1

Transformada rápida de Fourier y su

aplicación en tratamiento de imágenes y
audio

Fast Fourier Transform and its application in image processing and audio

Autor: Angie Vanessa Jaramillo Castrillón

Facultad de Ingenierías, programa de sistemas y computación
Universidad Tecnológica de Pereira
Correo: anvajaramillo@utp.edu.co

Resumen— la FFT es la forma optimizada de la DFT, logrando así
menos complejidad en sus algoritmos pudiéndose aplicar en temas
“complejos” para realizar sus procedimientos de un manera más
fácil o más analítica. Sus diferentes e innumerables aplicaciones
dan a demostrar su gran efectividad en el campo de la ciencia y la
ingeniería. Su énfasis en el tratamiento de imágenes y audio
permite el análisis de datos retornando patrones que con análisis
detallado se pueden desarrollar grandes aplicaciones.
Palabras clave— FFT, DFT, minucias, frecuencia de muestreo,
patrón.
Abstract— the FFT is the optimized form of the DFT, achieving
less complexity in their algorithms and can be applied to
"complex" issues to make their procedures easier or more
analytical way. Its various and innumerable applications give
demonstrate its great effectiveness in the field of science and
engineering. His emphasis on imaging and audio data analysis
allows returning detailed analysis patterns that can develop large
applications.
Key Word — FFT, DFT, minutiae, sampling frequency, pattern.
I. INTRODUCCIÓN
Jean Baptiste Joseph Fourier (Auxerre, Francia, 21 de marzo de
1768 – París, 16 de mayo de 1983), matemático y físico francés
conocido por sus trabajos sobre la descomposición de
funciones periódicas en series trigonométricas convergentes
llamadas series de Fourier, método con el cual consiguió
resolver la ecuación del calor. La transformada de Fourier
recibe su nombre en su honor.
FFT es la abreviatura usual del inglés Fast Fourier Transform
de un eficiente algoritmo que permite calcular la transformada
discreta de Fourier y su inversa.
La transformada rápida de Fourier es la versión más rápida de
la transformada discreta de Fourier (DFT). La FFT utiliza
algunos algoritmos inteligentes para hacer lo mismo que la
DFT pero en mucho menos tiempo.
La DFT es extremadamente importante en el área del análisis
de la frecuencia debido a que se necesita una señal discreta en
el dominio del tiempo y que transforma la señal en su
representación de dominio de frecuencia discreta.
La FFT es de gran importancia en una amplia variedad de
aplicaciones mencionaré algunas como:
 Tratamiento de imagen (jpeg) y audio (mp3).
 Reducción de ruido en señales, como el ruido blanco.
 Análisis en frecuencia de cualquier señal discreta.
 Análisis de vibraciones.
 Análisis de materiales y estadística.
 Síntesis, mediante la transformada inversa.
 Procesamiento de imagen lineal.
 Técnicas de imagen especial.
 Redes neuronales.
 Comprensión de datos.
 Procesamiento de señales digitales.
 Software DSP.
 Propagación del calor (fundamentos de la
termodinámica).
 Algoritmo de encriptación.
 Complejidad computacional.
En este artículo haré énfasis sobre la aplicación de la FFT en
tratamiento de imagen y audio.
II. CONTENIDO
A. Contexto
1. Tratamiento digital de imágenes.
2
El tratamiento digital de imágenes es un campo en constante
evolución en su vertiente tecnológica, tanto en capacidad de
procesamiento y transmisión con crecimiento exponencial,
pero también por el gran avance que han experimentado las
técnicas de procesado digital en áreas como el filtrado
compresión y análisis de imágenes.
Las aplicaciones actuales del Tratamiento Digital de Imágenes
son prácticamente innumerables y prometen deparamos
grandes sorpresas en un futuro próximo. La televisión digital,
los videojuegos, la telefonía móvil, el cine de animación, son
solo algunos ejemplos del impacto que tiene actualmente en la
sociedad de consumo. En el ámbito industrial y de servicios
destacan las aplicaciones de visión artificial en inspección y
robótica, así como el desarrollo espectacular que ha producido
en la generación y tratamiento de imágenes médicas.
Desde una perspectiva histórica, el Tratamiento Digital de
Imágenes representa una generalización multidimensional de
las técnicas de tratamiento digital de la señal unidimensional.
Los orígenes del procesamiento digital de la señal se remontan
al siglo XIX, aunque su desarrollo práctico no se produce hasta
la década de los años 60, cuando Cooley y Tukey propusieron
un algoritmo eficiente para el cálculo de la transformada de
Fourier: La FFT (Fast Fourier Transform). Después, con la
irrupción de los microprocesadores, se diseñaron procesadores
adaptados para el cálculo de FFT’s, los denominados DSP’s.
Estas dos circunstancias han sido decisivas para que se
produjera el espectacular avance del procesamiento digital de
la señal, que hoy día, ha penetrado en todos los sectores de la
sociedad y, especialmente, en el tratamiento digital de
imágenes.
2. Tratamiento digital de sonido.
El almacenamiento y reproducción puede hacerse usando dos
criterios: magnetófono y partitura.
2.1 Magnetófono (Sistema de muestreo)
El sistema magnetófono digitaliza la onda por el procedimiento
de anotar repetidamente su amplitud en intervalos de tiempo
muy pequeños; es el denominado sistema de muestreo. En
todos los casos la onda es transformada en una serie de valores
numéricos que se almacenan en un fichero. Posteriormente el
fichero puede ser leído por un programa especial, y sus datos
enviados secuencialmente a un dispositivo que es capaz de
regenerar una tensión eléctrica proporcional a los valores
(numéricos) recibidos, de forma que se asemeja a la forma de
onda original. La tensión producida es entregada a su vez a un
altavoz que la transforma finalmente en “sonido”.
2.2 Partitura
El sistema partitura utiliza un lenguaje especial, parecido al de
los músicos, para almacenar información sobre cada nota. Es
un lenguaje adaptado a las necesidades de la representación del
sonido. El “fuente” es un partitura electrónica que indica
cuando se debe sonar un nota, por cuanto tiempo, con que
volumen y cómo debe terminar. Después de un cierto proceso
de compilación, en vez de producir un ejecutable normal,
producen un sonido binario. Es decir, un fichero .wap, .au, .snd,
.mid, .mp3, .aiff entre otros.
B. Ejemplo tratamiento de imágenes: Reconocimiento de
huellas dactilares.
La huella dactilar tiene características únicas llamadas
minucias, las cuales son puntos donde los bordes terminan o se
dividen.
El sistema de reconocimiento consiste de siete pasos:
Adquisición, Etapa de Preprocesamiento, Aclaración,
Adelgazamiento, Extracción de Minucias, Reconocimiento y
algunas veces una etapa de Verificación.
1. Etapa de Preprocesamiento.
Para evitar posibles errores en el reconocimiento, la
información en los extremos será eliminada, para poder
asegurar que solamente la información central sea procesada al
momento de la extracción de minucias. En caso de que esta
distorsión no fuera eliminada, el algoritmo podría detectar
falsas minucias. Por lo tanto, la imagen fue recortada en un 10%
en cada uno de sus lados tomando en cuenta que esto no elimina
información importante de la huella dactilar por lo mencionado
anteriormente.
2. Aclaración.
El objetivo de un algoritmo de aclaración es mejorar la claridad
de la estructura de los bordes en las regiones recuperables y
marcar las regiones no-recuperables con demasiado ruido para
un posterior procesamiento. La mayoría de las técnicas
existentes están basadas en el uso de filtros contextuales cuyos
parámetros dependen de la frecuencia y orientación de los
bordes locales. Los filtros pueden ser definidos en el dominio
de Fourier o en el dominio espacial. En este trabajo se utilizó
una combinación de filtros en los dos dominios para una mejor
aclaración.
2.1 Filtro en el dominio espacial
El filtro incrementa el contraste en una dirección perpendicular
a los bordes mientras realiza un alisamiento en la dirección de
los bordes. Los filtros de Gabor tienen una propiedad
importante que consiste en una óptima resolución de
frecuencia. La función simétrica de Gabor tiene la forma de la
ecuación (1):

2.2 Filtro en dominio de Fourier.
Cada imagen es convolucionada con filtros precalculados del
mismo tamaño que la imagen. Sin embargo, el algoritmo asume
que la frecuencia de los bordes es constante a lo largo de la
imagen con el fin de evitar tener un gran número de filtros
precalculados. Por lo tanto, el algoritmo no utiliza toda la
información contextual proporcionada por la imagen de la
huella dactilar. Watson propuso otra técnica de aclaración
completamente en el dominio de Fourier. En esta técnica la
imagen es dividida en bloques los cuales son traslapados, la
imagen aclarada es obtenida con las ecuaciones
(2) y (3):
3. Adelgazamiento.
Después del proceso de aclaración la imagen es binarizada, es
decir, está formada de ceros y unos, donde un “1” significa un
píxel blanco y un “0” significa un píxel negro. El algoritmo
consiste en encontrar píxeles internos en nuestra imagen y
después eliminar los píxeles límite. Este proceso es realizado
hasta no encontrar más píxeles internos.
4. Extracción de minucias
El algoritmo consiste en calcular el número de píxeles que
cruzan el píxel central (Pc), esto se calcula con la ecuación (4):
Esta es la razón por la cual se ha propuesto combinar dos etapas
de aclaración y de esta forma evitar que algunas minucias sean
eliminadas durante el proceso.
5. Etapa de reconocimiento.
El reconocimiento se realizó con tres importantes
características: coordenadas, distancia y ángulos. La razón de
usar tres características es poder obtener el mínimo error
____________________________
3
posible en el reconocimiento. Así, la información que se
almacena de la huella dactilar consiste en una matriz de tamaño
4x500. La matriz se compone de 500 vectores y cada vector de
4 valores que consisten de las dos coordenadas de la primer
minucia, la distancia a la siguiente minucia y el ángulo de la
primer minucia con respecto al eje Y. Por lo tanto, el tamaño
total de nuestra matriz almacenada es de 1000x500 (5 huellas
por persona y 50 personas diferentes).
6. Etapa de verificación
Esta etapa consiste en analizar la dirección y el número de
píxeles que fue movida la imagen de entrada. Cuando dos
imágenes de la huella dactilar de una misma persona son
comparadas y una de estas imágenes está trasladada, todas las
minucias de la huella dactilar se mueven en la misma dirección
y la misma cantidad de píxeles.
C. Ejemplo de reconocimiento de audio: Reconocedor de
voz mediante el uso de la FFT.
Haciendo uso de un programa implementado en MATLAB: se
graban dos segundos de audio con una frecuencia de muestreo
de 20KHz. La grabación da como resultado un vector de 40 mil
datos, de los que se discriminarán los datos significativos
mediante un umbral de 0.1. Con base en el vector de datos
obtenidos, se realiza el siguiente procesamiento:
1. Aplicar el filtro de preénfasis para acentuar las
frecuencias altas de la señal de voz, debido a que el
modelo de tracto vocal utilizado no filtra
adecuadamente las señales de frecuencia alta, no
sonoras: las consonante, sonoras: las vocales. El filtro
de preénfasis está dado por la ecuación (1).
2. Segmentar la señal en tramos de 20 a 30ms, puesto que
en este período de tiempo se considera a la señal de
voz como estacionaria. En este proyecto, se fracciona
en tramos de 24ms, por lo tanto, cada vector resultante
tiene 480 datos y, se analiza utilizando un overlap de
80 datos. Para ellos usamos la ecuación (2) y podemos
visualizar en la figura 1.
4
3. Aplicar una ventana Hamming a cada tramo de datos,
para así eliminar las discontinuidades provocadas al
segmentar, ya que éstas podrían llegar a interpretarse
como altas frecuencias. En la ecuación (3) se resume
lo antes mencionado.
4. Obtener la FFT de cada tramo ecuación (4), con el
objetivo de generar una superficie en la que se pueda
observar las frecuencias y su variación en el tiempo
(figura 2). Se promedian las FFT de cada tramo, para
obtener un patrón de la palabra pronunciada (figura 3).
El contenido debe tener capítulos y subcapítulos enumerados
con números arábigos, tipo de letra Times New Roman de 10
puntos en negrita.
debe definir su procedencia.
III. CONCLUSIONES
 La FFT presentada bueno resultados analizando las
minucias en huella dactilares cerca de las regiones de
alta curvatura.
 La combinación de la FFT y los filtros de Gabor
generan un reconocimiento de minucias casi
completo.
 La FFT permite observar las frecuencias y sus
variaciones en el tiempo permitiendo decodificar un
audio entregado.
 Un promedio de FFT retorna un patrón de audio.
REFERENCIAS
Libros:
 The Scientist and Engineer’s Guide to Digital Signal
Processing, second edition, Steven W. Smith.
Artículos:
 Reconocimiento de huellas dactilares usando
características locales, Gualberto Aguilar, Gabriel
Sánchez, Karina Toscano, Mariko Nakano, Héctor
Pérez.
 Reconocedor de voz mediante el uso de la FFT,
Andrés Fuentes Hernández, Álvaro Anzueto Ríos.
 5

Links:

 http://www.zator.com/Hardware/H10_2.htm
 http://cv1.cpd.ua.es/ConsPlanesEstudio/cvFichaAsiE
EES.asp?wlengua=C&wcodasi=20024
 http://www.phys.nsu.ru/cherk/fft.pdf
 http://www.phys.nsu.ru/cherk/fft.pdf
 http://es.wikipedia.org/wiki/Transformada_r%C3%A
1pida_de_Fourier

Anexos:

 Imagen: canes.jpg
 Txt: aplicativosFFT.txt

____________________________