Fourier e Processamento de Sinais e Imagens

Alan Christian Almeida Souza¹; Darlison José Oliveira Júnior¹; Yuri José Pereira Matias¹
¹UFOPA – Bacharelado Interdisciplinas em Ciência e Tecnologia

informação, e esta informação pode estar associada a uma

I. INTRODUÇÃO medida. Portanto, processar uma imagem significa transformá-
la sucessivamente com a finalidade de extrair de forma
simples a informação que ela fornece.
Resolver problemas de transformada a e aplicar a
transformada inversa em uma solução ainda é tido como uma II. PROCESSAMENTO DE SINAIS E IMAGENS
grande dificuldade, apesar de sua ampla utilização. Ao aplicar
a transformada ao problema original, existe um grande grau de
dificuldade porque o primeiro passo é aplicar a transformada e
Fazendo uma abordagem ampla sobre os conceitos de
depois aplicar a transformada inversa na solução do problema
processamentos de sinais, [4] definiu um sinal como qualquer
transformado.
quantidade que varia no tempo ou no espaço, como por
exemplo áudio, imagem e vídeo. As aplicações dos sinais são
Algumas operações se tornam bem mais simples e
diversas, incluindo nos eletrocardiogramas, na medição de
esclarecedoras se trabalharmos na compreensão completa da
temperatura, na visualização de ondas sísmicas e no uso das
frequência, ou seja, domínio da frequência, domínio este,
telecomunicações. Ainda de acordo com De Carvalho, o
conseguido a partir da Transformadas de Fourier. As funções
processamento de sinais consiste na redução de ruídos,
periódicas são representadas pelas séries de Fourier, as
segmentação, compressão e análise. O termo “imagem” refere-
funções não-periódicas são representadas por transformadas
se a uma função de intensidade de luz bidimensional f(x,y),
de Fourier (espectro do sinal) [1][2].
onde x e y são coordenadas espaciais e o valor de f em um
ponto qualquer (x,y) é proporcional ao brilho ou nível de cinza
De uma maneira abrangente, a transformada de Fourier da imagem naquele ponto. Uma imagem digital é uma imagem
decompõe um sinal em suas componentes elementares seno e f(x,y) discretizada no espaço e na intensidade de brilho e pode
cosseno. Fourier foi muito feliz também em seu passo ser considerada uma matriz, cujos elementos são chamados de
decisivo, depois dessas descobertas ao usar indiretamente os "pixels" ("Picture elements") [5].
símbolos de integração e o da somatória infinita, chegou as
chamadas séries de Fourier. A série de Fourier é uma
Até o final da década de 1940, o processamento de sinais
expansão de um sinal periódico em uma combinação linear de
era feito tipicamente com sistemas analógicos baseados em
componentes harmônicas discretas. Como o sinal é periódico,
circuitos eletrônicos ou dispositivos mecânicos. A emergência
o espectro não é continuamente distribuído pela frequência,
da disciplina de Processamento Digital de Sinais começou a
mas sim concentrado em discretos igualmente espaçados.
ocorrer de fato um pouco depois da II Guerra Mundial. Na
Essas frequências são múltiplas de uma frequência base,
telefonia e rádio até então, os sinais eram transmitidos
chamada de harmônica fundamental, que é o inverso do
tradicionalmente com modulação em amplitude (AM –
período do sinal [1][2][3].
Amplitude Modulation) ou modulação em frequência (FM -
Frequency Modulation). Nessas modulações, o sinal é
O interesse em métodos de processamento digital de analógico, enquanto no PCM o sinal é digital. Ainda em 1948,
imagens surgiu da necessidade de melhorar a qualidade da Hamming inventou os códigos de correção de erros, salientado
informação de uma imagem para a interpretação humana. As uma grande vantagem dos sinais digitais face aos analógicos e
técnicas para este melhoramento evoluíram em meados dos o transistor foi criado nos laboratórios da Bell Telephone, o
anos 60 com o advento de computadores digitais. Assim, as que nos anos subsequentes foi de fundamental importância
técnicas de processamento utilizadas nesse período serviram para a expansão do domínio de PDS [6].
de base para a restauração de imagens de outros programas.
Essas técnicas permitem a análise de uma cena em várias
A Transformada de Fourier pode ser estendida para
regiões do espectro eletromagnético, além da integração de
funções de duas variáveis f(x; y), equação 01, e pode ser
vários tipos de dados, tornando possível a manipulação de
expressa como uma superposição ponderada de uma função
sinais multidimensionais. Além disso, a maioria das técnicas
harmônica em duas dimensões, onde a função f tem
do processamento de imagem envolve o tratamento da
Transformada de Fourier F(Kx;Ky) em duas dimensões. A
imagem como um sinal bidimensional, no qual aplica-se
função ponderada F(Kx;Ky) é chamada de Transformada de
padrões de processamento de sinais. Os sinais, assim como as
Fourier de duas dimensões e dada por:
imagens, carregam em seu interior uma determinada

A Transformada de Fourier é uma operação única e
invertível, onde as fórmulas específicas para transformar a ida
e a volta entre o domínio espacial e o domínio de frequência
são dadas a seguir:
Equação 02: Ida no espaço Contínuo em duas dimensões:
Equação 03: Volta no espaço Contínuo em duas dimensões:
Equação 04: Ida no espaço Discreto em duas dimensões:
Equação 05: Volta no espaço Discreto em duas dimensões:
Dessa forma, a Transformada de Fourier produz uma nova
representação de um sinal, em outras palavras essa
representação é dada pela soma ponderada de exponenciais
complexas, devido à fórmula de Euler. Assim, podemos dizer
que a Transformada de Fourier produz uma representação de
um sinal em duas dimensões, permitindo obter algumas
propriedades da Transformada de Fourier que podem ser
utilizadas para o processamento de sinais e imagens.
III. FILTROS
Os filtros são processos que tem por finalidade salientar
determinados aspectos em imagens digitais ou reduzir ruídos.
Esses ruídos podem ter sido introduzidos na imagem durante o
processo de aquisição da imagem ou durante o processo de
quantização e digitalização, ou então pelo excesso de
compressão da imagem, ou mesmo por problemas na
transmissão.
 Filtro passa-baixa: Permite que as baixas
frequências passem, porém elimina os valores
relacionados às altas frequências. Assim, o efeito
deste filtro é o de suavização da imagem, uma vez
que as altas frequências que correspondem às
transições abruptas são atenuadas. A suavização
tende pelo mesmo motivo, diminuir o ruído em
imagens.
 Filtro passa-banda: Deixará presente nas
imagens apenas os valores dos sinais correspondentes
à determinada frequência eliminando os demais
valores. Seu efeito visual depende da faixa
predefinida e geralmente é projetado para salientar
aspectos determinados, eliminar ruídos ou
imperfeições presentes em uma frequência
conhecida.
 Filtro passa-alta: Deixa passar as altas
frequências, no entanto, elimina os valores
relacionados às baixas frequências. O efeito visual
deste tipo de filtro é de tornar as transações entre
diferentes regiões da imagem mais nítidas. O efeito
desejado é o de enfatizar o ruído que possa existir na
imagem.
A Função de Transferência Óptica (OTF) é a medida
quantitativa da qualidade da imagem. Esta função descreve a
estrutura de uma imagem em termos do contraste e da fase
espacial num intervalo de frequência. Assim, com a análise de
Fourier, que permite descrever qualquer objeto como a soma
de componentes senoidais, utiliza-se a OTF para representar
uma imagem de forma detalhada, relacionando-a com o objeto
e com defeitos introduzidos no sistema óptico. O processo de
deconvolução consiste basicamente em tentar desfazer o que
o processo de convolução realizou. Por exemplo, o
borramento que se observa em uma fotografia fora de foco
pode ser descrito por meio da convolução, logo, é possível
obter uma imagem nítida a partir de imagem borrada por meio
da deconvolução, desde que o PSF (Função Propagação do
Ponto) seja conhecido a priori ou possa ser estimado a partir
da própria imagem borrada.
IV. DECONVOLUÇÃO DE WIENER PARA
RESTAURAR UMA IMAGEM DESFOCADA
Seja F = F(f) uma imagem e G = F(g) o PSF (Função
Propagação do Ponto). Temos que |Gj| = GG̅. Assim, podemos
definir:
Obtida da seguinte forma:
Um exemplo desse processo é quando há borramento em
uma imagem, isto é, ocorre mudança de pixel a pixel e este
processo é dado por uma divisão (operação contrária à
convolução). Dessa forma, o valor obtido é arredondado
havendo perda de informação. E uma solução para este fato é
o aumento da resolução da imagem.
 V. APLICAÇÃO DO FILTRO DE WIENER
Dentro do software numérico MatLab existe uma
ferramenta interna de processamento de imagens que auxilia
em processos de filtragem e aprimoramento de imagens. O
“Deconvwnr” restaura imagens usando o filtro Wiener. Nesta
aplicação, usou-se inicialmente uma imagem original e
simulou-se nesta imagem um borrão de movimento com
valores aleatório da função de propagação do ponto.
Posteriormente, aplicou-se o "deconvnr" para que a imagem I
fosse restaurada, sendo que esta foi degradada por convolução
com uma função de propagação de pontos PSF, em alguns
casos podendo possivelmente também ser degradada por ruído
aditivo. O algoritmo é otimizado em um sentido pelo menor
erro quadrático médio entre a imagem estimada e a imagem
verdadeira, e usa as matrizes de correlação de imagem e ruído.
Na ausência de ruído, o filtro Wiener reduz-se ao filtro inverso
ideal. NSR é a relação de potência de ruído a sinal, podendo
ser um escalar ou uma matriz do mesmo tamanho que I. Seu
valor padrão é 0. Usando os algoritmos do programa,
simulamos da seguinte forma:
Figura 1 – Janela de comandos do software e aplicação do filtro de Wiener.
Simulando dentro do sofwtare, as linhas 1 e 2 carregam e
mostram a imagem original. As linhas 5, 6 são os valores dos
pontos que definirão a intensidade de borramento da imagem
que será aplicado na linha 7. A linha 8 é o processo de
convolução, ou seja, fará com que a imagem que apareça na
linha 9 esteja borrada.
Figura 2 - Imagem original Figura 3 - Imagem borrada
Na linha 12 é a aplicação do filtro de Wiener, que
restaurará a imagem que foi anteriormente borrada, com a PSF
convolvida e NSR com um valor igual à 0, resultando em uma
imageme parecida com a imagem original.
Figura 4 - Imagem restaurada
REFERÊNCIAS
[1] FECHINE, Joseane Macêdo. Ciclo de seminários técnicos:
A transformada de Fourier e suas aplicações. Disponível
em:
<http://www.dsc.ufcg.edu.br/~pet/ciclo_seminarios/tecnicos/2
010/TransformadaDeFourier.pdf>. Acesso em: 21 de
Setembro de 2016.
[2] ATMAN, Max. Hoje na história: 1830- Físico e
Matemático Jean Baptiste Fourier morre em Paris.
Disponível em: <
http://operamundi.uol.com.br/conteudo/historia/35274/hoje+n
a+historia+1830+_+fisico+e+matematico+jean+baptiste+fouri
er+morre+em+paris.shtml>. Acesso em: 21 de Setembro de
2016.
[3] PUPIN, Josiane Rovatti. Introdução ás Séries e
Transformadas de Fourier e Aplicações no Processamento
de Sinais e Imagens. 82f. TCC (Trabalho de Conclusão de
Curso)- Departamento de Matemática, Universidade Federal
de São Carlos, 2011.
[4] DE CARVALHO, João Luiz Azevedo. Processamento
Digital de Sinais e Imagens. UNB-Gama, 2009.
[5] NETO, João Fonseca. Aplicação da Transformada de
Fourier no processamento digital de imagens. Aracajú-SE,
1999.
[6] PUPIN, Josiana Rovatti. Introdução às Séries e
Transformadas de Fourier e Aplicações no Processamento
de Sinais e Imagens. Departamento de Matemática. Ufscar,
2011.