UNIVERSIDADE ESTADUAL DO OESTE DO PARAN

A
CENTRO DE CI

ENCIAS EXATAS E TECNOL

OGICAS
CURSO DE LICENCIATURA EM MATEM

ATICA
Serie de Fourier e Transformada de Fourier
com aplicacao ` a reconstruc ao de imagem
Cascavel - Pr
2011
UNIVERSIDADE ESTADUAL DO OESTE DO PARAN

A
CENTRO DE CI

ENCIAS EXATAS E TECNOL

OGICAS
CURSO DE LICENCIATURA EM MATEM

ATICA
LOISE DIETRICH POCZAPSKI
Serie de Fourier e Transformada de Fourier
com aplicac ao ` a reconstruc ao de imagem
Orientador: Prof. Dr. Sandro Marcos Guzzo
Cascavel - Pr
2011
LOISE DIETRICH POCZAPSKI
Serie de Fourier e Transformada de Fourier
com aplicac ao ` a reconstruc ao de imagem
Monograa apresentada como requisito parcial `a
aprova cao na disciplina Introducao `a Pesquisa (Mon-
graa) do Colegiado do Curso de Matematica, Centro
de Ciencias Exatas e Tecnologicas, Universidade Es-
tadual do Oeste do Parana, campus de Cascavel.
Prof. Sandro Marcos Guzzo (Orientador)
Universidade Estadual do Oeste do Parana
Prof. Clezio Aparecido Braga
Universidade Estadual do Oeste do Parana
Prof. Daniela Maria Grande Vicente
Universidade Estadual do Oeste do Parana
Cascavel, Novembro de 2011.
Dedico a Deus.
3
AGRADECIMENTOS
Agradeco a todos meus professores da graduacao, que sempre estiveram dispostos a me ajudar e
auxiliar no que fosse preciso. Durante essa caminhada de estudos pude amadurecer em todos os
aspectos, pelo incentivo e apoio que tive dos professores e por conta disso minha vontade de lecionar
so cresceu.
Em especial agradeco ao meu orientador que sempre esteve muito atento durante a constru cao
desse trabalho.
4
Ninguem podera jamais aperfei coar-se, se nao tiver
o mundo como mestre. A experiencia se adquire na
pratica.
William Shakespeare
5
Sumario
Introducao 10
A funcao de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Historia de Jean Baptiste Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1 Series de Fourier 13
1.1 Formulacao matematica do problema da conducao do calor . . . . . . . . . . . . . . 13
1.2 Como surgiram as Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.2 Os Coecientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Alguns exemplos de Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4 Forma complexa da Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Series de Fourier de Cosseno e de Seno 27
2.1 Fun coes Pares e Funcoes

Impares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Transformada de Fourier 33
3.1 A Integral de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3 Propriedades Operacionais da Transformada de Fourier . . . . . . . . . . . . . . . . 40
4 Aplicacao da FFT na remocao de rudo em imagem 44
4.1 Processamento de Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.1.1 A imagem digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.1.2 Amostragem e Quanticacao . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.3 Histograma de Imagem Digital . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6
4.1.4 Operacoes em Imagens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Aplicacao da FFT na remocao de rudo em imagem . . . . . . . . . . . . . . . . . . . 48
4.3 Filtragem Passa-Baixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Filtragem Passa-Alta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5 Outros Filtros no Domnio de Frequencia . . . . . . . . . . . . . . . . . . . . . . . . 54
RESUMO
Este trabalho tem por objetivo estudar a Transformada de Fourier, pelo motivo principal de haver
uma grande importancia dessa transformada no processamento digital de sinais e imagens. Contudo
o incio deste trabalho se dara com as Series de Fourier, partindo da motiva cao pela qual surgiram,
que e o estudo do uxo de calor por uma barra, e apresentar algumas propriedades das mesmas. Sera
dada enfase em uma aplica cao especca dentro do processamento de imagens, que e na remo cao
de rudo em imagem. Esta aplica cao foi escolhida por mostrar um resultado bom e signicativo,
utilizando o software ImagemJ.
Palavras-chave: Series de Fourier, Transformada de Fourier, espectro de Fourier.
8
ABSTRACT
This work aims to study the Fourier Transform on the ground there is a primary importance of
this transformed in the digital signals processing and images processing. However, this work starts
with the Fourier series, based on the motivation for which the Fourier series arose, that is the study
of heat ow by a slash, and present some properties of them. Emphasis will be placed in a specic
application within the image processing, which is in images noise removal. This application was
chosen because shows a good and signicant result, using the software ImagemJ.
Key words: Fourier Series, Fourier transform, Fourier spectrum.
9
Introducao
Jean Baptiste Joseph Fourier (1768-1830) ao estudar a propagacao de calor em corpos
solidos, que havia formulado em termos de equacoes diferenciais parciais, foi levado a desenvolver
suas series admitindo que essa propaga cao se da em forma de ondas de calor, e essas ondas sao
representadas em series de senos e(ou) cossenos. Tais series sao conhecidas como Series de Fourier.
As Series de Fourier bem como a Transformada de Fourier dao suporte para estudos e aplicacoes
mais avancados que vao alem do estudo sobre uxo de calor, pois sao muito utilizadas nas areas
de matematica, engenharia, computacao, m usica, ondulatoria, sinais digitais, processamento de
imagens, telecomunica coes, entre outros. A ideia e que qualquer funcao periodica contnua, por
mais complicada que seja, pode ser representada como a soma innita de funcoes seno e(ou) cosseno
com amplitudes, fases e perodos escolhidos convenientemente, ou seja, escrita como uma Serie de
Fourier, o que facilita visualizar e manipular uma funcao. Na verdade a serie pode, sob certas
condicoes, representar qualquer fun cao, periodica ou nao.
A funcao de Euler
Depois do surgimento e desenvolvimento do Calculo Diferencial e Integral as funcoes seno,
cosseno e as outras funcoes trigonometricas correspondentes, se tornaram importantes em aplicacoes
fsicas, sendo essas funcoes denidas para todo n umero real t.
Primeiramente denia-se seno e cosseno de um angulo, mas quando se trata de n umero
real a deni cao de seno e cosseno e feita por meio de uma funcao E, dita fun cao de Euler, que sera
denida posteriormente.
O crculo trigonometrico unitario S1 e, por deni cao, a circunferencia de raio 1 com centro
na origem, orientada no sentido anti-horario. A fun cao de Euler e denida no conjunto dos n umeros
reais e sua imagem e o crculo unitario S1. Ou seja, a cada n umero real t corresponde um ponto
E(t) no crculo unitario. Uma propriedade importante da funcao E e a sua periodicidade. Dizemos
que uma fun cao f e periodica de perodo T, quando f(t +T) = f(t), para todo t D(f). Quando
k e um inteiro, as extremidades nais dos arcos de comprimento T = 2k sempre coincidirao com
o ponto (1, 0). Isto implica que, qualquer que seja o n umero real t e o inteiro k, teremos,
E(t + 2k) = E(t)
10
e portanto, a fun cao E e periodica de perodo 2.
Com o estudo das fun coes trigonometricas, foi possvel descrever fenomenos periodicos
(movimento planetario, vibra cao de cordas e membranas, oscila coes de um pendulo, etc.). As
fun coes seno e cosseno adquiriram uma importancia especial na matematica, quando o matematico
frances Jean-Baptiste Joseph Fourier, estudando o fenomeno da transmissao do calor, mostrou que
qualquer fun cao, sob determinadas hipoteses, pode ser obtida pela soma innita de fun coes seno
e(ou) cosseno com amplitudes, fases e perodos escolhidos convenientemente.
Apresentaremos a seguir um pouco da historia de Joseph Fourier e no proximo captulo
estudaremos as Series de Fourier dando importancia nas possveis aplicacoes da serie.
Hist oria de Jean Baptiste Fourier
O barao Jean-Baptiste-Joseph Fourier (1768- 1830) nasceu em Auxerre, lho de alfaiate
foi educado pela ordem Beneditina. Ele introduziu a ideia de que uma funcao periodica arbitraria,
mesmo sendo denida por diferentes expressoes analticas em segmentos adjacentes de seu inter-
valo de denicao, poderia ser representada por uma unica expressao analtica. Naquela epoca a
ideia, apesar das resistencias, provou ser de suma importancia em desenvolvimentos posteriores da
Engenharia e Matematica.
A ideia de Fourier surgiu pelo problema do uxo de calor em corpos solidos. Nao e de se
estranhar que ele tenha estudado tanto sobre o calor, pois era tao obcecado por isso que mantinha
as dependencias de sua casa desconfortavelmente quentes para os visitantes, e vestia sempre um
pesado casaco. Talvez essa excentricidade se de pelo fato de ter passado no Egito, em 1798 com
os 165 sabios da expedi cao de Napoleao para civilizar o pas. Antes desta expedi cao, Fourier
era um Professor de Matematica, e portanto assumiu ocupacoes administrativas como secretario
do Instituto do Egito, uma corporacao cientca.
Fourier foi eleito prefeito de Is`ere (em Grenoble) por Napoleao em 1802 apos um breve re-
torno a sua antiga ocupa cao de Professor de Analise na escola Politecnica em Paris. Suas ocupacoes
em Grenoble incluam taxa cao, recrutamento militar, execu cao de leis, cumprindo ordens de Paris
bem como a elabora cao de relatorios.
Ele fez muitas obras no tempo em que ocupava o cargo de prefeito. Diminuiu danos
provocados pela revolucao de 1789, drenou 80.000 km
2
de pantanos e construiu a se cao Francesa
da estrada de Torino. Em 1807, mesmo com as obrigacoes ociais, Fourier escreveu sua Teoria da
Conducao do Calor, que dependia da ideia essencial de analisar a distribuicao de Temperatura em
componentes solidos espaciais. Porem por conta das d uvidas expressas por Laplace e Lagrange, a
publica cao da obra foi evitada. Houveram tambem algumas crticas feitas por Biot e Poisson. Um
tempo depois, o Instituto estabeleceu o tema Propaga cao de calor em corpos solidos como topico
para o premio em Matematica em 1811, que foi ganho por Fourier, mas havia uma men cao de falta
de generalidade e rigor. Fato que justica o atraso da publicacao que ocorreu so em meados de
11
1815.
Pouco tempo depois Fourier foi para Paris para ter uma vida de Ciencias. Em 1817 foi
eleito para a academia de Ciencias. Em 1823 para a posi cao de Secretario permanente e para a
Academia Francesa em 1826; cargos que ocupou ate a morte. O impacto e os desdobramentos da
obra de Fourier sao incalculaveis.
12
Captulo 1
Series de Fourier
A teoria de series de Fourier contem a base de uma grande parte da Analise moderna, desde
a analise harmonica abstrata, englobando a teoria de grupos topologicos e suas representacoes, ate
a Analise Funcional. Toda a teoria de expansao em autofun coes, que e central em Analise, nasceu
da teoria de series de Fourier. De fato a importancia da Analise Harmonica classica (essencial-
mente o estudo de series e integrais de Fourier) no desenvolvimento da Matematica e inestimavel.
Por exemplo, o conceito moderno de funcao foi introduzido por Dirichlet enquanto estudava a
convergencia das series de Fourier; as integrais de Riemann e de Lebesgue foram originadas por
problemas em analise de Fourier; Cantor, tentando caracterizar conjuntos de unicidade para series
trigonometricas, foi levado a desenvolver a teoria dos n umeros transnitos e os rudimentos da teoria
dos conjuntos; mais recentemente, a teoria de distribuicoes (ou fun coes generalizadas) de Laurent
Schwartz foi desenvolvida em conexao com o estudo de transformadas de Fourier (Ver [5, Iorio]).
O campo natural de aplicacoes das series de Fourier e a de fenomenos periodicos. O
fato de uma fun cao periodica poder ser decomposta em suas componentes harmonicas simples
An = sen(nt +n) e de signicado fsico fundamental.
A maneira mais natural para se introduzir as series de Fourier e atraves de um problema
envolvendo a conducao de calor.
1.1 Formulacao matematica do problema da conducao do calor
Nesta sessao sera estudado o problema de condu cao de calor por uma barra, pois essa e
a motivacao que leva ao estudo das series de Fourier. Procurando uma solu cao para tal problema,
serao utilizadas ferramentas/conceitos do Calculo Diferencial e Integral e de Equa coes Diferenciais,
no entanto, isso nao sera suciente, e entao surge a necessidade do estudo das series de Fourier.
Considere uma barra de comprimento L e com seccao transversal de area A, feita de
um material condutor uniforme de calor e que esta isolada termicamente do meio ambiente a nao
ser por suas extremidades. Se colocarmos a barra no sentido do comprimento L sobre o eixo x e
13
aquecermos uma das extremidades, o uxo de calor, pelo isolamento termico lateral, se dara somente
na direcao longitudinal e dar-se-a da extremidade mais quente para a mais fria, conforme rege a lei
do resfriamento. Deste modo o problema de conducao termica em questao e unidimensional. Fourier
modelou uma equacao que descreve a quantidade de calor transferida de uma seccao transversal
para outra por unidade de tempo, ou seja, considere duas placas P
1
e P
2
de sec cao transversal igual
a A e temperaturas T
1
e T
2
, respectivamente; se colocadas paralelamente a uma distancia d uma
da outra, havera passagem de calor da placa mais quente para a mais fria, e a quantidade de calor,
por unidade de tempo, transferida de uma placa para outra e dada por
Q =
Ak|T
2
T
1
|
d
, (1.1)
onde, a constante de proporcionalidade k e a condutibilidade termica do material entre as placas.
Essa lei sera utilizada para estudar a conducao de calor na barra.
Seja u(x, t) a funcao que descreve a temperatura da barra na sua coordenada x, no instante
t. Para contornar a diculdade da ausencia da variavel tempo da Lei de Fourier, introduz-se a
grandeza uxo de calor atraves de x num instante t, da forma:
- Fixa-se o tempo em (1.1) e considera-se, T
1
= u(x, t) e T
2
= u(x +d, t);
- Passa-se o limite na funcao u(x +d, t) u(x, t) quando d tende a zero em (1.1).
Assim, se denotando por q(x, t) o uxo de calor atraves de x no instante t, tem-se
q(x, t) = kA lim
d0
|u(x +d, t) u(x, t)|
d
. (1.2)
Como a temperatura decresce conforme x cresce, introduz-se um sinal negativo em (1.2),
que segue
q(x, t) = kAu
x
(x, t). (1.3)
Fixando, agora, para > 0, um elemento entre os pontos x
0
e x
0
+, ao longo do eixo dos
x. Calculando o calor que entra em x
0
no perodo de tempo entre t
0
e t
0
+, com > 0. Usando o
uxo de calor q(x, t), podemos ver que
q =
_
t
0
+
t
0
q(x
0
, t)dt
_
t
0
+
t
0
q(x
0
+, t)dt.
Pela Lei de Fourier, (1.3), tem-se
q =
_
t
0
+
t
0
k[u
x
(x
0
+, t) u
x
(x
0
, t)]Adt. (1.4)
Sabendo que o calor especco c de uma substancia e a quantidade de calor necessaria
para elevar em 1

C a temperatura de um grama dessa substancia, entao q pode ser escrito como

q =
_
t
0
+
t
0
_
x
0
+
x
0
cu
t
(x, t)dxAdt, (1.5)
onde e a densidade da substancia.
14
Para chegar `a equacao do calor, o teorema fundamental do calculo e utilizado em (1.4)
obtendo-se:
q =
_
t
0
+
t
0
_
x
0
+
x
0
ku
xx
(x, t)Adxdt,
e entao igualando ao valor de q em (1.5), tem-se
_
t
0
+
t
0
_
x
0
+
x
0
ku
xx
(x, t)dxdt =
_
t
0
+
t
0
_
x
0
+
x
0
cu
t
(x, t)dxdt. (1.6)
Sendo a expressao (1.6) valida para todo t
0
> 0, todo 0 < x
0
< L e todos > 0 e > 0,
conclui-se que
ku
xx
(x, t) = cu
t
(x, t).
Denominaremos
k
c
por difusibilidade termica, k, e entao podemos reescrever a equacao
acima como
u
t
= ku
xx
. (1.7)
E entao chega-se a equacao (1.7) que e chamada equacao do calor ou equacao da difusao.
1.2 Como surgiram as Series de Fourier
Na sessao anterior, chegamos `a formulacao da equacao do calor, e nesta sessao partiremos
do estudo da mesma.
Considere o plano cartesiano de eixos x e t, onde t e a coordenada temporal e x a coorde-
nada espacial. O problema da conducao do calor consiste em determinar uma fun cao real u(x, t)
no fecho do conjunto R = {(x, t) R
2
/0 < t < , 0 < x < l}, em que, u(x, t) e a temperatura
no instante t no ponto x de uma barra de comprimento l com extremos em contato com um reser-
vatorio termico mantido a temperatura constante zero, f e a distribuicao inicial de temperatura e,
para que haja solucao, f tem que satisfazer a condicao de compatibilidade
f(0) = 0 = f(l).
A funcao u(x, t) deve satisfazer
u
t
=
2
u
xx
em (0, l) (0, +),
em R, que satisfaz a condicao inicial
u(x, 0) = f(x) x (0, l),
e a condi cao de fronteira
u(0, t) = u(l, t) = 0, t 0.
Este tipo de problema e conhecido como problema de valores iniciais e de contorno
(P.V.C) e para resolver a equa cao (1.1) que expressa esse problema, Fourier desenvolveu um metodo,
o qual sera visto agora.
15
Supondo que a funcao u(x, t) procurada possa ser escrita como o produto de duas fun coes,
uma dependendo exclusivamente de x e outra dependendo de t, isto e, da forma
u(x, t) = (x)(t), (1.8)
Substituindo (1.8) na equa cao do calor, tem-se
(x)

(t) =
2

(x)(t),
e entao
1

(t)
(t)
=

(x)
(x)
. (1.9)
Observe que admitiu-se que (t) e (t) nao se anulam, pois isto acarretaria u(x, t) como
solucao nula, que nao nos interessa.
Agora percebe-se que o lado esquerdo da equacao (1.9) e uma funcao que so depende de t
enquanto o lado direito depende apenas de x, logo ambos os lados tem que ser iguais a uma mesma
constante que sera chamada de . Obtendo assim duas EDOs

(x) = (x), (1.10)

e

(t) =
2
(t), (1.11)
onde e um parametro independente de t e de x.
Agora, restringe-se o problema em resolver duas EDOs. Resolvendo a primeira equacao
de (1.9)

(x) +(x) = 0, 0 < x < l

e como u(0, t) = u(l, t) = 0, segue que
(0)(t) = (l)(t) = 0 t 0
que implica
(0) = (l) = 0 (1.12)
pois nao interessa (t) 0.
Para os valores de , ha tres possibilidades para analisar
i) > 0
(x) = ae

x
+be

x
a +b = 0 pois (0) = 0
ae

l
+be

l
= 0 pois (l) = 0.
Mas a unica solucao do sistema e a = b = 0. Implicando que (x) = 0, porem este
resultado nao convem.
16
ii) = 0
(x) = ax +b.
Com a = 0 e ax +b = 0, que implica em a = b = 0 e portanto traz o mesmo resultado de
(i) onde (x) = 0.
iii) < 0. Tomando =
2
, para facilitar os calculos, a solu cao geral e
(x) = a cos(x) +b sen(x),
para satisfazer (1.12)
_
_
_
a = 0
b sen(l) = 0,
e como nao se quer b = 0, entao
sen(l) = 0.
Isso implica que
l = n n Z

.
Logo =
n
l
e
=
2
=
n
2

2
l
2
. (1.13)
Como para cada n obtem-se um diferente, logo exprime-se (1.13) da forma

2
n
=
n
2

2
l
2
,
que sao chamados os autovalores do P.V.C.
Portanto as fun coes que satisfazem `a EDO (1.10) sao

n
(x) = sen(
nx
l
), x [0, l], (1.14)
e sao chamadas de autofun coes do P.V.C.
Resta achar a solucao geral da EDO (1.11): e

2
t
e um fator integrante de (1.11) logo a
solucao geral sera da forma
(t) = b
n
e

2
t
.
Sendo assim utilizando (1.13), temos ainda que
(t)
n
= b
n
e

2
n
2

2
l
2
t
.
Como u
n
(x, t) =
n
(x)
n
(t), entao para n N, obtivemos as solucoes
u
n
(x, t) = b
n
e

2
n
2

2
l
2
t
sen(
nx
l
), x [0, l], t 0, n N,
17
e, usando o princpio da superposi cao, procuramos uma solucao da forma
u(x, t) =

n=1
b
n
e

2
n
2

2
l
2
t
sen(
nx
l
), x [0, l], t 0. (1.15)
Observe que sao deixados de lado os problemas de convergencia e diferenciabilidade termo
a termo. Procuramos uma solu cao de (1.8) da forma (1.15) e por hipotese temos u(x, 0) = f(x)
que implica em
f(x) =

n=1
b
n
sen(
nx
l
), x [0, l].
Sugerindo dessa forma que a funcao podera ser escrita como uma serie de senos. E o
metodo de Fourier culmina com a indicacao desse candidato.
Obtivemos portanto que uma possvel solucao do PVI e a funcao da serie de senos. Isso
ocorreu pelas condi coes de contorno impostas, em que a temperatura se mantinha constante igual a
zero. No caso da temperatura nao ser constante, segundo a lei de Newton, o uxo de calor atraves
de uma secao da barra e proporcional `a variacao de temperatura na direcao do eixo. Dessa forma,
ao inves de termos uma expansao em serie de senos, obtemos f em serie de cossenos, isto e,
f(x) =
a
0
2
+

n=1
a
n
cos(
nx
l
).
A questao e saber se essas fun coes podem ser escritas realmente em serie de senos, ou em
outras condicoes de contorno, se podem ser expressas em serie de cossenos. Para tanto surge a
pergunta se dada uma funcao f : [0, l] R, seria possvel expressar f como a soma dessas duas
series
f(x) =
a
0
2
+

n=1
[a
n
cos(
nx
l
) +b
n
sen(
nx
l
)]. (1.16)
Observe que o fator
1
2
em a
0
e utilizado apenas para que as formulas para a
n
sejam do
mesmo tipo se n > 0 ou se n = 0.
Precisamos encontrar agora os coecientes a
0
, a
n
e b
n
que satisfazem a identidade (1.16).
Portanto qual serao as hipoteses sobre f para que a igualdade (1.16) se verique para a
0
, a
n
e b
n
reais?
Essa questao ca mais clara com os conceitos de ortogonalidade vistos a seguir.
1.2.1 Ortogonalidade
Dois elementos distintos f e g sao ditos ortogonais quando o produto interno entre eles
resulta em 0. Deniremos aqui o produto escalar de duas funcoes f e g no espaco VCP
0
[a, b], que
sao funcoes de classe CP
0
[a, b], como
f, g =
_
b
a
f(t)g(t)dt.
18
Denicao 1. Seja V = CP
0
[a, b]. Dizemos que um subconjunto nao vazio X de V e ortogonal se
para todo par f e g de elementos distintos de X, f, g = 0. Neste caso diz-se que os elementos de
X sao ortogonais.
Exemplo 1. Seja l um n umero real maior que zero. Seja V = CP
0
[l, l] o conjunto das funcoes
contnuas por partes do intervalo [l, l] em R com o produto interno denido por
f, g =
_
l
l
f(x)g(x)dx.
Sera mostrado que o conjunto
{1, cos
x
l
, sen
x
l
, cos
2x
l
, sen
2x
l
, ..., cos
nx
l
, sen
nx
l
, ...}
e um subconjunto ortogonal de V P
0
[l, l]. Como as fun coes do conjunto, exceto a primeira, sao
fun coes cujas primitivas sao periodicas de perodo igual a 2l/n, entao para vericar se o conjunto
e ortogonal, faremos a integral de l e l destas funcoes periodicas. Portanto temos
1, cos
nx
l
=
_
l
l
1 cos
nx
l
dx =
l

cos(ns)ds =
l

sen(ns)
n

= 0,
e
1, sen
nx
l
=
_
l
l
sen
nx
l
dx =
l

sen(ns)ds =
l

cos(ns)
n

= 0.
Para m = n, temos
cos
nx
l
, cos
nx
l
=
_
l
l
cos
2
nx
l
dx =
l
n
_
n
n
cos
2
(t)dt =
l
n
_
t
2
+
1
4
sen(2t)

n
n
_
= l,
sen
nx
l
, sen
nx
l
=
_
l
l
sen
2
nx
l
dx =
l
n
_
n
n
sen
2
(t)dt =
l
n
_
t
2

1
4
sen(2t)

n
n
_
= l
e
cos
nx
l
, sen
nx
l
=
_
l
l
cos
nx
l
sen
nx
l
dx =
l

cos ns sen nsds

=
l
2
_

[sen(2n)s + sen(0)s]ds =
cos(2n)
2n

= 0.
Para m = n,
cos
nx
l
, cos
mx
l
=
_
l
l
cos
nx
l
cos
mx
l
dx =
l

cos ns cos msds

=
l
2
_

cos[(m+n)s] + cos[(mn)s]ds
=
l
2(m+n)
sen[(m+n)s]

+
l
2(mn)
sen[(mn)s]

= 0,
sen
nx
l
, sen
mx
l
=
_
l
l
sen
nx
l
sen
mx
l
dx =
l

sen ns sen msds

19
=
l
2
_

cos[(mn)s] cos[(m+n)s]ds
=
l
2(mn)
sen[(mn)s]

l
2(m+n)
sen[(m+n)s]

= 0
e
cos
nx
l
, sen
mx
l
=
_
l
l
cos
nx
l
sen
mx
l
dx =
l

cos ns sen msds

=
l
2
_

sen[(mn)s] + sen[(m+n)s]ds
=
l
2(mn)
cos[(mn)s]

l
2(m+n)
cos[(m+n)s]

= 0.
E assim temos que o conjunto denido no exemplo 1 e ortogonal.
1.2.2 Os Coecientes de Fourier
Na sessao anterior chegamos ao questionamento se as funcoes descritas sob certas condicoes
de contorno, poderiam ser expressas da forma de (1.16). Considere o conjunto de funcoes
{1, cos

l
x, cos
2
l
x, ..., sen

l
x, sen
2
l
x, sen
3
l
x, ...}.
Pelo conceito de ortogonalidade visto anteriormente sabe-se que este conjunto e ortogonal
no intervalo [l, l]. Na sessao anterior expressamos uma funcao f em uma serie da forma
f(x) =
a
0
2
+

n=1
[a
n
cos(
nx
l
) +b
n
sen(
nx
l
)]. (1.17)
Suponha que essa funcao seja denida no intervalo [l, l]. O procedimento a seguir nos
mostra como podem ser calculados a
0
, a
n
e b
n
, supondo que f possa ser escrita pela serie em (1.17).
Integrando ambos os membros de (1.17) de l a l, obtem-se
_
l
l
f(x)dx =
_
l
l
a
0
2
dx +

n=1
_
a
n
_
l
l
cos
n
l
xdx +b
n
_
l
l
sen
n
l
xdx
_
. (1.18)
Como cada uma das funcoes cos(nx/l) e sen(nx/l) com n > 1 e ortogonal a 1 no
intervalo, como pode ser vericado na sessao 1.1.1 no exemplo 1, entao o membro direito de (1.18)
se reduz a um unico termo e, consequentemente,
_
l
l
f(x)dx =
_
l
l
a
0
2
dx =
a
0
2
x

l
l
= la
0
.
Resolvendo em relacao a a
0
, obtemos
a
0
=
1
l
_
l
l
f(x)dx.
20
Multiplicando (1.17) por cos(mx/l) e integrando
_
l
l
f(x) cos
mx
l
dx =
a
0
2
_
l
l
cos
mx
l
dx
+

n=1
_
a
n
_
l
l
cos
mx
l
cos
nx
l
dx +b
n
_
l
l
cos
mx
l
sen
nx
l
dx
_
. (1.19)
Por ortogonalidade, temos
_
l
l
cos
mx
l
dx = 0
_
l
l
cos
mx
l
cos
nx
l
dx
_
_
_
= 0, m = n
= l, m = n
e
_
l
l
cos
mx
l
sen
nx
l
dx = 0 m, n N.
Assim, (1.19) se reduz a
_
l
l
cos
mx
l
dx = a
n
l.
e
a
n
=
1
l
_
l
l
cos
mx
l
dx.
Finalmente, multiplicando (1.17) por sen(mx/l), integrando e utilizando os resultados
_
l
l
sen
mx
l
dx = 0, m > 0,
_
l
l
sen
mx
l
cos
nx
l
dx = 0 m, n N
_
l
l
sen
mx
l
sen
nx
l
dx
_
_
_
= 0, m = n
= l, m = n,
obtemos,
b
n
=
1
l
_
l
l
f(x) sen
nx
l
dx.
E estes sao os coecientes da serie de Fourier da funcao f. A serie em (1.17) e denida
como sendo a serie de Fourier da fun cao f. Perceba que formalizando-a, temos a deni cao a seguir.
Denicao 2 (Serie de Fourier). A serie de Fourier de uma fun cao f denida no intervalo (l, l)
e dada por
f(x) =
a
0
2
+

n=1
_
a
n
cos(
nx
l
) +b
n
sen(
nx
l
)
_
,
com
a
0
=
1
l
_
l
l
f(x)dx
21
a
n
=
1
l
_
l
l
f(x) cos
nx
l
dx
b
n
=
1
l
_
l
l
f(x) sen
nx
l
dx.
Perceba que nada foi falado a respeito da serie de Fourier de f convergir para f, admitimos
ainda esta convergencia para calcular os coecientes. Portanto enunciamos agora um teorema que
garante esta convergencia. A demonstracao pode ser encontrada em [4, Iorio] e [3, Guidorizzi].
Teorema 1.1. Seja f : [l, l] R uma funcao contnua, com derivada segunda contnua por
partes, e tal que f(l) = f(l). Entao a serie de Fourier de f converge uniformemente para f em
[l, l]. Isto e:
f(x) =
a
0
2
+

n=1
_
a
n
cos(
nx
l
) +b
n
sen(
nx
l
)
_
,
para todo x [l, l].
1.3 Alguns exemplos de Series de Fourier
Exemplo 2. Para obter a serie de Fourier da fun cao
f(x) =
_
_
_
0 se x < 0
se 0 x <
e necessario calcular primeiramente os coecientes de Fourier para essa funcao
a
0
=
1

__
0

0dx +
_

0
dx
_
= ,
e para n N, tem-se
a
n
=
1

__

0
cos(nx)dx
_
= 0.
Como
b
n
=
1

__

0
sen(nx)dx
_
=
1 cos(n)
n
,
obtem-se b
2n
= 0 e b
2n1
=
2
2n1
para n N.
Assim a serie de Fourier sera dada por
f(x)

2
+ 2

k=1
sen[(2k 1)x]
2k 1
,
ou seja
f(x)

2
+ 2
_
sen(x) +
sen(3x)
3
+
sen(5x)
5
+...
_
.
22
Figura 1.1: Funcao sinal transladada para cima.
Figura 1.2: Serie de fourier da fun cao sinal.
Observacao: A partir da serie de Fourier para funcoes 2-periodicas e possvel obter a
serie de Fourier para funcoes periodicas com perodo 2l. Basta tomar a mudanca de variavel x =
t
l
para obter a nova fun cao, agora dependendo da variavel t, que sera 2l-periodica e integravel no
intervalo simetrico [l, l].
Exemplo 3. Desenvolva
g(x) =
_
_
_
0, < x < 0
x, 0 < x < ,
em serie de Fourier.
Solucao: A gura 1.3 mostra o graco de g. Os coecientes sao escritos da forma
23
Figura 1.3: Graco da funcao g.
a
0
=
1

__
0

0dx +
_

0
( x)dx
_
=
1

_
x
x
2
2
_

0
=

2
a
n
=
1

f(x) cos nxdx =

1

__
0

0dx +
_

0
( x) cos nxdx
_
,
e integrando por partes, obtemos
a
n
=
1

_
( x)
sen nx
n

0
+
1
n
_

0
sen nxdx
_
=
1
n
cos nx
n

0
=
cos n + 1
n
2

=
1 (1)
n
n
2

.
De maneira analoga, obtem-se, para o coeciente b
n
. Temos
b
n
=
1

_

0
( x) sen nxdx =
1
n
,
portanto,
f(x) =

4
+

x=1
_
1 (1)
n
n
2

cos nx +
1
n
sen nx
_
.
24
Figura 1.4: Serie de Fourier da funcao g.
1.4 Forma complexa da Serie de Fourier
Seja f : R R uma funcao periodica de perodo 2l, seccionalmente contnua e seja
f(x) =
a
0
2
+

n=1
_
a
n
cos
nx
l
+b
n
sen
nx
l
_
(1.20)
sua serie de Fourier, com
a
n
=
1
l
_
l
l
cos
nx
l
dx e b
n
=
1
l
_
l
l
f(x) sen
nx
l
dx. (1.21)
Para escrevermos essa serie de Fourier na forma complexa, usamos a formula de Euler
e
i
= cos +i sen ,
sendo que
cos = cos
nx
l
=
e
i
nx
l
+e
i
nx
l
2
e sen = sen
nx
l
=
e
i
nx
l
e
i
nx
l
2
.
Substituindo em (1.20), temos
f(x) =
a
0
2
+

n=1
_
a
n
e
i
nx
l
+e
i
nx
l
2
+ib
n
e
i
nx
l
e
i
nx
l
2
_
=
a
0
2
+

n=1
_
a
n
ib
n
2
e
i
nx
l
+
a
n
+ib
n
2
e
i
nx
l
_
=

n=
c
n
e
i
nx
l
,
com
c
n
=
_

_
a
n
ib
n
2
se n 1
a
0
2
se n = 0
a
n
+ib
n
2
se n 1,
25
ou seja, usando os coecientes de Fourier em (1.21) temos
c
n
=
_

_
1
2l
_
l
l
f(x)(cos
nx
l
i sen
nx
l
)dx se n 1
1
2l
_
l
l
f(x)dx se n = 0
1
2l
_
l
l
f(x)(cos
nx
l
i sen
nx
l
)dx se n 1
=
1
2l
_
l
l
f(x)e
inx/l
dx.
Resumindo vimos que se f : R R for periodica de perodo 2l, integravel e absolutamente
integravel, entao a serie de Fourier de f na forma complexa pode ser escrita como

n=
c
n
e
inx/l
.
26
Captulo 2
Series de Fourier de Cosseno e de
Seno
2.1 Funcoes Pares e Func oes

Impares
Uma funcao f e
par se f(x) = f(x) x
mpar se f(x) = f(x) x
Como cos(x) = cos(x), entao a funcao cosseno e par.
Como sen(x) = sen(x), entao a funcao seno e mpar.
O teorema a seguir relaciona algumas propriedades das funcoes pares e funcoes mpares.
Propriedades das Funcoes Pares e das Funcoes

Impares
Teorema 2.1. Propriedades das Func oes Pares/

Impares
(a) O produto de duas funcoes pares e par.
(b) O produto de duas funcoes mpares e par.
(c) O produto de uma fun cao par e uma funcao mpar e mpar.
(d) A soma (diferen ca) de duas func oes pares e par.
(e) A soma (diferen ca) de duas func oes mpares e mpar.
(f ) Se f e par, entao
_
a
a
f(x)dx = 2
_
a
0
f(x)dx.
(g) Se f e mpar, entao
_
a
a
f(x)dx = 0.
27
Demonstracoes:
(a) Suponhamos f e g fun coes pares. Temos entao f(x) = f(x) e g(x) = g(x). Denindo o
produto de f e g como F(x) = f(x)g(x), vem:
F(x) = f(x)g(x) = f(x)g(x) = F(x).
Este resultado mostra que o produto de duas funcoes pares e uma funcao par.
(b) Suponhamos f e g fun coes mpares. Temos entao f(x) = f(x) e g(x) = g(x).
Denindo o produto de f e g como F(x) = f(x)g(x), vem:
F(x) = f(x)g(x) = (f(x))(g(x)) = f(x)g(x) = F(x).
Este resultado mostra que o produto de duas funcoes mpares e uma funcao par.
(c) Suponhamos f uma fun cao par e g uma fun cao mpar. Temos entao f(x) = f(x) e
g(x) = g(x). Denindo o produto de f e g como F(x) = f(x)g(x), vem:
F(x) = f(x)g(x) = f(x)(g(x)) = f(x)g(x) = F(x).
Este resultado mostra que o produto de uma funcao par e uma funcao mpar e mpar.
(d) Suponhamos f e g fun coes pares. Temos entao f(x) = f(x) e g(x) = g(x). Denindo a
soma de f e g como F(x) = f(x) +g(x), e a diferenca de f e g como G(x) = f(x) g(x) vem:
Para a soma:
F(x) = f(x) +g(x) = f(x) +g(x) = F(x).
Para a diferen ca:
G(x) = f(x) g(x) = f(x) g(x) = G(x).
(e) Suponhamos f e g fun coes mpares. Temos entao f(x) = f(x) e g(x) = g(x).
Denindo a soma de f e g como F(x) = f(x)+g(x), e a diferenca de f e g como G(x) = f(x)g(x)
vem:
Para a soma:
F(x) = f(x) +g(x) = f(x) g(x) = (f(x) +g(x)) = F(x).
Para a diferen ca:
G(x) = f(x) g(x) = f(x) (g(x)) = f(x) +g(x) = G(x).
(f ) Seja f uma funcao par, entao f(x) = f(x), da vem que:
_
a
a
f(x)dx =
_
0
a
f(x)dx +
_
a
0
f(x)dx =
_
a
0
f(x)dx +
_
a
0
f(x)dx = 2
_
a
0
f(x)dx.
28
(g) Seja f uma funcao mpar, entao f(x) = f(x), da vem que:
_
a
a
f(x)dx =
_
0
a
f(x)dx +
_
a
0
f(x)dx =
_
a
0
f(x)dx +
_
a
0
f(x)dx = 0.

Series de Cosseno e de Seno

Se f e uma funao par em (l, l), entao, em vista das propriedades precedentes, os coe-
cientes
a
0
=
1
l
_
l
l
f(x)dx =
2
l
_
l
0
f(x)dx
a
n
=
1
l
_
l
l
f(x) cos
nx
l
. .
par
dx
b
n
=
1
l
_
l
l
f(x) sen
nx
l
. .
mpar
dx = 0.
Analogamente, quando f e mpar no intervalo (l, l), a
n
= 0, n = 0, 1, 2..., b
n
=
2
l
_
l
0
f(x) sen
nx
l
dx = 0.
Para resumir os resultados obtidos, segue a denicao abaixo.
Denicao 3. Series de Fourier de Cosseno e de Seno
(i) A serie de Fourier de uma funcao par no intervalo (l, l) e a serie de cosseno
f(x) =
a
0
2
+

n=1
a
n
cos
nx
l
,
onde a
0
=
2
l
_
l
0
f(x)dx
a
n
=
2
l
_
l
0
f(x) cos
nx
l
dx.
(ii) A serie de Fourier de uma funcao mpar no intervalo (l, l) e a serie de seno
f(x) =

n=1
b
n
sen
nx
l
,
onde b
n
=
2
l
_
l
0
f(x) sen
nx
l
dx. (2.1)
Exemplo 4. A funcao
f(x) =
_
_
_
1, < x < 0
1, 0 x <
29
Figura 2.1: Graco da funcao
exibida na Figura 2.1 e mpar no intervalo (, ). Sendo o perodo da funcao, temos, por (2.1),
b
n
=
2

_

0
(1) sen nxdx =
2

(1 (1)
n
)
n
e assim
f(x) =
2

n=1
1 (1)
n
n
sen nx. (2.2)
30
(a) (b)
(c) (d)
Figura 2.2: Para todas as guras
Veja que a sequencia de somas parciais acima tende para uma fun cao. Comparando o
graco do Exemplo 3 com os gracos das quatro somas parciais de (2.2):
S
1
=
4

sen x
S
2
=
4

_
sen x +
sen 3x
3
_
S
3
=
4

_
sen x +
sen 3x
3
+
sen 5x
5
_
S
15
=
4

_
15

n=1
1
n
(sen nx)
_
.
Podemos perceber que o graco da soma parcial S
15
tem picos pronunciados nas viz-
inhan cas das descontinuidades em x = 0, x = , x = etc. Nessas vizinhancas dos pontos de
descontinuidade o distanciamento das somas parciais S
n
dos valores funcionais permanece quase
constante mesmo quando n e sucientemente grande. Esse comportamento de uma serie de Fourier
em que f e descontnua na vizinhanca de um ponto, e chamado fenomeno de Gibbs.
Exemplo 5. A funcao f(x) = x
2
, 0 < x < L, e par, e seu graco esta exibido na gura abaixo
31
Vamos achar os coecientes de Fourier, temos portanto:
a
0
=
2
L
_
L
0
x
2
dx =
2
3
L
2
e
a
n
=
2
L
_
L
0
x
2
cos
n
L
xdx.
Integrando por partes,
a
n
=
2
L
_
Lx
2
n
sen
nx
L

L
0

2L
n
_
L
0
xsen
nx
L
dx
_
=
4
n
__
L
0
xsen
nx
L
dx
_
,
e novamente integrando por partes, obtemos
a
n
=
4
n
_

Lx
n
cos
nx
L

L
0
+
L
n
_
L
0
cos
nx
L
dx
_
=
4L
2
(1)
n
n
2

2
.
Assim,
f(x) =
L
2
3
+
4L
2

n=1
(1)
n
n
2
cos
nx
L
.
32
Captulo 3
Transformada de Fourier
Neste captulo faremos um estudo sobre a transformada de Fourier. Ate agora estudamos
as series de Fourier, a motivacao do surgimento destas, as series do Cosseno e do Seno e alguns
outros conceitos. Depois desse breve estudo e possvel entao tratarmos da transformada de Fourier
e a aplica cao desta na remocao de rudo de uma imagem digital.
Antes de iniciarmos a transformada de Fourier, e necessario abordar sobre a integral de
Fourier, que segue das series de Fourier, porem o que muda sao os intervalos, que antes eram
nitos e portanto com funcoes periodicas, e agora passam a ser innitos e as funcoes nao sao mais
necessariamente periodicas.
Tnhamos portanto uma fun cao f : R R periodica de perodo 2l, suave por partes,
entao
f(x) =
a
0
2
+

n=1
_
a
n
cos
nx
l
+b
n
sen
nx
l
_
nos pontos de continuidade de f, com
a
n
=
1
l
_
l
l
f(t) cos
nt
l
dt, n 0.
b
n
=
1
l
_
l
l
f(t) sen
nt
l
dt, n 1.
Agora, se f e uma fun cao nao periodica ela nao pode ser representada por uma serie de
Fourier. Entretanto, e possvel representar f por uma integral de Fourier, se f for pelo menos suave
por partes e satiszer alem disso a condicao de ser absolutamente integravel, ou seja
_

|f(x)|dx < .
Com essas condicoes deniremos a integral de Fourier, e depois a Transformada de Fourier.
33
3.1 A Integral de Fourier
As series de Fourier foram utilizadas para representar uma funcao f denida em um
intervalo nito como (l, l) ou (0, l). E portanto as series de Fourier estavam associadas as fun coes
periodicas. Estabeleceremos a seguir, de modo nao rigoroso, um meio de representar certos tipos de
fun coes nao-periodicas denidas em um intervalo innito (, ) ou em um intervalo semi-innito
(0, ).
Considere a Serie de Fourier, da Denicao 2, de uma funcao f denida no intervalo (l, l).
f(x) =
a
0
2
+

n=1
_
a
n
cos(
nx
l
) +b
n
sen(
nx
l
)
_
=
1
2l
_
l
l
f(t)dt +
1
l

n=1
___
l
l
f(t) cos
nt
l
dt
_
cos(
nx
l
) +
__
l
l
f(t) sen
nt
l
dt
_
sen(
nx
l
)
_
.
(3.1)
Fazendo
n
= n/l, =
n+1

n
= /l, (3.1) se escreve
f(x) =
1
2
__
l
l
f(t)dt
_
+
1

n=1
___
l
l
f(t) cos
n
tdt
_
cos
n
x
+
__
l
l
f(t) sen
n
tdt
_
sen
n
x
_
. (3.2)
Agora ampliando o intervalo (l, l) fazendo l . Como l implica em 0, o
limite de (3.2) ca como lim
0

n=1
F(
n
), que sugere a denicao da integral
_

0
F()d.
Assim, se
_

f(t)dt existe, o limite do primeiro termo em (3.2) e zero, e o limite da soma se

escreve
f(x) =
1

_

0
___

f(t) cos tdt

_
cos x +
__

f(t) sen tdt

_
sen x
_
d. (3.3)
Este resultado apresentado em (3.3) e chamado a integral de Fourier de f em (, ).
Conforme mostra a deni cao abaixo, em que a estrutura basica da integral de Fourier lembra a
mesma da serie de Fourier.
Denicao 4. A integral de Fourier de uma fun cao f denida no intervalo (, ) e dada por
f(x) =
1

_

0
[A() cos x +B() sen x]d, (3.4)
onde
A() =
_

f(x) cos xdx

B() =
_

f(x) sen xdx.

O teorema a seguir fornece condicoes sucientes para a convergencia da integral de Fourier.
34
Teorema 3.1. Sejam f e f

parcialmente contnuas em qualquer intervalo nito, e seja f absolu-

tamente integr avel em (, ). Entao a integral de Fourier de f no intervalo (, ) converge
para f(x) em um ponto de continuidade. Em um ponto x de descontinuidade tipo salto, a integral
de Fourier converge para a media
f(x+) +f(x)
2
,
onde f(x+) e f(x) denotam os limites de f `a direita e `a esquerda, respectivamente.
Integral de Seno e Integral de Cosseno
Assim como vimos anteriormente que existe a serie de Seno e de Cosseno, e intuitivo
pensarmos nas integrais de Seno e de Cosseno, ja que a estrutura da Integral de Fourier lembra as
Series de Fourier.
Quando f e uma funcao par no intervalo (, ), o produto f(x) cos x e tambem uma
fun cao par, ao passo que f(x) sen x e uma fun cao mpar. Sendo assim, da propriedade (g) do
Teorema 2.1 temos que:
B() =
_

f(x) sen x dx = 0
e
f(x) =
1

_

0
__

f(t) cos t dt
_
cos x d
pela propriedade (f) do Teorema 2.1, segue que:
f(x) =
2

_

0
__

0
f(t) cos tdt
_
cos xd.
Da mesma forma, quando f e uma fun cao mpar no intervalo (, ), os produ-
tos f(x) cos x e f(x) sen x sao funcoes mpar e par, respectivamente. Sendo assim, A() =
_

f(x) cos xdx = 0, tambem pelo Teorema 2.1, e

f(x) =
1

_

0
__

f(t) sen t dt
_
sen x d.
Da propriedade (f), temos que:
f(x) =
2

_

0
__

0
f(t) sen t dt
_
sen x d.
Formalizando os resultados, segue a deni cao para as integrais Cosseno e Seno de Fourier.
Denicao 5. Integrais de Cosseno e Seno de Fourier
(i) a integral de Fourier de uma fun cao par no intervalo (, ) e a integral cosseno
f(x) =
2

_

0
A() cos x d.
onde
A() =
_

0
f(x) cos x dx.
35
(ii) a integral de Fourier de uma funcao mpar no intervalo (, ) e a integral seno
f(x) =
2

_

0
B() sen x d.
onde
B() =
_

0
f(x) sen x dx.
3.2 Transformada de Fourier
Primeiramente vamos recordar da formula de Euler
e
i
= cos +i sen .
Desta, segue que
cos =
e
i
+e
i
2
e sen =
e
i
e
i
2
Vamos escrever a integral de Fourier, vista na sessao anterior, na forma complexa. Da
integral de Fourier (3.4) e da formula de Euler, temos:
f(x) =
1

_

0
[A() cos x +B() sen x]d
=
1

_

0
__

f(t) cos t cos x dt +

_

f(t) sen t sen x dt

_
d
=
1

_

0
_

f(t)(cos t cos x + sen t sen x) dtd

=
1

_

0
_

f(t) cos (x t) dtd

=
1
2
_

0
_

f(t)(e
i(xt)
+e
i(xt)
) dtd
=
1
2
_

0
_

f(t)e
i(xt)
dtd +
1
2
_

0
_

f(t)e
i(xt)
dtd
=
1
2
_

0
_

f(t)e
i(xt)
dtd +
1
2
_
0

f(t)e
i(xt)
dtd
=
1
2
_

f(t)e
i(xt)
dtd.
Portanto, a forma complexa da integral de Fourier e da forma
f(x) =
1
2
_

f(t)e
i(xt)
dtd.
Sendo assim, a forma complexa da integral de Fourier pode ser escrita como
f(x) =
1
2
_

__

f(t)e
it
dt
_
e
ix
d. (3.5)
36
Para que possamos falar da transformada de Fourier, vamos primeiro denir uma funcao
F : R C por
F() =
_

f(t)e
it
dt. (3.6)
Note que mesmo sendo o domnio da funcao f denido nos reais, em geral a funcao F e
uma funcao denida na reta tomando valores complexos. Sendo assim, e possvel expressar F
pela soma de componentes real e imaginaria, representadas por R e I, respectivamente
F() = R() +iI().

E possvel ainda expressar a funcao F de valores complexos, na forma polar, ou seja

F() = |F()| e
i()
(3.7)
onde,
|F()| = [R
2
() +I
2
()]
1
2
e
() = tan
1
_
I()
R()
_
.
O termo |F()| e chamado espectro de Fourier da fun cao f(x) e () e chamado angulo de
fase da funcao f(x); |F()|
2
= R
2
+I
2
e denominado densidade espectral, ou espectro de potencia
de f(x) e possui aplicacoes em imagens. A variavel , geralmente e denotada por u e e chamada de
variavel de frequencia, cujo nome deriva do termo exponencial, e
i2ux
, que pela formula de Euler
e
i2ux
= cos(2ux)i sen(2ux) deixa evidente que a funcao f pode ser decomposta pelo somatorio
de senos e cossenos.
A transformada de Fourier na aplicacao em imagens, pode computar a distribuicao (am-
plitudes, frequencias e fases) desses senos e cossenos.
Diremos que uma fun cao de R em C e absolutamente integravel se as partes real e ima-
ginaria dessa funcao forem absolutamente integraveis. O espaco dessas fun coes sera denotado por
L
1
(R, C). Da forma complexa da integral de Fourier em (3.5), temos que
f(x) =
1
2
_

F()e
ix
d.
Disso denimos a Transformada de Fourier de f, como sendo a fun cao F que associa a
cada funcao absolutamente integravel f : R C a funcao F : R C denida pela expressao (3.6).
E a inversa dessa funcao e chamada a transformada de Fourier inversa, F
1
que associa a
cada fun cao F : R C que pertenca ao conjunto imagem de F a funcao absolutamente integravel
f : R C denida pela expressao (3.7) e sendo f contnua,
F
1
(F(f)) = f.
Veja que isso e consequencia imediata das denicoes acima. De fato,
F
1
(F(f))(x) =
1
2
_

F(f)()e
ix
d
37
=
1
2
__

f(t)e
it
dt
_
e
ix
d
=
1
2
_

f(t)e
i(xt)
dtd = f(x).
Apresentamos aqui a transformada de Fourier de uma funcao unidimensional que pode ser
estendida a fun cao binidimensional f(x, y). Portanto em 2D temos o seguinte par de transformadas
F(u, v) =
_

f(x, y)e
i(ux+vy)
dxdy
e a partir de F(u, v) pode-se obter f(x, y) atraves da transformada inversa de Fourier:
f(x, y) =
1
2
_

F(u, v)e
i(ux+vy)
dudv.
Da mesma forma mostrada para a transformada de Fourier para uma funcao unidimen-
sional, a transformada de Fourier de uma funcao f(x, y) e uma funcao complexa e pode ser expressa
pela soma de componentes real e imaginaria, representadas por R e I, respectivamente, ou seja,
F(u, v) = R(u, v) +iI(u, v).
Disso obtem-se o espectro de Fourier, angulo de fase e o espectro de potencia, como na
fun cao unidimensional, conforme seguem as equacoes respectivamente
|F(u, v)| = [R
2
(u, v) +I
2
(u, v)]
1
2
,
(u, v) = tan
1
_
I(u, v)
R(u, v)
_
,
e
P(u, v) = R
2
(u, v) +I
2
(u, v).
Transformadas de Fourier
A integral de Fourier e a fonte de tres novas transformadas integrais, pois esta pode ser escrita
como integrais de Cosseno e Seno de Fourier, sendo assim, tambem teremos a transformada de
Cosseno e de Seno de Fourier.
Denicao 6. pares de Transformadas de Fourier
(i) Transformada de Fourier
F(f)(x) =
_

f(x)e
ix
dx = F().
Transformada inversa de Fourier
F
1
(F)() =
1
2
_

F()e
ix
d = f(x).
38
(ii) Transformada Seno de Fourier
F
s
(f)(x) =
_

0
f(x) sen x dx = F().
Transformada Seno de Fourier inversa
F
1
s
(F)() =
2

_

0
F() sen x dx = f(x).
(iii) Transformada Cosseno de Fourier
F
c
(f)(x) =
_

0
f(x) cos x dx = F().
Transformada Cosseno de Fourier inversa
F
1
c
(F)() =
2

_

0
F() cos x dx = f(x).
Para melhor classicar as transformadas, uma vez que vamos trabalhar com a aplica cao
desta em processamento digital de imagens, e necessario analisar se esta fun cao e periodica ou
aperiodica e se o domnio da imagem e contnuo ou discreto. A combinacao destas duas carac-
tersticas gera quatro outras categorias da transformada, que serao descritas a seguir.
Aperiodica e contnua
Essa categoria inclui, por exemplo, exponenciais em decomposicao e a curva de Gauss.
Essas funcoes se estendem ao innito tanto positivas como negativas, sem repetir em um padrao
periodico. A transformada de Fourier para este tipo de sinal e simplesmente chamado de Trans-
formada de Fourier.
Periodica e contnua
Aqui os exemplos sao: funcoes que descrevem ondas senoidais, ondas quadradas, e qualquer
forma de onda que se repete em um padrao regular de innito negativo ao innito positivo. Esta
versao da transformada de Fourier e chamada de Serie de Fourier.
Aperiodica e discreta
Estas fun coes sao denidas apenas em pontos discretos entre innito positivo e negativo,
e nao se repetem de forma periodica. Este tipo de transformada de Fourier e chamada de Trans-
formada de Fourier de tempo discreto.
Periodica-Discreta
Estas sao funcoes discretas que se repetem de forma periodica de innito negativo ao
innito positivo. Esta classe de transformada de Fourier e `as vezes chamada de Transformada
Discreta de Fourier.
Para uso em computadores, seja para aplicacoes cientcas ou em processamento digital
de sinais e imagens e preciso ter valores discretos no domnio. Para que isso seja possvel, existe a
chamada Transformada Discreta de Fourier. Vejamos como ela pode ser adaptada.
39
Considere uma sequencia periodica f(x) = {x
0
, x
1
, ..., x
N1
}, com perodo N, tal que
f(x) = f(x + kN) e F(u) = F(u + kN), onde k e um n umero inteiro. Essa sequencia pode ser
representada, portanto, em termos de uma Serie Discreta de Fourier, da forma
f(x) =
N1

u=0
F(u)exp[i2ux/N],
F(u) =
1
N
N1

x=0
f(x)exp[i(2ux/N],
sendo que x = 0, 1..., N 1 (n umero de amostras) e u = 0, 1..., N 1 (variavel independente de
frequencia).
Em uma funcao bidimensional discreta, o par de transformadas (discretas) de Fourier
passa a ser
F(u, v) =
1
MN
M1

u=0
N1

v=0
f(x, y)exp
_
i2
_
ux
M
+
vy
N
__
(3.8)
para u e v discretizados, em: u = (0, 1..., M 1) e v = (0, 1..., N 1), tem-se a transformada
inversa
f(x, y) =
M1

u=0
N1

v=0
F(u, v)exp
_
i2
_
ux
M
+
vy
N
__
(3.9)
para x e y assumindo valores discretos x = (0, 1..., M 1) e y = (0, 1..., N 1), onde u =
1
Mx
e
v =
1
Ny
.
Essa e a forma mais usada da transformada de Fourier em aplicacoes como a que vamos
tratar que e na remocao de rudos em imagens digitais, uma vez que as imagens sao representadas
num domnio discreto. No entanto, sempre procura-se metodos mais rapidos que demandem menos
tempo e memoria do computador. Para isso usa-se a chamada FFT (Fast Fourier transform), que
nada mais e do que um algoritmo computacional otimizado que calcula a Transformada Discreta de
Fourier mais rapidamente, pois faz com que a complexidade caia de N
2
para N log
2
N opera coes.
3.3 Propriedades Operacionais da Transformada de Fourier
Veremos agora as propriedades da transformada de Fourier para as operacoes de com-
binacao linear, translacao, diferencia cao, dilatacao e convolu cao. Esta ultima propriedade e funda-
mental para a compreensao das tecnicas de processamento de imagens baseadas na transformada
de Fourier.
Propriedade 1 (Linearidade). Se f, g : R C sao fun coes absolutamente integraveis e a, b R,
entao
F(af +bg) = aF(f) +bF(g).
40
F(af +bg)(w) =
_

(af(t) +bg(t))e
iwt
dt
=
_

af(t)e
iwt
+bg(t)e
iwt
dt
=
_

af(t)e
iwt
dt +
_

bg(t)e
iwt
dt
= a
_

f(t)e
iwt
dt +b
_

g(t)e
iwt
dt
= aF(f)(w) +bF(g)(w).

Propriedade 2 (Transformada de Fourier de Derivadas). Se f : R C e uma funcao diferenciavel

e absolutamente integravel tal que f

tambem e uma funcao absolutamente integravel, entao

F(f

(x))(w) = iwF(f(x))(w).
Integrando por partes temos
F(f

)(w) =
_

(t)e
iwt
dt
= f(t)e
iwt

_
iw
_

f(t)e
iwt
dt
_
= iw
_

f(t)e
iwt
dt = iwF(f)(w).

Propriedade 3 (Derivadas de Transformadas de Fourier). Se f : R C e uma fun cao absoluta-

mente integravel tal que xf(x) tambem e uma fun cao absolutamente integravel, entao
iF(f(x))

(w) = F(xf(x))(w).
F(f)

(w) =
d
dw
_

f(t)e
iwt
dt
=
_

d
dw
f(t)e
iwt
dt = i
_

tf(t)e
iwt
dt
= iF(tf(t))(w).
Multiplicando a igualdade
F(f)

(w) = iF(tf(t))(w)
por i, obtemos
iF(f)

(w) = F(tf(t))(w).
41

Propriedade 4 (Transformada de Fourier de uma Translacao). Se f : R C e uma funcao

absolutamente integravel e g : R C e tal que g(x) = f(x a), entao
F((g))(w) = e
iwa
F((f))(w).
Mudando as variaveis, temos
F((g))(w) =
_

f(t a)e
iwt
dt
=
_

f(t)e
iw(t+a)
dt
=
_

f(t)e
iwt
e
iwa
dt
= e
iwa
_

f(t)e
iwt
dt = e
iwa
F(f)(w).

Propriedade 5 (Transformada de Fourier de uma Dilatacao). Se f : R C e uma fun cao

absolutamente integravel e a = 0, entao
F(f(ax))(w) =
1
|a|
F(f)
_
w
a
_
.
Mudando as variaveis.
Se a > 0, temos
F(f)(w) =
_

f(at)e
iwt
dt
=
_

1
a
f(t)e
iw
t
a
dt
=
1
a
_

f(t)e
iw
t
a
dt
=
1
|a|
F(f)
_
w
a
_
.
Se a < 0, temos
F(f(at))(w) =
_

f(at)e
iwt
dt
=
_

1
a
f(t)e
iw
t
a
dt
=
1
a
_

f(t)e
iw
t
a
dt
=
1
|a|
F(f)
_
w
a
_
.

42
O produto de convolu cao, ou simplesmente a convolucao de duas fun coes absolutamente
integraveis f, g e denida como sendo a funcao
(f g)(x) =
_

f(x t)g(t)dt. (3.10)

Neste caso e garantido que a funcao esta bem denida, ou seja, a integral impropria que a dene
converge para todo x, isso pode ser visto em [3,Iorio]. A transformada de Fourier se comporta bem
em relacao a convolucoes, ela transforma convolucao de funcoes em produto de fun coes:
Propriedade 6 (Transformada de Fourier de uma Convolucao). . Se f, g : R C sao funcoes
absolutamente integraveis, entao
F(f g) = F(f)F(g).
Dem. Mudando a ordem de integra cao, usando a denicao de convolucao em (4.1) e a propriedade
4, temos
F(f g)(w) =
_

(f g)(t)e
iwt
dt
=
_

__

f(t s)g(s) ds
_
e
iwt
dt
=
_

__

f(t s)e
iwt
dt
_
g(s) ds
=
_

[e
iws
F(f)(w)]g(s) ds
= F(f)(w)
_

g(s)e
iws
ds = F(f)(w)F(g)(w).

43
Captulo 4
Aplicacao da FFT na remocao de
rudo em imagem
Neste captulo a utiliza cao da Transformada Rapida de Fourier (FFT) no processamento
digital de imagens, em particular na remocao de rudo em imagem. Mas antes sera apresentado
um pouco sobre processamento de imagem.
4.1 Processamento de Imagem
4.1.1 A imagem digital
A palavra imagem tem origem no termo do latim imago, que signica representacao visual
de um objeto. As imagens tem diferentes origens, pois podem ser captadas por comprimento de
onda de radia cao eletromagnetica (maquinas fotogracas) ou por ondas sonoras de alta frequencia,
como por exemplo, o ultra-som.
Os computadores digitais trabalham com o sistema binario e os dgitos 0 ou 1 na com-
putacao sao chamados de bit, do ingles Binary Digit. Um agrupamento de 8 bits corresponde a um
byte (Binary Term). Esses conceitos sao necessarios para entendermos como e possvel trabalhar
com a imagem, em se tratando de efeitos, texturas e tambem da aplicacao da transformada de
Fourier a qual veremos mais a frente.
Para que um computador possa fazer a leitura da imagem digital, ocorre o processo
dito digitaliza cao da imagem que e a conversao dessa imagem de contnua (real) para uma repre-
sentacao discreta (digital). Desta forma a imagem pode ter uso computacional, podendo depois ser
armazenada na forma de arquivos. Vejamos como se sucedem as etapas para este processamento.
Etapas do processamento da imagem
discretizacao - processo de conversao da imagem na forma contnua em uma representacao
discreta. Caso a representacao seja em n umeros inteiros positivos e em uma base numerica,
44
o processo chama-se digitalizacao;
reconstrucao - processo inverso da discretizacao, no qual se obtem, geralmente, apenas
uma aproximacao da imagem contnua, nao sendo, na maioria das vezes, possvel recuperar
a imagem original;
codicacao - e a modica cao de caractersticas de um sinal de forma a torna-lo mais apropri-
ado para uma aplicacao especca, como, por exemplo, para transmissao ou armazenamento
de dados.

E o processo que na maioria das vezes, a partir da representacao discreta da im-
agem, gera um conjunto de dados representativos da imagem, dados estes que podem ser
transformados no formato de arquivos, facilitando a transmissao e armazenamento.
decodicacao - e o processo oposto `a codica cao, as informacoes codicadas sao acessadas
na forma de uma representa cao discreta. Quando a imagem discretizada e igual `a codicada,
diz-se que o processo de codicacao/decodica cao e sem perda.([1, AZEVEDO])
4.1.2 Amostragem e Quanticacao
Como mencionado anteriormente, uma imagem para ser processada pelo computador deve
estar na sua representa cao discreta, ou seja, precisa ser descrita por um n umero nito de pontos
e ser representada por um n umero nito de tons ou cores. Cada um desses pontos e chamado de
pixel e cada pixel de uma imagem e representado no computador como um conjunto de n umeros
inteiros que correspondem `a intensidade de luz e de cor no ponto.
A cor de cada pixel e representada como um inteiro de 8 bits, ou seja 1 byte, variando
de 0 e 255. Essa varia cao e pelo fato de que se cada pixel tem 8 bits, e como os bits sao n umeros
binarios, entao para representar cada tom de cinza, e possvel 2
8
tons diferentes. Se a imagem fosse
de 4 bits, os tons de cinza possveis seriam 2
4
, ou seja, 16 tons diferentes de cinza, variando de 0
`a 15. O 0 corresponde `a cor preta e 255 `a cor branca, e entre esse intervalo ha as tonalidades de
cinza.
A imagem digital modo de 24 bits representa a cor verdadeira. O formato JPEG, ou misto
Photographic Experts Group, por exemplo, tem uma escala de cinza de 8 bits e uma escala de cores
de 24 bits.
A taxa de amostragem descreve o n umero de pixels utilizados para se representar uma
faixa na imagem enquanto a quantizacao dene o n umero de bits utilizados para se representar um
pixel.
Um pixel pode ser referido pela localiza cao na imagem, especicando a linha e a coluna na
matriz de imagem ou pelo valor do tom. Veja no exemplo da gura abaixo, que mostra os valores
de pixels da regiao 5x5 indicada.
45
Figura 4.1: Representa cao matricial de uma regiao da imagem.
Fonte: [1, AZEVEDO]
Uma imagem digital e descrita por uma matriz bidimensional de NM de valores de pixel
(p(x, y)) inteiros positivos, que indicam a intensidade de cor em cada posi cao (x, y) da imagem.
Quanto maiores os valores de N e M usados para se representar a mesma imagem melhor sera
esta aproximacao. Para gerar essa imagem digital, p(x, y) deve ser digitalizada ao longo de x e y,
e na intensidade tonal z = p(x, y). Para tanto, e feita uma amostragem (normalmente uniforme)
de p(x, y) nas direcoes x e y, gerando uma matriz A de ordem N M amostras, seguida de uma
quantizacao do valor de p(x, y) em L nveis inteiros de cinza. Quanto maior o valor de N, M e
L, mais ntida e proxima a uma imagem contnua a imagem digital se torna, consequentemente,
requer maior espa co para sua armazenagem.
4.1.3 Histograma de Imagem Digital
Vimos que as imagens possuem diferentes tons de cinza na sua composi cao, os quais estao
representados por n umeros inteiros de 0 a 255. O histograma de uma imagem e um conjunto de
n umeros indicando o percentual de pixels naquela imagem.
Visualizando o histograma de uma imagem podemos analisar se ha qualidade nessa imagem
quanto ao nvel de contraste e quanto `a luminosidade media, ou seja, se e clara ou escura. Os passos
para a constru cao de um histograma sao
analise do tom de cada pixel;
contagem do n umero de pixels de cada valor de intensidade;
representacao desses valores na forma de uma tabela ou graco da frequencia correspondente
a cada tom de cinza;
normalizacao desses valores dividindo-os pelo n umero total de pixels da imagem, obtendo-se
uma ideia da frequencia de cada tom.
Para exemplicar, considere uma imagem de 10 10 pixels representada na Tabela 4.1
por seus tons de cinza (quantizados em 16 tons de cinza).
46
Tabela 4.1: Exemplo de tons da imagem.
0 0 4 5 5 5 5 4 0 0
0 4 6 6 6 6 6 6 4 0
4 8 8 15 5 5 15 8 6 4
5 8 8 10 10 10 10 8 8 5
5 8 8 10 15 15 10 8 8 5
5 8 8 10 15 15 10 8 8 5
5 8 8 10 10 10 10 8 8 5
4 8 8 15 5 5 15 8 6 4
0 4 6 6 6 6 6 6 4 0
0 0 4 5 5 5 5 4 0 0
Seguindo os 4 passos descritos, temos o histograma representado pela tabela 4.1 que e
mostrado no graco da Figura 4.2.
Figura 4.2: Histograma da Imagem da Tabela 4.1.
Fonte: [1, AZEVEDO]
Se a imagem estiver representada em 4 bits por pixel, sua varia cao estara abrangendo a
gama de tons possveis entre 0 e 15. Porem se for de 8 bits por pixel, estara concentrada nos tons
escuros e sera uma imagem com pouco contraste.
4.1.4 Operacoes em Imagens
Depois de entendermos como uma imagem e formada, podemos falar entao das opera coes
possveis nessa imagem. Existem basicamente tres classes distintas de operacoes em imagens:
aquelas que sao realizadas pontualmente nos pixels, as que sao feitas em partes da imagem e
aquelas realizadas em toda a imagem. Dessas podemos dividir as opera coes como: pontuais, locais
e globais. E trataremos aqui da ultima opera cao, que e a operacao global, pois nela que se utiliza
a transformada de Fourier.
As operacoes pontuais sao operacoes em que um pixel na posi cao (x
i
, y
i
) da imagem
resultante, depende apenas do pixel, na imagem original, que se encontra nas mesmas coordenadas.
47
As operacoes locais sao operacoes em que um pixel da imagem resultante depende de
uma vizinhanca do mesmo pixel na imagem original.
As operacoes globais sao operacoes em que um pixel da imagem resultante depende de
um processamento realizado em todos os pixels da imagem original. Nesse grupo de operacoes estao
as que mudam o domnio de descri cao, tais como as transformadas de Fourier, Wavelet, Hough,
co-senos (usada para codica cao) e por fun coes interativa ou fractal. A transformada de Fourier
e base fundamental para toda teoria de processamento de sinais e com ela e possvel realizar uma
serie de operacoes muito importantes com imagens, como a deni cao de ltros, identicar textura,
remover rudos etc.
4.2 Aplicacao da FFT na remocao de rudo em imagem
Veremos nessa sessao como a transformada Rapida de Fourier atua na remocao de rudos
de uma imagem digital. Na se cao anterior vimos um pouco sobre imagem digital, para que fosse
possvel a compreensao dessa aplica cao da FFT em imagens digitais.
Algumas propriedades da transformada de Fourier foram vistas, e a convolucao foi posta
em destaque, pois nesta aplicacao esta propriedade sera fundamental.
A convolu cao de uma imagem digital f(x, y) com uma outra imagem h(x, y) gera uma
terceira imagem g(x, y), estando os valores de x no intervalo [0, M 1] e y no intervalo [0, N 1],
sendo M e N a quantidade de linhas e colunas dessas imagens. O operador indica a convolucao,
sendo assim, podemos escrever as equa coes
g(x, y) = f(x, y) h(x, y)
g(x, y) =
1
MN
M1

m=0
N1

n=0
f(m, n)h(x m, y n). (4.1)
(Obs.: o sinal negativo em m e n signica que a fun cao e espelhada sobre a origem,
no processo de calculo da convolu cao.)
A equacao (4.1) pode ser interpretada da seguinte forma:
a funcao h(x, y) e espelhada sobre a origem;
a fun cao h(x, y) e deslocada em rela cao `a fun cao f(x, y) pelo incremento dos valores de (m, n);
a soma dos produtos e calculada sobre todos os valores de m e n, para cada deslocamento. Os
deslocamentos (m, n) sao incrementos inteiros que param quando as fun coes nao se sobrepoem
mais.
Relembrando do captulo 3 as equa coes (3.8) e (3.9)
F(u, v) =
1
MN
M1

u=0
N1

v=0
f(x, y)exp
_
i2
_
ux
M
+
vy
N
__
48
f(x, y) =
M1

u=0
N1

v=0
F(u, v)exp
_
i2
_
ux
M
+
vy
N
__
.
Da convolucao das imagens digitais f(x, y) e h(x, y), como F(u, v) e H(u, v) sao as trans-
formadas dessas imagens, respectivamente, da propriedade 6 de convolucao, vista no captulo 3
temos que f(x, y)h(x, y) e F(u, v)H(u, v) constinuem um par de transformadas de Fourier. Sendo
assim, obtem-se as seguintes rela coes no domnio da frequencia
f(x, y) h(x, y) F(u, v)H(u, v)
f(x, y)h(x, y) F(u, v) H(u, v).
Essas rela coes indicam que a convolu cao pode ser obtida pela transformada de Fourier
do produto F(u, v)H(u, v). Portanto, a convolu cao entre duas funcoes no domnio espacial tem
como transformada a multiplicacao das transformadas das duas funcoes no domnio da frequencia,
e vice-versa.
O processamento da imagem nesta aplica cao e realizado no chamado domnio de Fourier,
primeiro a imagem I(x, y) e transformada para o domnio de Fourier, atraves da sua transformada
discreta, utilizando-se o algoritmo FFT. A imagem no domnio de Fourier e representada por F(u, v)
e e convoluda com o ltro H(u, v). Ao produto F(u, v)H(u, v) e aplicada a inversa da transformada
de Fourier para retornar ao domnio espacial, onde se tem a imagem processada I

(x, y). A gura

abaixo ilustra a ltragem no domnio de Fourier.
Figura 4.3: Esquema ilustrando os passos da ltragem do domnio de Fourier.
Fonte: [1, AZEVEDO]
Quando aplica-se a transformada de Fourier em uma imagem com algum tipo de rudo,
esse rudo ca indicado no espectro de Fourier em forma de pontos ou sinais distantes do centro.
Veja a imagem abaixo e o espectro de Fourier dessa imagem.

E possvel observar que ha pontos
nao centralizados que representam o rudo da imagem, neste caso a digital da imagem e o rudo em
questao.
49
Figura 4.4: Imagem e seu Espectro de Fourier.
Fonte: [1, AZEVEDO]
A imagem que segue esta cobrindo os pontos discrepantes, ou seja, o rudo da imagem.
Figura 4.5: Resultado da ltragem utilizando ltro circular nao centrado na origem
Fonte: [1, AZEVEDO]

E importante compreender a representacao da imagem do espectro de Fourier pois ca mais

simples e intuitivo para determinar um ltro apropriado para ser aplicado `a imagem. Atraves das
informacoes geradas pela imagem do espectro de Fourier pode-se diminuir (eliminar) os coecientes
dos componentes de determinadas frequencias.
Outra informacao importante que e possvel obter do espectro de Fourier e a informacao da
energia da imagem (image power). Praticamente em todas as imagens e observado que a energia, a
partir do seu centro no espectro de Fourier, esta concentrada nos componentes de baixas frequencias.
A ideia de energia ajuda a entender os tipos de ltros e como utiliza-los na remocao de
rudos de uma imagem. As ltragens mais simples utilizadas sao as realizadas atraves de: ltros
passa-faixa ou ltros passa-banda, que removem regioes selecionadas de frequencias entre altas e
50
baixas frequencias; os ltros passa-baixa, quando a faixa esta proxima a origem e os ltros passa-alta,
quando a faixa esta afastada da origem. A Figura 4.6 exemplica esses tres tipos de ltro.
Figura 4.6: (a) ltros passa-baixa, (b) ltros passa-alta e (c) ltros passa-banda
Fonte: [1, AZEVEDO]
As imagens de fundo da gura acima, F(u, v), sao as transformadas de Fourier de uma
imagem a ser ltrada.
4.3 Filtragem Passa-Baixa
A maior energia de uma imagem esta, quase sempre, concentrada nos componentes de
baixa frequencia. Os componentes de alta frequencia sao os detalhes da imagem, como por exemplo,
bordas, lados e outras transicoes abruptas de nvel de cinza. Sendo assim, utilizando o ltro passa-
baixa a imagem ca menos ntida, ou suavizada, pois ocorre uma perda dos detalhes.
Nas guras abaixo sao apresentadas duas imagens de uma rosa com seus respectivos espec-
tros de Fourier. A primeira imagem e de boa qualidade, e nao possui rudo, a segunda foi degradada
por um rudo do tipo sal e piment, que geralmente e gerado por equipamento eletronico, atraves
da transmissao de imagem, e aparece como pequenos pontos pretos em regioes bancas e pontos
brancos em regioes mais escuras.
Observando os espectros de Fourier de cada uma das imagens, e possvel perceber a pre-
senca dos rudos representado pelas altas frequencias na imagem, ou seja, as informacoes que estao
mais afastadas da origem. Esse e um exemplo em que a utiliza cao de um ltro passa-baixa melhora
a qualidade da imagem. As baixas frequencias sao mantidas e as altas frequencias (fora do crculo
de raio r) presentes na transformada da imagem F(u, v) serao removidas, conforme e mostrado na
Figura 4.7.
51
(a) Imagem sem rudo (b) FFT da imagem
(c) imagem com rudo (d) FFT da imagem
Figura 4.7: Compara cao do espectro de Fourier de imagens de impressao digital sem rudo (a e b)
e com rudo (c e d)
Portanto para

u
2
+v
2
> r teremos F(u, v) = 0. Dessa forma, podemos especicar um
ltro H(u, v) do seguinte modo:
H(u, v) = H(u, v) se u
2
+v
2
< r
2
H(u, v) = 0 se u
2
+v
2
r
2
Esse ltro chama-se passa-baixa ideal, pois todas as frequencias dentro do crculo de raio
r sao mantidas sem modicacoes e todas fora do crculo sao retiradas completamente. O ponto de
transicao entre H(u, v) = H(u, v) e H(u, v) = 0, r, e chamado de frequencia de corte.
52
(a) FFT da imagem com ltro (b) imagem ltrada
Figura 4.8: Resultado da ltragem passa-baixa.
4.4 Filtragem Passa-Alta
A ltragem passa-alta em frequencia, pode ser entendida como uma operacao contraria `a
ltragem passa-baixa. Na ltragem passa-alta, os componentes de alta frequencia da transformada
de Fourier nao sao alterados, enquanto os de baixa frequencia sao removidos. Ou seja, os detalhes
da imagem cam mais enfatizados.
Neste caso, as baixas frequencias sao removidas, e as altas frequencias fora do crculo de
raio r presentes na transformada da imagem F(u, v), serao mantidas. Veja na Figura 4.9 como ca.
Sendo assim, se

u
2
+v
2
< r teremos F(u, v) = 0. Dessa forma, podemos especicar um
ltro H(u, v) do seguinte modo
H(u, v) = H(u, v) se u
2
+v
2
r
2
H(u, v) = 0 se u
2
+v
2
< r
2
.
Esse ltro e chamado de ltro passa-alta ideal, pois todas as frequencias fora do crculo
de raio r sao mantidas sem altera coes, e todas as frequencias dentro do crculo sao retiradas com-
pletamente.
(a) Imagem original (b) FFT com ltro (c) Imagem ltrada
Figura 4.9: Resultado da ltragem passa-alta.
53
4.5 Outros Filtros no Domnio de Frequencia
Alem dos ltros passa-baixa e passa-alta, existem outros que podem ser aplicados `as
imagens no domnio de Fourier. O objetivo esta direcionado em remover rudos de imagem.
Na ltragem por valor de corte, um determinado valor percentual e informado e os co-
ecientes cuja intensidade de |F(u, v)| encontra-se abaixo desse valor sao zerados, ou seja, sao
retirados da imagem.
Apresentaremos exemplos para alguns tipos de ltros. O primeiro e o ltro de fan
(setor angular) adequado para ser aplicado a imagens com frequencias distribudas ao longo de
uma dire cao inclinada. Este ltro e bastante utilizado em imagens com rudos com uma frequencia
periodica, observe na gura abaixo um exemplo disso.
(a) Imagem com rudo diagonal (b) FFT da imagem com rudo
(c) Imagem ltrada (d) FFT com ltro setor angular
Figura 4.10: Resultado da ltragem utilizando ltro setor angular.

E possvel observar que o rudo na Figura 4.10 cou representado no espectro de Fourier
como pontos brancos diagonalizados e ao serem retirados utilizando o ltro de fan a imagem
resultante dessa ltragem esta livre dos rudos. Para realizar essa aplicacao, o software ImageJ
foi utilizado. Este software pode ser encontrado em http://rsbweb.nih.gov/ij/.
Outro ltro utilizado na remo cao de rudos e do tipo retangular horizontal. Este ltro
isola frequencias verticais. A Figura 4.11 exemplica um caso em que o rudo da imagem gera
54
um espectro com frequencias verticais. Para remocao desse rudo utilizamos o ltro retangular
horizontal como podemos observar bem claramente no exemplo abaixo.
(a) Imagem com rudo horizontal (b) FFT da imagem com rudo
(c) Imagem ltrada (d) FFT com ltro retangular horizontal
Figura 4.11: Resultado da ltragem utilizando ltro retangular horizontal.
O ltro retangular vertical isola frequencias horizontais e pode ser observado na Figura
4.12 que segue.
55
(a) Imagem com rudo vertical (b) FFT da imagem com rudo
(c) Imagem ltrada (d) FFT com ltro retangular vertical
Figura 4.12: Resultado da ltragem utilizando ltro retangular vertical.
E nalmente temos o ltro chamado de circular nao centrado na origem, que ja apareceu
na gura 4.5 que e utilizado quando se deseja eliminar as frequencias que se manifestam atraves de
pontos claros no domnio da frequencia. Vejamos o exemplo.
56
(a) Imagem com rudo transversal (b) FFT da imagem com rudo
(c) Imagem corrigida (d) FFT com ltro n ao centrado na
origem
Figura 4.13: Resultado da ltragem circular n ao centrado na origem.
57
Referencias Bibliogracas
[1] AZEVEDO, Eduardo.; CONCI, Aura.; LETA, Fabiana R. Computacao Graca. Rio de
Janeiro: Elsevier, 2008. v. 2, 407p.
[2] FIGUEIREDO, Djairo Guedes de. Analise de Fourier e equacoes diferenciais parciais. Rio
de Janeiro: IMPA, Projeto Euclides. 1977.
[3] GUIDORIZZI, Hamilton L. Um curso de c alculo. 5 ed. Rio de Janeiro, RJ: LTC, 2002. v. 4,
635p.
[4] I

ORIO, Valeria. EDP, um Curso de Graduacao. 2 ed. Rio de Janeiro: IMPA, 2001. 246p.
[5] I

ORIO, Valeria. Equacoes Diferenciais Parciais: uma In-

troducao. Sao Paulo, v.n.3 p. 92-111, junho de 1986 Disponvel em:
http://matematicauniversitaria.ime.usp.br/Conteudo/n03/n03 Artigo07.pdf Acesso em:
23 out. 2011.
[6] SMITH, Steven W. The scientist and engineers guide to digital signal processing. 2 ed. San
Diego, CA: ISBN, 1999.
[7] ZILL, Dennis G.; CULLEN, Michael R. Equacoes diferenciais. trad: Alfredo Alves de Farias.
3ed. Sao Paulo: Pearson Education do Brasil, 2001. v. 2, 434p.
58