Академический Документы
Профессиональный Документы
Культура Документы
Palabras clave— Convolucion, convolución También la convolucion discreta se escribe y[n] = x[n] ∗
discreta, convolución continua, co-relación y h[n].
autorelación. De manera similar, se define la convolucion para una
señal continua véase en 2.
I. OBJETIVOS
∞
y(t) = ∫−∞ x(τ )h(t − τ )dτ (2)
Analizar las propiedades de la convolución
continua y discreta de señales, utilizando
simulaciones implementadas en Matlab. B. Filtros de imágenes.
Comprender los parámetros necesarios en la En esta sección se verán cómo trabajan los filtros de
programación de scripts, para la correcta imágenes, qué relación tienen con la convolución y el
ejecución de las simulaciones de convolución. significado “físico” de esta operación dentro del ámbito
Identificar las diferencias y similitudes entre las de la fotografía. Como hemos dicho en la introducción, el
operaciones de convolución, co-correlaciòn y producto de convolución es muy útil en los filtros de las
autocorrelación. fotografías. Se puede entender por convolución al
Conocer las aplicaciones de la convolución en producto entre una primera matriz y una segunda matriz
procesamiento de imagen con MATLAB llamada “kernel”. El filtro matriz de convolución usa una
primera matriz que es la imagen que será tratada. La
imagen es una colección bidimensional de píxeles en
II. INTRODUCCIÓN coordenada rectangular. El kernel usado depende del
efecto deseado. Por lo general, las matrices utilizadas son
En el presente informe se pretende analizar las del tamaño de 5x5 o de 3x3. Veremos el caso de las
propiedades de la convolución continua y discreta, para matrices de 3x3 (que puede ser expresada como una de
así encontrar sus principales diferencias. Se realizaron 5x5 con valor nulo en los bordes) El filtro examina,
ejercicios en Matlab con el fin de corroborar su respuesta sucesivamente, cada píxel de la imagen. Para cada uno de
y comprender los parámetros necesarios para la hacer la ellos, que lo llamaremos “píxel inicial”, se hará el
convolución. Se identificaron las diferencias y similitudes producto entre los 8 píxeles circundantes sumado al píxel
entre las operaciones de convolucion, co-relación y auto- inicial y los valores del kernel. Aquí un ejemplo:
correlación. Se dio a conocer el uso de la convolución en
situaciones del día a día, tales como filtros de imágenes.
_____________________
L Wilches, D. Martínez, son estudiantes del Programa de Ingeniería
Eléctrica de la Universidad de La Salle, Bogotá D.C., Colombia (correos
e.; hwilches48@unisalle.edu.co, dmartínez59@unisalle.edu.co).:
A la izquierda, la imagen de la matriz: cada píxel está naranja respectivamente, la convolucion de ambas es la de
marcado con su valor. El píxel inicial tiene un borde rojo. color amarillo, se puede ver que los lımites de la
El área de acción del kernel tiene un borde verde. En el convolucion son de -1 a 3, es decir, la suma de los lımites
medio, el kernel, y a la derecha, el resultado de inferiores de la señal x(t) y h(t) para -1 y la suma de los
convolución. [1] lımites superiores de x(t) y h(t) son 3, esto se puede
corroborar tanto teóricamente como gráficamente. Por lo
tanto, se puede concluir que los lımites de la convolucion
siempre dependen de los lımites de las funciones.
IV. RESULTADOS Y ANÁLISIS
b) En el ejemplo anterior hemos utilizado la función
convnum, sin embargo, Matlab trae una función
1) Primera sesión incorporada que realiza la convolución de dos
señales conv, realice el cambio en el anterior
Se desarrolló la aplicación del artıculo en procesamiento
script y compare las gráficas.
de imágenes con la ayuda del software de MATLAB.
2) Segunda sesión
En la segunda sesión se desarrollarán una serie de
ejercicios dados a continuación:
6.
a. Sea x[n] = n, 0 ≤n ≤8 y h[n] = n, 0 ≤ n ≤8, evalué y
grafique la autocorrelación de rxx[n] y rhh[n],
encontrando donde tienen su valor máximo. Evalué y
grafiqué rxh[n] y rhx[n].
V. CONCLUSIONES
VI. REFERENCIAS