Академический Документы
Профессиональный Документы
Культура Документы
1.1 Denizione
Sia f (x, y) una matrice di dimensioni M xN , dove x = 0, 1, . . . , M 1 e
y = 0, 1, . . . , N 1.
M
1 N
1
X
X
x=0 y=0
per u = 0, 1, . . . , M 1 e v = 0, 1, . . . , N 1.
3
ux
vy
f (x, y)ej2( M + N )
(1.1)
DFT monodimensionale
Denizione:
Equazione di analisi
F (u) =
Equazione di sintesi
f (x) =
M
1
P
f (x)ej M ux
x=0
M
1
P
2
1
F (u)ej M ux
M
u=0
Propriet:
Linearit
a1 f1 (x) + a2 f2 (x)
a1 F1 (u) + a2 F2 (u)
Traslazione circolare
f ((x x0 )M )
F (u)ej M x0 u
DF T
DF T
F ((u + u0 )M )
Dualit
F (u)
M f ((x)M )
Convoluzione circolare
f (x) ~ g(x)
F (u)G(u)
DF T
DF T
DF T
Tabella 1.1: Denizione e propriet della DFT monodimensionale di una sequenza f (x)
di lunghezza M
M 1 N 1
vy
ux
1 XX
F (u, v)ej2( M + N )
[F (u, v)] =
M N u=0 v=0
(1.2)
per x = 0, 1, . . . , M 1 e y = 0, 1, . . . , N 1.
Tali equazioni si ottengono estendendo al caso bidimensionale la DFT monodimensionale, di cui sono riportate in tabella 1.1 la denizione e le propriet.
Nelle equazioni 1.1-1.2 si pu notare che il valore del termine:
ux
vy
ej2( M + N )
(1.3)
(u, v) = tan
I(u, v)
.
R(u, v)
(1.4)
Le funzioni 1.3 e 1.4 possono essere utilizzate per esprimere F (u, v) in coordinate polari:
F (u, v) = |F (u, v)|ej(u,v)
(1.5)
1.2 Propriet
In questo paragrafo verranno esaminate le principali propriet della DFT
bidimensionale, particolarmente utili nell'ambito dell'elaborazione delle immagini.
Linearit
(1.6)
moltiplica per un valore ssato tutti gli elementi al di sotto di una maschera e poi li somma.
Il valore F (0, 0) detto componente DC e rappresenta la componente continua della DFT, da qui il nome DC. Ponendo u = v = 0 nell'equazione 1.1 si
ha:
F (0, 0) =
M
1 N
1
X
X
f (x, y)e =
x=0 y=0
M
1 N
1
X
X
(1.7)
f (x, y).
x=0 y=0
Dunque tale coeciente pari alla somma di tutti i termini della matrice
originaria. A meno di un fattore di scala
1
MN
Si pu dimostrare per sostituzione diretta nelle equazioni 1.1 e 1.2 che valgono
le seguenti propriet di traslazione:
h
j2 (
F f (x, y)e
v0 y
u0 x
+ N
M
i
) = F ((u u ) , (v v ) )
0 M
0 N
(1.8)
e
F [f ((x x0 )M , (y y0 )N )] = F (u, v)ej2(
y0 v
x0 u
+ N
M
).
(1.9)
Si noti che tale traslazione non modica lo spettro di ampiezza di F (u, v).
Spesso conveniente traslare la DFT in modo tale che la componente DC
sia nel punto ( M2 , N2 ). Ci si pu ottenere moltiplicando tutti gli elementi
f (x, y) per (1)x+y prima di calcolare la trasformata2 .
La gura 1.1 mostra come viene traslata una DFT; il quadrato nero rappresenta la componente DC.
2 Si
pu dimostrare imponendo u0 =
M
2
e v0 =
N
2
nell'equazione 1.8.
DFT
DFT traslata
vy
vy
(1.10)
pi semplici:
F (u, y) =
M
1
X
f (x, y)ej2 M
ux
(1.11)
vy
(1.12)
x=0
F (v, x) =
N
1
X
f (x, y)ej2 N
y=0
Si pu notare che tali equazioni, che operano su singole righe o colonne, sono
DFT monodimensionali.
Applicando lo stesso ragionamento all'equazione di sintesi 1.2 si ha:
M 1
ux
1 X
F (u, y)ej2 M
M u=0
(1.13)
N 1
vy
1 X
f (x, y) =
F (v, x)ej2 N
N v=0
(1.14)
f (x, y) =
Dunque, per la propriet di separabilit, la DFT bidimensionale di una matrice si pu ottenere calcolando prima la DFT di tutte le righe e poi la DFT
di tutte le colonne del risultato.3
Teorema della convoluzione
Siano f (x, y) e h(x, y) due matrici di dimensione M x N . La loro convoluzione circolare denita dall'equazione:
f (x, y) ~ h(x, y) =
M
1 N
1
X
X
(1.15)
k=0 l=0
per x = 0, 1, . . . , M 1 e y = 0, 1, . . . , N 1.
Il teorema della convoluzione dato dalle espressioni:
F[f (x, y) ~ h(x, y)] = F (u, v)H(u, v),
(1.16)
(1.17)
e
dove F (u, v) e H(u, v) sono le trasformate di f (x, y) e h(x, y).
Si noti che, nonostante siano molto simili, la convoluzione circolare non va
confusa con la convoluzione lineare in quanto in generale danno luogo a risultati diversi. Questi due tipi di convoluzione sono tuttavia legati e, in
opportune ipotesi, possono coincidere.
Supponendo che le funzioni f (x, y) e h(x, y) siano di dimensione AxB e C xD,
rispettivamente, si pu dimostrare che la convoluzione lineare coincide con
quella circolare se si estendono con zeri f (x, y) e h(x, y) come segue:
fp (x, y) =
f (x, y) 0 x A 1 e 0 y B 1
0
3 Il
Ax<P
e By<Q
(1.18)
e
hp (x, y) =
h(x, y) 0 x C 1 e 0 y D 1
0
Cx<P
e Dy<Q
(1.19)
con
P A + C 1,
(1.20)
Q B + D 1.
(1.21)
e
Tale processo chiamato zero