Escolar Documentos
Profissional Documentos
Cultura Documentos
CENTRO DE CIENCIAS
EXATAS E TECNOLOGICAS
Cascavel - Pr
2011
UNIVERSIDADE ESTADUAL DO OESTE DO PARANA
CENTRO DE CIENCIAS
EXATAS E TECNOLOGICAS
Cascavel - Pr
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.
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
Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.2
Os Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3
1.4
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
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
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
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)
d0
(1.2)
(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
(1.4)
t0
x0
Para chegar `
a equac
ao do calor, o teorema fundamental do calculo e utilizado em (1.4)
obtendo-se:
Z
t0 +
x0 +
q=
x0
t0 +
t0
x0
x0 +
(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
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
t 0.
(1.8)
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
(1.12)
(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)
n2 2
,
l2
nx
),
l
x [0, l],
(1.14)
2 t
2 t
2 n2 2
t
l2
2 n2 2
t
l2
sen(
nx
),
l
17
x [0, l],
t 0,
n N,
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
1
2
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
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
l
=
2
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
1.2.2
Os Coeficientes de Fourier
Na sess
ao anterior chegamos ao questionamento se as funcoes descritas sob certas condic
oes
2
3
a0 X
nx
nx
[an cos(
f (x) =
+
) + bn sen(
)].
2
l
l
(1.17)
n=1
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
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
(1.19)
n=1
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
mx
dx = an l.
l
cos
l
e
1
an =
l
cos
l
mx
dx.
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
1.3
Alguns exemplos de S
eries de Fourier
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 =
2
2n1
Z
0
Z
cos(nx)dx = 0.
1 cos(n)
sen(nx)dx =
,
n
para n N.
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
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
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
1
a0 =
Z
( x)dx
0dx +
0
1
x2
=
x
=
2 0
2
an =
Z
Z
0dx +
( x) cos 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
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
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
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
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
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
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
(b)
Suponhamos f e g func
oes mpares. Temos entao f (x) = f (x) e g(x) = g(x).
(c)
(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).
28
Z
f (x)dx = 2
f (x)dx.
0
(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
bn =
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) =
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)
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)
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
e
2
an =
L
2
x2 dx = L2
3
x2 cos
n
xdx.
L
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
1
bn =
l
f (t) cos
nt
dt,
l
n 0.
f (t) sen
nt
dt,
l
n 1.
l
l
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)
Z
Z
f (t) cos tdt cos x +
f (t) sen tdt sen x d.
(3.3)
Z
B() =
f (x) sen xdx.
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
Z
Z
0
f (t) sen t dt sen x d.
Z
A() =
35
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
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
() = tan
I()
.
R()
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
F(f )(x) =
f (x)eix dx = F ().
1
2
38
F ()eix d = f (x).
Z
Fs (f )(x) =
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
(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
40
F(af + bg)(w) =
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
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)
(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
4.1.2
Amostragem e Quantificac
ao
Como mencionado anteriormente, uma imagem para ser processada pelo computador deve
45
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
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
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.
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
M 1 N 1
1 X X
f (m, n)h(x m, y n).
MN
(4.1)
m=0 n=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.
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 4.5: Resultado da filtragem utilizando filtro circular nao centrado na origem
Fonte: [1, AZEVEDO]
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
Portanto para
52
4.4
Filtragem Passa-Alta
A filtragem passa-alta em frequencia, pode ser entendida como uma operacao contraria `
a
53
4.5
54
um espectro com frequencias verticais. Para remocao desse rudo utilizamos o filtro retangular
horizontal como podemos observar bem claramente no exemplo abaixo.
O filtro retangular vertical isola frequencias horizontais e pode ser observado na Figura
4.12 que segue.
55
56
57
Refer
encias Bibliogr
aficas
[1] AZEVEDO, Eduardo.; CONCI, Aura.; LETA, Fabiana R.
Computac
ao Gr
afica.
Rio de
[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