Você está na página 1de 26

Aplicao da Transformada de Fourier no

PROCESSAMENTO DIGITAL DE IMAGENS


Joo Fonseca Neto
Aracaju- Se, novembro de 1999.
e-mail: jfonseca@sergipe.com.br
Resumo - Este trabalho apresenta a aplicabilidade da Transformada de Fourier no processamento de
imagens. Faz-se um estudo simplificado do desenvolvimento matemtico de Fourier para funes ou sinais:
contnuos ou discretizados em uma ou duas dimenses, peridicos ou no, apresentando e provando algumas
de suas propriedades importantes.
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.
Ateno: Este trabalho pode ser usado livremente, desde que o autor seja identificado e tenha seu nome
devidamente publicado. O autor no se responsabiliza por interpretaes incorretas do contedo 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
Sumrio:
Transformada de Fourier:
1.
2.
3.
4.
5.
6.
7.
8.

Sinais contnuos peridicos unidemensionais;


Sinais contnuos no peridicos unidimensionais;
Sinais contnuos peridicos bi-dimensionais;
Sinais contnuos no peridicos bi-dimensionais;
Sinais discretos peridicos unidimensionais;
Sinais discretos no peridicos unidimensionais;
Sinais discretos peridicos bi-dimensionais;
Sinais discretos no peridicos bi-dimensionais;

Teorema da convoluo:
1. Convoluo no tempo de dois sinais contnuos unidimensional;

2
2.
3.
4.
5.

Convoluo na freqncia de dois sinais contnuos unidimensional;


Convoluo de sinais discretos unidimensionais;
Convoluo de sinais contnuos bi-dimensionais;
Convoluo de sinais discretos bi-dimensionais;

Funes de Correlao
1.
2.
3.
4.

Correlao cruzada entre sinais contnuos unidimensionais;


Correlao cruzada entre sinais discretos unidimensionais;
Correlao cruzada entre sinais contnuos bi-dimensionais;
Correlao cruzada entre sinais discretos bi-dimensionais;

I - Introduo
O interesse em mtodos de processamento digital de imagens vem principalmente de duas reas
de aplicaes: melhoria de informao (imagem) para interpretao humana, e processamento de dados
(imagens) em computador, e vem crescendo com aplicaes no Programa Espacial, na Medicina,
Arqueologia, Fsica, Astronomia, Biologia, Indstria etc.
O termo imagem refere-se a uma funo de intensidade de luz bi-dimensional f(x,y), onde x e y
so coordenadas espaciais e o valor de f em um ponto qualquer (x,y) proporcional ao brilho ou nvel de
cinza da imagem naquele ponto. Uma imagem digital uma imagem f(x,y) discretizada no espao e na
intensidade de brilho e pode ser considerada uma matriz, cujos elementos so chamados de "pixels" ("picture
elements").
A Transformada de Discreta de Fourier Bi-dimensional (Jean Baptiste Joseph Fourier,
matemtico francs - 1768 a 1830) uma ferramenta matemtica de grande aplicabilidade na soluo dos
problemas de processamento digital de imagens (sinais bi-dimensionais) pois, muitas vezes, conveniente a
mudana do domnio do tempo ou espao (x,y) para o domnio da freqncia facilitando, assim, o seu
processamento.
Na prtica, quando queremos trabalhar uma imagem no domnio da freqncia, por exemplo,
simplesmente fazemos a transformada de Fourier da referida imagem e a multiplicamos pela funo de
transferncia de um filtro (convenientemente de acordo com a aplicao)no entanto, muitas vezes, mais
simples "zerarmos" os coeficientes das componentes de freqncia que queremos filtrar e tomamos, em
seguida, em ambos os casos, a transformada inversa obtendo, assim, a imagem filtrada (processada).
Quando zeramos os coeficientes da transformada de Fourier a partir de um certo valor,
obtemos um filtro passa-baixa, ou at um certo valor, temos um filtro passa-alta, ou entre dois valores de
freqncia, um filtro passa-faixa ou rejeita-faixa.

II - Srie e Transformada de Fourier de Sinais Contnuos: 1-D e 2-D.

3
Esta ferramenta matemtica muito aplicada no processamento de sinais analgicos peridicos
ou no, como apresentado nas sees 2.1, 2.2, 2.3.
2.1 - Representao de uma funo peridica pela Srie de Fourier no intervalo (-
< t < +
).
Seja uma funo peridica f(t) de perodo T, podemos represent-la pela Srie de Fourier no
intervalo (-,); ou seja , podemos decompor f(t) em componentes senoidais e cossenoidais (ou
exponenciais):

Fn ejn ot ,

f (t ) =

(1)

n = -

onde

1
Fn =
T

to+ T

f(t) e-jn ot dt ,

(2)

to

o perodo de f(t) T =

o
, o = 2fo a freqncia fundamental em rad/s e fo a freqncia fundamental
2

em Hz;
n = 0, 1, 2, ...., .
Para encontrar a expresso de Fn, basta multiplicar ambos os lados da equao (1) por e-jn ot e
integrar no tempo (perodo):

Fn ejn ot ,

f (t ) =

temos

n = -
to+ T

-jn ot

f(t) e

dt =

to

to+ T

-jn ot

f(t) e

dt =

Fn

n=

to

to+ T

Fn

n=

to

to+ T

ejn ot e-jn ot dt

dt =

to

to+ T

f(t) e-jn ot dt = Fn T, logo

to

1
Fn =
T

to+ T

f(t) e-jn ot dt
to

Fn T

n=

4
Portanto, a expanso de uma funo peridica em srie de Fourier equivale a decomposio da
funo em termos de suas componentes de vrias freqncias ou seja, um sinal peridico apresenta um
espectro de freqncia discreto e infinito.
O espectro de freqncia discreto aparece em um grfico como linhas verticais espaadas, com
alturas proporcionais ao coeficiente da componente de freqncia (Fn) correspondente. No entanto, se formos
rigorosos, necessitamos de dois grficos para representar, completamente, uma funo peridica no domnio
da freqncia: o espectro e amplitude e o espectro de fase; visto que, os coeficientes Fns, normalmente, so
complexos.
2.2 - A transformada de Fourier de uma funo peridica
Matematicamente, a transformada de Fourier de uma funo peridica no existe, uma vez que
no satisfaz a condio de integrabilidade absoluta no intervalo (-, ) (condio suficiente, mas no
necessria). Porm, a transformada existe no limite, ou seja a transformada de Fourier de uma funo
peridica a soma das transformadas da Fourier das suas componentes individuais, obtidas pela sua srie de
Fourier.
Seja a srie de Fourier de f(t), peridica em T:

f(t) =

Fn ejn ot , onde o =

n=

[f(t)] = [

2
rad. Tomando a transformada de Fourier em ambos os lados, temos:
T

Fn ejn ot]

n=

Fn [ejn ot], como, [3], [ejn ot] = 2( - o), obtem-se:

n=

[f(t)] = 2 Fn ( - n o)

(3)

A transformada de Fourier de um sinal peridico formada por impulsos localizados nas


freqncias harmnicas do sinal e que o peso de cada impulso 2 vezes o valor do coeficiente na srie
exponencial de Fourier (Equao 2).
2.3 - Representao de uma funo arbitrria (no peridica) em todo o intervalo(-
,
): A
Transformada de Fourier.
A transformada de Fourier, F(u), a decomposio do sinal, f(x), de energia finita (no
peridico) em termos de sinais senoidais e cossenoidais (ou exponenciais).

F(u) =

f(x) e-j2ux dx ,

(4)

5
onde x e u so variveis independentes nos domnios do espao e freqncia respectivamente.

F(u) = F(u) ej(u)


F(u) pode ser representado por um grfico de amplitude, Espectro de Fourier, F(u) , um grfico
de fase, (u), e a Funo Densidade Espectral, potncia, F(u) 2.
Neste caso, o espectro contnuo e existe para todos os valores de freqncia, -<u<.
A transformada inversa :

f(x) =

F(u) ej2ux du

(5)

Portanto, representamos uma funo arbitrria f(x) em termos de funes exponenciais em todo o
intervalo (-< x < ).
Observao:
Quando a funo temporal (x = t) e a varivel independente de freqncia dada em rad/s (u =
1
), normalmente aparece um fator
multiplicando a integral; ou seja:
2
1
f(t) =
2

F() ej t d,

o fator 2 na equao acima pode ser removido se a integrao for realizada em funo da freqncia em Hz
ao invs de :
= 2f,
d = 2df, logo
1
f(t) =
2

f(t) =

F( 2f ) ej2ft 2 df

F( 2f ) ej2ft df

6
As equaes apresentadas acima so normalmente conhecidas como par de transformadas de
Fourier. A Equao 4 conhecida como transformada direta de Fourier de f(x) enquanto, a Equao 5
conhecida como transformada inversa de Fourier de F(u).
2.4 - Transformada de Fourier de uma Funo Contnua 2-D
A Transformada de Fourier [1], [2] pode ser estendida para uma funo de duas variveis f(x,y).
Se f(x,y) contnua e apresenta a condio de integrabilidade ento, temos o par de transformadas:

F(u,v) =

f(x,y) e-j2(ux+vy) dx dy

(6)

f(x,y) =

F(u, v) ej2(ux+vy) du dv

(7)

onde "u" e "v" so variveis independentes de freqncia.


Para o caso de uma dimenso, temos, tambm, o espectro de amplitude, fase e potncia, e como,
normalmente F(u,v) complexa, temos:
F(u,v) = R(u,v) +jI(u,v)
Espectro de Amplitude
F(u, v) = [R2(u,v) + I2(u,v)]1/2 , onde R(u,v) a parte real e I(u,v) a parte imaginria.
Espectro de Fase
I(u, v)
(u,v) = tg-1

R(u, v)
Espectro de Potncia
P(u,v) = F(u, v) 2 = R2(u,v) + I2(u,v)

III - Sinais Discretizados: 1-D


A representao de uma seqncia peridica pela Srie Discreta de Fourier, DFS 1-D, e a
representao de uma seqncia no peridica pela Transformada Discreta de Fourier, DFT 1-D, so
ferramentas matemticas de grande utilidade no processamento de sinais digitais, como apresentado nas
sees 3.1, 3.2.

3.1 - Representao de uma Seqncia Peridica em Srie Discreta de Fourier


Seja uma seqncia peridica f(x) = {xo, x1, ..., xN-1}, com perodo N, tal que f(x) = F(x+kN),
onde k um nmero inteiro. Podemos representar f(x) em termos da Srie Discreta de Fourier.
Diferentemente srie de Fourier para funes contnuas e peridicas, uma seqncia peridica
apresenta somente N exponenciais complexas. Isso ocorre devido a periodicidade da funo ej2kx/N em k
com perodo N:
Seja: ek(x) = ej2xk/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) = ej2xN/N = ej2x = cos (2x) + j sin (2x) , para qualquer valor de x cos (2x) = 1 e sin (2x) = 0.
Logo:
e0(x) = eN(x).
Para k = 1:
e1(x) = ej2x/N ,
para k = N+1:
eN+1(x) = ej2x(N+1)/N = ej2x . ej2x/N , como j vimos o termo ej2x sempre igual a unidade para qualquer valor
de x inteiro. Logo:
e1(x) = eN+1(x)
Assim,
N 1

f(x) =

F (u) ej(2ux/N) ,
u= 0

x = 0,1,2, ..., N-1 (nmero de amostras);


u = 0,1,2, ..., N-1 (varivel independente de freqncia);

(8)

8
1
F(u) =
N

N 1

f ( x ) e-j(2ux/N)

(9)

x= 0

As Equaes 8 e 9 so o par de transformadas para representao de uma Srie Discreta de


Fourier (DFS 1-D), onde F(u) e f(x) so peridicas de perodo N.
Ns podemos encontrar a expresso de F(u) da seguinte forma:
multiplicamos ambos os lados da equao 8 por e-j2xu/N e efetuamos o somatrio em x [0, N-1].
N 1

f(x) e-j(2ux/N) =

x=0

N 1

f(x) e-j(2ux/N) =

x=0

N 1

N 1

x=0

u= 0

F (u) ej(2ux/N) e-j(2ux/N)


N 1

N 1

u= 0

x=0

, permutando os somatrios

F (u) ej(2ux/N) e-j(2ux/N) ,


N

usando a propriedade dos somatrios:

K
n= 0

=K

= KN, onde K uma constante, e o somatrio

n =0

N 1

F (u) representa a seqncia peridica dos coeficientes da srie de Fourier: F(0), F(1), F(2), ..., F(N-1),
u= 0

denotada por F(u). Temos, ento:


N 1

f(x) e-j(2ux/N) = F(u) N,

x=0

1
N

N 1

f(x) e-j(2ux/N) = F(u)

x=0

3.2 - Representao de uma Seqncia de Durao Finita (no peridica) 1-D, Transformada
Discreta de Fourier (DFT -1D)
Seja uma seqncia de durao finita g(x) de comprimento N, tal que g(x) = 0 fora do intervalo
0 x N-1.
Para facilidade de anlise, vamos considerar que g(x) um perodo da seqncia peridica f(x)
apresentada no item 3.1, temos:

f(x) =

g(x

r =

+ rN) ,

9
onde "r"

um nmero inteiro.
A seqncia de durao finita, g(x), pode ser obtida da seqncia peridica f(x) pela extrao de

um perodo:
f (x), 0 x N - 1
g(x) =
0 , fora
Por convenincia matemtica, definimos uma seqncia retangular RN(x) tal que:
1, 0 x N - 1
RN =
0, fora
Assim, podemos expressar a seqncia finita g(x0 da seguinte forma:
g(x) = f(x)RN(x)
Como j definido, os coeficientes, F(u), da DFS e a seqncia peridica, f(x), so peridicos
com perodo N.
Denotando por G(u) os coeficientes de Fourier para a seqncia finita g(x), temos:
G(u) = F(u)RN(u), como:
F(u) =

1
N

N 1

f(x) e-j(2ux/N) ,

x=0

N 1

f(x) =

F(u) ej(2ux/N) ,
u= 0

temos o par de Transformadas Discretas de Fourier: DFT 1-D


1 N 1
g(x) exp(-j2 ux / N) , 0 u N - 1
G(u) = N x = 0
0
, fora

N 1
G( u ) exp(j2 ux / N), 0 x N - 1
g(x) = u = o
0
, fora

(10)

(11)

10
onde "u" e "x" = 0,1,2,..., N-1
Observao: importante ter em mente que sempre consideramos uma seqncia aperidica como sendo um
perodo de uma seqncia peridica e a partir da, efetuamos os clculos para encontrar os coeficientes de
Fourier (DFT).
IV - Transformada Discreta de Fourier Bi-Dimensional
Esta ferramenta matemtica muito empregada no processamento de imagens e sinais bidimensionais, pela computao da convoluo para filtragem; realce, restaurao, decodificao etc.
4.1 - Srie Discreta de Fourier Bi-Dimensional (DFS - 2D)

Seja uma seqncia peridica bi-dimensional f(x,y) = f(x+qM, y+rN), onde "M" o perodo das
linhas, "N" o perodo das colunas e "q" e "r" so nmeros inteiros que podem ser positivos ou negativos.
A seqncia f(x,y) tem sua representao em srie de Fourier como uma soma finita de
exponenciais complexas, de seguinte maneira:
M 1 N 1

f(x,y) = F(u, v) ej2 (ux/M + vy/N)

(12)

u= 0 v = 0

onde,
F(u,v) =

1
MN

M 1 N 1

f(x, y) e-j2 (ux/M + vy/N)

(13)

x=0 y=0

onde,
F(u,v) e f(x,y) tm a mesma periodicidade;
"u" e "x" = 0,1,2,..., M-1;
"v" e "y" = 0,1,2,..., N-1.
4.2 - Transformada Bi-Dimensional Discreta de Fourier (DFT -2D)
Vamos, aqui, aplicar a mesma interpretao dado no caso da Tansformada em uma dimenso; ou
seja, uma seqncia de durao finita considerada como sendo um perodo da seqncia peridica
correspondente.
Uma seqncia bi-dimensional no peridica g(x,y) que zero fora do intervalo 0 x M-1, 0
y N-1 referida como uma seqncia de rea finita.
Analogamente a discusso 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

G(u,v) = NM
0

M 1 N 1

g(x)exp(-j2 ux / M) exp(-j2 vy / N) , 0 x M - 1, 0 y N - 1
x=0 y=0

(14)

, fora

M 1 N 1

G(u, v)exp(j2 ux / M) exp(j2 vy / N), 0 x M - 1, 0 y N - 1


g(x,y) = u = 0 v = 0

0
, fora

(15)

Observao, uma opo para implantao de DFT 2-D utilizar uma DFT 1-D para as linhas e
DFT 1-D para as colunas e vice-versa. A mesma interpretao dada para o caso da DFT 2-D inversa
(propriedade da separabilidade, seo 5.1).

V - Algumas Propriedades Importantes da Transformada de Fourier


Temos duas maneiras de representar uma mesma funo ou sinal: uma representao no domnio
do tempo ou do espao e outra no domnio da freqncia.
A representao de um sinal no domnio do tempo est presente, naturalmente, no nosso dia a
dia. Contudo, certas operaes, principalmente na engenharia, tornam-se muito mais simples e esclarecedoras
se trabalharmos no domnio da freqncia, domnio este, conseguido atravs das Transformadas de Fourier.
muito importante observar o que ocorre em um domnio, quando efetuamos certas operaes
no outro domnio.
Segundo [2], muitas propriedades das Transformadas de Fourier discutidas em uma dimenso
podem ser estendidas para sinais multi-dimensionais. Por isso, vamos demonstrar algumas propriedades das
Transformadas em 1D e estender os resultados ao caso bi-dimensional, que nos interessa no momento.
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 operaes 1D. Em outras palavras, a funo bi-dimensional F(u,v)
obtida pela transformao em cada linha de f(x,y) e o resultado multiplicado pelo nmero total das mesmas,
M, obtendo-se F(x,v). F(u,v) obtida, agora, transformando-se F(x,v) coluna por coluna.
Demonstao:
Seja o grfico representando uma imagem:
N-1
(0,0)
y
f(x,y)
M-1
x
temos que:
M 1 N 1

f(x,y) = F(u, v) ej2 (ux/M + vy/N) , onde x, y = 0,1, ..., N-1


u= 0 v = 0

F(u,v) =

1
MN

M 1 N 1

f ( x , y)

e-j2 (ux/M + vy/N) , onde u,v = 0,1, ..., M-1

x = 0 y =0

Podemos desdobrar F(u,v) em duas operaes:


F(x,v) = [f(x,y)x=cte], operao sobre as linhas.
F(u,v) = [F(x,v)y=cte], operao sobre as colunas.
Primeiramente, efetuando a transformao sobre as linhas de f(x,y):

1
F(x,v) = M
MN

M 1 N -1

x = 0 y= 0

-j2yv/N

f(x, y) e

-j2ux/M

x=cte

F(x,v) =

1
N

N 1

y= 0

M 1
f ( x, y ) e-j2vy/N exp( j 2ux / M )
x=0

x=cte

13
N 1

1
F(x,v) =
N

f(x,y) e-j2yv/N

y=0

Efetuando, agora, a transformao sobre as colunas:


1
F(u,v) =
MN

M 1

M 1

x=0

x=0

F ( x , v ) e-j2ux/M e-j2vy/N
y=cte

F(u,v) =

F(u,v) =

F(u,v) =

1
M

M 1

x =0

1
MN
1
MN

N 1

y=0

f ( x , y ) exp(-j2vy / N e-j2ux/M

M 1 N 1

f ( x , y ) e-j2vy/N e-j2uc/M
x=0 y=0

M 1 N 1

f ( x , y ) e-j2 (ux/M + vy/N)


x=0 y=0

assim, conclumos que:


1
F(u,v) =
M

M 1

-j2ux/M

x=0

1
N

N 1

f (x , y ) e-j2yv/N
y=0

CQD (como queramos demonstrar)

5.2 - Translao
Esta propriedade mostra que a multiplicao de f(x,y) pela exponencial ej2 (uo x/M + vo y/N) resulta
num deslocamento na freqncia para o ponto (uo, vo).
De maneira anloga, 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).
Demonstrao:
Mostrar que:

14
f(x,y) F(u,v)
f(x,y)ej2 (uo x/M + vo y/N) F(u-uo, v-vo)

1
MN

[f(x,y)ej2 (uo x/M + vo y/N)] =

M 1 N 1

f(x, y) ej2 (uo x/M + vo y/N) e-j2 (ux/M +vy/N)


x=0 y=0

1
MN

1
=
MN

M 1 N 1

f ( x , y) ej2 [(uo x - ux)/M + (vo y - vy)/N]


x = 0 y =0

M 1 N 1

f ( x , y) ej2 [(uo - u)x/M + (vo - v)y/N]


x = 0 y =0

[f(x,y)ej2 (uo x/M + vo y/N)] = F(u-uo, v-vo)


CQD

Analogamente, podemos provar a transformada inversa.

5.3 - Periodicidade
Esta propriedade mostra que se f(x,y) peridica, somente um perodo necessrio para
especificar completamente F(u,v) no domnio da freqncia. O mesma se aplica a f(x,y) no domnio espacial.
Demonstrao:
Provar que F(u,v) = F(u+M, v+N), ou f(x,y) = f(x+M, y+N), onde < o perodo das linhas e N
o perodo das colunas.
[f(x, y)] F(u, v)
[f(x+M, y+N)] F(u+M, v+N),
1
F(u, v) =
MN

M 1 N 1

f ( x , y) e-j2 (ux/M + vy/N) ,


x = 0 y =0

15
substituindo "x" por "x+M"
"y" por "y+N"
temos
1
[f(x+M, y+N)] =
MN

M 1 N 1

f ( x + M , y + N) e-j2[u(x+M)/M e-j2v(y+N)/N] =
x = 0 y =0

1
MN

1
=
MN

1
MN

M 1 N 1

f ( x + M , y + N) e -j2 ux/M e-j2uM/M e-j2vy/N e-j2vN/N


x = 0 y =0

M 1 N 1

f ( x + M , y + N) e -j2 (ux/M +vN/N) e-j2uM/M e-j2 vy/N


x = 0 y =0

M 1 N 1

f ( x + M , y + N) e -j2 u(x+M)/M e-j2 v(y+N)/N


x = 0 y =0

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


CQD

5.4 Rotao
Esta propriedade nos mostra que uma rotao em f(x,y) por ngulo , produz a mesma rotao
em F(u,v) e vice-versa.
Nesta demonstrao utilizamos uma funo discreta de uma dimenso, para facilidade dos clculos, sendo que
os resultados podem ser extrapolados para funes multi-dimensionais.
Demonstrao:
Sejam as variveis em coordenada polar
x = r cos e y = cos,
temos:
F(u) =

1
N

N 1

f (x ) e-j(2 ux/N)
x=0

16
Queremos demonstrar que: f(r cos) F( cos)
f[r cos( + )] F[ cos( + )]
1
F( cos) =
N

f ( r cos) e-j(2 cos r cos)/N


x =0

Impondo um ngulo de giro a f(x, y) igual a "", temos:


{f[r cos( + )]} =

1
N

1
=
N

1
=
N
1
=
N
=

1
N

1
N

f [r cos( + ) e-j2 r/N [ cos cos( + )]


x =0

f [r cos( + ) e-j 2 r/N {cos [cos cos - sin sin]}


x =0

f [r cos( + ) e

-j2 r/N{cos

x =0

1
1
[cos( - ) + cos( + )] [cos( - ) - cos( + )]}
2
2

f [r cos( + ) e-j r/N{cos [cos( - ) + cos( + )] + [cos( - ) + cos( + )]}


x =0

f [r cos( + ) e-j r/N{cos [cos( + )] + cos( + )}


x =0

f [r cos( + ) e-j2 r/N[cos cos( + ) ]


x =0

{f[r cos( + )]} = F[ cos( + )]


CQD
5.5 - Teorema da Convoluo
O teorema da convoluo , provavelmente, uma das ferramentas mais eficazes na anlise em
freqncia.
Inicialmente, para facilidade de anlise, desenvolveremos a convoluo de duas funes contnuas de uma
dimenso f(x) e g(x) que denotada por f(x) *g(x) e definida pela integral:

17

f(x)*g(x) =

f( ) g(x - ) d ,

onde "" uma varivel de integrao.

A importncia da convoluo no domnio da freqncia consiste no fato que se f(x) tem a


transformada de Fourier F(u) e g(x) tem sua transformada de Fourier G(u) ento f(x)*g(x) tem F(u)G(u) como
transformada, ou seja:
f(x)*g(x) F(u)G(u)
O que mostra que a convoluo no domnio espacial (x), pode ser obtida pela transformada
inversa do produto F(u)G(u).
O resultado pode ser estendido para o domnio da freqncia; ou seja:
f(x)g(x) F(u)*G(u)
Demonstrao:
Teorema da convoluo no tempo
Sejam: f(x) F(u)
g(x) G(u)
tal que

f ( )g(x

- ) d F(u)G(u)

ento, mostrar que f(x)*g(x) F(u)G(u)


Demonstrao:

[f(x)*g(x)] =

f( )g(x -

j2 u

Logo:

) d e

-j2ux

dx =

f( ) g(x -

) e-j2ux dxd

Pela propriedade do deslocamento no espao, verificamos que a segunda integral igual a G(u)e-

18

[f(x)*g(x)] =

f( ) e-j2u d G(u) = F(u)G(u)

CQD
Teorema da convoluo na freqncia
Sejam: f(x) F(u)
g(x) G(u)
tal que

f(x)g(x)

F( )G(u - )d

ento, devemos mostrar que:


f(x)g(x) F(u)*G(u)
Demonstrao:
Seja

F(u)*G(u) =

F( )G(u - ) d

Pelo teorema do deslocamento na freqncia, temos que: G(u-)= G(u)ej2u . Logo:

F(u)*G(u) =

F( ) ej2u d G(u),

Segundo [4], substituindo-se G(u) por [G(u)] =


-1

g( x )

e- j2ux dx, temos:

F(u)*G(u) =

F( ) ej2u d

g( x ) e- j2ux dx =

F(u)*G(u) = [f(x(g(x)]
CQD

f (x ) g (x ) e- j2ux dx

19
5.6 - Algumas Propriedades da Convoluo
5.6.1 - Comutatividade
f(x)*g(x) = g(x)*f(x)
Demonstrao:
Seja

f(x)*g(x) =

f(k)g(x - k) dk , permutando-se a varivel "k" por (x-j), obtemos:

f(x)*g(x) =

f (x - j)g[x - (x - j)] d(x - j)

g(j)f(x - j) dj = g(x)*f(x)

CQD

5.6.2- Distributividade
f(x)*[g(x)+h(x)] = f(x)*g(x) + f(x)*h(x)
Demonstrao:
Seja:
f(x)*[g(x)+h(x)] =

f(t)[g(x - t) +

h(x - t)] dt =

f(t)g(x - t) dt

f(t)h(x - t) dt

= f(x) * g(x) + f(x) * h(x)

CQD
5.6.3 - Associatividade
f(x)*[g(x)*h(x)] = [f(x)*g(x)]*h(x)
Demonstrao:

20
Esta propriedade melhor entendida do fato que:
f(x) F(u)
g(x) G(u)
h(x) H(u)
{f(x)*[g(x)*h(x)]} = F(u)[G(u)H(u)] = [F(u)G(u)H(u)], logo:
-1{[F(u)G(u)]H(u)} = [f(x)*g(x)]*h(x)
CQD

5.6.2 - Convoluo de Funes ou Sinais Discretizados e Uni-Dimensionais


Sejam as funes f(x) e g(x) discretizadas, tal que f(x) tem tamanho "A" e g(x) tem tamanho "B";
ou seja:
f(x) = {f(0), f(1), f(2), ..., f(A-1)}
g(x) = {g(0), g(1), g(2), ..., g(B-1)}
Como j visto, a transformada discreta de Fourier e sua transformada inversa so funes
peridicas com o mesmo perodo das funes discretas.
Assim, o teorema da convoluo discreta, tambm, tem que ser consistente com a periodicidade das funes
discretas f(x) e g(x), tal que f(x) = f(x+M) e g(x) = g(x+M). Com isto, o resultado da convoluo de f(x) com
g(x) peridica de perodo, tambm, "M". O valor de "M" deve ser maior ou igual do que A+B-1 para evitar
erro de superposio.
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, necessrio estender f(x) e g(x) com
zeros at que ambas as funes fiquem com tamanhos iguais a "M".
Observao, quando estendemos uma seqncia com zeros, no alteramos (no h criao nem
desaparecimento de freqncias) no seu espectro de freqncias mas sim, apenas o espalhamos.
Estendendo as funes:
f(x) , 0 x A - 1
fe(x) =
0 , A x M - 1
g(x) , 0 x B - 1
ge(x) =
, B x M -1
0

21
Assim, temos:
fe(x)*ge(x) =

1
M

M 1

fe(m)ge(x - m) ,
m= 0

para x = 0,1,2,3, ..., M-1. A funo convoluo uma seqncia discreta peridica de comprimento "M".
O teorema da convoluo discreta para o caso 1-D :
fe(x)*ge(x) Fe(u)Ge(u)
e
fe(x)ge(x) Fe(u)*Ge(u)

5.6.3 - Teorema da Convoluo para Funes ou Sinais Contnuos Bi-Dimensionais.

Sejam as funes ou sinais contnuos no domnio bi-dimensioanal espacial (x,y). Definimos a


convoluo definimos a convoluo de f(x,y) com g(x,y), como:

f(x,y)*g(x,y) =

f( , )g(x - , y - ) d d

O teorema da convoluo em duas dimenses , ento, expresso pelas relaes:


f(x,y)*g(x,y) F(u,v)G(u,v)
e
f(x,y)g(x,y) F(u,v)*G(u,v)
Observao, este teorema foi demonstrado para o caso unidimensional, sendo os resultados
vlidos para qualquer dimenso, segundo [1].
5.6.4- Teorema da Convoluo para Funes ou Sinais Discretos Bi-Dimensionais
A convoluo discreta 2-D formulada discretizando-se as funes contnuas f(x,y) e g(x,y) com
tamanhos AxB e CXD respectivamente.
Como no caso 1-D, estas seqncias devem ser peridicas de perodos "M"e "N" nas dimenses
"x"e "y" respectivamente.
Segundo [2], o erro de superposio da funo de convoluo evitado tomando-se os perodos "M"e "N",
tais que:

22
M (A+C) -1 e N (B+D) -1.
As seqncias peridicas so formadas estendendo-se f(x,y) e g(x,y) da seguinte forma:
f(x,y), 0 x A - 1 e 0 y B - 1
fe(x,y) =
, A x M - 1 ou B y N - 1
0
e
g(x, y), 0 x C - 1 e 0 y D - 1
ge(x,y) =
, C x M - 1 ou D y N - 1
0
Ento, definimos a convoluo discreta 2-D, como:
1
fe(x,y)*ge(x,y) =
MN

M 1 N 1

fe(m, n)ge(x - m, y - n) ,
m = 0 n =0

para x = 0,1,2,...., M-1


y = 0,1,2,...., N-1
O teorema da convoluo discreta para o caso 2-D, diz:
fe(x,y)*ge(x,y) Fe(u,v)Ge(u,v)
e
fe(x,y)ge(x,y) Fe(u,v)*G(u,v)
Portanto, conclumos que a convoluo de duas funes ou sinais (segundo [1],
independentemente da dimenso ou se discreto ou contnuo) no domnio do tempo ou espao equivalente
multiplicao dos seus espectros no domnio da freqncia e que a multiplicao de duas funes ou sinais
no domnio do tempo ou espao equivalente convoluo dos seus espectros no domnio da freqncia.
6- Correlao
Uma das principais aplicaes da correlao no processamento de imagens [1] encontrar a
similaridade entre uma imagem desconhecida e um conjunto de imagens conhecidas.
6.1- Correlao Cruzada entre Funes ou Sinais Contnuos 1-D
A correlao cruzada entre duas funes ou sinais, contnuos ou discretos em uma ou mais
dimenses nos mostra quaisquer similaridade entre essas funes ou sinais e denotado por:

23

f(x)g(x) =

f * ( )g(x - ) d ,

onde f*() o conjugado complexo de f().


6.2 - Correlao Cruzada entre duas Funes ou Sinais Discretos 1-D
A correlao entre duas funes ou sinais discretos f(x) e g(x) definida por:
fe(x,y)ge(x,y) =

1
M

M 1

f * e(m)ge(x- m) ,
m= 0

para x = 0,1,2, ..., M-1.


Observao, os comentrios feitos anteriormente sobre as funes ou sinais estendidos fe(x) e
ge(x), bem como sua periodicidade, so levados em considerao para o caso da correlao cruzada.

6.2 - Correlao Cruzada para Funes ou Sinais Contnuos Bi-Dimensionais


Similarmente, podemos estender [1] a correlao cruzada em uma dimenso para o caso bidimensional.
Sejam as funes f(x,y) e g(x,y) de variveis contnuas, a correlao definida como:

f(x,y)g(x,y) =

f * (, )g(x - , y - ) d d .

O teorema da correlao para o caso das funes ou sinais contnuos bi-dimensionais:


f(x,y)g(x,y) F*(u,v)G(u,v)
e
f*(x,y)g(x,y) F(u,v)G(u,v),
onde f*(x,y) o conjugado complexo da funo ou sinal f(x,y) e F*(u,v) o conjugado complexo da
transformada de Fourier de f(x,y).
6.3 - Correlao Cruzada para Funes ou Sinais Discretos Bi-Dimensionais

24
Para o caso discreto, temos:
fe(x,y)g(x,y) =

1
MN

M 1 N 1

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 correlao discreta 1-D, fe(x,y) e ge(x,y) so funes ou sinais estendidos com
perodos "M" e "N" respectivamente, tal que no ocorra erro de superposio, no perodo, da funo
correlao.
O teorema da correlao para o caso de funes ou sinais discretos 2-D
fe(x,y)ge(x,y) F*e(u,v)Ge(u,v)
e
f*e(x,y)ge(x,y) Fe(u,v)Ge(u,v),
onde fe(x,y) a funo ou sinal estendida de f(x,y); ge(x,y) a funo ou sinal estendido de g(x,y); Fe*(u,v) o
conjugado complexo estendido da transformada de Fourier de fe(x,y); Ge*(x,y) o conjugado complexo
estendido da transformada de Fourier de ge(x,y); Fe(u,v) a transformada de Fourier de fe(x,y) e Ge(u,v) a
transformada de Fourier de ge(x,y).
Novamente aqui, por facilidade, so 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) funes ou sinais contnuos unidimensionais. Queremos demonstrar que:
f(x)g(x) F*(u,v)G(u,v).
Demostrao:

[f(x)g(x)]=

f * ( )g(x - ) d . exp(-j2 ux) dx

f * ( )g(x) . exp(-j2 u) d . exp(-j2 ux) dx

[f(x)g(x)] = F*(u,v)G(u,v)
CQD

25
Sejam f(x) e g(x) funes ou sinais contnuos unidimensionais. Queremos demonstrar que:
f*(x)g(x) F(u,v)G(u,v).
Demonstrao:

[f*(x)+g(x)] =

f * *( )g(x - ) d . exp(-j2 ux) dx

f( )g(x) . exp(-j2 u ) d . exp(-j2 ux) dx

[f*(x)+g(x)] = F(u,v)G(u,v),
onde: f**() = f()
CQD

Um caso especial de correlao cruzada quando f(x) e g(x) so iguais. Nesse caso, dizemos
que uma autocorrelao e que fisicamente nos mostra a comparao de um sinal com ele mesmo deslocado
no tempo e denotado por:

f(t)f(t0 =

f * ( ) f(t - ) d,

com grande aplicabilidade em processamento de imagens, por exemplo, de radares, equipamento de ultrasom etc.
Devemos ter sempre em mente que a funo ou sinal f(t) pode se contnuo ou discreto de uma ou
mais dimenses, peridico ou no.
VII _ Concluso
Com a evoluo tecnolgica e o desenvolvimento de computadores digitais de alta capacidade e
velocidade de processamento, o processamento Digital de Imagens tem sido cada vez mais utilizado para
anlise e diagnsticos.
Uma das ferramentas mais utilizada neste processamento a transformada de Fourier, a qual nos
permite ter uma viso da imagem a ser analisada no domnio da freqncia, facilitando sobremaneira esta
anlise e o seu processamento, normalmente, aplicando-se tcnicas de filtragem digital.
Na prtica, a utilizao de algoritmos para execuo rpida das transformadas de Fourier (FFT)
juntamente com os teoremas de convoluo e da correlao permitem, de maneira simplificada, a

26
implementao das tcnicas de filtragens para eliminao de rudos e interferncias das imagens (ou de uma
maneira geral, sinais) em anlise.
VIII - Referncias Bibliogrficas
[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 Comunicao, Rio de Janeiro: Guanabara Dois, 1979.
[4] Carlson, A .B., Sistemas de Comunicao: uma introduo aos sinais e rudos em comunicao eltrica,
So Paulo: McGraw-Hill do Brasil, 1981.
[5] Pratt, W.K., Digital Image Processing, USA: John Wiley & Sons, Inc., 1991.
[6] Apostol T., M., Clculo, vol. I, Rio de Janeiro: Revert Ltda, 1979.

Você também pode gostar