Capitolo 1

Trasformata discreta di Fourier

Bidimensionale
Il dominio della frequenza rappresenta un potente strumento per l'analisi
e l'elaborazione delle immagini. Problematiche legate alla presenza di rumore nelle immagini sono dicili da trattare nel dominio spaziale mentre
invece possono essere arontate in maniera intuitiva nel dominio della frequenza. In questo capitolo verr denita la Trasformata Discreta di Fourier
bidimensionale e le sue propriet principali.

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.

La DFT bidimensionale F (u, v) di f (x, y) si pu denire come:

F (u, v) = F [f (x, y)] =

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)

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

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

Traslazione in frequenza f (x)ej M xu0

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

La DFT inversa invece denita dall'equazione:

f (x, y) = F

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 )

detto anche kernel della trasformazione, indipendente da f e F . Ci implica

che ciascun valore F (u, v) pu essere ottenuto moltiplicando ogni termine di

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

f (x, y) per un valore ssato, sommando poi i risultati1 .

Anche quando f (x, y) reale, la sua trasformata in genere complessa. Il

metodo principale per analizzare visivamente una trasformata calcolarne lo
spettro di ampiezza e visualizzarlo come un'immagine.
Indicando con R(u, v) e I(u, v) rispettivamente la parte reale e immaginaria
di F (u, v), lo spettro

di ampiezza di Fourier si denisce come:

|F (u, v)| =

R2 (u, v) + I 2 (u, v).

(1.3)

L'angolo di fase (u, v) denito come:

1

(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

La DFT di una somma uguale alla somma delle singole DFT:

F [f + g] = F + G.
1 Come

(1.6)

si vedr nel capitolo 2 questo esattamente ci che fa un ltro spaziale lineare,

moltiplica per un valore ssato tutti gli elementi al di sotto di una maschera e poi li somma.

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

Componente DC

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

, esso fornisce informazioni sul

valore medio di f (x, y)

Traslazione circolare

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.

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

DFT

DFT traslata

Figura 1.1: Traslazione di una DFT

Separabilit

Il termine esponenziale nell'equazione 1.1 pu essere espresso come:

ux

vy

vy

ej2( M + N ) = ej2 M ej2 N

ux

(1.10)

Il primo termine di tale prodotto dipende solo da x e u ed indipendente da

y e v , viceversa il secondo termine dipende solo da y e v ed indipendente da
x e u. Ci signica che possibile scomporre l'equazione 1.1 in due equazioni

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) =

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

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

f (k, l)h((x k)M , (y l)N )

(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)

F[f (x, y)h(x, y)] = F (u, v) ~ H(u, v),

(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)

prodotto indipendente dall'ordine quindi si pu calcolare prima la DFT di tutte

le colonne e la DFT di tutte le righe del risultato.

Capitolo 1. Trasformata discreta di Fourier Bidimensionale

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

padding e le funzioni descritte nelle equazioni

1.18 e 1.19, dette padded, sono di dimensioni P xQ.

Nel capitolo successivo si vedr che il teorema della convoluzione fornisce il
fondamento teorico per il ltraggio delle immagini nel dominio della frequenza.