Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transformada de Fourier
∇! + 𝑘 ! 𝑢 𝒓 = 0
http://www.cns.nyu.edu/~david/handouts/linear-systems/linear-systems.html
Sistemas lineales e invariantes
Escalabilidad:
http://www.cns.nyu.edu/~david/handouts/linear-systems/linear-systems.html
Sistemas lineales e invariantes
Aditividad:
http://www.cns.nyu.edu/~david/handouts/linear-systems/linear-systems.html
Sistemas lineales e invariantes
Invariancia a desplazamientos:
http://www.cns.nyu.edu/~david/handouts/linear-systems/linear-systems.html
Sistemas lineales e invariantes
La conexión entre al entrada y la salida se realiza mediante un
modelo de caja negra. Dicha caja viene caracterizada por un
operador S que transforma la entrada en la salida:
∬−∞
g1 (x, y) = g1 (u, v)δ (x − u, y − v) dudv
+∞
{ ∬−∞ }
g2 (x2, y2) = S g1 (u, v)δ (x1 − u, y1 − v) dudv
∬−∞
g2 (x2, y2) = g1 (u, v)h (x2 − u, y2 − v) dudv
Sistemas lineales e invariantes
La integral:
+∞
∬−∞
g2 (x2, y2) = g1 (u, v)h (x2 − u, y2 − v) dudv
g2 = g1 ⊗ h
http://www.cns.nyu.edu/~david/handouts/linear-systems/linear-systems.html
Sistemas lineales e invariantes
En su forma discreta la convolución se describe como:
+∞
∑
g(n) = f(m) × h(n − m)
m=−∞
f = [1, 2, 3] +∞
∑
h= [1, 1, 2]
g(n) = f(m) × h(n − m)
m=−∞
____
g(1)=f(1)*h(0)+f(2)*h(-1)+.... =0
g(2)=f(1)*h(1)+f(2)*h(0)+...=1
g(3)=f(1)*h(2)+f(2)*h(1)+f(3)*h(0)=3
g(4)=f(1)*h(3)+f(2)*h(2)+f(3)*h(1)+f(4)*h(0)+...=7
g(5)=f(1)*h(4)+f(2)*h(3)+f(3)*h(2)+f(4)*h(1)+...=7
g(6)=f(1)*h(5)+f(2)*h(4)+f(3)*h(3)+f(4)*h(2)+ ..=6
g(7)=f(1)*h(6)+f(2)*h(5)+f(3)*h(4)+f(4)*h(3)+...=0
g(...)=0
Sistemas lineales e invariantes
+∞
∑
f = [1, 2, 3] h= [1, 1, 2] g(n) = f(m) × h(n − m)
m=−∞
De modo gráfico (x significa producto)
f 0 0 0 1 2 3
h x2 x1 x1 x0 x0 x0
g(1)= 0+ 0+ 0+ 0+ 0+ 0= 0
f 0 0 0 1 2 3
h x0 x2 x1 x1 x0 x0
g(2)= 0+ 0+ 0+ 1+ 0+ 0= 1
f 0 0 0 1 2 3
h x0 x0 x2 x1 x1 x0
g(3)= 0+ 0+ 0+ 1+ 2+ 0= 3
Sistemas lineales e invariantes
+∞
∑
f = [1, 2, 3] h= [1, 1, 2] g(n) = f(m) × h(n − m)
m=−∞
f 0 0 0 1 2 3
h x0 x0 x0 x2 x1 x1
g(4)= 0+ 0+ 0+ 2+ 2+ 3= 7
f 0 0 0 1 2 3
h x0 x0 x0 x0 x2 x1
g(5)= 0+ 0+ 0+ 1+ 4+ 3= 7
f 0 0 0 1 2 3
h x0 x0 x0 x0 x0 x2
g(6)= 0+ 0+ 0+ 1+ 2+ 0= 6
Sistemas lineales e invariantes
Tal y como se construye, el valor de g(1) siempre es 0, ya que no existe
superposición.
n=1
5
0
-10 -5 0 5 10
0.5
-0.5
-1
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=2
5
0
-10 -5 0 5 10
0.5
-0.5
-1
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=3
5
0
-10 -5 0 5 10
0.5
-0.5
-1
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=4
5
0
-10 -5 0 5 10
0.8
0.6
0.4
0.2
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=5
5
0
-10 -5 0 5 10
1.5
0.5
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=6
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=7
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=8
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=9
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=10
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=11
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=12
5
0
-10 -5 0 5 10
0
-10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [0, 1, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=12
1
5
0.8
4
0.6 3
0.4 2
0.2 1
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
5 10
4 8
3 6
2 4
1 2
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [1, 0, 1, 0, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=12
1
5
0.8
4
0.6 3
0.4 2
0.2 1
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
5 8
4
6
3
4
2
2
1
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [1, 0, 0, 1, 0]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=12
1
5
0.8
4
0.6 3
0.4 2
0.2 1
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
5 6
4 5
4
3
3
2
2
1
1
0 0
-2 0 2 4 6 8 10 12 -10 -5 0 5 10
Sistemas lineales e invariantes
+∞
f = [1, 0, 0, 0, 1]
∑
g(n) = f(m) × h(n − m)
h= round(5*exp(-(-4:4).^2/4) m=−∞
n=13
1
5
0.8
4
0.6 3
0.4 2
0.2 1
0 0
-2 0 2 4 6 8 10 12 14 -10 -5 0 5 10
5 5
4 4
3 3
2 2
1 1
0 0
-2 0 2 4 6 8 10 12 14 -10 -5 0 5 10
Sistemas lineales e invariantes
- La respuesta impulsional o PSF nos informa acerca de cómo el
sistema transmite la información.
No te lo crees?
Tampoco le creyeron Lagrange, Laplace, Poisson u
otros grandes científicos
Su teoría no se tradujo al inglés hasta 1878!
Pero, es cierta!
y se llama Análisis de Fourier
Entendiendo la Transformada de Fourier
https://es.wikipedia.org/wiki/Serie_de_Fourier
Entendiendo la Transformada de Fourier
https://es.wikipedia.org/wiki/Serie_de_Fourier
Entendiendo la Transformada de Fourier
( T ) ( T )]
∞
[
a0 2nπ 2nπ
2 ∑
f(t) ∼ + an cos t + bn sin t
n=1
https://es.wikipedia.org/wiki/Serie_de_Fourier
Entendiendo la Transformada de Fourier
Desde el punto de vista matemático, el análisis de Fourier consiste en
la descomposición de una función periódica en una base vectorial
compuesta por senos y cosenos.
( T ) ( T )]
∞
[
a0 2nπ 2nπ
2 ∑
f(t) ∼ + an cos t + bn sin t
n=1
T/2
f(t)cos ( T t) dt,
2 2nπ
an = T
∫
−T/2
T/2
f(t)sin ( T t) dt .
2 2nπ
bn = T
∫
−T/2
https://es.wikipedia.org/wiki/Serie_de_Fourier
Entendiendo la Transformada de Fourier
Cualquier función periódica puede reescribirse como una suma
ponderada de senos y cosenos de diferente frecuencia.
https://www.youtube.com/watch?v=r6sGWTCMz2k&t=60s
https://es.wikipedia.org/wiki/Serie_de_Fourier
Sistemas lineales e invariantes
En realidad la transformada de Fourier es un concepto bastante
“intuitivo”
∞
n
j2π Tt
∑
f(t) ∼ cne
n=−∞
T/2
1
T ∫−T/2
−j2π Tn t
cn = f(t)e dt
Entendiendo la Transformada de Fourier
En notación de Euler:
∞
1 T/2
T ∫−T/2
n
cne j2π Tt
∑
f(t) ∼ cn = f(t)e −j2π Tn t
dt
n=−∞
- Ser univaluada
- Tener un número máximo de mínimos y máximos
-Tener un número finito de discontinuidades finitas o infinitas
- Ser de cuadrado integrable y no nula en el intervalo −∞, +∞
Entendiendo la Transformada de Fourier
Consideremos el siguiente ejemplo:
⎧0 −T
2 <t< −p
2
⎪ −p
f ( t ) = ⎨1 2 <t< p
2
⎪0 p
< t < T2
⎩ 2
Entendiendo la Transformada de Fourier
Si el período de la función T aumenta:
Entendiendo la Transformada de Fourier
En el límite la función “deja” de ser periódica
∞
1 T/2
T ∫−T/2
n
cne j2π Tt
∑
f(t) ∼ cn = f(t)e −j2π Tn t
dt
n=−∞
Entendiendo la Transformada de Fourier
En el límite la función “deja” de ser periódica
∞ T/2
1
T ∫−T/2
n
j2π Tt
∑
f(t) ∼ cne cn = f(t)e −j2π Tn t
dt
n=−∞
+∞ +∞
∫−∞ ∫−∞
f (t) = F (ξ) e j2πξt
dξ F (ξ) = f (t) e −j2πξt
dt
Entendiendo la Transformada de Fourier
En este caso el sumatorio de Fourier se convierte en una
transformada:
+∞ +∞
∫−∞ ∫−∞
f (t) = F (ξ) e j2πξt dξ F (ξ) = f (t) e −j2πξt dt
ℱ [ f(x)] = F(ξ)
Usaremos letras latinas para referirnos a variables del dominio
temporal o espacial y letras griegas para variables del dominio
frecuencial.
Entendiendo la Transformada de Fourier
Una transformada de Fourier es un operador de cambio de base. Por
tanto, tiene las siguientes características:
- Un kernel (la exponencial) complejo con un producto lineal entre
las dos variables a transformar ±𝒋𝝃𝒕 . El factor 𝟐𝝅 es accesorio,
mientras que el símbolo positivo o negativo se ha elegido por
convenio.
- La función a transformar depende de una única variable, y sobre
la que se realizará la integral.
- Cualquier transformación integral que tenga un aspecto similar
será considerada una TF, como veremos más adelante.
+∞ +∞
∫−∞ ∫−∞
G (ξ) = g (t) e −jξt dt g (t) = G (ξ) e jξt dξ
Entendiendo la Transformada de Fourier
¿Qué significa la Transformada de Fourier?
Consideremos la siguiente señal sonora expresada en amplitud
(volumen) frente a tiempo (ms)
Amplitud
Frecuencia (Hz)
Entendiendo la Transformada de Fourier
https://www.youtube.com/watch?v=3IAMpH4xF9Q
https://www.youtube.com/watch?v=ZRZIz81nXo4
Vemos que la nota fundamental está en los dos (en rojo), pero cada uno
presenta un diferente espectro (TF), y por eso suenan ligeramente diferente.
Entendiendo la Transformada de Fourier
La transformada de Fourier conecta dos descripciones diferentes de
una misma señal:
δ(x) 1
δ (x − x0) e −j2πξx0
Linealidad:
ℱ [a ⋅ f(x) + b ⋅ g(x)] = a ⋅ F(ξ) + b ⋅ G(ξ)
Inversión:
Inversión temporal:
ℱ [ℱ [ f(x)]] = f(−x)
Ver demostración en el documento adjunto
|a| ( a )
1 ξ
ℱ [ f(a ⋅ x)] = F
Cuando el objeto es muy ”estrecho” significa que necesitamos una onda muy
corta (de alta frecuencia) y por eso la TF se ensancha.
Entendiendo la Transformada de Fourier
Traslación:
ℱ [f (x − x0)] = e −j2πx0ξF (ξ)
∫−∞ ∫−∞
2 2
f(x) dx = F(ξ) dξ
∫−∞
F(0) = f(x) dx
En casos como este resulta más sencillo definir el filtro por cómo
actúa a nivel frecuencial que su descripción en el espacio temporal –h-
que no aportaría información inuitiva.
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Pares “famosos” de función – transformada de Fourier
δ(x) 1
δ (x − x0) e −j2πξx0
1
sin(2πxξo) (δ(ξ − ξ0) − δ(ξ + ξ0))
2i
http://www.thefouriertransform.com/pairs/fourier.php
Entendiendo la Transformada de Fourier
Pares “famosos” de función – transformada de Fourier
−πx 2
e e −πξ 2
http://www.thefouriertransform.com/pairs/fourier.php
Entendiendo la Transformada de Fourier
Pares “famosos” de función – transformada de Fourier
1 | x | < 1/2
sin(πx)
rect (x) = 1/2 | x | < 1/2 sinc (ξ) ≡
0 resto πx
http://www.thefouriertransform.com/pairs/fourier.php
Entendiendo la Transformada de Fourier
La interpretación física de una onda temporal es sencilla e intuitiva,
pero….
+∞
∬−∞
ℱ [ f(x, y)] = F(ξ) = f (x, y) e −j2π(xξ + yη)
dxdy
Entendiendo la Transformada de Fourier
+∞
∬−∞
ℱ [ f(x, y)] = F(ξ) = f (x, y) e −j2π(xξ + yη)dxdy
* Para ver dos líneas negras separadas es necesario ver una blanca entre
ellas. Por esto, la frecuencia se mide en pares de líneas (blanca-negra) por
mm
Entendiendo la Transformada de Fourier
AMPLITUD y FRECUENCIA
Entendiendo la Transformada de Fourier
La frecuencia de la TF espacial está relacionada con el detalle.
Pensemos en el caso de un móvil: para dar un detalle de alta frecuencia, los puntos
deben estar muy juntos. Si están separados, el detalle fino se perderá.
La mayor frecuencia que puede verse en un móvil es aquella que tiene un píxel
ilumiado al máximo y el siguiente, apagado. ESO es una onda espacial.
Una línea gruesa nítida: necesitará una onda suave que dará el grueso de la línea y
pequeñas onditas para formar las esquinas, cada vez más pequeñas y de mayor
frecuencia. Esta imagen tiene bajas y altas frecuencias.
Una línea gruesa borrosa: sólo serán necesarias ondas de baja frecuencia ya que no
tienes esquinas.
Línea fina nítida: serán necesarias ondas muy estrechas y de alta frecuencia.
Entendiendo la Transformada de Fourier
En las siguientes transparencias se muestran diferentes tests frecuenciales.
Dado que estos tests están normalizados, una vez sabida la posición, es posible saber
cuantas línea por mm (píxeles por pulgada) es capaz de transmitir nuestro sistema.
En el caso del ojo miope (objetivo desenfocado) , la respuesta impulsional es muy ancha
(de un punto obtenemos un manchurrón). Esto significa que la TF será estrecha y que
veremos pocas frecuencias. Esto significa que en en el test sólo veremos las letras
grandes. Aun así las veremos borrosas, ya que NO PASAN las frecuencias altas, pero
será suficiente para saber la letra que es. En el caso de la letra pequeña, la PSF es más
ancha que la distancia entre dos detalles y la letra no será legible
Las gafas reenfocan el sistema: la PSF es estrecha y por tanto el sistema admite
frecuencias altas. Como consecuencia vemos las letras más pequeñas y las letras
grandes también las veremos más nítidas.
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
Entendiendo la Transformada de Fourier
https://en.wikipedia.org/wiki/1951_USAF_resolution_test_chart
https://www.youtube.com/watch?v=aMe-xF2sRd4
Entendiendo la Transformada de Fourier
Y, ¿qué significa la orientación?
Entendiendo la Transformada de Fourier
Y, ¿qué significa la orientación?
https://youtu.be/mEN7DTdHbAU?t=217
Entendiendo la Transformada de Fourier
Y, ¿qué pinta tiene una TF espacial?
Entendiendo la Transformada de Fourier
Cada punto brillante de la TF indica el peso de la frecuencia y su
orientación.
https://www.youtube.com/watch?v=aiKrrGR57aI
- Si nos quedamos con la parte exterior, veremos una imagen gris con
los bordes y las líneas claramente marcados (frecuencias altas).
Entendiendo la Transformada de Fourier
Y, ¿qué pinta tiene una TF espacial?
Entendiendo la Transformada de Fourier
Para saber más:
https://www.youtube.com/watch?v=qa1ZxK9Y1Tw
En este video se muestra la TF de una figura simple y el efecto de
cancelar algunas partes de la transformada.
https://www.youtube.com/watch?v=T7J-WrS9ou0
∬−∞
g2 (x, y) = g1 (u, v)h (x − u, y − v) dudv
Sistemas lineales e invariantes
De ahora en adelante consideraremos los sistemas ópticos como
sistemas de transformación que convierten una entrada en una
salida, siguiendo el modelo de los sistemas de comunicaciones.
Así, la propagación libre, o el paso por una apertura serán
considerados como un “sistema” que transforma una distribución
luminosa de entrada en una de salida.
INPUT OUTPUT