Filtragem No Domínio Da Frequência

Filtragem no Domínio da Frequência
Parte II
BCC36F - Processamento de Imagens
Profª. Drª. Aretha Barbosa Alencar

arethaalencar@utfpr.edu.br
Universidade Tecnológica Federal do Paraná (UTFPR)

Departamento Acadêmico de Computação (DACOM)
Campo Mourão - PR
Prof.ª Dr.ª Aretha Alencar (UTFPR-CM) Filtragem no Domínio da Frequência Processamento de Imagens 1 / 73
Sumário
1 Filtragem no Domínio da Frequência

2 Suavização da Imagem usando Filtros no Domínio da Frequência
Filtro Passa-Baixa Ideal
Filtro Passa-Baixa Butterworth
Filtro Passa-Baixa Gaussiano
Exemplos Adicionais
3 Realce de Imagens usando Filtros no Domínio da Frequência
Filtro Passa-Alta Ideal
Filtro Passa-Alta Butterworth
Filtro Passa-Alta Gaussiano
4 Filtragem Seletiva
5 Transformada Rápida de Fourier (FFT)
Sumário

Exemplos Adicionais
Características Adicionais do Domínio da Frequência
A frequência é diretamente relacionada a taxas espaciais de

variação.
Não é difícil associar intuitivamente frequências na
transformada com padrões de variações de intensidade em
uma imagem.
A componente de variação mais lenta (u = v = 0) é proporcional à
intensidade média de uma imagem. Caso a transformada esteja
centralizada, a componente dc está em u = M/2 e v = N/2.
À medida que nos aproximamos da origem da transformada, as

baixas frequências correspondem aos componentes de
intensidade de variação lenta em uma imagem:
mudanças suaves de intensidade na parede e no piso da imagem
de uma sala;
À medida que nos distanciamos da origem da transformada, as

frequências mais altas começam a corresponder a variações de
intensidade cada vez mais rápidas:
bordas de objetos e outros elementos, mudanças abruptas de
intensidade;
As técnicas de filtragem no domínio da frequência se baseiam na

modificação da transformada de Fourier para atingir um objetivo
específico e calcular a DFT inversa para retornar ao domínio da
imagem.
Figura: (a) Imagem SEM de circuito integrado danificado; (b) Espectro de Fourier de (a).
A transformada de Fourier Discreta bidimensional é

frequentemente visualizada como uma função de intensidade.
Para facilitar a visualização, ao invés de se apresentar |F(u, v)|, o
que se apresenta é a função: D(u, v) = c log[1 + F(u, v)].
Figura: (a) Imagem de um prédio; (b) Espectro de sua transformada.
Consiste em modificar a Transformada de Fourier (DFT) de uma

imagem e depois calcular a transformada inversa (IDFT) para
obter o resultado processado.
Dada uma imagem digital, f (x, y), de tamanho M × N, a equação
básica de filtragem tem a forma:
g(x, y) = =−1 {H(u, v)F(u, v)} (1)
onde:
=−1 é a IDFT;
F(u, v) é a DFT da imagem de entrada, f (x, y);
H(u, v) é um filtro no domínio da frequência (tamanho M × N), que
é simplificado consideravelmente ao usar funções simétricas em
relação ao seu centro;
g(x, y) é a imagem filtrada (saída).
Filtro Básico: Notch
Um dos filtros mais simples é um filtro H(u, v) que é 0 no centro

da transformada e 1 em todos os outros termos de F(u, v).
Tem a propriedade de zerar o termo dc (proporcional à
intensidade média da imagem):
Uma média zero implica a existência de intensidades negativas.
(
0 se (u, v) = (M/2, N/2)
H(u, v) =
1 caso contrário
(2)
Figura: Reduz a intensidade média da imagem,

gerando uma imagem mais escura
Filtros Básicos: Passa-baixa e Passa-alta
Baixas frequências na transformada são correspondentes a

componentes que variam lentamente na imagem, tais como
paredes de uma sala.
Altas frequências são causadas por transições abruptas de
intensidade, tais como arestas e ruídos.
Espera-se que um filtro H(u, v) que atenua altas frequências e
deixa passar baixas frequências (low pass filter) gere blur
(borramento).
Um filtro que permite altas frequências e atenua baixas
frequências (high pass filter) deve melhorar os detalhes de
edges, mas causa redução no contraste da imagem.
Filtros Básicos: Passa-baixa e Passa-alta
Figura: Topo: filtros no domínio da frequência; Abaixo: imagens filtradas correspondentes; Foi
usado a = 0.85 em (c) para obter (f)(a altura do filtro é igual a 1).
O Erro de wraparound
A convolução:
A convolução considerando a periodicidade inerente da DFT:
A proximidade entre períodos interfere no processo de

convolução, ocasionando um erro comum chamado wraparound
error.
Para contornar o problema, acrescentam-se zeros (zero padding):
Figura: (a) Imagem de entrada; (b) Resultado da aplicação de um filtro passa-paixa Gaussiano
sem padding; (b) Aplicação do mesmo filtro com padding.
Figura: Periodicidade inerente da imagem ao usar DFT. (a) Periodicidade da imagem sem uso
de padding; (b) Periodicidade apos padding com 0s (preto). As áreas pontilhadas no centro
correspondem a imagem original.
Seja f (x, y) uma imagem de tamanho M × N, o zero padding é

feito com as seguintes dimensões:
(
f (x, y) 0 ≤ x ≤ M − 1 e 0 ≤ y ≤ N − 1
fp (x, y) = (3)
0 M ≤ x ≤ P ou N ≤ y ≤ Q
onde
P ≥ 2M − 1 (4)
Q ≥ 2N − 1 (5)
Ao imagem resultante do processo de zero padding, fp (x, y), terá

tamanho P × Q.
Portanto, o filtro H(u, v) também terá tamanho P × Q.
Passos para Filtragem no Domínio da Frequência
O material das seções anteriores pode ser resumido em:

1 Dada uma imagem de entrada f (x, y) com tamanho M × N, calcule os
parâmetros para o zero padding. Tipicamente, P = 2M e Q = 2N.

2 Formar a imagem com padding, fp (x, y), de tamanho P × Q, colocando o
número necessário de zeros em f (x, y).

3 Multiplique fp (x, y) por (−1)x+y para centralizar sua transformada.

4 Computar a DFT, F(u, v), da imagem do passo 3.

5 Gerar uma função de filtro real e simétrica, H(u, v), de tamanho P × Q
com centro em P/2 e Q/2. Formar o produto G(u, v) = H(u, v)F(u, v)
usando a multiplicação matricial, i.e., G(i, k) = H(i, k)F(i, k).

6 Obter a imagem processada:
gp (x, y) = real =−1 [G(u, v)] (−1)x+y

(6)
onde a parte real é selecionada para ignorar os componentes
complexos.

6 Obter a imagem processada:
gp (x, y) = real =−1 [G(u, v)] (−1)x+y

(6)
onde a parte real é selecionada para ignorar os componentes
complexos.
7 Obter o resultado final, g(x, y), extraindo a região M × N do canto
superior esquerdo de gp (x, y).
Zero Padding em Filtros
a Uma imagem M × N, f .
b Imagem com padding, fp ,
com tamanho P × Q.
c Resultado de multiplicar fp
por (−1)x+y .
d Espectro de Fp .
e Filtro Gaussiano
passa-baixa centralizado,
H, com tamanho P × Q.
f Espectro do produto H · Fp .
g gp , o produto de (−1)x+y e a
parte real da IDFT de H · Fp .
h Resultado final, g, obtido
extraindo as primeiras M
linhas e N colunas de gp .
Suavização da Imagem usando Filtros no Domínio da Frequência
Sumário

Exemplos Adicionais
Arestas e outras transições bruscas de intensidades (como ruído)

em um imagem contribuem significativamente para o conteúdo de
alta frequência na transformada de Fourier.
Obtém-se a suavização (borramento) no domínio na frequência
atenuando-se altas frequências e deixando passar baixas
frequências, i.e, usando filtros passa-baixas.
Três tipos de filtros de suavização serão vistos:

Ideal (very sharp)
Butterworth (intermediário)
Gaussiano (very smooth)
O filtro Butterworth tem um parâmetro chamado ordem do filtro.
Para valores altos de ordem o filtro se aproxima do ideal. Para
valores baixos o filtro é mais parecido com o Gaussiano.
Esses filtros seguem o procedimento visto anteriormente. Então
todas as funções H(u, v), são entendidas como funções discretas
de tamanho P × Q.
Suavização da Imagem usando Filtros no Domínio da Frequência Filtro Passa-Baixa Ideal
Sumário

Exemplos Adicionais
Um filtro 2D que passa sem atenuação todas as frequências dentro de

um círculo de raio D0 da origem, e corta todas as frequências fora dessa
circunferência é um filtro passa-baixa ideal (ILPF, Ideal Low Pass
Filter ).
Especificado pela função:
(
1 se D(u, v) ≤ D0
H(u, v) = (7)
0 se D(u, v) > D0
onde D0 é uma constante positiva e D(u, v) é a distância entre o ponto

(u, v) no domínio da frequência ao centro do retângulo de frequência;
isto é: 1/2
D(u, v) = (u − P/2)2 + (v − Q/2)2

(8)
Filtro Passa-baixa Ideal
Figura: (a) Diagrama em perspectiva do fitro de passa-baixa ideal; (b) Filtro como imagem; e (c)
Seção radial do filtro.
Filtro de Passa-Baixa Ideal – Exemplo
Figura: (a) Imagem de teste com tamanho 688 × 688; (b) Espectro de Fourier. O espectro tem o
dobro do tamanho da imagem devido ao padding, mas é mostrado com a metade do tamanho
(não é cropping). Os círculos superpostos têm raios 10, 30, 60, 160 e 460. Estes raios
englobam 87,0, 93,1, 95,7, 97,8 e 99,2% da potência da imagem, respectivamente.
Filtro Passa-Baixa Ideal – Exemplo
a (a) Imagem original;

b (b)-(f) Resultados da
filtragem usando ILPF
com frequências de corte
nos valores de raio 10,
30, 60, 160 e 460. A
potência removida por
esses filtros foi de 13,
6.9, 4.3, 2.2 e 0.8% do
total, respectivamente.
Filtro Passa-Baixa Ideal – Exemplo
Figura: (Esquerda) Representação no domínio espacial de um filtro ILPF de raio 5 e tamanho

1000 × 1000; (Direita) Perfil de intensidade do mesmo filtro, pode ser interpretado com uma linha
horizontal passando pelo centro da representação no domínio espacial desse filtro.
É possível perceber um efeito de “ringing”.

Suavização da Imagem usando Filtros no Domínio da Frequência Filtro Passa-Baixa Butterworth
Sumário

Exemplos Adicionais
A função de transferência do filtro passa-baixa Butterworth

(BLPF, Butterworth Low Pass Filter ) de ordem n, e com frequência
de corte a uma distância D0 da origem é definida como:
1
H(u, v) = (9)
1 + [D(u, v)/D0 ]2n
onde D(u, v), definido pela Equação 8, é a distância entre o ponto

(u, v) no domínio da frequência ao centro do retângulo de
frequência.
Diferente do filtro ideal, o filtro BLPF não tem descontinuidade

abrupta entre as frequências passantes e as frequências filtradas.
O filtro passa-baixa Butterworth pode ser visto como provedor de

uma transição entre dois extremos:
Para valores altos de n, o filtro passa-baixa Butterworth
aproxima-se do filtro passa-baixa ideal.
Já para valores baixos de n, o filtro passa-baixa Butterworth
aproxima-se do filtro passa-baixa Gaussiano.
Figura: (a) Diagrama em perspectiva do filtro passa-baixa Butterworth; (b) Filtro como imagem; e
(c) Seção radial do filtro para valores de n = 1 até n = 4.
Filtro Passa-Baixa Butterworth – Exemplo
a Imagem original.
b (b)-(f) Resultados da
filtragem usando BLPF com
n = 2 e frequências de corte
nos valores de raio 10, 30,
60, 160 e 460.
Comparando com os
resultados do ILPF:
Transição suave do
borramento em função do
aumento da frequência
de corte.
Nenhum ringing é visível
em qualquer uma das
imagens processadas.
Filtro Passa-Baixa Butterworth – Exemplo
Figura: (a)-(d) Representações espaciais do BLPFs com D0 = 5 e ordem n = 1, 2, 5 e 20,

respectivamente, e perfis de intensidade correspondentes pelo centro dos filtros. Observe como
o efeito de ringing aumenta com valores maiores de n.
Suavização da Imagem usando Filtros no Domínio da Frequência Filtro Passa-Baixa Gaussiano
Sumário

Exemplos Adicionais
Os filtros passa-baixa gaussianos (GLPF, Gaussian Lowpass

Filters) de duas dimensões têm a forma:
2 (u,v)/2σ 2
H(u, v) = e−D (10)
onde:
D(u, v) é a distância entre um ponto (u, v) no domínio da frequência
e o centro da função de frequência;
σ é uma medida de espalhamento da gaussiana em torno do seu
centro.
Se fizermos σ = D0 , frequência de corte, a notação fica
compatível com os outros filtros:
2 (u,v)/2D2
H(u, v) = e−D 0 (11)
A transformada inversa de Fourier do filtro GLPF também é uma

gaussiana.
Dessa forma, que o filtro espacial Gaussiano, obtido pela
transformada inversa de Fourier do filtro GLPF, não apresenta
“ringing”.
Figura: (a) Diagrama em perspectiva do filtro passa-baixa Gaussiano; (b) Filtro mostrado como
uma imagem; e (c) Seção radial do filtro para vários valores de D0 = 10 até D0 = 100.
Filtro Passa-Baixa Gaussiano – Exemplo

a Imagem original.
b (b)-(f) Resultados da filtragem
usando GLPFs com frequência
de corte em 10, 30, 60, 160 e
460, respectivamente.
Comparando com os resultados
do BLPF:
Apresenta transição suave
do borramento em função
do aumento da frequência
de corte.
Existem a garantia de que
não haverá “ringing”
O GLPF promoveu um
pouco menos de borramento
que um BLPF de ordem 2
para o mesmo valor de
frequência de corte.
Suavização da Imagem usando Filtros no Domínio da Frequência Exemplos Adicionais
Sumário

Exemplos Adicionais
Filtros Passa-Baixa – Exemplos Adicionais
Reconhecimento de Caracteres – Apesar de seres humanos não terem em

geral dificuldade para juntar os “gaps” nos caracteres mentalmente, sistemas
computacionais de reconhecimento de caracteres tem dificuldade em fazer o
mesmo.
Figura: (a) Texto em baixa resolução (note caracteres quebrados na visão magnificada); (b)
Resultado da filtragem com um filtro GLPF com D0 = 80 (segmentos de caracteres quebrados
foram juntados).
Processamento “Cosmético” – Objetivo é reduzir rugas finas e espinhas, que

são transições de intensidade abruptas na imagem, por meio de filtros de
suavização.
Figura: (a) Imagem original; (b) Resultado da filtragem com um filtro GLPF com D0 = 100; e (c)
Resultado da filtragem com um filtro GLPF com D0 = 80.
Processamento de Imagens de Satélites e Aéreas – Redução de linhas

horizontais proeminentes em imagens de satélites, provenientes do tipo de
sensor usado.
Figura: (a) Imagem de satélite NOAA mostrando linhas horizontais proeminentes, provenientes
do tipo de sensor usado; (b) Resultado da filtragem usando um filtro GLPF com D0 = 50; e (c)
Resultado da filtragem usando um filtro GLPF com D0 = 20.
Realce de Imagens usando Filtros no Domínio da Frequência
Sumário

Exemplos Adicionais
Obtém-se o realce de imagens (sharpening) no domínio da

frequência atenuando-se baixas frequências e deixando passar
as altas frequências, i.e, usando-se filtros passa-altas.
Esses filtros seguem o mesmo procedimento visto anteriormente.
Então todas as funções H(u, v), são entendidas como funções
discretas de tamanho P × Q.
Os filtros passa-alta, HHP (u, v), são obtidos a partir dos filtros
passa-baixa, HLP (u, v):
HHP (u, v) = 1 − HLP (u, v) (12)
Serão considerados os filtros ideal, Butterworth e Gaussiano para

filtragem passa-alta.
De forma similar, veremos que o filtro passa-alta Butterworth
promove uma transição entre o formato abrupto do filtro
passa-alta ideal e o formato suave do filtro passa-alta Gaussiano.
Figura: Linha do Topo: diagrama em perspectiva, representação em imagem, e seção radial de

um típico filtro ideal. Linhas do meio e inferior: a mesma sequência para filtros passa-alta
Butterworth e Gaussiano típicos.
Figura: Representação espacial de típicos filtros passa-alta: (a) Ideal, (b) Butterworth, e (c)
Gaussiano; e perfis de intensidade correspondentes pelo centro dos filtro
Realce de Imagens usando Filtros no Domínio da Frequência Filtro Passa-Alta Ideal
Sumário

Exemplos Adicionais
Um filtro passa-alta ideal (IHPF, Ideal Highpass Filter ) 2D é

definido como:
(
0 se D(u, v) ≤ D0
H(u, v) = (13)
1 se D(u, v) > D0
onde:
D0 é a frequência de corte;
e D(u, v), definido pela Equação 8, é a distância entre o ponto
frequência.
Figura: Resultados da filtragem passa-alta na imagem do slide 31 usando um filtro IHPF com
D0 = 30, 60, e 160, respectivamente.
“Ringing” evidente, o que produz arestas de objetos distorcidas e mais grossas.

Situação melhora a medida que a frequência de corte é aumentada.
Realce de Imagens usando Filtros no Domínio da Frequência Filtro Passa-Alta Butterworth
Sumário

Exemplos Adicionais
Um filtro passa-alta Butterworth (BHPF, Butterworth Highpass

Filter ) 2D de ordem n é definido como:
1
H(u, v) = (14)
1 + [D0 /D(u, v)]2n
onde:
frequência.
Figura: Resultados da filtragem passa-alta na imagem do slide 31 usando um filtro BHPF de

ordem n = 2 e com D0 = 30, 60, e 160, respectivamente.
Arestas dos objetos estão menos distorcidas mesmo para valores mais baixos
de frequência de corte.
A transição para valores maiores de frequência de corte é mais suave com este
filtro.
Realce de Imagens usando Filtros no Domínio da Frequência Filtro Passa-Alta Gaussiano
Sumário

Exemplos Adicionais
Um filtro passa-alta Gaussiano (GHPF, Gaussian Highpass

Filter ) 2D é definido como:
2 (u,v)/2D2
H(u, v) = 1 − e−D 0 (15)
onde:
frequência.
Figura: Resultados da filtragem passa-alta na imagem do slide 31 usando um filtro GHPF com
D0 = 30, 60, e 160, respectivamente.
Como esperado, os resultados são mais graduais do que com os dois filtros
anteriores.
Mesmo a filtragem em objetos pequenos e barras finas é mais “limpa” com o
filtro passa-alta Gaussiano.
Filtragem Seletiva
Sumário

Exemplos Adicionais
Filtragem Seletiva
Filtragem Seletiva
Existem aplicações nas quais é de interesse processar faixas

específicas de frequências ou pequenas regiões no retângulo
de frequência.
Na primeira categoria se enquadram os filtros chamados
passa-faixa (bandpass) ou rejeita-faixa (bandreject).
Já filtros na segunda categoria são chamados de filtros
notch.
Filtragem Seletiva
Filtragem Seletiva – Filtros Rejeita-Faixa e Passa-Faixa
Rejeita-Faixa Ideal
(
0 se D0 − W2 ≤ D ≤ D0 + W
2
H(u, v) =
1 caso contrário
(16)
Rejeita-Faixa Butterworth
1
H(u, v) = (17)
1 + [ D2DW
−D2
]2n
0
Rejeita-Faixa Gaussiano
D2 −D20 2
H(u, v) = 1 − e−[ DW ] (18)
Onde: W é a largura da banda; D é a distância

D(u, v); D0 é a frequência de corte; e n é a
ordem do filtro Butterworth,
Filtragem Seletiva
Figura: (a) Imagem corrompida com ruído periódico; (b) Espectro de Fourier de (a); (c) Filtro
rejeita-faixa Butterworth de ordem 4 (branco representa 1); e (d) Resultado da filtragem.
Filtragem Seletiva
Um filtro passa-faixa é obtido de um filtro rejeita-faixa da mesma

maneira pela qual obtemos um filtro passa-alta de um filtro
passa-baixa:
HBP (u, v) = 1 − HBR (u, v) (19)
Figura: (a) Filtro Gaussiano Rejeita-Faixa; (b) Filtro Passa-Faixa correspondente.
Filtragem Seletiva
Ruído senoidal do exemplo anterior obtido com um filtro

passa-faixa do slide anterior.
Filtragem Seletiva
Filtragem Seletiva – Filtros Notch

Filtros notch são muito úteis e rejeitam (ou passam) frequências em
uma ou mais vizinhanças predefinidas (notchs) sobre no retângulo de
frequência.
Como os filtros devem ser simétricos em relação a origem, então um
notch com centro em (u0 , v0 ) deve ter uma correspondente notch em
localização (−u0 , −v0 ).
Figura: Diagramas em perspectivas de filtros notch (rejeita) (a) ideal, (b) Butterworth (de ordem
2) e (c) Gaussiano.
Filtragem Seletiva
Filtros notch que rejeitam frequências podem ser construídos

como produtos de filtros passa-alta que tiveram seu centros
transladados para os centros dos notches.
Uma forma geral:
Q
Y
HNR (u, v) = Hk (u, v)H−k (u, v) (20)
k=1
onde:
Hk (u, v) e H−k (u, v) são filtros passa-alta cujos centros estão em
(uk , vk ) e (−uk , −vk ), respectivamente. Esses centros são
especificados com respeito ao centro do retângulo de frequência,
(M/2, N/2)
Q é o número total de notches.
Filtragem Seletiva
Já que os centros são especificados com respeito ao centro do

retângulo de frequência, (M/2, N/2). Os cálculos de distâncias
para cada um dos filtros individuais é dado por:
1/2
Dk (u, v) = (u − M/2 − uk )2 + (v − N/2 − vk )2

(21)
e 1/2
D−k (u, v) = (u − M/2 + uk )2 + (v − N/2 + vk )2

(22)
Filtragem Seletiva
a Imagem de jornal
mostrando padrão moiré.
b Espectro de Fourier.
c Filtro notch passa-alta
Butterworth multiplicado
pelo espectro de Fourier.
d Imagem filtrada.
Filtragem Seletiva
a Imagem dos anéis de

Saturno mostrando
interferência periódica.
b Espectro de Fourier – O
estouro de energia no
eixo vertical perto da
origem corresponde ao
padrão de interferência.
c Um filtro notch vertical.
d Imagem filtrada.
Transformada Rápida de Fourier (FFT)
Sumário

Exemplos Adicionais
Implementar as equações da DFT não constitui tarefa simples.

A Fast Fourier Transform (FFT) proporciona uma redução nos
cálculos envolvidos.
A redução de complexidade de FFT é conseguida por um
método chamado sucessive-doubling method.
Exemplo: Transformada de Fourier de uma imagem 1024 × 1024.
DFT-2D: mais de 1 trilhão de operações ((MN)2 ).
FFT: aproximadamente 20 milhões (MN log2 MN).
Octave: fft2(A) e ifft2(A)
Referências
Gonzales, R. C. et al. Digital Image Processing. Prentice Hall,

Terceira Edição, 2008, ISBN 9780131687288.
Capítulo 4 — Filtering in the Frequency Domain
Dúvidas
?

Filtragem No Domínio Da Frequência - Parte 2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Filtragem No Domínio Da Frequência - Parte 2

Enviado por

Direitos autorais:

Formatos disponíveis

Profª. Drª. Aretha Barbosa Alencar

Universidade Tecnológica Federal do Paraná (UTFPR)

1 Filtragem no Domínio da Frequência

1 Filtragem no Domínio da Frequência

Características Adicionais do Domínio da Frequência

A frequência é diretamente relacionada a taxas espaciais de

Características Adicionais do Domínio da Frequência

À medida que nos aproximamos da origem da transformada, as

À medida que nos distanciamos da origem da transformada, as

Características Adicionais do Domínio da Frequência

As técnicas de filtragem no domínio da frequência se baseiam na

Características Adicionais do Domínio da Frequência

A transformada de Fourier Discreta bidimensional é

Características Adicionais do Domínio da Frequência

Figura: (a) Imagem de um prédio; (b) Espectro de sua transformada.