Escolar Documentos
Profissional Documentos
Cultura Documentos
Autor:
Orientador:
Disciplina:
Curso:
Waldeck Schutzer
Licenciatura em Matemtica
Professores Responsveis:
Autor:
Orientador:
Disciplina:
Curso:
Waldeck Schutzer
Licenciatura em Matemtica
Professores Responsveis:
Instituio:
Dedico este trabalho de graduao aos meus pais, irmos, ao meu noivo e todos os familiares, que de alguma forma contriburam para a realizao do mesmo, com demonstrao
de ateno e carinho para que tudo se realizasse da melhor forma possvel.
Agradecimentos
Agradeo,
Aos meus pais pelo incentivo em realizar o curso de matemtica, por todo apoio
recebido durante os anos de graduao, pelas palavras de conforto nos momentos difceis
e pela compreenso diria mesmo estando longe de casa.
meu noivo, que sempre esteve ao meu lado me apoiando em todas as decises,
presente em todos os momentos, demonstrando ateno e preocupao, por toda pacincia
e todo amor dedicado.
Aos meus tios, primos, e avs que sempre participaram do melhores momentos da
minha vida, contribuindo para que os nais de semanas fossem os melhores possveis,
sempre me desejando nas despedidas boa semana e bons estudos.
Ao meu orientador pela conana que depositou em mim, por tudo que me ensinou,
pelas horas semanais de estudo, pela sua dedicao e pacincia, proporcionando a elaborao e concluso deste trabalho.
Resumo
Este trabalho apresenta a teoria das Sries de Fourier e das Transformadas de Fourier
que permitem representar e estudar o comportamento de certas funes com respeito a
propriedades de periodicidade. O objetivo principal deste trabalho o estudo sistemtico
introdutrio das Sries de Fourier e da Transformada de Fourier, obtendo como resultado
a aquisio de conhecimentos bsicos, porm slidos sobre essa teoria, um captulo especial da assim chamada Anlise Harmnica.
muitas funes peridicas como uma soma innita de exponenciais complexas. A representao por meio de sries bastante vantajosa quando se deseja aproximar os valores da
funo, por exemplo, quando a funo possui uma frmula complicada, difcil de calcular
exatamente, pois a aproximao pode ser feita pelo truncamento da srie.
Como veremos uma grande vantagem da representao por Sries de Fourier em relao
s sries de potncias que, em dadas circunstncias, aquela uniforme e global, isto ,
sua convergncia, uma vez estabelecida, vlida para todo o domnio da funo, enquanto
que esta geralmente tem convergncia apenas local, isto , dentro de um intervalo chamado
intervalo de convergncia que depende da srie mas no da funo.
A discretizao das funes de interesse bastante desejvel em muitas aplicaes,
em especial aquelas que se baseiam em tcnicas digitais. Essa discretizao d origem a
Transformada Discreta de Fourier (DFT) que prov uma aproximao muito boa para os
coecientes da Srie de Fourier de funes peridicas e em alguns casos, essa aproximao
exata. No entanto, o clculo da DFT costuma ser realizado por um algoritmo pouco
intuitivo, mas muito mais eciente chamado Transformada Rpida de Fourier (FFT).
Neste trabalho vamos dar uma idia supercial sobre o funcionamento desse algoritmo,
mas na prtica estaremos utilizando implementaes feitas por outros autores como ferramenta de trabalho para nossas aplicaes.
incluindo a elaborao de ltros especcos para realizao dessas tarefas. Dessa forma,
apresentamos como possvel aplicar a Transformada de Fourier em uma imagem e em
seguida aplicar a inversa e obter, praticamente, a imagem original, como utilizar ltros
para atenuar ou ressaltar rudos, como detectar bordas, como aplicar o algoritmo de
luminncia e, por m, como realizar a restaurao de uma imagem.
xi
Sumrio
1 Aspectos Bsicos das Sries de Fourier
1.1
. . . . . . . . . . . . . . . . . . . . . . . .
1.2
. . . . . . . . . . . . . . . . . . . . . .
1.3
1.4
. . . . . . . . . . .
10
15
2.1
15
2.2
15
. . . . . . . . . . . . .
19
3.1
Obteno da DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.2
. . . . . . . . . . . . . . . . . . . . . . . . .
22
3.3
23
3.4
24
Aplicao
4.2
27
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
28
28
35
5.2
36
5.3
Teorema da Convoluo
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
5.4
Filtros
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
5.5
5.6
Processo de Deconvoluo
. . . . . . . . . . . . . . . . . . . . . . . .
41
. . . . . . . . . . . . . . . . . . . . . . . . . . .
43
6 Processamento de Imagem
6.1
45
Digitalizao de Imagens . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
6.1.1
Imagem Contnua . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
6.1.2
47
. . . . . . . . . . . . . . . . . . . .
xii
Sumrio
6.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
7 Aplicaes
50
53
7.1
53
7.2
. . . . . . . . . . . . . .
54
7.3
Fator log . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
7.4
56
7.5
Deteco de Bordas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
7.6
Luminncia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
7.7
61
7.8
Correo de Desfocagem
62
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
xiii
Lista de Figuras
g(t) = t
1.1
A funo
periodicada
. . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
1.4
1.5
1.6
1.7
1.8
g(t) = t
. . . . . . . . . . . . . . . . . . . .
g(t) = t
. . . . . . . . . . .
g(t) = t
5
5
5
. . . . . . . . . .
. . . . . . . . . . .
g(t) = t
. . . . . . . . . . . .
g(t) = t
. . . . . . . . . . . .
. . . . . . . . . . .
1.9
11
4.1
29
4.2
29
4.3
29
4.4
30
4.5
24a
g(t) = t
g(t) = t
T = 262.25
. . .
anos,
isso signica que a atividade solar possui uma variao distintiva que ocorre
de
4.6
T /24 = 10.927
anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
30
6.1
48
7.1
. . . . . . . . . . . . . . . . . . . . . . . . . . .
53
7.2
Representao do Canal R . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
7.3
Representao do Canal G . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
7.4
Representao do Canal B . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
7.5
. . . . . . . . . . . . . . . . . . . . . .
54
7.6
54
7.7
55
7.8
. . . . . . . . . . . . .
55
7.9
55
. . . . . . . . . . . . . . . . . . . . . .
xiv
Lista de Figuras
. . . . . . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . . . . . . . . . . .
56
56
. . . . . . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . .
56
. . . . . . . .
57
. . . . . . . . .
57
57
. . . . . . . . . .
57
59
61
61
62
Captulo 1
Aspectos Bsicos das Sries de Fourier
1.1 Introduo s Sries de Fourier
O conceito de somar uma quantidade innita de nmeros reais ou complexos remonta s
idias originais de Arquimedes.
(que chamou de exausto) segundo o qual possvel atribuir signicado numrico (convergncia) a essas somas. Por meio desse mtodo ele obteve uma aproximao muito precisa
do nmero
A idia de representar funes por meio de sries surgiu na ndia por volta do sculo
XIV, perodo no qual foram concebidas as tcnicas precursoras para tratar do que hoje
conhecido como Sries de Potncias. Exemplos particulares desse tipo de srie so as
Sries de Taylor e de Maclaurin, ensinadas em cursos regulares de Clculo. Estas surgem
como limite de sries polinomiais, e permitem representar uma coleo razoavelmente
grande de funes denidas em um intervalo (chamado intervalo de convergncia).
Outros tipos de sries existem e so mais apropriadas para representar funes peridicas denidas na reta em termos de senos e de cossenos. Em homenagem a Jean-Baptiste
Joseph Fourier (1768-1830), que foi o primeiro a estudar sistematicamente tais sries, passamos a cham-las Sries de Fourier. Outros pesquisadores, como Euler, D'Alembert e
Bernoulli j haviam se deparado com esse conceito mas no haviam chegado a desenvolvlo no mesmo grau de profundidade e abrangncia obtidos por Fourier.
Neste captulo vamos seguir os passos de Fourier, introduzindo o conceito de Srie de
Fourier e estudar algumas de suas propriedades imediatas. Tendo em vista pretendermos
realizar aplicaes especcas desse conceito, no vamos abordar completamente todos os
aspectos dessa teoria.
O tratamento moderno das Sries de Fourier expressa essas sries como somas innitas
de exponenciais complexas, cuja denio a seguinte:
Denio 1.1.
Seja
complexo
o nmero
.
fcil ver que as exponenciais complexas so funes peridicas de perodo igual a
2 . A m de utiliz-las para modelar funes com outros perodos, por exemplo, igual
P , basta notar que ei2nt/P so funes peridicas de perodo P para todo n Z.
Denio 1.2.
Seja
f : R C
P , P > 0,
se
f (t + P ) = f (t), t R
P chamado perodo fundamental, se P for o menor real positivo possvel.
1
denida como frequncia fundamental.
F =
P
Dizemos que
Portanto,
Suponhamos que
cn ei2nt/P .
f (t) =
n=
Ento,
ei2nt/P
nF , ou seja, um mltiplo
nF chamada harmnica
P
n
da frequncia fundamental de
de
f.
F.
t0 +P
ei2mt/P ei2nt/P dt =
t0
0 para m = n
1 para m = n,
para todo t0 R.
Na linguagem da lgebra Linear esse Teorema signica que o conjunto das exponenciais complexas de perodo
Demonstrao.
= 0 e P = 2 .
1
2
i2mt/2 i2nt/2
Se tivermos
m = n,
1
dt =
2
1
=
2
1
=
2
eimt eint dt
0
2
ei(mn)t dt
0
2
cos((m n)t)dt +
0
i
2
sen((m n)t)dt
0
ento:
1
2
cos((m n)t)dt =
0
1 sen((m n)t)
2
(m n)
=0
0
i
2
Mas, se
m = n,
i cos((m n)t)
2
(m n)
sen((m n)t)dt =
0
= 0.
0
temos:
1
2
Denio 1.4.
f
2
1
ei(mn)t dt
2 0
2
1
=
1dt
2 0
1 2
[t]
=
2 0
=1
eimt eint dt =
0
Se uma funo
tem perodo
P,
{cn }
de
so denidos por
cn =
para todo
1
P
f (t)ei2nt/P dt,
0
{cn },
cn ei2nt/P
f
n=
chamada Srie de Fourier de
Exemplo 1.5.
intervalo
f.
[, ]
com perodo
2 .
cn =
n = 0,
periodicada, no
temos:
1
P
f (t)e12nt/P dt
0
c0 =
(2) Para
n = 0,
f (t) = t
1
2
tdt = 0
temos:
cn =
1
2
teint dt =
1
2
1
2
t cos(nt)dt
t cos(nt)dt = 0,
i
2
t sen(nt)dt.
t cos(nt)
t sen(nt)dt =
n
cos(nt)
dt
n
t cos(nt)
sen(nt)
=
n
n
2 cos(n)
=
n
logo,
cn = 0 +
i 2 cos(n)
i cos(n)
i(1)n
=
=
.
2
n
n
n
Portanto,
i2nt/P
cn e
=i
n=
a Srie de Fourier da funo
Um grco da funo
guras (
f (t) = t
f (t) = t
(1)n int
e
n
n=, n=0
periodicada.
??).
As
??), (??), (??), (1.5) e (??) exibem as somas dos primeiros termos da srie para
comparao com a funo original. Vemos que parece haver convergncia da srie, mas
notvel a acumulao dos erros prximo aos pontos de descontinuidade. Isso conhecido
como fenmeno de Gibb.
Mais adiante mostraremos que essa srie converge uniformemente para uma funo
que difere da funo
f (t)
nos pontos
t,
+
int
cn e
n=
h(t)
= c0 +
n=1
onde cada termo desta srie representa uma harmnica. Com isso, temos:
i(1)n
(cos(nt) + i sen(nt))
n
(1)n
=
(i cos(nt) sen(nt))
n
(1)n
(1)n
sen(nt) + i
cos(nt)
=
n
n
cn eint =
e tambm,
Portanto,
f
n=1
2(1)n
sen(nt)
n
f (t) = t.
y
g(t) = t
periodicada
g(t) = t
g(t) = t
dados por
cn =
1
P
f (t)ei2nt/P dt
0
no intervalo
[0, P ]
so
g(t) = t
g(t) = t
g(t) = t
g(t) = t
2 cn ei2nt/P
f c0 +
(1.1)
n=1
onde
Re
cn
g(t) = t
1 P
f (t)ei2nt/P dt
P 0
2nt
1 P
i
f (t) cos
=
dt
P 0
P
P
1
i
= An Bn
2
2
cn =
Onde
An
Bn
f (t) sen
0
so denidos por:
2
An =
P
Bn =
2
P
f (t) cos
2nt
dt
P
f (t) sen
2nt
dt
P
0
P
0
2nt
dt
P
i2nt/P
utilizando o coeciente
cn
da seguinte forma:
i
1
cn = An Bn
2
2
ei2nt/P = cos
2nt
2nt
+ i sen
P
P
f c0 +
An cos
n=1
c0 = A0 /2, podemos
intervalo [0, P ] de acordo
f,
com
2nt
2nt
+ Bn sen
P
P
1
2nt
2nt
f A0 +
An cos
+ Bn sen
2
P
P
n=1
SM
por:
cn ei2nt/P
SM (t) =
n=M
onde
1
2nt
2nt
SM (t) = A0 +
An cos
+ Bn sen
2
P
P
n=1
Denio 1.6.
Uma funo
t.
t.
[L, L],
ento
f (t)dt = 0
L
e se
[L, L],
ento
f (t)dt = 2
L
f (t)dt
0
2L
no intervalo
[L, L],
1
cn =
2L
1
=
2L
i
=
L
pois,
f (t) cos(nt/L)
f (t)ei2nt/2L dt
L
L
f (t) cos(nt/L)dt
L
L
f (t) sen(nt/L)dt
L
f (t) sen(nt/L)dt,
0
mpar e
cn
i
2L
cn ,
f (t) sen(nt/L)
par.
senos, ou seja,
+
i2nt/2L
cn e
+
int/L
n=
cn e
cn eint/L
n=
n=1
cn eint/L eint/L
=
n=1
+
(2icn ) sen(nt/L)
n=1
Bn = 2icn ,
Bn sen(nt/L)
n=1
onde
Bn =
Nota:
Bn
2
L
f (t) sen(nt/L)dt.
0
real.
[L, L].
1
2L
1
cn =
L
f (t) cos(nt/L)dt
cn =
L
L
i
2L
f (t) sen(nt/L)dt
L
f (t) cos(nt/L)dt.
0
cn = cn ,
logo
+
i2nt/2L
cn e
cn eint/L + eint/L
= c0 +
n=
n=1
+
= c0 +
2cn cos(nt/L).
n=1
An = 2cn ,
t,
1
f A0 +
An cos(nt/L)
2
n=1
onde
2
An =
L
f (t) cos(nt/L)dt.
0
Para concluir, vimos que a Srie de Fourier de uma funo mpar resulta ser simples-
10
mente uma srie em senos e a Srie de Fourier de uma funo par resulta simplesmente
em uma srie em cossenos.
1.1
1.6
Teorema 1.7. Seja f uma funo contnua com perodo P, com derivada f contnua por
partes. Ento a soma parcial das Sries de Fourier para f converge uniformemente para
f sobre toda reta real. Em particular temos
lim sup |f (t) SM (t)| = 0
M tR
+
i2nt/P
n= cn e
con-
1+
n=1
Observando que
1
| cos 2n t|
n,
n
2
2
Teorema 1.8 que a srie
f (t).
De
11
fato,
| cos 2n t| 1
+
n>N
1
1
= N,
n
2
2
cos 2n t
| cos 2n t|
.
2n
2n
n>N
temos
1
.
2N
1
2N
f (t)
t.
interessante
y
1
1
2
Figura 1.9: Funo no-diferencivel em parte alguma de Weierstrass
Denio 1.9.
Uma funo
constantes positivas
A,
para as
Analogamente, a funo
positiva
B,
Teorema 1.10. Seja f uma funo contnua por partes com perodo P . Para cada ponto
t onde f Lipschitz esquerda e direita temos
+
1
cn ei2nt/P = [f (t+) + f (t)]
2
n=
A demonstrao deste Teorema encontra-se em [14, Captulo 2.3].
Observao: Obviamente que nos pontos
onde
contnua teremos
cn ei2nt/P = f (t).
n=
12
Para analisar a convergncia pontual de uma Srie de Fourier considera-se um valor pontual de
t, ( t
A con-
P,
cn ei2nt/P
f (t) =
n=
Sendo a igualdade acima vlida somente se
M +
f (t) =| t 2 | +1
ou a funo
h(t) =| t |.
Teorema 1.11 (Convergncia Pontual de Sries de Fourier de Seno). Seja f uma funo
contnua por partes no intervalo [0,L]. Nos pontos 0 e L a srie do seno para a funo f
igual a zero e para 0 < t < L temos
+
Bn
n=1
1
sen(nt)
= [f (t+) + f (t)]
L
2
1
lim SM (t) = [f (t+) + f (t)]
M +
2
onde a funo
SM
SM (t) =
Bn sen
n=1
(nt)
L
De fato,
Teorema 1.12 (Convergncia Pontual das Sries de Fourier de Cossenos). Seja f uma
funo contnua por partes em [0,L]. No ponto 0 a Srie de Fourier do cosseno converge
para f (0+) ou seja, tem derivada a direita em 0. No ponto L a Srie de Fourier do
cosseno converge para f (L) desde que f tenha derivada esquerda de L. Para 0 < t < L
13
1
nt
1
A0 +
An cos
= [f (t+) + f (t)]
2
L
2
n=1
A denio mais precisa de convergncia neste Teorema a de que
1
lim SM (t) = [f (t+) + f (t)]
M +
2
onde
1
nt
SM (t) = A0 +
An cos
2
L
n=1
E, a funo
SM
harmnicas.
14
15
Captulo 2
Transformada Contnua de Fourier
2.1 Denio de Transformada de Fourier
A Transformada de Fourier refere-se Transformada de Fourier para funes contnuas, e
f (t) como a
soma de exponenciais complexas com frequncia angular e amplitude complexa F(f )():
esta por sua vez detecta frequncias e representa qualquer funo integrvel
f (t)eit dt
F(f )() =
f (t) = F 1 (F()) =
A funo
f ()
1
2
F()eit d
f,
pois
possui inversa,
F 1 .
F 1 (F(f )) = f ,
Denio 2.1.
real
[a, b]
ou seja,
Uma funo
F 1
F(F 1 (F )) = F
f : R R
se
|f (t)|dt < +
a
Da mesma forma podemos denir uma funo
integrvel sobre a reta
se
|f (t)|dt < +
f, g : R C
16
a, b R,
ento
F(af + bg)() =
g(t)eit dt
f (t)eit dt + b
=a
f : R C
uma
a>0
Reciprocamente,
f (t a)eit dt
F(f (t a))() =
f (u)ei(u+a) du
= eia
f (u)eiu du
ia
=e
F(f (t))().
eiat f (t)eit dt
F(eiat f (t))() =
f (t)ei(a)t dt
a = 0,
ento
F(f (at))() =
F(f )
|a|
a
f : R C
uma
a>0
temos
f (at)eit dt
F(f (at))() =
f (u)eiu/a
du
a
1 +
=
f (u)ei a u du
a
1
= F(f (t))
a
a
Para
a<0
temos:
f (at)eit dt
F (f (ax))(w) =
1
f (t)ei a t dt
a
1
1 +
=
f (t)ei a t dt
a
a
1
= F(f (t))
a
a
Portanto,
F(f (at))() =
1
F(f )
|a|
.
a
17
18
19
Captulo 3
A Transformada Discreta de Fourier
Vimos no Captulo anterior que a Transformada Contnua de Fourier aplicvel a funes denidas na reta. No entanto, muitas aplicaes requerem reduzir o domnio a um
determinado intervalo. Por exemplo, para um engenheiro no importa muito o comportamento de uma funo (sinal) em instantes de tempo anteriores criao do equipamento
e posteriores a sua destruio. Ademais, as tecnologias digitais muito empregadas hoje
em dia requerem a discretizao das funes, reduzindo-as a uma lista nita de nmeros
(amostras).
Neste Captulo vamos obter uma verso discreta da Transformada de Fourier a partir da discretizao (amostragem) da Srie de Fourier.
Transformada Discreta de Fourier (DFT) nos fornece uma aproximao para os respectivos coecientes da Srie de Fourier. Um resultado importante da Teoria da Informao
chamado Teorema da Amostragem arma que, sob certas condies, essas aproximaes
podem de fato ser exatas se a taxa de amostragem for sucientemente grande. No vamos
enunciar esse Teorema que realiza a anlise de sequncias peridicas ou funes, sendo
assim representada a partir da anlise de Fourier por meio de uma combinao linear de
exponenciais complexas, ou seja, realizada uma amostragem da funo. A Transformada
Discreta de Fourier(DFT) fornece uma aproximao para os coecientes de Fourier. As
Sries de Fourier podem ser discretizadas resultando na DFT. Abaixo faremos a derivao
da DFT a partir da discretizao das Sries de Fourier.
ck
de exponenciais complexas,
ck =
1
P
f (x)ei2kx/P dx
0
f,
com perodo
20
1
ck
P
em que
xj = j
P
N
N 1
f (xj )ei2kj/P
j=0
P
N
j = 0, 1, . . . , N 1.
para
1
ck
N
xj
podemos escrever:
N 1
g j
j=0
P
N
ei2kj/N
Denio 3.1.
por
Hk
onde
Dados
Hk
nmeros complexos,
{hj }N 1
j=0
sua DFT de
pontos denotada
denida por
N 1
hj ei2jk/N
Hk =
j=0
para todos os inteiros
k = 0, 1, 2, . . .
igualdade
Hk =
considerando
hj = ejc
para
1 ecN
1 eci2k/N
j = 0, 1, . . . , N 1
N 1
ejc ei2jk/N =
j=0
r = ec2ik/N
uma constante.
N 1
Hk =
Substituindo
ej(c2k/N )
j=0
1 + r + r2 + . . . + rN 1 =
obtemos:
Desta forma,
1 rN
1r
1 rN
1 (ec2ik/N )N
1 eN (c2ik/N )
=
=
1r
1 ec2ik/N
1 ec2ik/N
Hk
dada por
Hk =
1 eN (c2ik/N )
1 (ecN ei2k )
=
1 ec2ik/N
1 ec2ik/N
(3.1)
21
ei2k = 1
1 ecN
1 eci2k/N
Hk =
comprovando que 3.1 verdadeira.
Exemplo 3.2.
aproximao
Soluo:
ck =
=
=
=
1
P
1
10
1
10
1
10
g(x)ei2kx/P dx
0
10
ex ei2kx/P dx
0
10
e(1i2k/10)x dx
0
i2k
10
1 e10 e12k
=
10 + i2k
1 e10
=
10 + i2k
Gk /N
e(1i2k/10)x
10
0
temos:
1
1
Gk =
N
N
1
1
Gk =
N
N
N 1
g(j
j=0
P i2jk/N
)e
N
N 1
ej(10/N ) ei2jk/N
j=0
Sabemos que
Hk =
ento, para
e,
c=
10
N
1 ecN
1 eci2k/N
temos:
1
1
1 e10
Gk =
N
N 1 e( 10+i2k )
N
1
1
1 e10
1 e10
Gk
=
= ck .
N
N (10 + i2k/N )
10 + 2ik
22
Ento,
1
1
1 e10
1 e10
Gk
=
= ck
N
N (10 + i2k)/N
10 + i2k
ei2/N
ou
ei2/N
= 1.
Teorema 3.3. Suponha que a sequncia {hj }N 1 tenha DFT {Hk } de N pontos e a
j=0
N 1
sequncia {gj }j=0 tenha DFT {Gk } de N pontos. Ento, tm-se as seguintes propriedades:
a) Linearidade
Para as todas constantes complexas a e b, a sequncia {ahj + bgj }N 1 tem DFT {aHk +
j=0
bGk } de N pontos.
b) Periodicidade
Para j = 0, 1, . . . , N 1 temos
1
hj =
N
N 1
hj ei2jk/N
k=0
Denio 3.4.
Se
N 1
{Gk }k=0
N 1
Gk ei2jk/N
gj =
k=0
para todos inteiros
j = 0, 1, 2, . . .
= ei2/N
23
Gk =
N 1
1
N
gj ei2jk/N
j=0
so as integrais denidas
BK
respectivamente.
[0, L]
denido por:
Bk =
2
L
Ak =
Denio 3.5.
f (t) sen
0
Ak
(3.2)
2
N
kt
dt
L
f (t) cos
0
kt
dt
L
{hj }N 1
j=1
(3.3)
S
(DST), {H}k denida por
N 1
{H}S
k
hj sen
j=1
Denio 3.6.
{hj }N 1
j=0
jk
N
a Transformada Discreta do Cosseno
C
(DCT), {H}k denida por
N 1
{H}C =
k
hj cos
j=0
jk
N
Bk
2
N
N 1
g j
j=1
L
N
sen
jk
N
Ak
2
N
N 1
g j
j=0
L
N
cos
kj
N
24
Denio 3.7.
i) (x) = 0
ii)
(x)dx = 1
iii)
f (x)(x)dx = f (0)
A funo
(A) = 1 e (A) = 0,
A R.
Nesse caso, usando a Teoria de Integrao de Lebesgue poderamos expressar (iii) como
f (t)(dt) = f (0)
R
e (ii) como
(dt) = 1,
pois
(R) = 1
R
O uso da Teoria de Integrao de Lebesgue muito poderoso, mas est muito alm do
que nos propusemos a fazer, por isso, no vamos usar essa abordagem.
Enquanto a Transformada de Fourier Contnua aplicvel ao estudo das funes seccionalmente contnuas em
R,
I R.
sejam representadas por uma quantidade nita de informaes ou amostras. Sabe-se pelo
Teorema da Amostragem [4], que isso possvel se a funo
I , isto , seu espectro de frequncias limitado, se a taxa de amostragem for, pelo menos,
duas vezes maior do que a maior harmnica de f .
P
, N
Sendo assim, suponhamos que P seja o perodo fundamental de f e que T =
N
inteiro e positivo, seja o perodo da amostragem. Nas condies acima, f : R C
peridica de perodo P est bem representada pelas amostras f (t0 ), f (t1 ), . . . , f (tN
T
T
1) onde ti = iT , no intervalo I = [0, P ] ou mais convenientemente em
,P
.
2
2
Consideremos a funo "Pente de Dirac"
(t nT )
T (t) = T
n=
A funo amostrada
25
denida por
O coeciente
ck
da Srie de Fourier de
1
ck =
P
=
1
P
T
P
T
=
P
=
T
P
T
P
1
N
fs
fs (t)ei2kt/P dt
(3.4)
0
+
(t nT )ei2kt/P dt
f (t)T
0
(3.5)
n=
N 1
(t nT )ei2kt/P dt
(3.6)
f (t)(t nT )ei2kt/P dt
(3.7)
f (t)
0
n=0
N 1
n=0
N 1
P
0
+
(3.8)
f (0 + nT )ei2k(nT )/P
(3.9)
n=0
N 1
f (tn )ei2kn/N
(3.10)
n=0
fs
{f (bn )}N 1 .
n=0
1
ck = N DF TN (f ). Segundo o
Teorema da Amostragem, os coecientes ck calculados pela fs determinam completamente
f se T for sucientemente pequeno.
Mas, claramente,
ck
mltiplo da DFT de
f,
a saber
ck
N 1
1
P
f (j
j=0
P i2jk/N
)e
N
SM
1
Gk ei2kt/P
N
(3.11)
harmnicas
SM
k=M
onde
Gk
Assumindo que
substituindo
N
8
{f (jP/N )}N 1
j=0
o perodo de expanso de
de
f.
N 1
pelos pontos de amostragem {jP/N }j=0 obtemos a partir da aproximao
26
(3.11)
SM (j
1
P
)
N
N
Gk ei2jk/N
k=M
Gk
no lugar de
Hk ,
N = 1,
temos que
N k = G k .
= ei2/N
da frmula
GN k = Gk .
Portanto,
1
P
SM (j )
N
N
=
1
N
1
N
M
i2jk/N
Gk e
k=0
M
1
+
N
Gk ei2jk/N +
k=0
M
Gk ei2jk/N +
k=0
1
N
1
N
G kei2jk/N
k=1
M
GN kei2j(N k)/N
k=1
N 1
Gk ei2jk/N
k=N M
Fourier
SM (j
P
1
)
N
N
N 1
Hk ei2jk/N .
k=0
= ei2/N
de
Hk ,
27
Captulo 4
A Transformada Rpida de Fourier
A Transformada Rpida de Fourier um mtodo muito eciente que reordena os clculos dos coecientes de uma Transformada Discreta de Fourier (DFT). Trata-se de um
algoritmo, que realiza uma avaliao da DFT com o menor esforo computacional, ao
invs de realizar o clculo da DFT diretamente pela denio.
que possibilita avaliar a DFT de forma mais rpida e econmica, sendo uma das maiores
contribuies para a anlise numrica j realizada.
Considere a DFT de
pontos
N 1
hj jk
Hk =
j=0
onde
dado por
ei2/N
ou
ei2/N .
Seja
N = 2R ,
onde
um inteiro positivo.
O algoritmo FFT reduz pela metade a DFT de
N/21
Hk =
pontos, ou seja,
N/21
2 jk
h2j
j=0
N/2
( ) +
h2j+1
j=0
pontos pares
pontos mpares
1
0
Hk = Hk + k Hk
onde
N/21
0
Hk
h2j ( 2 )jk
=
j=0
N/21
1
Hk
h2j+1 ( 2 )jk k
=
j=0
( 2 )jk k
(4.1)
28
1
0
Hk e Hk de N/2 pontos tem peso 2 e perodo N/2. Alm disso,
1
0
Hk dene a DFT de N/2 pontos de {h0 , h2 , . . . , hN 2 } e Hk dene a DFT de N/2 pontos
de {h1 , h3 , . . . , hN 1 }.
possvel mostrar, mas no faremos isso aqui por limitao de espao, que esse es-
O(N 2 )
para apenas
O(N log2 N ).
4.1 Aplicao
Nesta seo aplicaremos a teoria das Sries e Transformadas de Fourier anlise do fenmeno da ocorrncia das manchas solares e sua relao com os nveis de atividade solar.
Os dados para esse estudo consiste de um registro dirio do nmero de manchas solares
coletados pelo Real Observatrio Belga desde 1749 at o presente.
disponveis em [7]. Segundo Hathaway [3], Galileu Galilei fez as primeiras observaes de
manchas solares em 1610, aps ver pela primeira vez o sol com seu telescpio, realizando
assim observaes dirias. As manchas solares so regies em que ocorre reduo de temperatura e presso das massas gasosas no Sol, apresentando colorao avermelhada. O
nmero de manchas solares dado pela soma do nmero de manhas solares individuais
e pela multiplicao do nmero de grupos de manchas por dez.
So realizadas mdias
mensais do nmero de manchas, revelando assim que as estaes solares se repetem aproximadamente a cada 11 anos. De acordo com o Mnimo de Maunder, houve um perodo
em que o sol passou por inatividade e observou-se a ausncia de manchas solares neste perodo (1645-1715), conhecido como "Pequena Idade do Gelo", sugerindo que o Sol estava
em um perodo de atividade mais baixa e de que tambm poderia haver uma relao entre
as manchas solares e o clima da Terra, mas isso ainda est sendo abordado em projetos
de estudo cientco.
variaes que ocorrem na quantidade de radiao emitida pelo Sol. E, devido muitos
fatos importantes como estes que o trabalho torna-se relevante.
produzidos em L T X utilizando os dados gerados pelo Octave e usando o pacote TikZ [9].
E
Primeiro os dados foram gravados em um arquivo
m = 3148,
e um excerto do seu
29
300
Nmero de manchas
200
100
Ano
0
1750
1800
1850
1900
1950
2000
300
Nmero de manchas
200
100
Ano
0
1750
1800
1850
1900
1950
2000
Figura 4.3: Nmero de manchas solares, mdia mensal suavizada (50 harmnicos)
# YEAR
1749
1749
1749
1749
1749
1749
1749
MON
1
2
3
4
5
6
7
SSN
58.0
62.6
70.0
55.7
85.0
83.5
94.8
DEV
24.1
25.1
26.6
23.6
29.4
29.2
31.1
30
300
Nmero de manchas
200
100
Ano
0
1750
1800
1850
1900
1950
2000
Figura 4.4: Nmero de manchas solares, mdia mensal e mdia mensal suavizada
Amplitude
Harmnicos
12
24
36
48
60
72
84
96
T /24 = 10.927
anos.
Nmero de manchas
200
150
100
50
0
1990
Ano
1995
2000
2005
2010
2015
2020
Figura 4.6: Estimativa do nmero de manchas solares nos prximos anos, com intervalo
de conana estimado usando o desvio padro das observaes
1749
66.3
25.9
31
...
2011
2011
2011
2011
1
2
3
4
19.0
29.4
56.2
54.4
8.0
14.3
24.7
13.1
> S=load('spot_num.txt');
> t=S(:,1)+(S(:,2)-1)/12;
> x=S(:,3);
t representa o ano e ms de ocorrncia das manchas
fracionria o ms), e cada elemento do vetor x igual a
t e do vetor x,
isto , cada linha desse arquivo deve consistir do ano fracionrio e do nmero de manchas
solares. O arquivo
spot_table_data.txt
1749.000
1749.083
1749.167
1749.250
1749.333
1749.417
1749.500
1749.583
1749.667
1749.750
58.0
62.6
70.0
55.7
85.0
83.5
94.8
66.3
75.9
75.5
...
Em seguida, a Transformada Discreta de Fourier das amostras foi calculada utilizando
os seguintes comandos:
> m=length(x);
% nmero de amostras
> N=m/2;
% nmero de harmnicos, pois m par
> X=fft(x);
% calcula a DFT das amostras
32
N = m/2 = 1574
(4.2)
ck e2kti/P
k=
x = x(t) de perodo P .
X1 = mc0 , X2 = mc1 , . . . , Xm = mc1 , j que
no foram
[0, 1].
fft
c1
m = 3148,
vamos calcular
x(k)e2(k1)i/m
mc1 =
k=1
X2
c1
m,
x e X iniciarem em 1.
fft.
Neste clculo
obtendo
c1 = 4.5214 + 4.8604i
.
A intenso do segundo grco na Figura 4.3 apresentar uma imagem suavizada dos
dados a m de remover parte do rudo aparente nos dados originais. Para isso, decidimos
manter apenas os 50 primeiros harmnicos presentes nos dados originais e calculamos a
DFT inversa do resultado, como segue abaixo:
> W=X;
% copia todas as harmnicas para W
> W(51:m-50)=0;
% anula todas menos primeiras 50 harmnicas em W
> w=real(ifft(W)); % transformada inversa (parte real)
O resultado foi formatado e salvo no arquivo
os dados do primeiro grco, a saber
33
50
g(t) = A0 +
(4.3)
n=1
onde
A0 = c0 , An = 2 (cn )
amostras.
Observamos que a
Bn = 2 (cn ) e P = tm t1
expresso (t t0 )/T transporta
[0, 1] e, por uma observao anterior, isso necessrio pois requerido pelo
fft. O clculo utilizando a tranformada inversa calcula, de modo bastante
os valores dessa srie para os anos indicados no vetor t. Um modo bastante
o intervalo
comando
eciente,
ilustrativo, porm menos eciente, de calcular esses valores seria do seguinte modo:
>
>
>
>
>
>
>
>
>
>
>
>
w=real(ifft(W))
usado acima.
O grco na Figura 4.5, tambm chamado de espectrograma dos dados
x,
sim-
c1 , c2 , . . . , c100
de
x.
spot_table_fft.txt
>
>
>
>
igual a 24.
Isso signica
que a atividade solar possui uma variao distintiva que ocorre em perodos de
262.25/24 = 10.927
anos.
P/24 =
34
solares nos prximos anos. Isso pode ser feito simplesmente calculando os valores da srie
de Fourier (4.3) para
harmnicos para obter um melhor ajuste aos dados). Os valores dos parmetros usados
foram
t0 = 1749
P = 262.25,
resultando em:
85
g(t) = A0 +
(4.4)
n=1
O grco apresenta tambm os valores do ltimo ciclo para comparao entre os dados
reais e os previstos.
enquanto que a linha tracejada superior reete somar os desvios aos dados.
35
Captulo 5
Sries e Transformadas de Fourier no
Processamento de Sinais e Imagens
Aps a realizao da introduo teoria das Sries e Transformadas de Fourier, e uma
primeira aplicao dessa teoria ao estudo do fenmeno das manchas solares, faremos a
seguir uma breve extenso da teoria para o caso de duas variveis e algumas aplicaes
das Sries e Transformadas de Fourier no processamento digital de sinais e imagens.
f (x, y)
e pode ser expressa como uma superposio ponderada de uma funo harmnica em
duas dimenses, onde a funo
dimenses[8].
F (Kx , Ky )
A funo ponderada
F (Kx , Ky )
em duas
F (Kx , Ky ) =
f (x, y) =
1
4 2
tambm para o contnuo ou discreto) passa para o domnio de frequncia, o qual sempre
A = F{a}
J a transformada inversa, volta do domnio de frequncia para o domnio espacial, ou seja,
a = F 1 {A}.
de modo que:
A(u, v) =
a(x, y) =
onde
A(u, v)
representa a ida e
1
4 2
a(x, y)
a volta.
a[m, n]ei(um+vn)
A(u, v) =
m= n=
1
a[m, n] = 2
4
onde
A(u, v)
representa a ida e
a[m, n]
a volta.
37
A(u, v) = A (u, v)
onde o smbolo
()
dada por:
Se um sinal em duas dimenses real e par, ento sua transformada tambm real
e par.
A(u, v) = A(u, v)
w1
w2
so constantes complexas
arbitrrias.
A(u, v),
peridica em
e em
v.
2 .
A energia
E=
1
4 2
+ +
|a[m, n]|2 =
E=
1
4 2
a(x, y)
em suas coordenadas
ento
A(u, v)
Se um sinal bidimensional
a(x, y)
A(u/Mx , v/My )
|Mx My |
A(u, v),
ento:
a(x, y)dxdy
onde
ento:
A(0, 0) =
1
a(0, 0) = 2
4
A(u, v),
A(u, v)dxdy
so iguais a zero.
Se um sinal bidimensional
a(x, y)
a(x,y)
x
juA(u, v)
a(x,y)
y
jvA(u, v)
2 a(x,y)
x2
u2 A(u, v)
2 a(x,y)
y 2
v 2 A(u, v)
Transformada de Fourier.
e
g.
Sejam
respectivamente. Ento
39
Existem vrias notaes possveis para indicar a convoluo de dois sinais multidimensionais. A mais comum dada por:
c=ab
No espao contnuo em duas dimenses temos:
a[j, k]b[m j, n k]
j= k=
Dessa
forma,
podemos vericar
que
Comutativa
c=ab=ba
o processo de
convoluo
possui
importantes
Associativa
c = a (b d) = (a b) d = a b d
Distributiva
5.4 Filtros
Os ltros so processos que tem por nalidade salientar determinados aspectos em imagens digitais ou reduzir rudos.
durante o processo de aquisio da imagem ou durante o processo de quantizao e digitalizao, ou ento pelo excesso de compresso da imagem, ou mesmo por problemas na
transmisso. Os conceitos matemticos a respeito desses processos sero melhor denidos
mais adiante. Os ltros so classicados como passa-baixa, passa-banda ou passa-alta,
dependendo da frequncia dos detalhes eliminados ou mantidos na imagem.
J um ltro passa-banda deixar presente nas imagens apenas os valores dos sinais correspondentes determinada frequncia eliminando os demais valores. Seu
efeito visual depende da faixa predenida e geralmente projetado para salientar
aspectos determinados, eliminar rudos ou imperfeies presentes em uma frequncia
conhecida.
Por sua vez, um ltro passa-alta deixa passar as altas frequncias, no entanto,
elimina os valores relacionados s baixas frequncias. O efeito visual deste tipo de
ltro de tornar as transaes entre diferentes regies da imagem mais ntidas. O
efeito desejado o de enfatizar o rudo que possa existir na imagem.
Existem vrios tipos de ltros que podem ser aplicados em imagens e sinais, por exemplo, o
Filtro Gaussiano e o Filtro Butterworth. Um ltro Gaussiano composto por um conjunto
41
onde
G(x, y) =
1 x2 +y2
e a2
2 2
dada por
|T (j)| =
1+
2N
aos movimentos da cmera causados por distrbios externos, por exemplo, vibraes
e imperfeies. Esta degradao provoca um efeito de ltro passa-baixa nas duas direes.
por:
F (Kx , Ky )
G(Kx , Ky )
H(Kx , Ky ),
Seu nome deriva do fato de que ele determina como o par de frequncia espacial individual
(Kx , Ky )
G(Kx , Ky )
F (Kx , Ky )
H(Kx , Ky )
OTF
Esta propriedade multiplicativa da OTF no espectro de entrada particularmente conveniente se considerarmos sistemas de imagens complexas que incluem elementos de imagens
mltiplas. Podemos encontrar a utilizao desta propriedade em combinaes de lentes e
aberturas em cmeras ou telescpios.
Assim, se o K-simo elemento caracterizado pela PSF
hk (x, y),
Portanto, usando o
H(kx , ky ) = 1
para todas as frequncias espaciais. Alm disso, assim como a Transformada de Fourier
da PSF, a OTF , em geral, uma funo complexa, dada por:
43
Seja
Temos
FG
= Deconvoluo
GG +
de Wiener
|G|2
1
GG
1
FG
=F
=
G |G|2 +
G GG +
GG +
45
Captulo 6
Processamento de Imagem
O interesse em mtodos de processamento digital de imagens surgiu da necessidade de
melhorar a qualidade da informao de uma imagem para a interpretao humana. As
tcnicas para este melhoramento evoluram em meados dos anos 60 com o advento de
computadores digitais. Exemplo disso, so as imagens transmitidas da Lua pela sonda
Ranger 7, em 1964, que foram processadas por um computador com a nalidade de corrigir
os vrios tipos de distores apresentadas.
Assim, as tcnicas de processamento utilizadas nesse perodo serviram de base para a
restaurao de imagens de outros programas. Essas tcnicas permitem a anlise de uma
cena em vrias regies do espectro eletromagntico, alm da integrao de vrios tipos de
dados, tornando possvel a manipulao de sinais multidimensionais.
Alm disso, a maioria das tcnicas do processamento de imagem envolve o tratamento
da imagem como um sinal bidimensional, no qual aplica-se padres de processamento de
sinais.
informao, e esta informao pode estar associada a uma medida. Portanto, processar
uma imagem signica transform-la sucessivamente com a nalidade de extrair de forma
simples a informao que ela fornece.
Denio 6.1.
Assim, uma parte de uma imagem (regio) pode ser processada para suprimir o desfoque
do movimento, enquanto a outra parte pode ser processada para melhorar as cores.
Com relao a uma imagem digital
a[m, n]
a(x, y)
a(x, y)
dividida em
linhas e
colunas e a interse-
[m, n]
com
{m = 0, 1, 2, , M 1}
{n = 0, 1, 2, , N 1}
a[m, n].
Na
46
6. Processamento de Imagem
a(x, y) realmente uma funo de vrias variveis, incluindo
o tempo t.
z,
a cor
J o processo de representar a amplitude do sinal bidimensional de uma dada coordenada, como um valor inteiro, com
2,
B =1
0 representa
ou seja,
255 representa
primria.
Os tipos de operaes que podem ser aplicadas a imagens digitais para transformar
uma imagem de entrada
Ir
A operao pontual caracterizada pelo valor de sada em uma coordenada especca, que depende apenas do valor de entrada na mesma coordenada. Alm disso, o
pixel resultante depende apenas do pixel da imagem original com as mesmas coordenadas.
vizinhana de
[n, m].
A operao global caracteriza o valor de sada em uma coordenada especca, dependendo de todos os valores da imagem de entrada, em que o pixel resultante depende
globalmente de todos os pixels da imagem original.
47
6.1.1
Imagem Contnua
Seja
z = i(x, y)
em cada ponto
(x, y)
do
domnio.
O conceito de imagem contnua e discreta refere-se discretizao do domnio da
funo imagem. Assim, para codicar uma imagem no computador necessrio trabalhar
com modelos de imagem onde a funo imagem
discreto do espao de cor
C.
Portanto, quando observamos uma fotograa ou uma cena real, recebemos de cada
ponto do espao um impulso luminoso que associa uma informao de cor a esse ponto.
Assim, um modelo matemtico natural para descrever uma imagem o de uma funo
denida em uma superfcie bidimensional, tomando valores em um espao de cor.
6.1.2
U U
do domnio da imagem, um
48
6. Processamento de Imagem
espao de cor
no conjunto
imagem possui como elementos as coordenadas dos pixels e a informao da cor de cada
pixel.
Uma imagem pode ser representada de forma conveniente no formato matricial. Em
outras palavras, o caso mais utilizado de discretizao espacial de uma imagem consiste
em tomar o domnio como sendo um retngulo
(x , y ),
= {(xj , yk ) U ; xj = j x , yk = k y j, k Z, x , y R},
de acordo com a gura abaixo.
Figura 6.1:
Representao da Imagem no
Formato Matricial
De forma simplicada, uma imagem representada por uma matriz da seguinte ma-
49
neira:
Img =
onde
Img[0, 0]
Img[0, 1]
Img[1, 0]
Img[1, 1]
Img[2, 0]
Img[2, 1]
Img[n 1, 0] Img[n 1, 1]
Img[0, m 1]
Img[1, m 1]
Img[2, m 1]
Img[n 1, m 1]
Img[n; m]
(ajk )
O nmero de linhas
da
luo horizontal obtem-se a resoluo espacial. Esta por sua vez, estabelece a frequncia
de amostragem nal da imagem. Assim, quanto maior a resoluo mais detalhes, ou seja,
altas frequncias da imagem podem ser captadas na representao matricial.
Existem quatro diferentes aspectos relacionados coma a representao funcional de
uma imagem em um computador:
A imagem discreta-contnua um formato conveniente para a maior parte das operaes com imagens, pois a funo imagem assume valores de ponto utuante que,
embora representados por um nmero nito de bits, aproximam valores reais.
50
6. Processamento de Imagem
O espao de imagens
com as operaes de
vetorial,
Denio 6.2.
uma aplicao
T : I I I R R R I
vezes
m
onde
de
vezes
imagens
(f1 , , fm ),
e a um vetor
(1 , , n ) Rn ,
uma imagem em
I,
que o
resultado da operao.
Denio 6.3. Pela denio anterior, no caso da soma, temos uma aplicao I I I .
I R I .
T : I I . Caso
m = 1
contrrio, se
seja,
Nesse
linear, ou
seja,
T (f ) = T (f )
T (f + g) = T (f ) + T (g)
onde
um nmero real e
so duas imagens.
f : U R2 R,
assume valores
reais. Dessa forma, possvel denir o produto de duas imagens, por exemplo,
g,
da
seguinte forma
Seja
51
a operao
T,
Dizemos que um
g I,
(F T )(g) = (T F )(g).
Um caso importante de invarincia quando
ou seja, se
(x0 , y0 )
tal que
(x0 , y0 ).
Assim, quando
52
6. Processamento de Imagem
53
Captulo 7
Aplicaes
As tcnicas de processamento de sinais e imagens esto se aprimorando a todo momento,
da mesma forma que as diversas aplicaes realizadas, como o processamento de imagens
mdicas, o aperfeioamento de imagens de satlites, ou mesmo o trabalho com fotograas
e impresses. Neste captulo, trataremos a respeito de algumas aplicaes presentes na
rea de processamento digital de imagens.
54
7. Aplicaes
>A=imread("imagem");
> size(A)
ans =
276
464
3
> R=A(:,:,1);G=A(:,:,2);B=A(:,:,3);
> imshow(R) %Canal Vermelho
> imshow(B) %Canal Azul
> imshow(G) %Canal Verde
Figura
gem Original
Transformada de Fourier
7.6:
Representao
da
55
Figura
gem Original
7.8:
Representao
da
>
>
>
>
>
img = imread("imagem");
ft = fft2(img);
ftc = fftshift(ft);
ftclog = log(1+abs(ftc));
imshow(ftclog,[]);
56
7. Aplicaes
Figura 7.10:
Representao
Figura
7.11:
Filtro
But-
Figura
7.12:
Filtro
da Imagem Real
terworth Passa-Baixa
Figura 7.13:
Figura 7.14:
Figura 7.15:
But-
terworth Passa-Alta
Representao
da Imagem Real
Filtro Gaussi-
ana Passa-Baixa
Filtro Gaussi-
ana Passa-Alta
Butterworth Passa-Baixa
Butterworth Passa-Alta
57
gem
gem
ltrada
Butterworth
Passa-
ltrada
Butterworth
Passa-
Baixa
Alta
Podemos analisar a utilizao destes dois tipos de ltros e vericar a diferena entre
as imagens resultantes.
Enquanto que
um ltro do tipo Passa-Alta faz com que apenas as altas frequncias passem, tornando
algumas regies da imagem mais ntidas. Alm disso, notamos que a ltragem gaussiana
apresenta um resultado melhor do que a aplicao do ltro Butterworth. Sendo esse mais
um tipo de aplicao que encontramos no processamento de sinais e imagens.
58
7. Aplicaes
Comandos necessrios para aplicao do ltro Butterworth Passa-Baixa:
>
>
>
>
>
>
>
>
>
>
>
>
>
>
img = imread("imagem");
[rows, cols] = size(img);
u =(ones(rows,1) * [1:cols] -(fix(cols/2)+1))/cols;
v =([1:rows]' * ones(1,cols) - (fix(rows/2)+1))/rows;
radius = sqrt(u.^2 + v.^2); %D(u,v)
n = 4;
%Ordem do filtro
cutoff =0.05;
filt = 1 ./ (1.0 + (radius ./ cutoff).^(2*n));
filtc = fftshift(filt);
surf(abs(filt));
imfilt=abs(ifft2(filt.*ftc));
imfiltc=abs(ifft2(filtc.*ft));
imshow(imfilt,[]);
imshow(imfiltc,[]);
>
>
>
>
>
>
>
>
>
>
>
>
img = imread("imagem");
radius = sqrt(u.^2 + v.^2);
n = 4;
cutoff =0.05;
filtpa=1-(1 ./ (1.0 + (radius ./ cutoff).^(2*n)));
imshow(filtpa);
filtcpa = fftshift(filt);
surf(abs(filtpa));
imfiltpa=abs(ifft2(filtpa.*ftc));
imfiltcpa=abs(ifft2(filtcpa.*ft));
imshow(imfiltpa,[]);
imshow(imfiltcpa,[]);
>
>
>
>
>
>
?
>
img = imread("imagem");
u=(ones(rows,1) * [1:cols] -(fix(cols/2)+1))/cols;
v = ([1:rows]' * ones(1,cols) - (fix(rows/2)+1))/rows;
radius = u.^2 + v.^2;
sigma = 5;
arg=-radius./2.*(sigma.^2);
filtg=exp(arg);
imshow(filtg);
59
filtgc = fftshift(filtg);
imfiltg=abs(ifft2(filtg.*ftc));
imfiltgc=abs(ifft2(filtgc.*ft));
imshow(imfiltg,[]);
imshow(imfiltgc,[]);
>
>
>
>
>
>
>
>
>
>
>
>
>
img = imread("imagem");
u=(ones(rows,1) * [1:cols] -(fix(cols/2)+1))/cols;
v = ([1:rows]' * ones(1,cols) - (fix(rows/2)+1))/rows;
radius = u.^2 + v.^2;
sigma = 50;
arg=-radius./2.*(sigma.^2);
filtgpa=1-exp(arg);
imshow(filtgpa);
filtgcpa = fftshift(filtgpa);
imfiltgpa=abs(ifft2(filtgpa.*ftc));
imfiltgcpa=abs(ifft2(filtgcpa.*ft));
imshow(imfiltgpa,[]);
imshow(imfiltgcpa,[]);
60
7. Aplicaes
Para realizao desta aplicao utilizamos os seguintes comandos:
>img=imread("C:/Users/Josiana_PC/Documents/TCC B/key.png");
> size(img)
ans =
276 464
> for j=2:464 img(:,j)-img(:,j-1); end
> vx=zeros(size(img));
> for j=2:size(img)(2) vx(:,j)=img(:,j)-img(:,j-1); end
> img=int16(img);
> for j=2:size(img)(2) vx(:,j)=img(:,j)-img(:,j-1); end
> vy=zeros(size(img));
> vy(2:276,:)=img(2:276,:)-img(1:275,:);
> v=abs(vx)+abs(vy);
> v=v*255/510;
> v=uint8(v);
> imshow(v)
A deteco de bordas uma ferramenta extremamente importante no processo de anlise
de imagens. As tcnicas de deteco de bordas utilizam operadores diferenciais de primeira
ou de segunda ordem, ressaltando os contornos das bordas. Como podemos vericar nas
imagens acima, por meio de determinados comandos, da imagem original obtemos apenas
as bordas.
7.6 Luminncia
Seja
f (x, y)
uma imagem.
g,
a partir
zer
> A=single(imread("folhas.jpg"));
> size(A)
ans =
768
1024
3
> L=A(:,:,1)*0.176+A(:,:,2)*0.81+A(:,:,3)*0.011;
> imshow(uint8(L));
61
O mtodo descrito acima nada mais do que o mtodo de "descolorizar" uma imagem,
ou seja, a partir de uma imagem colorida possvel obter uma imagem em branco e preto.
G(x, y) =
1 x2 +y2
e a2
2 2
Figura 7.24: Imagem Real Colorida / Imagem Borrada por uma gaussiana
62
7. Aplicaes
>
>
>
>
>
>
>
>
>
>
>
A=single(imread("folha.jpg"));
h=inline('exp((-x.^2-y.^2)/16)/(16*pi)','x','y');
H=zeros(size(A)(1:2));
for i=1:size(A)(1) for j=1:size(A)(2) H(i,j)=h(i-256,j-256); end end;
G=fft2(H);
F=fft2(A);
F(:,:,1)=F(:,:,1).*G;
F(:,:,2)=F(:,:,2).*G;
F(:,:,3)=F(:,:,3).*G;
S=abs(fftshift(fftshift(ifft2(F),2),1));
imshow(uint8(S))
>
>
>
>
f=single(imread("original.png"));
F=fft2(f)/prod(size(f));
h=single(imread("dot-psf-2.5.png")); m=min(min(h));
M=max(max(h)); H=fft2((h-m)/(M-m));
63
lambda=2;
G=single(zeros(size(F)));
K=conj(H)'./(lambda+conj(H)'.*H);
G(:,:,1)=F(:,:,1).*K; G(:,:,2)=F(:,:,2).*K; G(:,:,3)=F(:,:,3).*K;
g=abs(fftshift(fftshift(ifft2(G),1),2));
M=max(max(max(g)));m=min(min(min(g))); g=uint8(255*(g-m)/(M-m));
subplot(1,2,2); imshow(g);
Dessa forma, abordamos de forma simplicada e reduzida a teoria sobre Sries e Transformadas de Fourier para o caso de duas variveis e algumas aplicaes que podem ser
realizadas com a utlizao dessa teoria no processamento de sinais e imagens, apresentando diversos resultados interessantes e de grande relevncia.
65
Referncias Bibliogrcas
[1] Gomes, J. & Velho, L.,
NASA.
http://solarscience.msfc.nasa.gov/SunspotCycle.shtml,
acesso
realizado
em
01/06/2011.
[4] Nyquist, H.,
Proceedings of the
http://pessoal.sercomtel.com.br/matematica/superior/fourier/tfourier.pdf,
acesso
realizado em 17/03/2011.
[6] Sodr, U.,
http://pessoal.sercomtel.com.br/matematica/superior/fourier/sfourier.pdf,
acesso
realizado em 17/03/2011.
[7] Solar Inuences Data Analysis Center, Royal Observatory of Belgium. Disponvel em
http://sidc.oma.be, acesso realizado em 17/03/2011.
66
Referncias Bibliogrcas