Академический Документы
Профессиональный Документы
Культура Документы
Abstract -This paper presents the aplicability of Fourier Transform in the image processing. A simplified study
of Fourier's mathematical development for functions or signals: continuous or discretes in one or two
dimensions, periodicals or not by showing and demonstrating some importants properties.
Atenção: Este trabalho pode ser usado livremente, desde que o autor seja identificado e tenha seu nome
devidamente publicado. O autor não se responsabiliza por interpretações incorretas do conteúdo deste
trabalho.
Attention: This paper can be used freely, once the author is identified and has his name properly published.
The author can not be held responsible for wrong interpretations regarding the content of the work
Sumário:
• Transformada de Fourier:
• Teorema da convolução:
• Funções de Correlação
I - Introdução
∞ < t < +∞
2.1 - Representação de uma função periódica pela Série de Fourier no intervalo (-∞ ∞ ).
Seja uma função periódica f(t) de período T, podemos representá-la pela Série de Fourier no
intervalo (-∞,∞); ou seja , podemos decompor f(t) em componentes senoidais e cossenoidais (ou
exponenciais):
f (t ) = ∑ Fn ejnω ot , (1)
n = -∞
onde
to+ T
1
Fn =
T ∫ f(t) e-jnω ot dt , (2)
to
ωo
o período de f(t) é T = , ωo = 2πfo é a freqüência fundamental em rad/s e fo é a freqüência fundamental
2π
em Hz;
n = 0, ±1, ±2, ...., ± ∞.
Para encontrar a expressão de Fn, basta multiplicar ambos os lados da equação (1) por e-jnω ot e
integrar no tempo (período):
∞
f (t ) = ∑ Fn ejnω ot , temos
n = -∞
to+ T ∞ to+ T
∫ -jnω ot
f(t) e dt = ∑ Fn ∫ ejnω ot e-jnω ot dt
to n= −∞ to
to+ T ∞ to+ T ∞
∫ -jnω ot
f(t) e dt = ∑ Fn ∫ dt = ∑ Fn T
to n= −∞ to n= −∞
to+ T
to+ T
1
Fn =
T ∫ f(t) e-jnω ot dt
to
4
Matematicamente, a transformada de Fourier de uma função periódica não existe, uma vez que
não satisfaz a condição de integrabilidade absoluta no intervalo (-∞, ∞) (condição suficiente, mas não
necessária). Porém, a transformada existe no limite, ou seja a transformada de Fourier de uma função
periódica é a soma das transformadas da Fourier das suas componentes individuais, obtidas pela sua série de
Fourier.
Seja a série de Fourier de f(t), periódica em T:
∞
2π
f(t) = ∑ Fn ejnω ot , onde ωo = T
rad. Tomando a transformada de Fourier em ambos os lados, temos:
n= −∞
∞ ,∞
2.3 - Representação de uma função arbitrária (não periódica) em todo o intervalo(-∞ ∞ ): A
Transformada de Fourier.
F(u) pode ser representado por um gráfico de amplitude, Espectro de Fourier, F(u) , um gráfico
de fase, φ(u), e a Função Densidade Espectral, potência, F(u) 2.
Neste caso, o espectro é contínuo e existe para todos os valores de freqüência, -∞<u<∞.
A transformada inversa é:
Portanto, representamos uma função arbitrária f(x) em termos de funções exponenciais em todo o
intervalo (-∞< x < ∞).
Observação:
Quando a função é temporal (x = t) e a variável independente de freqüência é dada em rad/s (u =
1
ω), normalmente aparece um fator multiplicando a integral; ou seja:
2π
∞
1
f(t) =
2π ∫ F(ω) ejω t dω,
−∞
o fator 2π na equação acima pode ser removido se a integração for realizada em função da freqüência em Hz
ao invés de ω:
ω = 2πf,
dω = 2πdf, logo
∞
1
f(t) =
2π ∫ F( 2πf ) ej2πft 2π df
−∞
A Transformada de Fourier [1], [2] pode ser estendida para uma função de duas variáveis f(x,y).
Se f(x,y) é contínua e apresenta a condição de integrabilidade então, temos o par de transformadas:
∞ ∞
∞ ∞
• Espectro de Amplitude
F(u, v) = [R2(u,v) + I2(u,v)]1/2 , onde R(u,v) é a parte real e I(u,v) é a parte imaginária.
• Espectro de Fase
I(u, v)
φ(u,v) = tg-1
R(u, v)
• Espectro de Potência
A representação de uma seqüência periódica pela Série Discreta de Fourier, DFS 1-D, e a
representação de uma seqüência não periódica pela Transformada Discreta de Fourier, DFT 1-D, são
ferramentas matemáticas de grande utilidade no processamento de sinais digitais, como apresentado nas
seções 3.1, 3.2.
7
Seja uma seqüência periódica f(x) = {xo, x1, ..., xN-1}, com período N, tal que f(x) = F(x+kN),
onde k é um número inteiro. Podemos representar f(x) em termos da Série Discreta de Fourier.
Diferentemente à série de Fourier para funções contínuas e periódicas, uma seqüência periódica
apresenta somente N exponenciais complexas. Isso ocorre devido a periodicidade da função ej2πkx/N em k
com período N:
Seja: ek(x) = ej2πxk/N , temos que e0(x) = eN(x), e1(x) = eN+1(x) , pois
para k =0:
e0(x) = e0 = 1;
para k = N:
eN(x) = ej2πxN/N = ej2πx = cos (2πx) + j sin (2πx) , para qualquer valor de x cos (2πx) = 1 e sin (2πx) = 0.
Logo:
e0(x) = eN(x).
Para k = 1:
e1(x) = ej2πx/N ,
para k = N+1:
eN+1(x) = ej2πx(N+1)/N = ej2πx . ej2πx/N , como já vimos o termo ej2πx é sempre igual a unidade para qualquer valor
de x inteiro. Logo:
e1(x) = eN+1(x)
Assim,
N −1
f(x) = ∑ F (u) ej(2πux/N) , (8)
u= 0
∑ f ( x ) e-j(2πux/N)
1
F(u) = , (9)
N x= 0
N −1 N −1 N −1
N −1 N −1 N −1
∑ F (u) representa a seqüência periódica dos coeficientes da série de Fourier: F(0), F(1), F(2), ..., F(N-1),
u= 0
N −1
N −1
∑
1
f(x) e-j(2πux/N) = F(u)
N x=0
3.2 - Representação de uma Seqüência de Duração Finita (não periódica) 1-D, Transformada
Discreta de Fourier (DFT -1D)
Seja uma seqüência de duração finita g(x) de comprimento N, tal que g(x) = 0 fora do intervalo
0≤ x ≤ N-1.
Para facilidade de análise, vamos considerar que g(x) é um período da seqüência periódica f(x)
apresentada no item 3.1, temos:
A seqüência de duração finita, g(x), pode ser obtida da seqüência periódica f(x) pela extração de
um período:
f (x), 0 ≤ x ≤ N - 1
g(x) =
0 , fora
Por conveniência matemática, definimos uma seqüência retangular RN(x) tal que:
1, 0 ≤ x ≤ N - 1
RN =
0, fora
g(x) = f(x)RN(x)
Como já definido, os coeficientes, F(u), da DFS e a seqüência periódica, f(x), são periódicos
com período N.
Denotando por G(u) os coeficientes de Fourier para a seqüência finita g(x), temos:
G(u) = F(u)RN(u), como:
N −1
∑ f(x) e-j(2πux/N) ,
1
F(u) = e
N x=0
N −1
N −1
∑ G( u ) exp(j2π ux / N), 0 ≤ x ≤ N - 1
• g(x) = u = o (11)
0
, fora
10
Observação: é importante ter em mente que sempre consideramos uma seqüência aperiódica como sendo um
período de uma seqüência periódica e a partir daí, efetuamos os cálculos para encontrar os coeficientes de
Fourier (DFT).
Seja uma seqüência periódica bi-dimensional f(x,y) = f(x+qM, y+rN), onde "M" é o período das
linhas, "N" é o período das colunas e "q" e "r" são números inteiros que podem ser positivos ou negativos.
A seqüência f(x,y) tem sua representação em série de Fourier como uma soma finita de
exponenciais complexas, de seguinte maneira:
M −1 N −1
onde,
M −1 N −1
onde,
F(u,v) e f(x,y) têm a mesma periodicidade;
"u" e "x" = 0,1,2,..., M-1;
"v" e "y" = 0,1,2,..., N-1.
Vamos, aqui, aplicar a mesma interpretação dado no caso da Tansformada em uma dimensão; ou
seja, uma seqüência de duração finita é considerada como sendo um período da seqüência periódica
correspondente.
Uma seqüência bi-dimensional não periódica g(x,y) que é zero fora do intervalo 0≤ x ≤ M-1, 0≤
y ≤ N-1 é referida como uma seqüência de área finita.
Analogamente a discussão do item anterior, temos:
11
G(u,v) = F(u,v)RN(u,v),
g(x,y) = f(x,y)RN(x,y),
como
1 , 0 ≤ x ≤ M - 1, 0 ≤ y ≤ N - 1
RN (x,y) =
0 , fora
1 M −1 N −1
G(u,v) = NM
∑ ∑ g(x)exp(-j2π ux / M) exp(-j2π vy / N) , 0 ≤ x ≤ M - 1, 0 ≤ y ≤ N - 1 (14)
x=0 y=0
0
, fora
M −1 N −1
∑ ∑ G(u, v)exp(j2π ux / M) exp(j2π vy / N), 0 ≤ x ≤ M - 1, 0 ≤ y ≤ N - 1
g(x,y) = u = 0 v = 0 (15)
0 , fora
Observação, uma opção para implantação de DFT 2-D é utilizar uma DFT 1-D para as linhas e
DFT 1-D para as colunas e vice-versa. A mesma interpretação é dada para o caso da DFT 2-D inversa
(propriedade da separabilidade, seção 5.1).
5.1 - Separabilidade
12
Esta propriedade nos mostra que o par de transformadas F(u,v) e f(x,y) pode ser obtido em dois
passos separados, considerando-se duas operações 1D. Em outras palavras, a função bi-dimensional F(u,v) é
obtida pela transformação em cada linha de f(x,y) e o resultado é multiplicado pelo número total das mesmas,
M, obtendo-se F(x,v). F(u,v) é obtida, agora, transformando-se F(x,v) coluna por coluna.
Demonstação:
temos que:
M −1 N −1
M −1 N −1
∑ ∑ f ( x , y)
1
F(u,v) = e-j2π (ux/M + vy/N) , onde u,v = 0,1, ..., M-1
MN x = 0 y =0
M −1 N -1
1
F(x,v) = M
MN ∑∑ -j2πyv/N
f(x, y) e -j2πux/M
e
x = 0 y= 0
x=cte
1 N −1
M −1
F(x,v) = ∑ f ( x, y ) e-j2πvy/N ∑ exp( − j 2πux / M )
N y= 0 x=0
x=cte
13
N −1
1
F(x,v) =
N ∑
y=0
f(x,y) e-j2πyv/N
M −1 M −1
∑ ∑ F ( x , v ) e-j2πux/M e-j2πvy/N
1
F(u,v) =
MN x=0 x=0
y=cte
M −1 1 N −1
∑ ∑ f ( x , y ) exp(-j2πvy / N e-j2πux/M
1
F(u,v) =
M x =0 N y=0
M −1 N −1
1
F(u,v) =
MN ∑ ∑ f ( x , y ) e-j2πvy/N e-j2πuc/M
x=0 y=0
M −1 N −1
1
F(u,v) =
MN ∑ ∑ f ( x , y ) e-j2π (ux/M + vy/N)
x=0 y=0
M −1 N −1
∑ ∑ f (x , y ) e-j2πyv/N
1 -j2πux/M 1
F(u,v) = e
M x=0 N y=0
5.2 - Translação
Esta propriedade mostra que a multiplicação de f(x,y) pela exponencial ej2π (uo x/M + vo y/N) resulta
num deslocamento na freqüência para o ponto (uo, vo).
De maneira análoga, se multiplicarmos a transformada F(u,v) pela mesma exponencial e
tomarmos a transformada inversa, efetuamos um deslocamento espacial da origem para o ponto (xo, yo).
Demonstração:
Mostrar que:
14
f(x,y) ⇔ F(u,v)
M −1 N −1
M −1 N −1
M −1 N −1
CQD
5.3 - Periodicidade
Esta propriedade mostra que se f(x,y) é periódica, somente um período é necessário para
especificar completamente F(u,v) no domínio da freqüência. O mesma se aplica a f(x,y) no domínio espacial.
Demonstração:
Provar que F(u,v) = F(u+M, v+N), ou f(x,y) = f(x+M, y+N), onde < é o período das linhas e N
o período das colunas.
M −1 N −1
temos
M −1 N −1
∑ ∑ f ( x + M , y + N) e-j2π[u(x+M)/M e-j2πv(y+N)/N] =
1
ℑ[f(x+M, y+N)] =
MN x = 0 y =0
M −1 N −1
M −1 N −1
M −1 N −1
CQD
5.4 Rotação
Esta propriedade nos mostra que uma rotação em f(x,y) por ângulo α, produz a mesma rotação
em F(u,v) e vice-versa.
Nesta demonstração utilizamos uma função discreta de uma dimensão, para facilidade dos cálculos, sendo que
os resultados podem ser extrapolados para funções multi-dimensionais.
Demonstração:
x = r cosθ e y = ω cosϕ,
temos:
N −1
∑ f (x ) e-j(2π ux/N)
1
F(u) =
N x=0
16
r 1 1
∑ f [r cos(θ + α ) e
1 -j2π ω r/N{cosϕ [cos(θ - α) + cos(θ + α)] - [cos(θ - α) - cos(θ + α)]}
= 2 2
N x =0
f(x)*g(x) ⇔ F(u)G(u)
O que mostra que a convolução no domínio espacial (x), pode ser obtida pela transformada
inversa do produto F(u)G(u).
O resultado pode ser estendido para o domínio da freqüência; ou seja:
f(x)g(x) ⇔ F(u)*G(u)
Demonstração:
tal que
∫ f (α )g(x - α ) dα ⇔ F(u)G(u)
−∞
Demonstração:
∞ ∞ ∞ ∞
Pela propriedade do deslocamento no espaço, verificamos que a segunda integral é igual a G(u)e-
j2π u α
.
Logo:
18
∞
CQD
tal que
f(x)g(x) ⇔ F(u)*G(u)
Demonstração:
Seja
∞ ∞ ∞
F(u)*G(u) = ℑ[f(x(g(x)]
CQD
19
5.6.1 - Comutatividade
f(x)*g(x) = g(x)*f(x)
Demonstração:
Seja
∞ ∞
CQD
5.6.2- Distributividade
Demonstração:
Seja:
f(x)*[g(x)+h(x)] =
∞ ∞ ∞
CQD
5.6.3 - Associatividade
f(x)*[g(x)*h(x)] = [f(x)*g(x)]*h(x)
Demonstração:
20
f(x) ⇔ F(u)
g(x) ⇔ G(u)
h(x) ⇔ H(u)
ℑ-1{[F(u)G(u)]H(u)} = [f(x)*g(x)]*h(x)
CQD
Sejam as funções f(x) e g(x) discretizadas, tal que f(x) tem tamanho "A" e g(x) tem tamanho "B";
ou seja:
Como já visto, a transformada discreta de Fourier e sua transformada inversa são funções
periódicas com o mesmo período das funções discretas.
Assim, o teorema da convolução discreta, também, tem que ser consistente com a periodicidade das funções
discretas f(x) e g(x), tal que f(x) = f(x+M) e g(x) = g(x+M). Com isto, o resultado da convolução de f(x) com
g(x) é periódica de período, também, "M". O valor de "M" deve ser maior ou igual do que A+B-1 para evitar
erro de superposição.
Os detalhes do desenvolvimento descrito acima, encontra-se em [1].
Como f(x), g(x) e f(x)*g(x) devem ter o mesmo tamanho, é necessário estender f(x) e g(x) com
zeros até que ambas as funções fiquem com tamanhos iguais a "M".
Observação, quando estendemos uma seqüência com zeros, não alteramos (não há criação nem
desaparecimento de freqüências) no seu espectro de freqüências mas sim, apenas o espalhamos.
Estendendo as funções:
f(x) , 0 ≤ x ≤ A - 1
fe(x) =
0 , A ≤ x ≤ M - 1
g(x) , 0 ≤ x ≤ B - 1
ge(x) =
0 , B ≤ x ≤ M -1
21
Assim, temos:
M −1
1
• fe(x)*ge(x) =
M
∑ fe(m)ge(x - m) ,
m= 0
para x = 0,1,2,3, ..., M-1. A função convolução é uma seqüência discreta periódica de comprimento "M".
fe(x)*ge(x) ⇔ Fe(u)Ge(u)
e
fe(x)ge(x) ⇔ Fe(u)*Ge(u)
∞ ∞
f(x,y)*g(x,y) ⇔ F(u,v)G(u,v)
f(x,y)g(x,y) ⇔ F(u,v)*G(u,v)
Observação, este teorema foi demonstrado para o caso unidimensional, sendo os resultados
válidos para qualquer dimensão, segundo [1].
A convolução discreta 2-D é formulada discretizando-se as funções contínuas f(x,y) e g(x,y) com
tamanhos AxB e CXD respectivamente.
Como no caso 1-D, estas seqüências devem ser periódicas de períodos "M"e "N" nas dimensões
"x"e "y" respectivamente.
Segundo [2], o erro de superposição da função de convolução é evitado tomando-se os períodos "M"e "N",
tais que:
22
f(x,y), 0 ≤ x ≤ A - 1 e 0 ≤ y ≤ B - 1
fe(x,y) =
0 , A ≤ x ≤ M - 1 ou B ≤ y ≤ N - 1
g(x, y), 0 ≤ x ≤ C - 1 e 0 ≤ y ≤ D - 1
ge(x,y) =
0 , C ≤ x ≤ M - 1 ou D ≤ y ≤ N - 1
M −1 N −1
1
fe(x,y)*ge(x,y) =
MN
∑ ∑ fe(m, n)ge(x - m, y - n) ,
m = 0 n =0
fe(x,y)*ge(x,y) ⇔ Fe(u,v)Ge(u,v)
fe(x,y)ge(x,y) ⇔ Fe(u,v)*G(u,v)
6- Correlação
A correlação cruzada entre duas funções ou sinais, contínuos ou discretos em uma ou mais
dimensões nos mostra quaisquer similaridade entre essas funções ou sinais e é denotado por:
23
f(x)°g(x) = ∫ f * (α )g(x - α ) dα ,
−∞
A correlação entre duas funções ou sinais discretos f(x) e g(x) é definida por:
M −1
1
fe(x,y)°ge(x,y) =
M
∑ f * e(m)ge(x- m) ,
m= 0
Similarmente, podemos estender [1] a correlação cruzada em uma dimensão para o caso bi-
dimensional.
∞ ∞
f(x,y)°g(x,y) ⇔ F*(u,v)G(u,v)
f*(x,y)g(x,y) ⇔ F(u,v)G(u,v),
onde f*(x,y) é o conjugado complexo da função ou sinal f(x,y) e F*(u,v) é o conjugado complexo da
transformada de Fourier de f(x,y).
M −1 N −1
1
fe(x,y)°g(x,y) =
MN
∑ ∑ fe * (m,n)ge(x - m, y - n) ,
m = 0 n =0
Para x = 0,1,2,...,M-1 e
y = 0,1,2,...,N-1.
Como no caso da correlação discreta 1-D, fe(x,y) e ge(x,y) são funções ou sinais estendidos com
períodos "M" e "N" respectivamente, tal que não ocorra erro de superposição, no período, da função
correlação.
fe(x,y)°ge(x,y) ⇔ F*e(u,v)Ge(u,v)
f*e(x,y)ge(x,y) ⇔ Fe(u,v)°Ge(u,v),
onde fe(x,y) é a função ou sinal estendida de f(x,y); ge(x,y) é a função ou sinal estendido de g(x,y); Fe*(u,v) é o
conjugado complexo estendido da transformada de Fourier de fe(x,y); Ge*(x,y) é o conjugado complexo
estendido da transformada de Fourier de ge(x,y); Fe(u,v) é a transformada de Fourier de fe(x,y) e Ge(u,v) é a
transformada de Fourier de ge(x,y).
Novamente aqui, por facilidade, são demonstrados somente os casos em 1-D, pois segundo [1],
[2] os resultados podem ser estendidos para os casos multi-dimensionais.
Sejam f(x) e g(x) funções ou sinais contínuos unidimensionais. Queremos demonstrar que:
f(x)°g(x) ⇔ F*(u,v)G(u,v).
Demostração:
∞ ∞
ℑ[f(x)°g(x)] = F*(u,v)G(u,v)
CQD
25
Sejam f(x) e g(x) funções ou sinais contínuos unidimensionais. Queremos demonstrar que:
f*(x)°g(x) ⇔ F(u,v)G(u,v).
Demonstração:
∞ ∞
∞ ∞
ℑ[f*(x)°+g(x)] = F(u,v)G(u,v),
CQD
Um caso especial de correlação cruzada é quando f(x) e g(x) são iguais. Nesse caso, dizemos
que é uma autocorrelação e que fisicamente nos mostra a comparação de um sinal com ele mesmo deslocado
no tempo e é denotado por:
com grande aplicabilidade em processamento de imagens, por exemplo, de radares, equipamento de ultra-
som etc.
Devemos ter sempre em mente que a função ou sinal f(t) pode se contínuo ou discreto de uma ou
mais dimensões, periódico ou não.
VII _ Conclusão
implementação das técnicas de filtragens para eliminação de ruídos e interferências das imagens (ou de uma
maneira geral, sinais) em análise.
[1] Gonzales, R.C., Woods, R.E., Digital Image Processing, USA: Addison-Wesley Pubisshing
Company, 1993.
[2] Oppenheim, A .V., Schafer , R.W., Digital Signal Processing, New Jersey: Prentece Hall, 1975.
[3] Lathi, B.P., Sistema de Comunicação, Rio de Janeiro: Guanabara Dois, 1979.
[4] Carlson, A .B., Sistemas de Comunicação: uma introdução aos sinais e ruídos em comunicação elétrica,
São Paulo: McGraw-Hill do Brasil, 1981.
[5] Pratt, W.K., Digital Image Processing, USA: John Wiley & Sons, Inc., 1991.
[6] Apostol T., M., Cálculo, vol. I, Rio de Janeiro: Reverté Ltda, 1979.