Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transformadas de Fourier
Tabla de Contenido
TABLA DE CONTENIDO ........................................................................................................... ...
................................................................................................... Error! Marcador no definido.
1. INTRODUCCIN. ......................................................................................................................3
2. PLANTEAMIENTO DEL PROBLEMA. ........................................................... 4
3. OBJETIVOS .......................................................... 5
3.1. Objetivo General .................................................................................................................. 5
3.2. Objetivos Especficos ............................................................................................................ 5
4. JUSTIFICACIN ......................................................................................................................... 6
5. ESTADO DEL ARTE.................................................................................................................... 7
6. MARCO TERICO ...................................................................................................................10
6.1. Introduccin ...................................................................................................................10
6.2. Elementos Matemticos ...............................................................................................10
6.2.1. De la Serie de Fourier a la Transformada de Fourier..10
6.2.2. De la serie de Fourier compleja a las FFT y DFT..17
6.2.3. Transformada de Fourier en dos dimensiones.22
6.3. Conceptos Preliminares del Procesamiento de imgenes..23
6.4. Tcnicas Bsicas del Procesamiento Digital de Imgenes (Restauracin)28
7. DELIMITACION..41
7.1. Delimitacin Espacial.41
7.2. Delimitacin Temporal.41
8. DISEO METODOLGICO..42
8.1.Objetos de Investigacin42
8.2. Fases de la Investigacin43
1. INTRODUCCIN
La restauracin digital de imgenes es un procedimiento que desde sus orgenes en los
aos veinte ha sido motivo de preocupaciones de muchos cientficos. Esta es una ciencia
que abarca una serie de tales como: transformaciones, restauraciones, mejoramiento,
anlisis, reconocimiento de patrones entre otros.
Su importancia radica en la utilidad de estas tcnicas en diferentes reas del saber, tales
como: Biologa, Medicina, Astronoma, Historia, Geologa, Criminalstica, Fotografa, etc.
Por otro lado est el gran valor cientfico, tcnico y social que puede tener el resultado
del uso de estas prcticas.
En el presente informe se presentar la formulacin y planteamiento del problema,
seguidamente la justificacin por lo cual se considera necesario iniciar este proceso de
investigacin; se plantearn los objetivos generales y especficos, un breve recorrido del
estado del arte, el marco terico, la delimitacin de esta investigacin, el diseo
metodolgico, el anlisis de los resultados, conclusiones y lista de referencias
3. OBJETIVOS.
4. JUSTIFICACIN.
A partir del ao 2001 cuando el Carnaval de Barranquilla fue declarado Patrimonio
Cultural de la Nacin otorgada por el Congreso de Colombia y posteriormente en el
2003, cuando la UNESCO lo proclam Obra Oral e intangible de la Humanidad, se ha
notado un creciente inters por grupos de investigadores de diferentes mbitos
humansticos por recuperar diversos aspectos relacionados con el carnaval, pero pocos
se han preocupado por rescatar su pasado fotogrfico, siendo este un importante
asunto para su salvaguarda, actualmente no se cuenta con un adecuado registro
histrico de estas imgenes, y los esfuerzos por hacer un trabajo de restauracin
fotogrfica son pocos o aislados.
Esta es la razn de ser de esta propuesta, en la que se pretende hacer una revisin del
estado del arte, en lo que respecta al Tratamiento digital de imgenes usando
transformadas de Fourier, tcnicas de Filtrado en el dominio de la frecuencia y en el
dominio del espacio, para identificar cul de todas estas tcnicas se ajustan
dependiendo del nivel de deterioro de las fotografas, para rescatar 3 de ellas
relacionadas con el carnaval como pilar del proceso de recuperacin del pasado
histrico.
6. MARCO TERICO
6.1. Introduccin.
En esta seccin se mencionan algunos de los aspectos trascendentes a considerar del
tratamiento digital de imgenes a partir de transformadas de Fourier, sus elementos
matemticos, conceptualizacin de tratamiento de imgenes, algunas tcnicas con sus
programas respectivos.
( )
( )
( )
)]
coeficientes de Fourier en
10
Teorema: Convergencia de las series de Fourier. Sea ( )una funcin peridica con
periodo 2 y continua por partes en el intervalo [-,]. Adicional, se asume que ( )
tiene derivadas por la izquierda y la derecha en cada punto de este intervalo. Entonces
la serie de Fourier de ( ) converge. Su suma es ( ), excepto en los puntos donde
( ) es discontinua. All la suma de la serie es el promedio de los lmites izquierdo y
derecho de ( ) en .
Demostracin: Integrando por partes se tiene que:
( )
( )
( )
( )
( )
( )|
( )
se obtiene que: |
para cualquier n.
Esto significa que el valor absoluto de cada trmino de la serie de Fourier de la funcin
( ) es como mximo igual al correspondiente trmino de la serie:
11
( )
( )
( )
[( ( )
Si consideramos
( ( )
en:
( )
( )
( ( )
[( ( )
( ( )
( )
. Por lo tanto si
( )
12
( ) ( )
[( ( )
( ( )
).
( )
( )
[ ( )
( )
Dnde:
( )
( )
( )
( )
( )
( )
(
Donde ( ) y (
respectivamente.
13
), entonces
Integrales seno y coseno: Cuando es una funcin par en el intervalo (
el producto ( )
lo es tambin, mientras que ( )
es una funcin impar.
Como consecuencia de la propiedad
( )
( )
( ( )
o ms formalmente:
( )
( )
Dnde:
( )
( )
A esta expresin se llama integral Coseno de Fourier. De forma similar, cuando es una
) , los productos ( )
funcin impar en (
y ( )
son funciones
( )
impares
y
pares,
respectivamente
por
lo
tanto
y
( )
( ( )
o ms formalmente:
( )
Dnde:
( )
14
( )
( )
( )
( )[
()
()
( )[
)]
()
Por lo tanto:
y sumndole un cero al
15
()
( ()
( )
( )
( )
( )
16
Partiendo del hecho de que es una funcin definida en el campo de los Reales y que
tiene un periodo L entonces la serie de Fourier es:
)]
] y llamemos
entonces:
)]
Por otro lado la forma de exponencial compleja de las funciones seno y coseno es:
Entonces:
)]
17
Reorganizando la expresin:
[ (
Tomemos ahora:
As:
()
Para
tenemos que:
(
18
( )
( )[
( )
)]
( )
( )
( )
( )
( )
( )
19
compleja de es:
Dnde:
( )
Con
valores de
que son los que representan el muestreo de la funcin . Para que esto se verifique
supongamos que tiene un periodo L. Entonces la serie compleja de Fourier es:
20
Con
y coeficientes complejos:
( )
Entonces el valor de
0 y se obtiene:
( )
( )
Para
Ahora, aproximando a
efecto se hace una equiparticin del intervalo [
.
( )
Debido a que
21
( )
( )
Sea
. Definamos a
transformada discreta de
{ }
es la secuencia
definida por:
Para
La Transformada Rpida de Fourier (FFT): FFT es la abreviatura usual (del ingls Fast
Fourier Transform) de un eficiente algoritmo que permite calcular la transformada de
Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia
variedad de aplicaciones, desde el tratamiento digital de seales y filtrado digital en
general a la resolucin de ecuaciones diferenciales parciales o los algoritmos de
multiplicacin rpida de grandes enteros. El algoritmo pone algunas limitaciones en la
seal y en el espectro resultante.
22
y sea
valores:
Para
23
Figura 2. Los valores de 1 representan el color blanco y los ceros representan el color negro. [1]
24
Imagen a escala de grises: En este caso, el valor que tiene cada pixel corresponde a
algunos de las variaciones de los 256 valores de gris, pasando desde el valor del color
negro (cero), hasta el blanco (255). Habitualmente la imagen va mostrando pequeos
cambios de tonalidad con la variacin de valores de gris. La calidad de una
representacin grfica en estos tonos, es decir la nitidez, es lo que marca la pauta para
la magnitud de los pxeles y por ende el nmero total de ellos de una imagen, aparte de
ello cuanta ms alta sea la resolucin, las variaciones de tonalidades de gris sern ms
sutiles y por lo tanto mayor calidad de la misma, una mejor representacin, mejor
resolucin, pero computacionalmente implica mayor recuso de mquina.
Empleando MATLAB, una imagen en escala de grises con un foco central puede ser
construida como sigue:
%Coordenadas del foco (a,b)
a=150;
b=150;
%Construccin imagen MxN
M=300; N=300;
for x=1:M;
for y=1:N;
I(x,y)=(255-sqrt((x-a)^2+(y-b)^2))/255;
end
end
imshow(I)
El resultado es el siguiente:
25
Histograma de una Imagen: Se refiere al nmero de pxeles con igual valor de la escala
de gris. Este aspecto calcula la probabilidad de distribucin P(b) de diferentes niveles de
gris de una representacin grfica. Matemticamente se define como:
( )
( )
Entre las caractersticas que se pueden evidenciar con el histograma estn el tipo de
fondo de la imagen y el contraste.
A continuacin se mostrar un ejemplo y el cdigo en MATLAB del histograma de una
imagen en escala de grises :
clc
I=imread('antonia.tif');
imshow(I)
figure, imhist(I)
26
Modificacin del Histograma: Esta es una tcnica que va enfocada hacia la mejora
de la calidad de la imagen de forma global. En el eje de las x se representa el nmero de
pxeles de la imagen y en el de las y los valores del rango de estos pxeles.
Expansin de Contraste: Se refiere a
que dada una diferencia de tonos de grises (
) con respecto a la
diferencia que se tiene con el dispositivo de visualizacin de la imagen digital (ya sea el
monitor o una impresin fotogrfica (laser, burbuja, matriz de puntos, etc.,) en
diferentes tipos de papel (
). Esto genera una prdida del nivel de
contraste, es decir no hay mucha variacin de las tonalidades claras y oscuras.
Matemticamente se transforman estos valores de grises en otros de mayor rango que
se adapte a la capacidad del medio de visualizacin.
27
[
(
]
]
28
Figura 7. Imagen de Toa Primera Transformada con Estiramiento Lineal y su histograma respectivo
Filtrado en el dominio del espacio: Consiste en aplicar a una imagen rster (o matriz
rasterizada, es decir es una matriz regular de celdas de un rea determinada) una
operacin que permite suprimir detalles no deseados con la intencin de mejorar su
representacin visual. Por ejemplo, estn los que hacen reparacin de los bordes, o
reduccin de los patrones de ruido de la misma. La operacin modifica el valor de cada
pxel con base en los valores de los pxeles circundantes; se transforman tonos de gris de
la imagen, de forma que sean similares o un poco diferentes a los que lo rodean.
29
Figura 9. Imagen de Olga Heilbrun con Filtro Sobel para detectar bordes.
Figura 10. Imagen de Olga Heilbrun con Filtro Prewitt para detectar bordes.
30
Figura 11. Imagen de Olga Heilbrun con Filtro Canny para detectar bordes.
El cdigo en MATLAB respectivo para estos filtros es el siguiente:
I=imread('olga.tif');
imshow(I)
B1=edge(I,'sobel');
B2=edge(I,'prewitt');
B3=edge(I,'canny');
imshow(B1)
figure,imshow(B2)
figure, imshow(B3)
2. Filtros Paso Alto: Estos filtros hacen nfasis en las altas frecuencias, mejoran las
caractersticas de tipo lineal (calles, carreteras, edificios, etc). Es el proceso opuesto a
los filtros paso bajo, debido a que reducen al mximo las bajas frecuencias.
3. Filtros Detectores de Bordes: En este caso las operaciones con los datos de los pxeles,
hacen mayor nfasis en los bordes que rodean a la imagen, facilitando su proceso de
anlisis. Normalmente estos filtros lo que hacen es crear una imagen en fondo negro y
lneas blancas y grises, rodeando los bordes de la figura y otros elementos de la imagen.
31
a. Filtro Roberts. Usa la derivada para calcular el grado de separacin de los diferentes
niveles de grises vecinos. Especficamente usan derivada parcial en dos dimensiones.
La expresin matemtica que verifica este comportamiento es la siguiente:
| (
| (
)|
)|
(
Donde los valores de
Y los valores de
Que representan a una matriz de convolucin y viene dada por los siguientes gradientes:
32
Gradiente Fila:
Gradiente Columna
Este se verifica para cuando K=2 y lo que proporciona es una inmunidad al ruido
involucrando a los vecinos adyacentes de filas y columnas, Este filtro es mucho ms
sensible a los bordes diagonales que el de Prewitt (K=1), pero visualmente no es muy
notoria la diferencia entre ellos.
c. Filtro Laplaciano. Este filtro aplica la segunda derivada a partir de la expresin del
Laplaciano:
(
(
)
(
(
)
)
(
33
Donde (
) es la imagen en el dominio de la frecuencia (es decir, es la transformada
de Fourier discreta de la imagen original en dos dimensiones), sin embargo es un
problema encontrar el valor de (
) (o filtro atenuador de frecuencias) debido a la
dependencia del filtro que se quiera usar.
Este procedimiento permite hacer prcticas tales como: mejoramiento de la imagen,
restauracin, compresin y reconocimiento de patrones.
El esquema de cmo se realiza el filtrado de una imagen se muestra a continuacin:
34
Existen tres tipos de filtrados en el dominio de la frecuencia: filtro paso bajo, filtro
paso alto, filtro paso banda.
1. Filtro Paso bajo. Se caracteriza por atenuar las frecuencias ms altas sin modificar
las bajas. En el dominio de la frecuencia tambin es reconocido como filtro de suavizado,
en el que las frecuencias altas filtradas son equivalentes a cambios altos de intensidad.
A continuacin se mostrar un ejemplo de un filtro paso bajo ideal con su codificacin
en MATLAB:
clc
[u,v]=freqspace(25,'meshgrid');
H=sqrt(u.^2+v.^2)<0.5;
meshz(u,v,H)
35
for j=1:c
D=sqrt((i-f/2)^2+(j-c/2)^2);%
Se
determina
la
distancia al centro del
% punto (i,j)
if D<D0
PasabajosIdeal(i,j)=1;
end
end
end
% Se multiplica la transfomada de la imagen por el filtro
ideal
DFT_A_filtrada=DFT_A.*PasabajosIdeal;
% Se
Multiplica elemento a elemento
% SE aplica la DFT inversa
A_filtrada=ifft2(DFT_A_filtrada);
% Se toma el modulo para descartar cualquier residuo de
tipo complejo
A_filtrada=abs(A_filtrada);
figure, imshow(uint8(A))
title('Imagen original')
figure, mesh(abs(log(DFT_A+1)))
title('Espectro de la imagen original')
figure, mesh(abs(log(DFT_A_filtrada+1)))
title('Espectro de la imagen filtrada')
figure, imshow(uint8(A_filtrada))
title('Imagen filtrada')
figure, imshow(PasabajosIdeal)
title('Filtro pasabajos ideal')
36
Figura 14. Imagen original de La gran fiesta de 1926 organizada bajo el mandato de la
Reina Olga Heilbrun de 1926 y la misma imagen con Filtro Paso bajo ideal.
Figura 15. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
37
Figura 16. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
2. Filtro Paso Alto. Se caracteriza por atenuar las bajas frecuencias sin cambiar las altas.
Esto se debe a que las frecuencias altas son los cambios bruscos a nivel de densidad. Las
ventajas de este tipo de filtros radican en las mejoras que ofrecen en la deteccin de
bordes en el dominio del espacio, debido a la gran cantidad de estas frecuencias,
fortaleciendo el contraste de la imagen.
El cdigo correspondiente en Matlab y sus grficas se muestran a continuacin:
38
39
3. Filtro paso-banda. Este filtro se caracteriza por tomar un solo tipo de frecuencia, si
toma un valor de frecuencia muy alta, se observar un valor mayor parte de la
informacin de la imagen; de igual manera si toma una frecuencia muy baja se ver solo
la informacin que las frecuencias permitan pasar manteniendo una banda de rango
medio
Existen otros tipos de filtros tales como filtrados morfolgicos, de textura, geomtricos
que sern temas para investigaciones futuras.
40
7. DELIMITACIN
7.1. Delimitacin Espacial.
El estudio se centraliza en el anlisis de fotografas relacionadas con el carnaval de
Barranquilla
41
8. DISEO METODOLGICO
8.1. Objetos de Investigacin.
Los objetos de investigacin son tres imgenes escaneadas, recortadas y reducidas a
tamao de 256 x 256 pixeles, estas fotos fueron facilitadas por el Museo Romntico de
la ciudad de Barranquilla.
Imagen de Toa Primera Reina del Carnaval de Barranquilla de 1924, esta imagen no
fue tomada de papel fotogrfico, sino de un recorte de peridico de la poca. En l se
observa un nivel de deterioro en diferentes zonas, sobre todo en los bordes superior
derecho, debajo del rostro y del borde inferior izquierdo.
Imagen de Olga Heilbrun, Reina del Carnaval de Barranquilla de 1926, esta imagen
muestra un nivel de deterioro en el borde izquierdo y en algunas zonas, debajo de la
42
firma que aparece en la fotografa, por otro lado tiene tambin un nivel de deterioro en
el fondo, debido al mal proceso de conservacin de la imagen.
Imagen de la gran fiesta organizada en 1926 por el mandato de la Reina del Carnaval
de esa poca Olga Heilbrun.
43
44
9. ANLISIS DE RESULTADOS
Despus de haber aplicado las tcnicas ya mencionadas a lo largo de este trabajo, en
cada fotografa se observa en el caso Toa Primera el Estiramiento Lineal mejor la
iluminacin, el rostro se ve con mucha ms claridad siendo que no es papel fotogrfico
sino un recorte de peridico de 1924, sin embargo se nota mucho ms el deterioro de
los bordes y de las zonas con dao a raz del mal proceso de conservacin que se lleva
en el museo, por otro lado, el histograma respectivo muestra el cambio generado en la
tonalidad de grises (Ver figura 7).
Por otro lado, la imagen de Olga Heilbrun que se le aplic Filtrado en la frecuencia del
espacio, con el fin de resaltar los bordes present, inconvenientes a pesar de haber
usado 3 tcnicas a esta fotografa. Con el perfilado Sobel y Prewitt se observan algunos
de los bordes respectivos de la imagen, se notan en escala de grises tenues sin rasgos
bien definidos, tampoco son muchas las diferencias observadas entre estas dos tcnicas
(Ver Figura 9 y 10). Con el filtro Cany los bordes se resaltan con mayor detalle, sin
embargo la imagen luce confusa y se pierde (Ver Figura 11.)
Para la imagen de la gran fiesta se us filtro paso-bajo ideal, en este caso se nota un
cambio de atenuacin de los niveles de gris, pero se perdi un poco el brillo de la
imagen y para el filtro de paso bajo sal y pimienta se recuper el brillo de la imagen,
pero el resultado no fue el esperado, debido a que se aument el ruido de la imagen, se
observan pequeos puntos en el contenido de la fotografa deteriorandola an ms
(Ver Figura 14).
45
Con base a los comentarios mencionados en las conclusiones se hacen las siguientes
recomendaciones:
46
[2] Benitez Hernn et al. Procesamiento de imgenes infrarrojas para la deteccin de defectos
en materiales de 2007. Artculo revisado el 15 de agosto de 2011 desde:
http://objetos.univalle.edu.co/files/Procesamiento_de_imagenes_infrarrojas_para_la_deteccio
n_de_defectos_en_materiales.pdf
47
[7] Zill Dennis G. et al. Matemticas Avanzadas para Ingeniera Vol 2. Clculo Vectorial,
Anlisis de Fourier y Anlisis Complejo. Tercera Edicin. Editorial Mc Graw Hill. Mxico.
2008.
[10] Gonzlez Rafael C. et al. Digital Image Processing using Matlab. Second Edition.
Editorial Pearson-Prentice Hall. USA. 2004.
[14] Bradsky Gary et al. Learning Open CV. Computer Vision with the Open CV library.
Oreilly Editors. USA. 2008.
48
[19] Alba Jose Luis et al. Realzado de Imgenes. Tcnicas de Preprocesado. Material de
Clase. Universidad de Vigo. Publicado en el ao 2006. Tomado desde:
http://www.gts.tsc.uvigo.es/pi/Realzado_de_imagenes.pdf.
49
[22]
Math
Works
Product
http://www.mathworks.com/help/techdoc/ref/fft.html?BB=1
Documentation.
50