UNIVERSIDADE ESTADUAL DO OESTE DO PARANA

CENTRO DE CIENCIAS
EXATAS E TECNOLOGICAS

CURSO DE LICENCIATURA EM MATEMATICA

Serie de Fourier e Transformada de Fourier

com aplicacao a` reconstrucao de imagem

Cascavel - Pr
2011


UNIVERSIDADE ESTADUAL DO OESTE DO PARANA

CENTRO DE CIENCIAS
EXATAS E TECNOLOGICAS

CURSO DE LICENCIATURA EM MATEMATICA

LOISE DIETRICH POCZAPSKI

Serie de Fourier e Transformada de Fourier

com aplicacao a` reconstrucao de imagem

Orientador: Prof. Dr. Sandro Marcos Guzzo

Cascavel - Pr
2011

LOISE DIETRICH POCZAPSKI

Serie de Fourier e Transformada de Fourier

com aplicacao a` reconstrucao de imagem

Monografia apresentada como requisito parcial `

a
aprovacao na disciplina Introducao `a Pesquisa (Mongrafia) do Colegiado do Curso de Matematica, Centro
de Ciencias Exatas e Tecnologicas, Universidade Estadual 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.

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 construc
ao
desse trabalho.

 Ninguem podera jamais aperfeicoar-se, se nao tiver

o mundo como mestre. A experiencia se adquire na
pratica.
William Shakespeare

Sum
ario

Introdu
c
ao

10

A funcao de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Historia de Jean Baptiste Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1 S
eries de Fourier

13

1.1

Formulac
ao matem
atica 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 Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.3

Alguns exemplos de Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

1.4

Forma complexa da Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 S
eries de Fourier de Cosseno e de Seno
2.1

27

Func
oes Pares e Func
oes 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 Aplica
c
ao da FFT na remo
c
ao de rudo em imagem
4.1

44

Processamento de Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.1.1

A imagem digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.1.2

Amostragem e Quantificacao . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4.1.3

Histograma de Imagem Digital . . . . . . . . . . . . . . . . . . . . . . . . . . 46

6

4.1.4

Operac
oes em Imagens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.2

Aplicac
ao da FFT na remoc
ao 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 import
ancia dessa transformada no processamento digital de sinais e imagens. Contudo
o incio deste trabalho se dar
a com as Series de Fourier, partindo da motivacao pela qual surgiram,
que e o estudo do fluxo de calor por uma barra, e apresentar algumas propriedades das mesmas. Ser
a
dada enfase em uma aplicac
ao especfica dentro do processamento de imagens, que e na remoc
ao
de rudo em imagem. Esta aplicac
ao foi escolhida por mostrar um resultado bom e significativo,
utilizando o software ImagemJ.
Palavras-chave: S
eries de Fourier, Transformada de Fourier, espectro de Fourier.

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 flow by a slash, and present some properties of them. Emphasis will be placed in a specific
application within the image processing, which is in images noise removal. This application was
chosen because shows a good and significant result, using the software ImagemJ.
Key words: Fourier Series, Fourier transform, Fourier spectrum.

Introdu
c
ao
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 propagacao se da em forma de ondas de calor, e essas ondas s
ao
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 aplicac
oes
mais avancados que v
ao alem do estudo sobre fluxo de calor, pois sao muito utilizadas nas
areas
de matematica, engenharia, computacao, m
usica, ondulatoria, sinais digitais, processamento de
imagens, telecomunicac
oes, entre outros. A ideia e que qualquer funcao periodica contnua, por
mais complicada que seja, pode ser representada como a soma infinita 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 func
ao, periodica ou nao.

A fun
c
ao de Euler
Depois do surgimento e desenvolvimento do Calculo Diferencial e Integral as funcoes seno,
cosseno e as outras func
oes trigonometricas correspondentes, se tornaram importantes em aplicac
oes
fsicas, sendo essas func
oes definidas para todo n
umero real t.
Primeiramente definia-se seno e cosseno de um angulo, mas quando se trata de n
umero
real a definic
ao de seno e cosseno e feita por meio de uma funcao E, dita funcao de Euler, que ser
a
definida posteriormente.
O crculo trigonometrico unit
ario S1 e, por definicao, a circunferencia de raio 1 com centro
na origem, orientada no sentido anti-horario. A funcao de Euler e definida no conjunto dos n
umeros
reais e sua imagem e o crculo unit
ario S1. Ou seja, a cada n
umero real t corresponde um ponto
E(t) no crculo unit
ario. Uma propriedade importante da funcao E e a sua periodicidade. Dizemos
que uma func
ao f e peri
odica de perodo T , quando f (t + T ) = f (t), para todo t D(f ). Quando
k e um inteiro, as extremidades finais 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 func
ao E e peri
odica de perodo 2.
Com o estudo das func
oes trigonometricas, foi possvel descrever fenomenos periodicos
(movimento planet
ario, vibrac
ao de cordas e membranas, oscilacoes de um pendulo, etc.). As
funcoes seno e cosseno adquiriram uma importancia especial na matematica, quando o matem
atico
frances Jean-Baptiste Joseph Fourier, estudando o fenomeno da transmissao do calor, mostrou que
qualquer func
ao, sob determinadas hipoteses, pode ser obtida pela soma infinita de funcoes 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 bar
ao Jean-Baptiste-Joseph Fourier (1768- 1830) nasceu em Auxerre, filho de alfaiate
foi educado pela ordem Beneditina. Ele introduziu a ideia de que uma funcao periodica arbitr
aria,
mesmo sendo definida por diferentes expressoes analticas em segmentos adjacentes de seu intervalo de definic
ao, poderia ser representada por uma u
nica expressao analtica. Naquela epoca a
ideia, apesar das resistencias, provou ser de suma importancia em desenvolvimentos posteriores da
Engenharia e Matem
atica.
A ideia de Fourier surgiu pelo problema do fluxo 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 expedic
ao de Napole
ao para civilizar o pas. Antes desta expedicao, Fourier
era um Professor de Matem
atica, e portanto assumiu ocupacoes administrativas como secret
ario
do Instituto do Egito, uma corporac
ao cientfica.
Fourier foi eleito prefeito de Is`ere (em Grenoble) por Napoleao em 1802 apos um breve retorno a sua antiga ocupac
ao de Professor de Analise na escola Politecnica em Paris. Suas ocupac
oes
em Grenoble incluam taxac
ao, recrutamento militar, execucao de leis, cumprindo ordens de Paris
bem como a elaborac
ao de relat
orios.
Ele fez muitas obras no tempo em que ocupava o cargo de prefeito. Diminuiu danos
provocados pela revoluc
ao de 1789, drenou 80.000 km2 de pantanos e construiu a secao Francesa
da estrada de Torino. Em 1807, mesmo com as obrigacoes oficiais, Fourier escreveu sua Teoria da
Conducao do Calor, que dependia da ideia essencial de analisar a distribuicao de Temperatura em
componentes s
olidos espaciais. Porem por conta das d
uvidas expressas por Laplace e Lagrange, a
publicacao da obra foi evitada. Houveram tambem algumas crticas feitas por Biot e Poisson. Um
tempo depois, o Instituto estabeleceu o tema Propagacao de calor em corpos solidos como t
opico
para o premio em Matem
atica em 1811, que foi ganho por Fourier, mas havia uma mencao de falta
de generalidade e rigor. Fato que justifica 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 posicao 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 s
ao incalcul
aveis.

12

Captulo 1

S
eries de Fourier
A teoria de series de Fourier contem a base de uma grande parte da Analise moderna, desde
a analise harm
onica abstrata, englobando a teoria de grupos topologicos e suas representacoes, ate
a Analise Funcional. Toda a teoria de expansao em autofuncoes, que e central em Analise, nasceu
da teoria de series de Fourier. De fato a importancia da Analise Harmonica classica (essencialmente o estudo de series e integrais de Fourier) no desenvolvimento da Matematica e inestim
avel.
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 an
alise de Fourier; Cantor, tentando caracterizar conjuntos de unicidade para series
trigonometricas, foi levado a desenvolver a teoria dos n
umeros transfinitos e os rudimentos da teoria
dos conjuntos; mais recentemente, a teoria de distribuicoes (ou funcoes generalizadas) de Laurent
Schwartz foi desenvolvida em conex
ao com o estudo de transformadas de Fourier (Ver [5, Iorio]).
O campo natural de aplicac
oes das series de Fourier e a de fenomenos periodicos. O
fato de uma func
ao peri
odica poder ser decomposta em suas componentes harmonicas simples
An = sen(nt + n) e de significado fsico fundamental.
A maneira mais natural para se introduzir as series de Fourier e atraves de um problema
envolvendo a conduc
ao de calor.

1.1

Formula
c
ao matem
atica do problema da conduc
ao do calor
Nesta sess
ao ser
a estudado o problema de conducao de calor por uma barra, pois essa e

a motivacao que leva ao estudo das series de Fourier. Procurando uma solucao para tal problema,
serao utilizadas ferramentas/conceitos do Calculo Diferencial e Integral e de Equacoes Diferenciais,
no entanto, isso n
ao ser
a suficiente, 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 n
ao
ser por suas extremidades. Se colocarmos a barra no sentido do comprimento L sobre o eixo x e

13

aquecermos uma das extremidades, o fluxo 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 equac
ao que descreve a quantidade de calor transferida de uma seccao transversal
para outra por unidade de tempo, ou seja, considere duas placas P1 e P2 de seccao transversal igual
a A e temperaturas T1 e T2 , respectivamente; se colocadas paralelamente a uma distancia d uma
da outra, haver
a 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|T2 T1 |
,
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 func
ao que descreve a temperatura da barra na sua coordenada x, no instante
t. Para contornar a dificuldade da ausencia da variavel tempo da Lei de Fourier, introduz-se a
grandeza fluxo de calor atraves de x num instante t, da forma:
- Fixa-se o tempo em (1.1) e considera-se, T1 = u(x, t) e T2 = u(x + d, t);
- Passa-se o limite na func
ao u(x + d, t) u(x, t) quando d tende a zero em (1.1).
Assim, se denotando por q(x, t) o fluxo 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) = kAux (x, t).

(1.3)

Fixando, agora, para > 0, um elemento entre os pontos x0 e x0 + , ao longo do eixo dos
x. Calculando o calor que entra em x0 no perodo de tempo entre t0 e t0 + , com > 0. Usando o
fluxo de calor q(x, t), podemos ver que
Z t0 +
Z
q=
q(x0 , t)dt
t0

t0 +

q(x0 + , t)dt.

t0

Pela Lei de Fourier, (1.3), tem-se

Z t0 +
k[ux (x0 + , t) ux (x0 , t)]Adt.
q=

(1.4)

t0

Sabendo que o calor especfico c de uma substancia e a quantidade de calor necess

aria
para elevar em 1 C a temperatura de um grama dessa substancia, entao q pode ser escrito como
Z t0 + Z x0 +
q=
cut (x, t)dxAdt,
(1.5)
t0

x0

onde e a densidade da subst

ancia.
14

Para chegar `
a equac
ao do calor, o teorema fundamental do calculo e utilizado em (1.4)
obtendo-se:
Z

t0 +

x0 +

q=

kuxx (x, t)Adxdt,

t0

x0

e entao igualando ao valor de q em (1.5), tem-se

Z
Z t0 + Z x0 +
kuxx (x, t)dxdt =
t0

t0 +

t0

x0

x0 +

cut (x, t)dxdt.

(1.6)

x0

Sendo a express
ao (1.6) v
alida para todo t0 > 0, todo 0 < x0 < L e todos > 0 e > 0,
conclui-se que
kuxx (x, t) = cut (x, t).
Denominaremos

k
c

por difusibilidade termica, k, e entao podemos reescrever a equac

ao

acima como
ut = kuxx .

(1.7)

E ent
ao chega-se a equac
ao (1.7) que e chamada equacao do calor ou equacao da difus
ao.

1.2

Como surgiram as S
eries de Fourier
Na sess
ao 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 coordenada espacial. O problema da conduc
ao do calor consiste em determinar uma funcao real u(x, t)
no fecho do conjunto R = {(x, t) R2 /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 reservatorio termico mantido a temperatura constante zero, f e a distribuicao inicial de temperatura e,
para que haja soluc
ao, f tem que satisfazer a condicao de compatibilidade
f (0) = 0 = f (l).
A func
ao u(x, t) deve satisfazer
ut = 2 uxx

em

(0, l) (0, +),

em R, que satisfaz a condic

ao inicial
u(x, 0) = f (x) x (0, l),
e a condicao 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 equac
ao (1.1) que expressa esse problema, Fourier desenvolveu um metodo,
o qual sera visto agora.
15

Supondo que a func

ao u(x, t) procurada possa ser escrita como o produto de duas func
oes,
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 equac

ao do calor, tem-se
(x) 0 (t) = 2 00 (x)(t),
e entao

1 0 (t)
00 (x)
=
.
2 (t)
(x)

(1.9)

Observe que admitiu-se que (t) e (t) nao se anulam, pois isto acarretaria u(x, t) como
solucao nula, que n
ao 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 ser
a chamada de . Obtendo assim duas EDOs
00 (x) = (x),

(1.10)

0 (t) = 2 (t),

(1.11)

onde e um par
ametro independente de t e de x.
Agora, restringe-se o problema em resolver duas EDOs. Resolvendo a primeira equac
ao
de (1.9)
00 (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 , h
a tres possibilidades para analisar
i) > 0

(x) = ae
a+b=0

ae

+ be

pois
=0

+ be

(0) = 0
pois

(l) = 0.

Mas a u
nica soluc
ao 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 solucao 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, ent
ao
sen(l) = 0.
Isso implica que
n Z .

l = n
Logo =

n
e
l
= 2 =

n2 2
.
l2

(1.13)

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

2n =

n2 2
,
l2

que sao chamados os autovalores do P.V.C.

Portanto as func
oes que satisfazem `a EDO (1.10) sao
n (x) = sen(

nx
),
l

x [0, l],

(1.14)

e sao chamadas de autofunc

oes do P.V.C.
Resta achar a soluc
ao geral da EDO (1.11): e

2 t

e um fator integrante de (1.11) logo a

solucao geral ser

a da forma
(t) = bn e

2 t

Sendo assim utilizando (1.13), temos ainda que

(t)n = bn e

2 n2 2
t
l2

Como un (x, t) = n (x)n (t), entao para n N, obtivemos as solucoes

un (x, t) = bn e

2 n2 2
t
l2

sen(

nx
),
l

17

x [0, l],

t 0,

n N,

e, usando o princpio da superposic

ao, procuramos uma solucao da forma
u(x, t) =

2 n2 2
t
l2

bn e

sen(

n=1

nx
),
l

x [0, l],

t 0.

(1.15)

Observe que s
ao deixados de lado os problemas de convergencia e diferenciabilidade termo
a termo. Procuramos uma soluc
ao de (1.8) da forma (1.15) e por hipotese temos u(x, 0) = f (x)
que implica em
f (x) =

bn sen(

n=1

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 condic
oes de contorno impostas, em que a temperatura se mantinha constante igual a
zero. No caso da temperatura n
ao ser constante, segundo a lei de Newton, o fluxo 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 expans
ao em serie de senos, obtemos f em serie de cossenos, isto e,

f (x) =

nx
a0 X
+
an cos(
).
2
l
n=1

A quest
ao e saber se essas funcoes podem ser escritas realmente em serie de senos, ou em
outras condic
oes de contorno, se podem ser expressas em serie de cossenos. Para tanto surge a
pergunta se dada uma func
ao f : [0, l] R, seria possvel expressar f como a soma dessas duas
series

f (x) =

nx
nx
a0 X
+
[an cos(
) + bn sen(
)].
2
l
l

(1.16)

n=1

Observe que o fator

1
2

em a0 e utilizado apenas para que as formulas para an sejam do

mesmo tipo se n > 0 ou se n = 0.

Precisamos encontrar agora os coeficientes a0 , an e bn que satisfazem a identidade (1.16).
Portanto qual ser
ao as hip
oteses sobre f para que a igualdade (1.16) se verifique para a0 , an e bn
reais?
Essa quest
ao fica 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. Definiremos 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
b

Z
hf, gi =

f (t)g(t)dt.
a

18

Defini
c
ao 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, hf, gi = 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 func
oes
contnuas por partes do intervalo [l, l] em R com o produto interno definido por
Z

hf, gi =

f (x)g(x)dx.
l

Ser
a mostrado que o conjunto
{1, cos

x
x
2x
2x
nx
nx
, sen
, cos
, sen
, ..., cos
, sen
, ...}
l
l
l
l
l
l

e um subconjunto ortogonal de V P 0 [l, l]. Como as funcoes do conjunto, exceto a primeira, s

ao
funcoes cujas primitivas s
ao peri
odicas de perodo igual a 2l/n, entao para verificar se o conjunto
e ortogonal, faremos a integral de l e l destas funcoes periodicas. Portanto temos

Z l
Z
nx
l
l sen(ns) 
nx
i=
1 cos
dx =
cos(ns)ds =
= 0,
h1, cos
l
l

n 
l
e

nx
h1, sen
i=
l

nx
l
sen
dx =
l


l cos(ns) 
sen(ns)ds =
 = 0.

Para m = n, temos
n 

Z l
Z n

nx
t
nx
l
l
1
2 nx
2
hcos
, cos
i=
cos
dx =
cos (t)dt =
+ sen(2t)
= l,
l
l
l
n n
n 2 4
l
n
nx
nx
hsen
, sen
i=
l
l

nx
l
sen
dx =
l
n
l
2

l
sen (t)dt =
n
n
2

n 

t
1
sen(2t)
=l
2 4
n

e
Z
nx
nx
l
cos
sen
dx =
cos ns sen nsds
l
l

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

nx
nx
hcos
, sen
i=
l
l

Para m 6= n,
nx
mx
hcos
, cos
i=
l
l

Z
nx
mx
l
cos
cos
dx =
cos ns cos msds
l
l

l
Z
l
=
cos[(m + n)s] + cos[(m n)s]ds
2




l
l

=
sen[(m + n)s] +
sen[(m n)s] = 0,
2(m + n)
2(m n)

nx
mx
, sen
i=
l
l

hsen

sen
l

nx
mx
l
sen
dx =
l
l

19

sen ns sen msds

l
=
2

cos[(m n)s] cos[(m + n)s]ds





l
l

=
sen[(m n)s]
sen[(m + n)s] = 0
2(m n)
2(m + n)

e
Z
nx
mx
l
cos
cos ns sen msds
sen
dx =
l
l

l
Z
l
sen[(m n)s] + sen[(m + n)s]ds
=
2




l
l

=
cos[(m n)s]
cos[(m + n)s] = 0.
2(m n)
2(m + n)

nx
mx
hcos
, sen
i=
l
l

E assim temos que o conjunto definido no exemplo 1 e ortogonal.

1.2.2

Os Coeficientes de Fourier
Na sess
ao anterior chegamos ao questionamento se as funcoes descritas sob certas condic
oes

de contorno, poderiam ser expressas da forma de (1.16). Considere o conjunto de funcoes

2

2
3

{1, cos x, cos x, ..., sen x, sen x, sen x, ...}.

l
l
l
l
l
Pelo conceito de ortogonalidade visto anteriormente sabe-se que este conjunto e ortogonal
no intervalo [l, l]. Na sess
ao anterior expressamos uma funcao f em uma serie da forma

a0 X
nx
nx
[an cos(
f (x) =
+
) + bn sen(
)].
2
l
l

(1.17)

n=1

Suponha que essa func

ao seja definida no intervalo [l, l]. O procedimento a seguir nos
mostra como podem ser calculados a0 , an e bn , supondo que f possa ser escrita pela serie em (1.17).
Integrando ambos os membros de (1.17) de l a l, obtem-se
Z

f (x)dx =
l


Z l
Z l

X
a0
n
n
dx +
cos
xdx + bn
sen
xdx .
an
2
l
l
l
l

(1.18)

n=1

Como cada uma das func

oes cos(nx/l) e sen(nx/l) com n > 1 e ortogonal a 1 no
intervalo, como pode ser verificado na sessao 1.1.1 no exemplo 1, entao o membro direito de (1.18)
se reduz a um u
nico termo e, consequentemente,
Z

f (x)dx =
l

a0
a0 l
dx =
x = la0 .
2
2 l

Resolvendo em relac
ao a a0 , obtemos
a0 =

1
l

f (x)dx.
l

20

Multiplicando (1.17) por cos(mx/l) e integrando

Z l
Z
mx
mx
a0 l
f (x) cos
cos
dx =
dx
l
2
l
l
l

Z l
Z l

X
mx
mx
nx
nx
cos
cos
+
an
cos
dx + bn
sen
dx .
l
l
l
l
l
l

(1.19)

n=1

Por ortogonalidade, temos

Z l
mx
cos
dx = 0
l
l

Z l
mx
nx = 0, m 6= n
cos
cos
dx
= l, m = n
l
l
l

e
Z

cos
l

mx
nx
sen
dx = 0 m, n N.
l
l

Assim, (1.19) se reduz a

Z

mx
dx = an l.
l

cos
l

e
1
an =
l

cos
l

mx
dx.
l

Finalmente, multiplicando (1.17) por sen(mx/l), integrando e utilizando os resultados

Z l
mx
sen
dx = 0, m > 0,
l
l
Z l
mx
nx
sen
cos
dx = 0 m, n N
l
l
l

Z l
nx = 0, m 6= n
mx
sen
sen
dx
= l, m = n,
l
l
l
obtemos,
1
bn =
l

f (x) sen
l

nx
dx.
l

E estes s
ao os coeficientes da serie de Fourier da funcao f . A serie em (1.17) e definida
como sendo a serie de Fourier da func
ao f . Perceba que formalizando-a, temos a definicao a seguir.
Defini
c
ao 2 (Serie de Fourier). A s
erie de Fourier de uma funcao f definida no intervalo (l, l)
e dada por
f (x) =

a0 X 
nx
nx 
+
an cos(
) + bn sen(
) ,
2
l
l
n=1

com
a0 =

1
l

f (x)dx
l

21

1
an =
l

1
l

bn =

f (x) cos

nx
dx
l

f (x) sen

nx
dx.
l

l
l

Perceba que nada foi falado a respeito da serie de Fourier de f convergir para f , admitimos
ainda esta convergencia para calcular os coeficientes. 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 func
ao contnua, com derivada segunda contnua por
partes, e tal que f (l) = f (l). Ent
ao a serie de Fourier de f converge uniformemente para f em
[l, l]. Isto e:
f (x) =

nx 
nx
a0 X 
+
) + bn sen(
) ,
an cos(
2
l
l
n=1

para todo x [l, l].

1.3

Alguns exemplos de S
eries de Fourier

Exemplo 2. Para obter a serie de Fourier da funcao

0 se x < 0
f (x) =
se 0 x <
e necessario calcular primeiramente os coeficientes de Fourier para essa funcao

Z 0
Z
1
dx = ,
a0 =
0dx +

0
e para n N, tem-se
1
an =

Como
1
bn =

obtem-se b2n = 0 e b2n1 =

2
2n1

Z
0

Z


cos(nx)dx = 0.


1 cos(n)
sen(nx)dx =
,
n

para n N.

Assim a serie de Fourier ser

a dada por

X sen[(2k 1)x]

f (x) + 2
,
2
2k 1
k=1

ou seja



sen(3x) sen(5x)
+
+ ... .
f (x) + 2 sen(x) +
2
3
5

22

Figura 1.1: Funcao sinal transladada para cima.

Figura 1.2: Serie de fourier da funcao sinal.

Observac
ao: A partir da serie de Fourier para funcoes 2-periodicas e possvel obter a
serie de Fourier para func
oes peri
odicas com perodo 2l. Basta tomar a mudanca de variavel x =

t
l

para obter a nova func

ao, agora dependendo da variavel t, que sera 2l-periodica e integravel no
intervalo simetrico [l, l].
Exemplo 3. Desenvolva

0, < x < 0
g(x) =
x, 0 < x < ,
em serie de Fourier.
Solu
c
ao: A figura 1.3 mostra o gr
afico de g. Os coeficientes sao escritos da forma

23

Figura 1.3: Grafico da funcao g.

1
a0 =

Z

( x)dx
0dx +
0


1
x2

=
x
=

2 0
2

an =

f (x) cos nxdx =

Z

Z
0dx +


( x) cos nxdx ,

e integrando por partes, obtemos



Z
sen nx  1
1
( x)
+
sen
nxdx


n
n 0
0


1 cos nx 
=

n
n 0
cos n + 1
=
n2
1 (1)n
=
.
n2

an =

De maneira an
aloga, obtem-se, para o coeficiente bn . Temos
Z
1
1
( x) sen nxdx = ,
bn =
0
n
portanto,

f (x) =

X
+
4
x=1


1 (1)n
1
cos
nx
+
sen
nx
.
n2
n

24

Figura 1.4: Serie de Fourier da funcao g.

1.4

Forma complexa da S
erie de Fourier
Seja f : R R uma func
ao periodica de perodo 2l, seccionalmente contnua e seja

nx
a0 X 
nx 
an cos
f (x) =
+
+ bn sen
2
l
l

(1.20)

n=1

sua serie de Fourier, com

an =

1
l

cos
l

nx
dx
l

e bn =

1
l

f (x) sen
l

nx
dx.
l

(1.21)

Para escrevermos essa serie de Fourier na forma complexa, usamos a formula de Euler
ei = cos + i sen ,
sendo que
ei
nx
cos = cos
=
l

nx
l

+ ei
2

nx
l

nx
ei
sen = sen
=
l

nx
l

ei
2

Substituindo em (1.20), temos

nx

nx

nx

nx

a0 X
ei l + ei l
ei l ei l
f (x) = +
an
+ ibn
2
2
2
n=1



a0 X an ibn i nx an + ibn i nx
=
+
e l +
e l
2
2
2
n=1

cn ei

nx
l

n=

com

an ibn

se n 1

a0
cn =
se n = 0

a
+

n ibn se n 1,
2
25

nx
l

ou seja, usando os coeficientes de Fourier em (1.21) temos

Z

nx
nx
1 l

i sen
)dx
f (x)(cos

2l l
l
l

1 l
cn =
f (x)dx se n = 0

2l l

nx
1 l
nx

f (x)(cos
i sen
)dx

2l l
l
l
Z
1 l
f (x)einx/l dx.
=
2l l

se

n1

se

n 1

Resumindo vimos que se f : R R for periodica de perodo 2l, integravel e absolutamente

integravel, ent
ao a serie de Fourier de f na forma complexa pode ser escrita como

cn einx/l .

n=

26

Captulo 2

S
eries de Fourier de Cosseno e de
Seno
2.1

Fun
c
oes Pares e Fun
co
es Impares
Uma func
ao f e
par se f (x) = f (x)
mpar se f (x) = f (x)

x
x

Como cos(x) = cos(x), ent

ao 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 Fun
c
oes Pares e das Fun
c
oes
Impares

Teorema 2.1. Propriedades das Funco

es Pares/Impares
(a) O produto de duas func
oes pares e par.
(b) O produto de duas func
oes mpares e par.
(c) O produto de uma func
ao par e uma func
ao mpar e mpar.
(d) A soma (diferenca) de duas funco
es pares e par.
(e) A soma (diferenca) de duas funco
es mpares e mpar.
Z a
Z a
(f ) Se f e par, ent
ao
f (x)dx = 2
f (x)dx.
a

(g) Se f e mpar, ent

ao

f (x)dx = 0.
a

27

Demonstra
c
oes:
(a)

Suponhamos f e g func
oes pares. Temos entao f (x) = f (x) e g(x) = g(x). Definindo 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 func
oes mpares. Temos entao f (x) = f (x) e g(x) = g(x).

Definindo 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 func

ao par e g uma funcao mpar. Temos entao f (x) = f (x) e

g(x) = g(x). Definindo 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 func
oes pares. Temos entao f (x) = f (x) e g(x) = g(x). Definindo 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 diferenca:
G(x) = f (x) g(x) = f (x) g(x) = G(x).
(e)

Suponhamos f e g func
oes mpares. Temos entao f (x) = f (x) e g(x) = g(x).

Definindo 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 diferenca:
G(x) = f (x) g(x) = f (x) (g(x)) = f (x) + g(x) = G(x).
(f )

Seja f uma func

ao par, ent
ao f (x) = f (x), da vem que:
Z a
Z 0
Z a
Z a
Z
f (x)dx =
f (x)dx +
f (x)dx =
f (x)dx +
a

28

Z
f (x)dx = 2

f (x)dx.
0

Seja f uma func

ao mpar, ent
ao f (x) = f (x), da vem que:

(g)

Z
f (x)dx =

f (x)dx +

f (x)dx =
a

Z
0

f (x)dx = 0.

f (x)dx +


S
eries de Cosseno e de Seno
Se f e uma fun
ao par em (l, l), entao, em vista das propriedades precedentes, os coeficientes

Z
2 l
f (x)dx =
f (x)dx
l 0
l
Z
1 l
nx
an =
dx
f (x) cos
l l |
{z l }

1
a0 =
l

par

bn =

1
l

f (x) sen
l |
{z

nx
dx = 0.
l }

mpar

2
l

Z
0

Analogamente, quando f e mpar no intervalo (l, l), an = 0, n = 0, 1, 2...,

nx
f (x) sen
dx = 0.
l

bn =

Para resumir os resultados obtidos, segue a definicao abaixo.

Defini
c
ao 3. Series de Fourier de Cosseno e de Seno
(i) A serie de Fourier de uma func
ao par no intervalo (l, l) e a s
erie de cosseno

a0 X
nx
+
an cos
,
2
l
n=1
Z
2 l
onde a0 =
f (x)dx
l 0
Z
2 l
nx
an =
f (x) cos
dx.
l 0
l

f (x) =

(ii) A serie de Fourier de uma func

ao mpar no intervalo (l, l) e a s
erie de seno
f (x) =

bn sen

n=1

onde bn =

2
l

f (x) sen
0

nx
dx.
l

Exemplo 4. A func
ao

1, < x < 0
f (x) =
1, 0 x <

29

nx
,
l
(2.1)

Figura 2.1: Grafico da funcao

exibida na Figura 2.1 e mpar no intervalo (, ). Sendo o perodo da funcao, temos, por (2.1),
Z
2
2 (1 (1)n )
bn =
(1) sen nxdx =
0

n
e assim
f (x) =

2 X 1 (1)n
sen nx.

n
n=1

30

(2.2)

(a)

(b)

(c)

(d)

Figura 2.2: Para todas as figuras

Veja que a sequencia de somas parciais acima tende para uma funcao. Comparando o
grafico do Exemplo 3 com os gr
aficos das quatro somas parciais de (2.2):

4
sen x


4
sen 3x
S2 =
sen x +

3


4
sen 3x sen 5x
S3 =
+
sen x +

3
5
!
15
4 X1
(sen nx) .
S15 =

n
S1 =

n=1

Podemos perceber que o gr

afico da soma parcial S15 tem picos pronunciados nas vizinhancas das descontinuidades em x = 0, x = , x = etc. Nessas vizinhancas dos pontos de
descontinuidade o distanciamento das somas parciais Sn dos valores funcionais permanece quase
constante mesmo quando n e suficientemente grande. Esse comportamento de uma serie de Fourier
em que f e descontnua na vizinhanca de um ponto, e chamado fen
omeno de Gibbs.
Exemplo 5. A func
ao f (x) = x2 , 0 < x < L, e par, e seu grafico esta exibido na figura abaixo
31

Vamos achar os coeficientes de Fourier, temos portanto:

2
a0 =
L

e
2
an =
L

2
x2 dx = L2
3

x2 cos

n
xdx.
L

Integrando por partes,



Z
nx
2 Lx2
nx L 2L L
x sen
an =
sen
dx

L n
L 0
n 0
L
Z L

nx
4
x sen
dx ,
=
n 0
L
e novamente integrando por partes, obtemos
"
#

Z L
4
Lx
nx L
L
nx
an =

cos
+
cos
dx
n
n
L 0
n 0
L
=

4L2 (1)n
.
n2 2

Assim,
f (x) =

nx
L2 4L2 X (1)n
+ 2
cos
.
3

n2
L
n=1

32

Captulo 3

Transformada de Fourier
Neste captulo faremos um estudo sobre a transformada de Fourier. Ate agora estudamos
as series de Fourier, a motivac
ao 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 aplicacao desta na remoc
ao 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
finitos e portanto com func
oes peri
odicas, e agora passam a ser infinitos e as funcoes nao sao mais
necessariamente peri
odicas.
Tnhamos portanto uma funcao f : R R periodica de perodo 2l, suave por partes,
entao

f (x) =

nx
nx 
a0 X 
an cos
+
+ bn sen
2
l
l
n=1

nos pontos de continuidade de f , com

1
an =
l

1
bn =
l

f (t) cos

nt
dt,
l

n 0.

f (t) sen

nt
dt,
l

n 1.

l
l

Agora, se f e uma func

ao n
ao 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 satisfizer alem disso a condicao de ser absolutamente integr
avel, ou seja
Z
|f (x)|dx < .

Com essas condic

oes definiremos 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 definida em um

intervalo finito como (l, l) ou (0, l). E portanto as series de Fourier estavam associadas as func
oes
periodicas. Estabeleceremos a seguir, de modo nao rigoroso, um meio de representar certos tipos de
funcoes nao-peri
odicas definidas em um intervalo infinito (, ) ou em um intervalo semi-infinito
(0, ).
Considere a Serie de Fourier, da Definicao 2, de uma funcao f definida no intervalo (l, l).

nx 
nx
a0 X 
+
) + bn sen(
)
an cos(
f (x) =
2
l
l
n=1

Z l


Z
Z l
1 l
1X
nt
nx
nt
nx
=
f (t)dt +
f (t) cos
dt cos(
)+
f (t) sen
dt sen(
) .
2l l
l
l
l
l
l
l
l
n=1

(3.1)
Fazendo n = n/l, = n+1 n = /l, (3.1) se escreve
Z l


Z l
1X
1
f (t)dt +
f (t) cos n tdt cos n x
f (x) =
2

l
l
n=1
Z 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

R
P
limite de (3.2) fica como lim0
cao da integral 0 F ()d.
n=1 F (n ), que sugere a defini
R
Assim, se f (t)dt existe, o limite do primeiro termo em (3.2) e zero, e o limite da soma se
escreve
1
f (x) =

Z


Z
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 definic
ao abaixo, em que a estrutura basica da integral de Fourier lembra a
mesma da serie de Fourier.
Defini
c
ao 4. A integral de Fourier de uma funcao f definida no intervalo (, ) e dada por
Z
1
[A() cos x + B() sen x]d,
(3.4)
f (x) =
0
onde
Z
A() =
f (x) cos xdx

Z
B() =
f (x) sen xdx.

O teorema a seguir fornece condicoes suficientes para a convergencia da integral de Fourier.

34

Teorema 3.1. Sejam f e f 0 parcialmente contnuas em qualquer intervalo finito, e seja f absolutamente integr
avel em (, ). Ent
ao 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 func
ao par no intervalo (, ), o produto f (x) cos x e tambem uma
funcao par, ao passo que f (x) sen x e uma funcao mpar. Sendo assim, da propriedade (g) do
Teorema 2.1 temos que:
Z

B() =

f (x) sen x dx = 0

e
1
f (x) =

Z

Z
0


f (t) cos t dt cos x d

pela propriedade (f) do Teorema 2.1, segue que:


Z Z
2
f (t) cos tdt cos xd.
f (x) =
0
0
Da mesma forma, quando f e uma funcao mpar no intervalo (, ), os produtos f (x) cos x e f (x) sen x s
ao funcoes mpar e par, respectivamente. Sendo assim, A() =
R
em pelo Teorema 2.1, e
f (x) cos xdx = 0, tamb

Z Z
1
f (x) =
f (t) sen t dt sen x d.
0

Da propriedade (f), temos que:

2
f (x) =

Z

Z
0


f (t) sen t dt sen x d.

Formalizando os resultados, segue a definicao para as integrais Cosseno e Seno de Fourier.

Defini
c
ao 5. Integrais de Cosseno e Seno de Fourier
(i) a integral de Fourier de uma funcao par no intervalo (, ) e a integral cosseno
Z
2
f (x) =
A() cos x d.
0
onde

Z
A() =

f (x) cos x dx.

0

35

(ii) a integral de Fourier de uma funcao mpar no intervalo (, ) e a integral seno

Z
2
B() sen x d.
f (x) =
0
onde

f (x) sen x dx.

B() =
0

3.2

Transformada de Fourier
Primeiramente vamos recordar da formula de Euler
ei = cos + i sen .
Desta, segue que
cos =

ei + ei
2

sen =

ei ei
2

Vamos escrever a integral de Fourier, vista na sessao anterior, na forma complexa. Da

integral de Fourier (3.4) e da f
ormula de Euler, temos:
Z
1
f (x) =
[A() cos x + B() sen x]d
0

Z Z
Z
1
=
f (t) cos t cos x dt +
f (t) sen t sen x dt d
0

Z Z
1
f (t)(cos t cos x + sen t sen x) dtd
=
0

Z Z
1
=
f (t) cos (x t) dtd
0

Z Z
1
=
f (t)(ei(xt) + ei(xt) ) dtd
2 0
Z Z
Z Z

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

Z Z
Z 0 Z
1
1
i(xt)
=
f (t)e
dtd +
f (t)ei(xt) dtd
2 0
2

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

Z Z
1
it
f (x) =
f (t)e
dt eix d.
2

36

(3.5)

Para que possamos falar da transformada de Fourier, vamos primeiro definir uma func
ao
F : R C por

F () =

f (t)eit dt.

(3.6)

Note que mesmo sendo o domnio da funcao f definido nos reais, em geral a funcao F e
uma funcao definida 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().
possvel ainda expressar a funcao F de valores complexos, na forma polar, ou seja
E
F () = |F ()| ei()

(3.7)

onde,
1

|F ()| = [R2 () + I 2 ()] 2

e
1

() = tan


I()
.
R()

O termo |F ()| e chamado espectro de Fourier da funcao f (x) e () e chamado angulo de

fase da funcao f (x); |F ()|2 = R2 + I 2 e denominado densidade espectral, ou espectro de potencia
de f (x) e possui aplicac
oes em imagens. A variavel , geralmente e denotada por u e e chamada de
variavel de frequencia, cujo nome deriva do termo exponencial, ei2ux , que pela formula de Euler
ei2ux = cos(2ux)i sen(2ux) deixa evidente que a funcao f pode ser decomposta pelo somat
orio
de senos e cossenos.
A transformada de Fourier na aplicacao em imagens, pode computar a distribuicao (amplitudes, frequencias e fases) desses senos e cossenos.
Diremos que uma func
ao de R em C e absolutamente integravel se as partes real e imaginaria dessa func
ao forem absolutamente integraveis. O espaco dessas funcoes sera denotado por
L1 (R, C). Da forma complexa da integral de Fourier em (3.5), temos que
Z
1
F ()eix d.
f (x) =
2
Disso definimos a Transformada de Fourier de f , como sendo a funcao F que associa a
cada funcao absolutamente integr
avel f : R C a funcao F : R C definida pela expressao (3.6).
E a inversa dessa func
ao e chamada a transformada de Fourier inversa, F 1 que associa a
cada funcao F : R C que pertenca ao conjunto imagem de F a funcao absolutamente integr
avel
f : R C definida pela express
ao (3.7) e sendo f contnua,
F 1 (F(f )) = f.
Veja que isso e consequencia imediata das definicoes acima. De fato,
Z
1
F 1 (F(f ))(x) =
F(f )()eix d
2
37

Z Z

1
it
=
f (t)e
dt eix d
2
Z Z
1
=
f (t)ei(xt) dtd = f (x).
2
Apresentamos aqui a transformada de Fourier de uma funcao unidimensional que pode ser
estendida a func
ao binidimensional f (x, y). Portanto em 2D temos o seguinte par de transformadas
Z
F (u, v) =
f (x, y)ei(ux+vy) dxdy

e a partir de F (u, v) pode-se obter f (x, y) atraves da transformada inversa de Fourier:

Z
1
F (u, v)ei(ux+vy) dudv.
f (x, y) =
2
Da mesma forma mostrada para a transformada de Fourier para uma funcao unidimensional, 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
funcao unidimensional, conforme seguem as equacoes respectivamente
1

|F (u, v)| = [R2 (u, v) + I 2 (u, v)] 2 ,



1 I(u, v)
,
(u, v) = tan
R(u, v)
e
P (u, v) = R2 (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.
Defini
c
ao 6. pares de Transformadas de Fourier
(i) Transformada de Fourier
Z

F(f )(x) =

f (x)eix dx = F ().

Transformada inversa de Fourier

F 1 (F )() =

1
2

38

F ()eix d = f (x).

(ii) Transformada Seno de Fourier

Z
Fs (f )(x) =

f (x) sen x dx = F ().

0

Transformada Seno de Fourier inversa

Z
2
Fs1 (F )() =
F () sen x dx = f (x).
0
(iii) Transformada Cosseno de Fourier
Z
Fc (f )(x) =

f (x) cos x dx = F ().

Transformada Cosseno de Fourier inversa

Z
2
1
Fc (F )() =
F () cos x dx = f (x).
0
Para melhor classificar as transformadas, uma vez que vamos trabalhar com a aplicac
ao
desta em processamento digital de imagens, e necessario analisar se esta funcao e periodica ou
aperiodica e se o domnio da imagem e contnuo ou discreto. A combinacao destas duas caractersticas gera quatro outras categorias da transformada, que serao descritas a seguir.
Aperi
odica e contnua
Essa categoria inclui, por exemplo, exponenciais em decomposicao e a curva de Gauss.
Essas funcoes se estendem ao infinito tanto positivas como negativas, sem repetir em um padr
ao
periodico. A transformada de Fourier para este tipo de sinal e simplesmente chamado de Transformada de Fourier.
Peri
odica e contnua
Aqui os exemplos s
ao: func
oes que descrevem ondas senoidais, ondas quadradas, e qualquer
forma de onda que se repete em um padrao regular de infinito negativo ao infinito positivo. Esta
versao da transformada de Fourier e chamada de S
erie de Fourier.
Aperi
odica e discreta
Estas func
oes s
ao definidas apenas em pontos discretos entre infinito positivo e negativo,
e nao se repetem de forma peri
odica. Este tipo de transformada de Fourier e chamada de Transformada de Fourier de tempo discreto.
Peri
odica-Discreta
Estas s
ao func
oes discretas que se repetem de forma periodica de infinito negativo ao
infinito positivo. Esta classe de transformada de Fourier e `as vezes chamada de Transformada
Discreta de Fourier.
Para uso em computadores, seja para aplicacoes cientficas 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) = {x0 , x1 , ..., xN 1 }, 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) =

F (u) =

N
1
X

F (u)exp[i2ux/N ],

u=0
N
1
X

1
N

f (x)exp[i(2ux/N ],

x=0

sendo que x = 0, 1..., N 1 (n

umero de amostras) e u = 0, 1..., N 1 (variavel independente de
frequencia).
Em uma func
ao bidimensional discreta, o par de transformadas (discretas) de Fourier
passa a ser
M 1 N 1
h
 ux vy i
1 X X
F (u, v) =
f (x, y)exp i2
+
MN
M
N

(3.8)

u=0 v=0

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) =

M
1 N
1
X
X
u=0 v=0

h
 ux vy i
+
F (u, v)exp i2
M
N

para x e y assumindo valores discretos x = (0, 1..., M 1) e y = (0, 1..., N 1), onde u =
v =

(3.9)
1
M x

1
N y .

Essa e a forma mais usada da transformada de Fourier em aplicacoes como a que vamos
tratar que e na remoc
ao 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 mem
oria 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 log2 N operac
oes.

3.3

Propriedades Operacionais da Transformada de Fourier

Veremos agora as propriedades da transformada de Fourier para as operacoes de com-

binacao linear, translac

ao, diferenciac
ao, dilatacao e convolucao. Esta u
ltima propriedade e fundamental para a compreens
ao das tecnicas de processamento de imagens baseadas na transformada
de Fourier.
Propriedade 1 (Linearidade). Se f, g : R C sao funcoes absolutamente integraveis e a, b R,
entao
F(af + bg) = aF(f ) + bF(g).

40

F(af + bg)(w) =

(af (t) + bg(t))eiwt dt

af (t)eiwt + bg(t)eiwt dt
Z
Z

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

Z
Z
g(t)eiwt dt
f (t)eiwt dt + b
=a

= aF(f )(w) + bF(g)(w).


Propriedade 2 (Transformada de Fourier de Derivadas). Se f : R C e uma funcao diferenci
avel
e absolutamente integr
avel tal que f 0 tambem e uma funcao absolutamente integravel, entao
F(f 0 (x))(w) = iwF(f (x))(w).
Integrando por partes temos
Z
0
F(f )(w) =
f 0 (t)eiwt dt



Z

f (t)eiwt dt
= f (t)eiwt  iw

Z
= iw
f (t)eiwt dt = iwF(f )(w).


Propriedade 3 (Derivadas de Transformadas de Fourier). Se f : R C e uma funcao absolutamente integr
avel tal que xf (x) tambem e uma funcao absolutamente integravel, entao
iF(f (x))0 (w) = F(xf (x))(w).

Z
d
F(f ) (w) =
f (t)eiwt dt
dw
Z
Z
d
iwt
=
f (t)e
dt = i
tf (t)eiwt dt
dw

= iF(tf (t))(w).
Multiplicando a igualdade
F(f )0 (w) = iF(tf (t))(w)
por i, obtemos
iF(f )0 (w) = F(tf (t))(w).

41


Propriedade 4 (Transformada de Fourier de uma Translacao). Se f : R C e uma func
ao
absolutamente integr
avel e g : R C e tal que g(x) = f (x a), entao
F((g))(w) = eiwa F((f ))(w).
Mudando as vari
aveis, temos
Z
f (t a)eiwt dt
F((g))(w) =
Z

f (t)eiw(t+a) dt
=
Z

f (t)eiwt eiwa dt
=

Z
iwa
f (t)eiwt dt = eiwa F(f )(w).
=e


Propriedade 5 (Transformada de Fourier de uma Dilatacao). Se f : R C e uma func
ao
absolutamente integr
avel e a 6= 0, ent
ao
F(f (ax))(w) =

w
1
F(f )
.
|a|
a

Mudando as vari
aveis.
Se a > 0, temos
Z

F(f )(w) =

f (at)eiwt dt

t
1
f (t)eiw a dt
a

Z
t
1
=
f (t)eiw a dt
a
w
1
F(f )
.
=
|a|
a

Se a < 0, temos
Z

F(f (at))(w) =

f (at)eiwt dt

Z
=

t
1
f (t)eiw a dt
a

Z
t
1
=
f (t)eiw a dt
a
w
1
=
F(f )
.
|a|
a

42

O produto de convoluc
ao, ou simplesmente a convolu
c
ao de duas funcoes absolutamente
integraveis f, g e definida como sendo a funcao
Z
(f g)(x) =

f (x t)g(t)dt.

(3.10)

Neste caso e garantido que a func

ao esta bem definida, ou seja, a integral impropria que a define
converge para todo x, isso pode ser visto em [3,Iorio]. A transformada de Fourier se comporta bem
em relacao a convoluc
oes, ela transforma convolucao de funcoes em produto de funcoes:
Propriedade 6 (Transformada de Fourier de uma Convolucao). . Se f, g : R C sao func
oes
absolutamente integr
aveis, ent
ao
F(f g) = F(f )F(g).
Dem. Mudando a ordem de integrac
ao, usando a definicao de convolucao em (4.1) e a propriedade
4, temos
Z
F(f g)(w) =

(f g)(t)eiwt dt

Z Z


=
f (t s)g(s) ds eiwt dt


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

Z
=
[eiws F(f )(w)]g(s) ds

Z
= F(f )(w)
g(s)eiws ds = F(f )(w)F(g)(w).

43

Captulo 4

Aplica
c
ao da FFT na remo
c
ao de
rudo em imagem
Neste captulo a utilizac
ao 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 significa representacao visual

de um objeto. As imagens tem diferentes origens, pois podem ser captadas por comprimento de
onda de radiac
ao eletromagnetica (m
aquinas fotograficas) 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 computacao sao chamados de bit, do ingles Binary Digit. Um agrupamento de 8 bits corresponde a um
byte (Binary Term). Esses conceitos s
ao 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 digitalizac
ao da imagem que e a conversao dessa imagem de contnua (real) para uma representacao 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
discretiza
c
ao - processo de conversao da imagem na forma contnua em uma representac
ao
discreta. Caso a representac
ao seja em n
umeros inteiros positivos e em uma base numerica,
44

o processo chama-se digitalizac

ao;
reconstru
c
ao - processo inverso da discretizacao, no qual se obtem, geralmente, apenas
uma aproximac
ao da imagem contnua, nao sendo, na maioria das vezes, possvel recuperar
a imagem original;
codifica
c
ao - e a modificac
ao de caractersticas de um sinal de forma a torna-lo mais apropriado para uma aplicac
ao especfica, como, por exemplo, para transmissao ou armazenamento
o processo que na maioria das vezes, a partir da representacao discreta da imde dados. E
agem, gera um conjunto de dados representativos da imagem, dados estes que podem ser
transformados no formato de arquivos, facilitando a transmissao e armazenamento.
decodifica
c
ao - e o processo oposto `a codificacao, as informacoes codificadas sao acessadas
na forma de uma representac
ao discreta. Quando a imagem discretizada e igual `a codificada,
diz-se que o processo de codificacao/decodificacao e sem perda.([1, AZEVEDO])

4.1.2

Amostragem e Quantificac
ao
Como mencionado anteriormente, uma imagem para ser processada pelo computador deve

estar na sua representac

ao discreta, ou seja, precisa ser descrita por um n
umero finito de pontos
e ser representada por um n
umero finito 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 variac
ao e pelo fato de que se cada pixel tem 8 bits, e como os bits sao n
umeros
binarios, ent
ao para representar cada tom de cinza, e possvel 28 tons diferentes. Se a imagem fosse
de 4 bits, os tons de cinza possveis seriam 24 , 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 quantizac
ao define o n
umero de bits utilizados para se representar um
pixel.
Um pixel pode ser referido pela localizacao na imagem, especificando a linha e a coluna na
matriz de imagem ou pelo valor do tom. Veja no exemplo da figura abaixo, que mostra os valores
de pixels da regi
ao 5x5 indicada.

45

Figura 4.1: Representacao matricial de uma regiao da imagem.

Fonte: [1, AZEVEDO]

Uma imagem digital e descrita por uma matriz bidimensional de N M de valores de pixel
(p(x, y)) inteiros positivos, que indicam a intensidade de cor em cada posicao (x, y) da imagem.
Quanto maiores os valores de N e M usados para se representar a mesma imagem melhor ser
a
esta aproximac
ao. 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 direc
oes 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 pr
oxima a uma imagem contnua a imagem digital se torna, consequentemente,
requer maior espaco para sua armazenagem.

4.1.3

Histograma de Imagem Digital

Vimos que as imagens possuem diferentes tons de cinza na sua composicao, os quais est
ao

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 construc
ao de um histograma s
ao
analise do tom de cada pixel;
contagem do n
umero de pixels de cada valor de intensidade;
representac
ao desses valores na forma de uma tabela ou grafico da frequencia correspondente
a cada tom de cinza;
normalizac
ao desses valores dividindo-os pelo n
umero total de pixels da imagem, obtendo-se
uma ideia da frequencia de cada tom.
Para exemplificar, 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

15

15

10

10

10

10

10

15

15

10

10

15

15

10

10

10

10

10

15

15

Seguindo os 4 passos descritos, temos o histograma representado pela tabela 4.1 que e
mostrado no gr
afico 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 variacao 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 ser
a uma imagem com pouco contraste.

4.1.4

Operac
oes em Imagens
Depois de entendermos como uma imagem e formada, podemos falar entao das operac
oes

possveis nessa imagem. Existem basicamente tres classes distintas de operacoes em imagens:
aquelas que s
ao realizadas pontualmente nos pixels, as que sao feitas em partes da imagem e
aquelas realizadas em toda a imagem. Dessas podemos dividir as operacoes como: pontuais, locais
e globais. E trataremos aqui da u
ltima operacao, que e a operacao global, pois nela que se utiliza
a transformada de Fourier.
As opera
c
oes pontuais s
ao operacoes em que um pixel na posicao (xi , yi ) da imagem
resultante, depende apenas do pixel, na imagem original, que se encontra nas mesmas coordenadas.
47

As opera
c
oes locais s
ao operacoes em que um pixel da imagem resultante depende de
uma vizinhanca do mesmo pixel na imagem original.
As opera
c
oes globais s
ao operacoes em que um pixel da imagem resultante depende de
um processamento realizado em todos os pixels da imagem original. Nesse grupo de operacoes est
ao
as que mudam o domnio de descric
ao, tais como as transformadas de Fourier, Wavelet, Hough,
co-senos (usada para codificac
ao) e por funcoes 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 operac
oes muito importantes com imagens, como a definicao de filtros, identificar textura,
remover rudos etc.

4.2

Aplica
c
ao da FFT na remoc
ao de rudo em imagem
Veremos nessa sess
ao como a transformada Rapida de Fourier atua na remocao de rudos

de uma imagem digital. Na sec

ao anterior vimos um pouco sobre imagem digital, para que fosse
possvel a compreens
ao dessa aplicac
ao da FFT em imagens digitais.
Algumas propriedades da transformada de Fourier foram vistas, e a convoluc
ao foi posta
em destaque, pois nesta aplicac
ao esta propriedade sera fundamental.
A convoluc
ao 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 convoluc
ao,
sendo assim, podemos escrever as equacoes
g(x, y) = f (x, y) h(x, y)
g(x, y) =

M 1 N 1
1 X X
f (m, n)h(x m, y n).
MN

(4.1)

m=0 n=0

(Obs.: o sinal negativo em m e n significa que a funcao e espelhada sobre a origem,

no processo de c
alculo da convoluc
ao.)
A equac
ao (4.1) pode ser interpretada da seguinte forma:
a funcao h(x, y) e espelhada sobre a origem;
a funcao h(x, y) e deslocada em relacao `a funcao 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) s
ao incrementos inteiros que param quando as funcoes nao se sobrep
oem
mais.
Relembrando do captulo 3 as equacoes (3.8) e (3.9)
M 1 N 1
h
 ux vy i
1 X X
F (u, v) =
f (x, y)exp i2
+
MN
M
N
u=0 v=0

48

f (x, y) =

M
1 N
1
X
X
u=0 v=0

h
 ux vy i
F (u, v)exp i2
+
.
M
N

Da convoluc
ao das imagens digitais f (x, y) e h(x, y), como F (u, v) e H(u, v) sao as transformadas 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 relac
oes 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 relac
oes indicam que a convolucao pode ser obtida pela transformada de Fourier
do produto F (u, v)H(u, v). Portanto, a convolucao entre duas funcoes no domnio espacial tem
como transformada a multiplicac
ao das transformadas das duas funcoes no domnio da frequencia,
e vice-versa.
O processamento da imagem nesta aplicacao 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 filtro 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 0 (x, y). A figura
abaixo ilustra a filtragem no domnio de Fourier.

Figura 4.3: Esquema ilustrando os passos da filtragem do domnio de Fourier.

Fonte: [1, AZEVEDO]

Quando aplica-se a transformada de Fourier em uma imagem com algum tipo de rudo,
esse rudo fica indicado no espectro de Fourier em forma de pontos ou sinais distantes do centro.
possvel observar que ha pontos
Veja a imagem abaixo e o espectro de Fourier dessa imagem. E
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 est

a cobrindo os pontos discrepantes, ou seja, o rudo da imagem.

Figura 4.5: Resultado da filtragem utilizando filtro circular nao centrado na origem
Fonte: [1, AZEVEDO]

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

E
simples e intuitivo para determinar um filtro apropriado para ser aplicado `a imagem. Atraves das
informacoes geradas pela imagem do espectro de Fourier pode-se diminuir (eliminar) os coeficientes
dos componentes de determinadas frequencias.
Outra informac
ao importante que e possvel obter do espectro de Fourier e a informac
ao 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 filtros e como utiliza-los na remoc
ao de
rudos de uma imagem. As filtragens mais simples utilizadas sao as realizadas atraves de: filtros
passa-faixa ou filtros passa-banda, que removem regioes selecionadas de frequencias entre altas e
50

baixas frequencias; os filtros passa-baixa, quando a faixa esta proxima a origem e os filtros passa-alta,
quando a faixa est
a afastada da origem. A Figura 4.6 exemplifica esses tres tipos de filtro.

Figura 4.6: (a) filtros passa-baixa, (b) filtros passa-alta e (c) filtros passa-banda
Fonte: [1, AZEVEDO]

As imagens de fundo da figura acima, F (u, v), sao as transformadas de Fourier de uma
imagem a ser filtrada.

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 transic
oes abruptas de nvel de cinza. Sendo assim, utilizando o filtro passabaixa a imagem fica menos ntida, ou suavizada, pois ocorre uma perda dos detalhes.
Nas figuras abaixo s
ao apresentadas duas imagens de uma rosa com seus respectivos espectros 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 transmiss
ao de imagem, e aparece como pequenos pontos pretos em regioes bancas e pontos
brancos em regi
oes mais escuras.
Observando os espectros de Fourier de cada uma das imagens, e possvel perceber a presenca dos rudos representado pelas altas frequencias na imagem, ou seja, as informacoes que est
ao
mais afastadas da origem. Esse e um exemplo em que a utilizacao de um filtro 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: Comparac

ao do espectro de Fourier de imagens de impress
ao digital sem rudo (a e b)
e com rudo (c e d)

Portanto para

u2 + v 2 > r teremos F (u, v) = 0. Dessa forma, podemos especificar um

filtro H(u, v) do seguinte modo:

H(u, v) = H(u, v) se u2 + v 2 < r2
H(u, v) = 0 se u2 + v 2 r2
Esse filtro chama-se passa-baixa ideal, pois todas as frequencias dentro do crculo de raio
r sao mantidas sem modificac
oes 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 filtro

(b) imagem filtrada

Figura 4.8: Resultado da filtragem passa-baixa.

4.4

Filtragem Passa-Alta
A filtragem passa-alta em frequencia, pode ser entendida como uma operacao contraria `
a

filtragem passa-baixa. Na filtragem passa-alta, os componentes de alta frequencia da transformada

de Fourier n
ao s
ao alterados, enquanto os de baixa frequencia sao removidos. Ou seja, os detalhes
da imagem ficam 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 fica.

Sendo assim, se u2 + v 2 < r teremos F (u, v) = 0. Dessa forma, podemos especificar um

filtro H(u, v) do seguinte modo
H(u, v) = H(u, v) se u2 + v 2 r2
H(u, v) = 0 se u2 + v 2 < r2 .
Esse filtro e chamado de filtro passa-alta ideal, pois todas as frequencias fora do crculo
de raio r sao mantidas sem alterac
oes, e todas as frequencias dentro do crculo sao retiradas completamente.

(a) Imagem original

(b) FFT com filtro

(c) Imagem filtrada

Figura 4.9: Resultado da filtragem passa-alta.

53

4.5

Outros Filtros no Domnio de Frequ

encia
Alem dos filtros 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 filtragem por valor de corte, um determinado valor percentual e informado e os coeficientes cuja intensidade de |F (u, v)| encontra-se abaixo desse valor sao zerados, ou seja, s
ao
retirados da imagem.
Apresentaremos exemplos para alguns tipos de filtros. O primeiro e o filtro de fan
(setor angular) adequado para ser aplicado a imagens com frequencias distribudas ao longo de
uma direcao inclinada. Este filtro e bastante utilizado em imagens com rudos com uma frequencia
periodica, observe na figura abaixo um exemplo disso.

(a) Imagem com rudo diagonal

(b) FFT da imagem com rudo

(c) Imagem filtrada

(d) FFT com filtro setor angular

Figura 4.10: Resultado da filtragem utilizando filtro setor angular.

possvel observar que o rudo na Figura 4.10 ficou representado no espectro de Fourier
E
como pontos brancos diagonalizados e ao serem retirados utilizando o filtro de fan a imagem
resultante dessa filtragem est
a livre dos rudos. Para realizar essa aplicacao, o software ImageJ
foi utilizado. Este software pode ser encontrado em http://rsbweb.nih.gov/ij/.
Outro filtro utilizado na remocao de rudos e do tipo retangular horizontal. Este filtro
isola frequencias verticais. A Figura 4.11 exemplifica um caso em que o rudo da imagem gera

54

um espectro com frequencias verticais. Para remocao desse rudo utilizamos o filtro retangular
horizontal como podemos observar bem claramente no exemplo abaixo.

(a) Imagem com rudo horizontal

(b) FFT da imagem com rudo

(c) Imagem filtrada

(d) FFT com filtro retangular horizontal

Figura 4.11: Resultado da filtragem utilizando filtro retangular horizontal.

O filtro 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 filtrada

(d) FFT com filtro retangular vertical

Figura 4.12: Resultado da filtragem utilizando filtro retangular vertical.

E finalmente temos o filtro chamado de circular n

ao centrado na origem, que ja apareceu
na figura 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 filtro n

ao centrado na
origem

Figura 4.13: Resultado da filtragem circular n

ao centrado na origem.

57

Refer
encias Bibliogr
aficas
[1] AZEVEDO, Eduardo.; CONCI, Aura.; LETA, Fabiana R.

Computac
ao Gr
afica.

Rio de

Janeiro: Elsevier, 2008. v. 2, 407p.

[2] FIGUEIREDO, Djairo Guedes de. An
alise de Fourier e equac
oes 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] IORIO,
Valeria. EDP, um Curso de Graduac
ao. 2 ed. Rio de Janeiro: IMPA, 2001. 246p.

[5] IORIO,

Valeria.

troduc
ao.

S
ao

Equac
oes
Paulo,

v.n.3

p.

Diferenciais
92-111,

junho

Parciais:
de

1986

http://matematicauniversitaria.ime.usp.br/Conteudo/n03/n03 Artigo07.pdf

uma
Disponvel
Acesso

Inem:
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. Equac
oes diferenciais. trad: Alfredo Alves de Farias.
3ed. Sao Paulo: Pearson Education do Brasil, 2001. v. 2, 434p.

58