Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 5 – Propriedades da
Transformada de Fourier
3
Representação de uma Imagem como
uma função bidimensional
4
E no Domínio da Frequência pode ser representada por uma soma
de senos e cossenos, através de suas frequências (f) e amplitudes (a):
Que podem ser colocadas no formato de uma imagem como uma linha
de amplitudes em escala de cinza.
5
Diz-se então, que a imagem gerada através das amplitudes das
frequências:
7
1) Periodicidade e Simetria Conjugada
F (u, v) = F (u + N , v) = F (u, v + N ) = F (u + N , v + N )
Sendo N a dimensão da imagem.
8
1) Periodicidade e Simetria Conjugada
10
Espectro de Fourier Bidimensional (imagem)
11
Espectro de Fourier Bidimensional (imagem)
12
2) Translação
Multiplicar f(x,y) pelo termo exponencial, conforme abaixo, e fazer a
transformada deste produto, resulta em um deslocamento da origem
do plano das frequências para o ponto (u0,v0).
f ( x, y) exp[ j 2p (u0 x + v0 y ) / N ] Û F (u - u0 , v - v0 )
Ou seja:
Multiplicar f(x,y) por (-1)x+y e realizar a
transformada de Fourier, simplesmente
muda a origem das frequências para o centro
do quadrado.
Baixas frequências
Espectro de Fourier Bidimensional (imagem)
Frequência Zero deslocada para o centro
16
Espectro de Fourier Bidimensional (imagem)
Frequência Zero deslocada para o centro
17
Espectro de Fourier Bidimensional (imagem)
Frequência Zero deslocada para o centro
Baixas Frequências
Baixas Frequências 18
Espectro Unidimensional e Bidimensional
19
Espectro Unidimensional e Bidimensional
20
Exemplos:
21
Espectro de Fourier Bidimensional (imagem)
Frequência Zero deslocada para o centro
22
Espectro de Fourier Bidimensional (imagem)
Frequência Zero deslocada para o centro
23
Exemplos de Texturas:
Padrão Senoidal
24
Exemplos de Texturas:
Textura
25
Espectro de Fourier Bidimensional
(Vídeo)
26
Visualização do espectro
Forma Retangular X Forma Polar
Parte Real Parte Imaginária
a1,a2,a3... b1,b2,b3...
Amplitudes dos Amplitudes dos
Cossenos Senos
F (u, v)
[0 a 2,5x106] [0 a 6,4]
Visualização do espectro
Deslocamento do
espectro
Transformação
logaritma
29
Espectro de uma imagem
32
Exemplos:
a)
b)
33
Exemplos:
34
Exemplos:
35
Exemplos:
36
Espectro Unidimensional e Bidimensional
37
3) Separabilidade
1 N -1 N -1 ux + vy
F (u, v) = åå f ( x, y) exp[- j 2p ( )]
N x =0 y =0 N
1 N -1 N -1
F (u, v) = å exp[- j 2p ux / N ]å f ( x, y) exp[- j 2p vy / N ]
N x =0 y =0
1 N -1 N -1 ux + vy
f ( x, y ) = åå F (u, v) exp[ j 2p ( )]
N u =0 v =0 N
1 N -1 N -1
f ( x, y ) = å exp[ j 2p ux / N ]å F (u, v) exp[ j 2p vy / N ]
N u =0 v =0
38
A vantagem da Separabilidade é que a F(u,v) e a f(x,y) podem ser
obtidas em dois passos por aplicações sucessivas da transformada de
Fourier unidimensional:
1 N -1
F (u, v) = å F ( x, v) exp[- j 2p ux / N ]
N x =0
é 1 N -1 ù
F ( x, v) = N ê å f ( x, y) exp[- j 2p vy / N ]ú
ë N y =0 û
39
4) Rotação
Introduzindo as coordenadas polares:
x = r cosq y = r sen q u = w cosf v = w sen f
f ( x, y) e F (u, v) tornam-se : f ( r ,q ) e F ( w, f )
A substituição direta no par de Transformadas resulta:
f (r ,q + q 0 ) Û F (w, f + q 0 )
41
5) Distributividade
7) Valor Médio:
1
f ( x, y ) = F (0,0)
N
Soma de todos os valores de pixel da imagem = Valor Médio * (M x N)
Complexos Conjugados
8) Convolução
Teorema da Convolução.
f ( x, y) * g ( x, y) Û F (u, v)G(u, v)
f ( x, y) g ( x, y) Û F (u, v) * G(u, v)
Convolução Multiplicação
no domínio do no domínio da
tempo/espaço frequência
Multiplicação Convolução
no domínio do no domínio da
tempo/espaço frequência
O que é mais importante?
MÓDULO:
Amplitude de
cada onda 2D
FASE:
Direção de
cada onda 2D
48
O que é mais importante?
Transformação
inversa usando
apenas o MÓDULO
Transformação
inversa usando
apenas a FASE
49
Transformação inversa
usando apenas a parte
REAL
Transformação inversa
usando apenas a parte
IMAGINÁRIA
50
FIM
51