen. (a) Imagen original, (b) Su transformada wavelet, (c) Transformada inversa despus de poner a cero los primeros niveles
de los coecientes de detalle; (d), (e) y (f) Resultados similares despus de poner a cero
los segundos, terceros y hasta cuartos niveles de los coecientes de detalle.
5. RESULTADOS DE SIMULACIONES
91
92
5. RESULTADOS DE SIMULACIONES
93
94
5. RESULTADOS DE SIMULACIONES
95
96
5.4. Comentarios
5.4. Comentarios
La simulacin es una parte muy importante en el desarrollo de un proyecto de
procesamiento digital de seales e imgenes, puesto que permite observar el comportamiento de los algoritmos numricos antes de ser implantados en tiempo real. Esto con
la nalidad de ahorrar tiempo (hombre y maquina) y costos.
Pero aunque en la simulacin se puede observar todo esto, la parte mas importante
en un trabajo de investigacin es la aplicacin de los conocimientos y experiencias dentro
del equipo de laboratorio y llevar acabo las pruebas que corroboren las simulaciones,
esto es lo que se muestra en el siguiente captulo.
Captulo 6
RESULTADOS DE LABORATORIO
6.1. Introduccin
Las wavelets han sido desarrolladas para analizar los componentes de frecuencia de
una seal de acuerdo con la escala. Estas proveen ms informacin que la transformada
de Fourier para seales que tienen discontinuidades o picos [39].
Una de las aplicaciones ms comunes, es la deteccin de bordes, extraccin del ruido,
descomposicin y reconstruccin. Para mostrar estas aplicaciones usaremos las libreras
IMGLIB e IDK de un procesador digital de seales (DSP) TMS320C6000, que provee
Texas Instruments. El cdigo se implementa en el TMS320C6000 [39].
98
6. RESULTADOS DE LABORATORIO
99
100
6. RESULTADOS DE LABORATORIO
101
Figura 6.6: Tres estructuras de descomposicin de una imagen: (a) Pirmide, (b) Sapcl
y (c) Paquete wavelet.
Figura 6.7: Imagen a tratar del pndulo invertido tomada por una cmara conectada a
el DSP
102
Figura 6.8: (a) Imagen usada en la aplicacin de deteccin de bordes y (b) Deteccin
de bordes 2-D de un nivel.
164,
164,
160,
157,
156,
159,
165,
167,
169,
170,
173,
174,
176,
178,
180,
164,
164,
160,
158,
156,
160,
165,
167,
170,
170,
173,
174,
176,
178,
180,
165,
163,
159,
157,
157,
161,
165,
167,
169,
171,
173,
173,
176,
178,
181,
165,
163,
159,
156,
157,
161,
165,
167,
170,
171,
173,
173,
176,
178,
181,
164,
162,
158,
155,
158,
162,
165,
167,
170,
172,
173,
172,
176,
178,
180,
164,
162,
158,
154,
158,
163,
165,
167,
169,
172,
173,
171,
176,
178,
180,
163,
162,
158,
153,
158,
163,
165,
167,
169,
172,
173,
171,
176,
178,
179,
163,
162,
159,
151,
158,
161,
164,
168,
176,
171,
174,
178,
177,
179,
181,
163,
162,
159,
151,
158,
161,
164,
168,
169,
172,
174,
177,
178,
179,
181,
163,
162,
159,
151,
158,
161,
165,
168,
161,
172,
174,
175,
178,
179,
181,
163,
161,
158,
152,
159,
162,
166,
168,
164,
173,
174,
174,
178,
179,
181,
163,
161,
158,
152,
159,
162,
166,
168,
169,
173,
174,
173,
178,
179,
181,
163,
160,
157,
153,
160,
163,
167,
168,
173,
172,
174,
174,
177,
179,
181,
163,
160,
157,
153,
160,
163,
168,
168,
171,
172,
174,
174,
176,
179,
181,
163,
160,
157,
153,
160,
163,
168,
168,
169,
171,
174,
175,
175,
179,
181,
103
6. RESULTADOS DE LABORATORIO
180, 181, 183, 184, 184, 183, 181, 180, 182, 182, 182, 182, 182, 182, 182, 182},
{163,
164,
160,
157,
156,
159,
165,
167,
169,
171,
173,
174,
176,
178,
179,
181,
.
.
.
{163,
16,
26,
12,
17,
21,
27,
100,
145,
141,
149,
150,
151,
149,
151,
151,
164,
164,
160,
157,
156,
159,
165,
167,
169,
170,
173,
174,
176,
178,
180,
182,
164,
164,
160,
158,
156,
160,
165,
167,
170,
170,
173,
174,
176,
178,
180,
182,
165,
163,
159,
157,
157,
161,
165,
167,
169,
171,
173,
174,
176,
178,
181,
183,
165,
163,
159,
156,
157,
161,
165,
167,
170,
171,
173,
173,
176,
178,
181,
183,
164,
162,
159,
155,
158,
162,
165,
167,
170,
172,
173,
173,
176,
178,
180,
182,
164,
162,
158,
154,
158,
163,
165,
167,
169,
172,
173,
173,
176,
178,
180,
182,
16,
16,
16,
10,
18,
21,
28,
101,
144,
141,
149,
151,
151,
149,
152,
151,
15,
15,
10,
12,
18,
22,
31,
106,
145,
142,
149,
151,
151,
149,
152,
151,
13,
15,
12,
13,
19,
21,
34,
111,
146,
143,
150,
152,
151,
150,
152,
151,
15,
15,
15,
14,
20,
19,
39,
116,
147,
143,
150,
152,
151,
150,
152,
151,
16,
14,
13,
11,
21,
17,
44,
120,
147,
144,
151,
151,
151,
151,
152,
151,
17,
14,
10,
13,
21,
17,
48,
123,
147,
145,
151,
151,
151,
151,
152,
151,
{163,
16,
38,
15,
17,
13,
20,
17,
16,
24,
8,
17,
16,
19,
15,
15,
13,
9,
17,
18,
18,
15,
15,
13,
16,
16,
18,
18,
15,
15,
16,
20,
15,
17,
18,
16,
13,
14,
15,
15,
17,
19,
163,
162,
158,
153,
158,
163,
165,
167,
169,
172,
173,
173,
176,
178,
179,
181,
.
.
.
18,
14,
8,
16,
22,
17,
50,
125,
146,
145,
151,
150,
151,
151,
152,
151,
17, 18,
14, 14,
8, 4,
14, 16,
14, 14,
18, 19,
20, 20,
163,
162,
159,
151,
158,
161,
164,
168,
167,
171,
174,
178,
177,
179,
181,
182,
163,
162,
159,
151,
158,
161,
164,
168,
166,
172,
174,
177,
178,
179,
181,
182,
163,
162,
159,
152,
158,
161,
165,
168,
166,
172,
174,
175,
178,
179,
181,
182,
163,
161,
158,
152,
159,
162,
166,
168,
171,
173,
174,
174,
178,
179,
181,
182,
163,
161,
158,
152,
159,
162,
166,
168,
173,
173,
174,
173,
178,
179,
181,
182,
163,
160,
157,
153,
160,
163,
167,
168,
173,
172,
174,
174,
177,
179,
181,
182,
17,
14,
9,
13,
16,
15,
64,
132,
144,
146,
151,
151,
151,
151,
151,
151,
14,
15,
10,
15,
17,
16,
67,
133,
144,
147,
151,
151,
151,
151,
151,
151,
35,
19,
10,
17,
18,
17,
72,
136,
144,
147,
151,
151,
151,
151,
151,
151,
56,
19,
11,
20,
20,
18,
77,
138,
143,
148,
151,
151,
151,
151,
151,
151,
64,
13,
12,
20,
21,
20,
81,
142,
143,
148,
151,
151,
151,
151,
151,
151,
31,
84,
13,
20,
23,
22,
86,
145,
142,
148,
151,
151,
151,
151,
151,
151,
12, 15,
20, 22,
10, 10,
15, 16,
17, 17,
21, 19,
22, 25,
20,
15,
11,
18,
16,
17,
29,
43,
20,
12,
19,
16,
17,
32,
83,
14,
13,
18,
16,
19,
34,
163,
160,
157,
153,
160,
163,
168,
168,
172,
172,
174,
175,
176,
179,
181,
182,
163,
160,
157,
153,
160,
163,
168,
168,
171,
171,
174,
175,
175,
179,
181,
182},
.
.
.
12, 15,
122, 78,
14, 13,
19, 18,
24, 26,
24, 27,
91, 95,
147, 147,
142, 142,
149, 148,
151, 151,
151, 151,
151, 151,
151, 150,
151, 151,
151, 151},
104
57,
133,
141,
149,
151,
151,
149,
152,
151,
62,
135,
142,
149,
151,
151,
149,
152,
151,
70,
137,
143,
150,
152,
151,
150,
152,
151,
78,
139,
143,
150,
152,
151,
150,
152,
151,
84,
140,
144,
151,
151,
151,
151,
152,
151,
90,
141,
145,
151,
151,
151,
151,
152,
151,
92,
141,
145,
151,
150,
151,
151,
152,
151,
100,
144,
146,
151,
151,
151,
151,
151,
151,
101,
144,
147,
151,
151,
151,
151,
151,
151,
104,
144,
147,
151,
151,
151,
151,
151,
151,
109,
143,
148,
151,
151,
151,
151,
151,
151,
114,
143,
148,
151,
151,
151,
151,
151,
151,
119,
142,
148,
151,
151,
151,
151,
151,
151,
123,
142,
149,
151,
151,
151,
151,
151,
151,
124,
142,
148,
151,
151,
151,
150,
151,
151},
6. RESULTADOS DE LABORATORIO
105
// Edge Detection
//=====================================================
for( i = 0; i < HEIGHT; i++ )
for( j = 0; j < WIDTH; j++ )
image[i][j] = 255;
for( i = (HEIGHT>>1)-1; i <=(HEIGHT>>1)+1; i++ )
for( j = 0; j < WIDTH; j++ )
image[i][j] = 50;
for( j = (WIDTH>>1)-1; j <=(WIDTH>>1)+1; j++ )
for( i = 0; i < HEIGHT; i++ )
image[i][j] = 50;
IMG_wave_decom_two_dim( image, temp_wksp, WIDTH, HEIGHT, db4, 2 );
//-----------------------------------------------------
Figura 6.9: Imagen obtenida del procesador digital de seales para una sola imagen.
106
6. RESULTADOS DE LABORATORIO
107
108
6. RESULTADOS DE LABORATORIO
109
110
6.8. Comentarios
DAT_Open( 0, DAT_PRI_LOW, 0 );
wavelet_codec( &in_image_ev, &in_image_od, &out_image,
&scratch_pad, &wave_params, FLDS);
DAT_Close( 0, DAT_PRI_LOW, 0);
return(1);
}
Figura 6.10: Imagen obtenida del procesador digital de seales para una imagen en
tiempo real.
6.8. Comentarios
En este captulo se observo que las simulaciones que se llevaron acabo en el captulo
anterior representaron una gran ayuda al llevarlas a la prctica puesto que permiti el
desarrollo de mejores programas que al ser ejecutados bajo un procesador digital de
seales y una tarjeta equipo de desarrollo de imgenes (IDK) conectadas a una cmara
se obtuviera una mas detallada deteccin de rasgos, y obtencin de patrones.
Captulo 7
CONCLUSIONES
Mediante este trabajo de investigacin se dio una breve introduccin a los sistemas
de procesamiento digital de seales e imgenes, en cuanto a su historia, caractersticas,
procesos que se llevan acabo dentro del hardware especicado y conceptos bsicos, los
cuales se usan a lo largo de este documento.
Dando una breve pero concisa explicacin del anlisis de Fourier, para denotar
sus funcionamiento vemos que el anlisis de Fourier por sus muchas caractersticas y
propiedades es una herramienta importante para el procesamiento de seales e imgenes. Para muchas seales, el anlisis de Fourier es extremadamente til porque las
seales contienen frecuencia de alta importancia. Pero el anlisis de Fourier tiene un
inconveniente. Al transformar al dominio de la frecuencia, la informacin del tiempo
se pierde. Cuando se busca la transformada de Fourier de una seal, es imposible decir cuando un evento en particular esta ocurriendo. Si las propiedades de la seal no
varan mucho con el tiempo esto es, si la seal es no estacionaria, este inconveniente
no es muy importante. Sin embargo, seales ms interesantes contienen caractersticas
no estacionarias transitorias: sentidos, tendencias, cambios abruptos, y comienzos de
nes de eventos. Estas caractersticas a menudo son las partes ms importantes de las
seales, y el anlisis de Fourier no es suciente para detectarlos.
Para corregir todos estos inconvenientes en el anlisis de Fourier se utiliza la tcnica
wavelet, la cual puede determinar cuando un evento en particular esta ocurriendo.
Puesto que el anlisis wavelet corrige las deciencias del anlisis de Fourier, y que
por su gran multiresolucin provee un anlisis ms no. Siendo de gran ayuda para el
procesamiento de imgenes.
Aunque existen diversas transformadas dentro del anlisis, para el uso de seales
digitales se emplea la transformada wavelet discreta y la transformada wavelet rpida
las cuales son capaces de utilizar seales analgicas para representarlas en su forma
digital.
La tcnica de wavelets o tambin conocida como tcnica de ondoletas, en la que
la descomposicin wavelet de una imagen, se realiza la por la y despus columna
por columna. Con esto se detectan los valores cambiantes dentro de la matriz de la
111
112
imagen y con ello la deteccin de bordes mediante la ubicacin de valores que cambian
bruscamente dentro de una escala de grises aplicada a la matriz de sta. Con ello se logra
un reconocimiento de patrones mediante la deteccin de bordes. El resultado obtenido
se muestra en pantalla mediante sus coecientes vertical, horizontal y diagonal.
Se hace la adquisicin de imgenes y su procesamiento mediante procesador digital
de seales (DSP) de la serie TMS320C6711 junto con una tarjeta de procesamiento
digital de imgenes IDK (Imaging Development Kit). Las imgenes tomadas son de
un sistema pndulo invertido que se encuentra bajo control. Todo esto se hace con la
nalidad de obtener datos que ayuden en la implementacin de controles que hacen uso
de una cmara de visin como sensor (este tema esta fuera del alcance de este trabajo).
Por lo que de este trabajo de investigacin se concluye que el procesamiento digital
de imgenes mediante la tcnica wavelet representa una gran ventaja con respecto al
procesamiento con anlisis de Fourier, adems que las wavelets tienen una gran aplicacin en diversas reas: procesamiento de seales, procesamiento digital de imgenes,
control, entre otras. Por ello, la tcnica wavelet cubre un rea muy extensa. Que trata los casos de tiempo continuo y tambin tiempo discreto. Provee de varias tcnicas
generales que pueden ser aplicadas a muchos problemas en procesamiento de seales, y
por lo tanto tiene numerosas aplicaciones potenciales.
Apndice A
ESPECIFICACIONES TCNICAS
DEL DSP TMS320C6000
Las familias de dispositivos TMS320C62x / TMS320C67x, ejecutan un mximo de
8 instrucciones, de 32 bits, por ciclo. El CPU contiene 32 registros de propsito general,
de 32 bits y 8 unidades funcionales. Estos dispositivos tienen un conjunto completo de
herramientas de desarrollo y optimizacin, que incluyen un compilador C eciente, un
optimizador de ensamble para simplicar la planicacin y programacin del lenguaje
ensamblador, y un depurador con interfase grca, basada en Windows, para visualizar
las caractersticas de ejecucin en el cdigo fuente.
Adems, contiene una tarjeta de emulacin de hardware compatible con la interfase
del emulador TI XDS510. Estas herramientas cumplen con los estndares 1149.11990,
revisin de acceso a puerto y arquitectura de vericacin de lmites, de la IEEE.
Las caractersticas de los dispositivos C62x / C67x, incluyen:
1. Un CPU avanzado VLIW (very long instruction word) con 8 unidades funcionales,
que incluyen 2 multiplicadores y 6 ALU's (unidades lgico aritmticas).
a ) Ejecuta un mximo de 8 instrucciones por ciclo, diez veces ms que los DSP's
tpicos.
b ) Permite rpido tiempo de desarrollo en diseos con cdigo RISC altamente
efectivos.
2. Empaquetado de instruccin.
114
115
116
62X/C67X
117
pueden ser usados para manejar datos o punteros de direccionamiento de estos. Los
registros A1, A2, B0, B1 y B2 pueden ser utilizados como registros de condicin. Los
registros 4-A7 y B4-B7 pueden ser usados para el direccionamiento circular.
Los archivos de registros de propsito general soportan datos de 32 y 40 bits de punto jo. Los datos de 32 bits, pueden estar contenidos en cualquier registro de propsito
general. Los datos de 40 bits estn contenidos en dos registros; los 32 bits menos signicativos del dato (LSB) son colocados en un registro par y los restantes ocho bits ms
signicativos (MSB) son colocados en los ocho bits menos signicativos del registro
prximo superior (que es siempre un registro impar). El 'C67x tambin usa ese par de
registros para colocar valores de punto otante de doble precisin de 64 bits.
118
Unidad Funcional
Unidad .L(.L1, .L2)
62X/C67X
Operaciones de multiplicacin
de 32x32 bits. Operaciones
de multiplicacin de punto
otante.
Sumas, restas y clculos de di- Lectura de palabras dobles
reccionamiento circular de 32 con oset constante de 5 bits.
bits. Carga y almacenamiento con oset constante de 5
bits. Carga y almacenamiento con oset constante de 15
bits. (solo .D2)
119
Abreviatura Nombre
Descripcin
AMR
Registro de modo de direc- Especica si utiliza direccionamiento.
cionamiento lineal o circular
para cada uno de los ocho
registros; tambin contiene el
tamao para el direccionamiento
circular.
CSR
Registro de control de estado.
Contiene el bit de interrupcin
global, los bits de control del
cache y otros bits de control de
estado diversos.
IFR
Registro de bandera de interrup- Despliega el estado de las intercin.
rupciones.
ISR
Registros para activar interrup- Permite activar interrupciones
cin.
manualmente.
ICR
Registro para interrupcin.
Permite limpiar interrupciones
pendientes manualmente.
IER
Registro para retorno de inter- Permite habilitar / deshabilitar
rupcin
interrupciones individuales.
NRP
Puntero de retorno de interrup- Contiene la direccin de retorno
cin no mascarable
de una interrupcin no mascarable.
PCE1
Contador del programa, fase E1 Contiene la direccin del paquete fetch (contiene el paquete de
ejecucin del pipeline) en la etapa E1.
Tabla A.2: Registros de control
Abreviatura Nombre
FADCR
Registro de conguracin
sumador del punto otante
FAUCR
FMCR
Descripcin
del Especca el modo underow, modo de redondeo, NaN y otras excepciones para la unidad .L
Registro de conguracin auxiliar Especica modos de underow, mode punto otante
dos de redondeo y otras excepciones
para la unidad .S
Registro de conguracin del mul- Especica modos de underow, motiplicador de punto otante
dos de redondeo y otras excepciones
para la unidad .M
120
62X/C67X
Unidad .L
ABS
ADD
ADDU
AND
CMPEQ
CMPGT
CMPGTU
CMPLT
CMPLTU
LMBD
MV
NEG
NORM
NOT
OR
SADD
SAT
SSUB
SUB
SUBU
SUBC
XOR
ZERO
Unidad .M
MPY
MPYU
MPYUS
MPYSU
MPYH
MPYHU
MPYHUS
MPYHSU
MPYHL
MPYHLU
MPYHULS
MPYHSLU
MPYLH
MPYLHU
MPYLUHS
MPYLSHU
SMPY
SMPYHL
SMPYLH
SMPYH
Unidad .S
ADD
ADDK
ADD2
AND
B disp
B IRP
B NRP
B reg
CLR
EXT
EXTU
MV
MVC
MVK
MVKH
MVLKH
NEG
NOT
OR
Unidad .D
SET
ADD
SHL
ADDAB
SHR
ADDAH
SHRU ADDAW
SHRL LDB
SUB
LDBU
SUBU LDH
SUB2 LDHU
XOR LDW
ZERO LDB
LDBU
LDH
LDHU
LDW
MV
STB
STH
STW
121
122
Unidad .L
ADDDP
ADDSP
DPINT
DPSP
INTDP
INTDPU
INTSP
INTSPU
SPINT
SPTRUNC
SUBDP
SUBSP
SPDP
Unidad .M
MPYDP
MPYI
MPYID
MPYSP
CMPGTSP
CMPLTSP
Unidad .S
Unidad .D
ABSDP
ADDAD
ABSSP
LDDW
CMPEQDP
CMPEQSP
CMPGTDP
CMLTDP
RCPDP
RCPSP
RSQRDP
RSQRSP
A.3. Interrupciones
Los CPUs 'C62x/'C67x tienen 14 interrupciones. Estas son reset, la interrupcin no
mascarable (NMI) e interrupciones de la 4 a la 15. Estas interrupciones corresponden a
las seales RESET, NMI e INT4-INT15 respectivamente, sobre los limites del CPU. En
123
Postincremento
o
postdecremento del
registro de direccin
*R++
*- - R
*++R[ucst5]
*R - *R++[ucst5 ]
*- -R[ucst5]
*++R[osetR]
*- -R[osetR]
*R - -[ucst5]
*R++[osetR]
*R- -[osetR]
A.4. Perifricos
Los perifricos disponibles en los dispositivos TMS320C6000 se muestran en el
cuadro (A.7). Los perifricos que son accesibles al usuario se conguran con un conjunto
de registros de control delimitados en memoria. El controlador del bus de perifricos
realiza el arbitraje para el acceso a los perifricos. La lgica de conguracin de Boot
esta conectada por seales externas y la lgica de baja energa es accesible directamente
por el CPU. La Figura A.3 muestra un diagrama de bloques, con los perifricos de los
dispositivos 'C6211/'C6711.
1. Controlador DMA. El controlador DMA transere datos entre rangos de direccionamiento en el mapa de memoria, sin intervencin del CPU. El controlador
DMA tiene cuatro canales programables y cinco canales auxiliares.
124
A.4. Perifricos
Perifricos
Controlador de acceso directo a memoria (DMA)
Controlador de acceso directo a memoria mejorado (EDMA)
Interfase al Puerto Host (HPI)
Bus de Expansin
Interfase de Memoria Externa (EMIF)
Conguracin del Boot
Puertos Seriales de Multicanal (McBSPs)
Selector de Interrupcin
Timers de 32 - bits
Lgica de Energa Baja
Y
N
Y
Y
2
N
Y
Y
Y
3
Y
N
Y
Y
2
Y
N
Y
Y
2
Y
N
Y
Y
2
Y
2
Y
Y
2
Y
Y
2
Y
Y
2
Y
Y
2
Y
a)
b)
c)
d)
125
a)
b)
c)
d)
Comunicacin full-Duplex.
Registros de datos de doble buer para ujo continuo de datos.
Tramado independiente y temporizacin para dispositivos y transmisin.
Interfase directa a codecs estndar, chips de interfase analgica (AICs) y
otros dispositivos A/D y D/A conectados en serie.
a ) Interface directa a:
1) Tramas T1/E1.
2) Dispositivos conforme a ST - BU S T M .
3) Dispositivos conforme a IOM - 2.
4) Dispositivos conforme a AC97.
5) Dispositivos conforme a IIS.
6) Dispositivos SP I T M .
b ) Transmisin y recepcin multicanal de 128 canales.
c ) Un selector del ancho del tamao del dato, que incluye 8, 12, 16, 20, 24 y 32
bits.
d ) Ley - y Ley - A de compasin.
e ) Transferencia inicial de 8 bits con LSB(bit menos signicativo)o MSB(bit
ms signicativo).
f ) Polaridad programable para ambas tramas de sincronizacin y relojes de
datos.
g ) Reloj interno altamente programable y generacin de trama.
126
A.4. Perifricos
9. TIMER. Los dispositivos 'C6000 tienen dos timer de propsito general que son
usados para:
a)
b)
c)
d)
e)
127
128
A.4. Perifricos
Bibliografa
A Novel Iris Recognition System Using Morphological Edge
Detector and Wavelet Phase Features. Control and Intelligent Processing Center of Excel-
lence, 2000.
[2] Aydin T., Yemez Y., Anarim E. and Sankur B.,
9, 1996.
and Wavelet Transform. IEEE Transactions On Signal Processing, Vol. 46, No. 4, 1998.
de Santos, 1998.
[11] Gonzales R. C. and Woods R. E.,
[12] Gonzales R. C. and Woods R. E.,
2003.
129
130
[14] Graps A.,
BIBLIOGRAFA
An introduction to wavelets.
An introduction to wavelets.
templates. Signal and image instituteand Department of electrical engineering systems. University of Southern Californa, 2002.
[19] Joao V. B. Soares, Jorge J. G. Leandro, Roberto M. Cesar-Jr., Herbert F. Jelinek, and
Michael J. Cree.,
Retinal Vessel Segmentation Using the 2-D Morlet Wavelet and Supervised
Symposium on Circuits and Systems, 1992. ISCAS '92. Proceedings., 1992 IEEE International, 2002.
Wiley Computer
publishing, 2002.
Recognition Tasks. IEEE Transactions on pattern analysis and machine intelligence, Vol. 21,
No. 1, 1999.
Universidad Politcnica de
131
BIBLIOGRAFA
[28] Proakis J. G. and Manolakis D. G.,
1998.
[29] Rioul O. and Vetterli M.,
2003.
[33] Siddique J.I. and Barner, K.E.,
recovery
PWS
porated, 2001.
[40] CPS