Escolar Documentos
Profissional Documentos
Cultura Documentos
Lara Fischer
Florianópolis
26 de março de 2022
UNIVERSIDADE FEDERAL DE SANTA CATARINA
CENTRO DE CIÊNCIAS FÍSICAS E MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA
Lara Fischer
Florianópolis
26 de março de 2022
Honras a quem me trouxe até aqui
Me sinto extremamente grata por todas as pessoas que já amei. Todos vocês deixaram
um rastro em mim. Eu trouxe vocês comigo e vocês me trouxeram até aqui. Essa aliança
feita pelo amor nos conecta e me faz muito feliz. Em um livro que eu aprendi a gostar
muito, chamado “Em Defesa da Escola”, ele mostra como o amor pode significar cuidado
pelo que se ensina e pelo que se aprende. Amor é o sentimento que uso pra embalar os
nomes que estão nesse agradecimento. Apesar de as vezes ele parecer pouco.
Não consigo começar a agradecer sem pensar primeiramente na minha famı́lia. Foi
olhando e me inspirando em pessoas como minha mãe, tio Márcio, tia Marilise e tia
Glória que nasceu o desejo de me tornar professora. Muito obrigada famı́lia, esse trabalho
também é pra vocês. Em especial, gostaria de agradecer minha mãe, meu pai e minha irmã
por serem suporte e refúgio. Tantas e tantas vezes vivi momentos de dúvida na graduação,
e vocês me escutaram e aconselharam da melhor forma que podiam. Obrigada também,
vô Zeni. Você foi a primeira pessoa que eu contei que iria me formar, lembra? Isso tudo
também é para você.
Continuo agradecendo minha segunda famı́lia, que são meus amigos. Acho fascinante
essa história de escolher uma segunda famı́lia. A minha é boa de mais! Escolhi cada
um de vocês e não abro mão. Obrigada Aline, Raquel, Pedro, Lara, Bella, Kendji, Pi-
menta, Graciani. É bom de mais poder contar com vocês. Agradeço imensamente o meu
companheiro de vida. Mateus, sua determinação, dedicação, profissionalismo e caráter
me inspiram diariamente. Estar do seu lado me faz me sentir mais livre e capaz para
construir a pessoa que quero ser. Obrigada por tanto!
Dedico também meu TCC a todos os professores do ensino básico que passaram pela
minha trajetória. Laerte, Maicon, Karline, Aline, Rosi, Chico, Leo, Dé, vocês me apai-
xonaram por dar aula. Eu era uma mera telespectadora da maestria com a qual vocês
ensinavam. Não poderia esquecer das minhas inspirações universitárias. Rosi, você foi
a primeira pessoa que me colocou de frente com a nossa profissão. Me deu armas para
pensar em uma conversa fundamentada e transformadora. Minha maneira de ser e estar
no mundo foi afetada graças a você. Paulo, Sı́lvia, Melissa, Francisco, Mortari, cada um
de vocês me fez ter certeza de que se eu precisava estar na matemática para conhecê-los
e ter as aulas que tive com vocês então eu estava no lugar certo. E finalmente, professor
Koller. Gostaria de ter tido mais tempo com o senhor. Eu sou extremamente grata a
sua dedicação, paciência, ética, disponibilidade, atenção, escuta, abertura. Você possui
exatamente as caracterı́sticas que eu mais admiro em um professor. Muito obrigada por
construir comigo este trabalho.
Agradeço também ter tido a oportunidade de estudar em uma faculdade gratuita e
de qualidade como a UFSC. Agradeço a todos os servidores que fizeram com que fosse
possı́vel eu estar nessa universidade de tanto renome e qualidade.
Por fim, agradeço você, caro leitor, que de tantos trabalhos para ler ou coisas para
fazer, escolheu ler o meu TCC. Foi feito com muito amor e dedicação. Espero que goste.
”Liberdade é uma palavra que o sonho humano alimenta,
que não há ninguém que explique e ninguém que não entenda.”
(Documentário Ilha das Flores)
Resumo
This work emerges from the study of the Fourier series and the Fourier transform,
turning its attention to the understanding of images in this context. From a theoretical
perspective, it approaches what the Fourier series represent, which functions are well de-
fined by their Fourier series, the importance of the coefficients of the series and what are
the limitations involved in this process. This motivates the next study about the Fourier
transform, where we define the space of functions for which the Fourier transform is well
defined, the inverse Fourier transform and the representation of images as functions and
their Fourier transforms. The work has examples of images and their transforms, as well
as examples of calculations of the Fourier series and transforms.
1 CONCEITOS PRELIMINARES . . . . . . . . . . . . . . . . . . . . . 11
1.1 Fenômenos Periódicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Produto Interno Hermitiano e Norma de Vetores . . . . . . . . . . . 13
1.2.1 Teorema de Pitágoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Desigualdade de Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . . . . 16
1.3 O Espaço de Funções L2 (I) . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4 Conjunto Ortonormal . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Projeção Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 SÉRIES DE FOURIER . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1 Definição da Série de Fourier e de seus Coeficientes . . . . . . . . . 25
2.1.1 Série de Fourier para Funções Complexas . . . . . . . . . . . . . . . . . . 31
2.1.2 Propriedades dos Coeficientes da Série de Fourier . . . . . . . . . . . . . . 36
2.1.3 Espectro de Potências . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Fenômeno de Gibbs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.1 O elo com as projeções ortogonais . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Teoremas sobre a Série de Fourier . . . . . . . . . . . . . . . . . . . . 41
2.3.1 Teorema da Convergência Pontual da Série de Fourier . . . . . . . . . . . . 41
2.3.2 Teorema da Convergência Uniforme . . . . . . . . . . . . . . . . . . . . . 42
2.3.3 Teorema da Unicidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3 TRANSFORMADA DE FOURIER . . . . . . . . . . . . . . . . . . . 47
3.1 Definição da Transformada de Fourier . . . . . . . . . . . . . . . . . . 47
3.2 Transformada Inversa de Fourier . . . . . . . . . . . . . . . . . . . . . 52
3.3 Adaptação para o R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4 CONCLUSÕES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
9
1 Conceitos Preliminares
Veja que, fixado um tempo especı́fico, conseguirı́amos prever o que estava acontecendo
com o peso e com a mola, ou seja, conseguimos descrever equações de movimento em
função do tempo. Isso acontece pois este movimento oscilatório se repete após uma certa
passagem de tempo. Ou seja, existe um intervalo de tempo, denominado de perı́odo,
no qual o movimento é diferente (que seria a compressão e a expansão) e após isso, o
mesmo padrão de movimento se repete. Esta é a principal caracterı́stica dos fenômenos
periódicos.
Normalmente (mas não necessariamente) estes fenômenos estão associados à ideia de
periodicidade com o tempo, e por isso que usualmente quando pretendemos modelá-los
definimos a variável como sendo t.
Sendo mais formal:
Definição 1. Uma função f (t) se diz periódica quando existe um número T > 0 per-
tencente aos R tal que para todo t no domı́nio da função:
f (t) = f (t + T ).
Além disso, podemos definir o menor valor de T que faz com que a função seja
periódica. A este valor damos o nome de perı́odo fundamental, o qual podemos ex-
pressar por
certa faixa de amplitude de comprimentos de onda. Existem outros tipos de animais, como
os morcegos, que interpretam outros tipo de frequências que, para nós, seres humanos,
passam despercebidas. No caso das cores, as frequências variam de acordo com a energia
de vibração dos fótons, partı́cula constituinte do comportamento dual da onda de luz.
Devido a essa oscilação da frequência podemos perceber o mundo ao nosso redor com
diferentes tons de cores.
Este conceito de frequência nos será importante quando falarmos, na Seção 2.1.3, que
o conjunto de frequências presente em um sinal é o espectro do sinal.
Perceba que, se tratando de modelagem, uma boa escolha de funções que já possuem
em seu comportamento essa periodicidade são as funções seno e cosseno. Então as uti-
lizamos como base, e buscando fazer as adaptações necessárias dentro das especificidades
de cada modelo. É claro que isso traz certas limitações para nossas representações. Afinal
de contas, funções como essas são sempre contı́nuas, e nem sempre as funções periódicas
que queremos representar o são. Esta discussão será mais aprofundada no Capı́tulo 2.2.
Neste momento, iremos relembrar algumas definições das áreas de Álgebra Linear e
de Topologia. Isso se faz necessário pois desejamos atribuir um significado para a Série
de Fourier que só será possı́vel a partir desse ferramental.
3. hα · u; vi = α · hu; vi;
4. hu; ui > 0, se u 6= 0.
Notação 1. Neste estudo, usaremos a seguinte notação para representar o produto interno
do vetor u com o vetor v: hu; vi.
Capı́tulo 1. Conceitos Preliminares 14
hu; vi = α1 β1 + · · · + αn βn
Xn
= αk βk .
k=1
Exemplo 2. Seja E = C 0 ([a, b]; C) o espaço vetorial complexo formado pelas funções
contı́nuas f : [a, b] → C, definidas no intervalo [a, b] e tomando valores complexos. É
possı́vel verificar com as propriedades citadas anteriormente que um produto interno her-
mitiano entre f, g ∈ E pode ser definido como:
Z b
hf ; gi = f (t)g(t)dt. (1.2.1)
a
Definição 4. Seja E um espaço vetorial complexo. Uma norma em E é uma função que
associa a cada vetor x ∈ E com o número real kxk, chamado de norma de x, de modo
que para quaisquer x, y ∈ E e λ escalar temos:
1. Se x 6= 0 então kxk =
6 0;
2. kλ · xk = |λ| · kxk;
3. kx + yk ≤ kxk + kyk.
Capı́tulo 1. Conceitos Preliminares 15
Mas veja que esta é exatamente a norma induzida pelo produto interno do mesmo
espaço, citado no Exemplo 1:
n
! 21
X
kvk = vk vk
k=1
1
= hv; vi 2 .
Exemplo 4. Seja E = C0 ([a, b]) o espaço vetorial cujos elementos são as funções contı́nuas
f : [a, b] → C. Neste caso, com o produto interno das funções complexas já definido no
tópico acima, temos que:
s
Z b
kf k = f (t)f (t)dt. (1.2.2)
a
Perceba que esta norma é induzida pelo produto interno de seu espaço, citado no
Exemplo 2.
ku + vk = kuk + kvk.
ku + vk2 = hu + v; u + vi
=1 hu; ui + hu; vi + hv; ui + hv; vi
= hu; ui + hv; vi
= kuk2 + kvk2 .
u+v
v
u
Figura 1.2.1 – Representação da soma de dois vetores ortogonais. Nesta imagem os ve-
tores u e v são ortogonais, e o vetor u + v é sua soma. Créditos à autora
utilizando o programa GeoGebra.
• Caso algum dos vetores for nulo, digamos v, então este vetor será linearmente de-
pendente do outro, por definição. Além disso |hu; vi| = 0 e kuk · kvk = 0, o que gera
a igualdade.
hu; vi · u
• Se os vetores não forem nulos, então considere w = v − . Sabemos que:
kuk2
Capı́tulo 1. Conceitos Preliminares 17
2
2 hu; vi · u
0 ≤ kwk = v−
kuk2
2hu; vi2 hu; vi2 kuk2
0 ≤ kwk2 = kvk2 − +
kuk2 kuk4
2
2hu; vi hu; vi2
0 ≤ kwk2 = kvk2 − +
kuk2 kuk2
⇒ 0 ≤ kwk2 · kuk2 = kvk2 · kuk2 − hu; vi2
⇒ 0 ≤ kvk2 · kuk2 − hu; vi2
⇒ hu; vi2 ≤ kuk2 · kvk2
⇒ |hu; vi| ≤ kuk · kvk.
Agora que definimos o espaço aonde buscaremos nossas funções, como seria um con-
junto ortonormal nele? Iremos agora relembrar os conceitos principais ao redor da ideia
de conjunto ortonormal.
O que faremos nessa seção é é construir um conjunto, que ao final da discussão, veremos
que se trata de um conjunto ortonormal de dimensão. Antes disso, precisamos relembrar
a Fórmula de Euler e definir um tipo de integral que será usada no exemplo que se
segue:
Demonstração. Iremos mostrar a igualdade com o sinal positivo, pois com o sinal nega-
tivos é análogo. Primeiramente, vamos considerar a função exponencial em sua forma de
série infinita:
Capı́tulo 1. Conceitos Preliminares 19
∞
x x x2 x3 X xn
e =1+ + + + ··· = .
1 2! 3! n=0
n!
Definição 7. Seja f : [c, d] → C com c, d ∈ R e tal que f (t) = a(t) + i b(t), ∀t ∈ [c, d].
Definimos:
Z d Z d Z d
f (t) dt = a(t) dt + i b(t) dt
c c c
Z 1 Z 1
= cos (2kπt)dt + i sen(2kπt)dt
0 0
1 i
= (cos (2kπ) − 1) + sen(2kπ)
2kπ 2kπ
= 0.
Assim, vemos que quaisquer vetores de Φ serão dois a dois ortogonais entre si. Portanto
estamos trabalhando com um conjunto ortogonal. Para além disso, calculando a norma
de um vetor genérico e2πint ∈ Φ a partir da Equação (1.2.2):
p
ke2πint k = he2πint ; e2πint i
s
Z 1
= e2πint e2πint dt
0
s
Z 1
= e2πint e−2πint dt
0
s
Z 1
= e0 dt
0
q
= [t]10 dt
= 1.
Concluı́mos que além de ortogonal, Φ tem seus vetores com norma 1, e portanto Φ é
um conjunto ortonormal.
Agora definiremos talvez o conceito mais importante para a seção seguinte, que é o
conceito de projeção ortogonal. Entendendo como são os vetores do conjunto ortonormal
do espaço que iremos trabalhar, agora vamos entender como vetores que não estão nesse
espaço podem ser aproximados pelos vetores que estão. Através das projeções ortogonais.
Figura 1.5.1 – Projeção ortogonal do vetor v sobre o vetor u, gerando o vetor p. Figura
elaborada pela autora utilizando o programa GeoGebra.
Figura 1.5.2 – Projeção ortogonal do vetor v sobre o vetor u, gerando o vetor p, com des-
taque para o vetor w. Figura elaborada pela autora utilizando o programa
GeoGebra.
v = p+w
= λu + w.
hu; vi = hu; λu + wi
= λhu; ui + hu; wi.
hu; vi = λhu; ui
hu; vi
⇒λ = .
hu; ui
em que u é diferente de 0.
Trouxemos esta intuição de R2 já que nesse espaço conseguimos ilustrar as teorias.
Tendo esta motivação em mente, agora vamos generalizar a ideia de projeção ortogonal
para o espaço vetorial Cn :
Definição 8. Num espaço vetorial Cn com produto interno, seja u um vetor não-nulo.
Dado qualquer v ∈ Cn , o vetor
Capı́tulo 1. Conceitos Preliminares 22
hu; vi
u
hu; ui
chama-se projeção ortogonal de v sobre o eixo que contém o vetor não-nulo u.
Notação 2. Para identificar a projeção ortogonal do vetor v sobre o eixo que contém o
vetor não-nulo u usaremos a seguinte notação:
hu; vi
pru (v) = u.
hu; ui
Note que no caso de o vetor u ser unitário, então terı́amos uma simplificação na
notação, ficando: pru (v) = hu; vi u.
hf ; en i
pren (f ) = en
hen ; en i
Poderı́amos, por exemplo, escolher f como sendo f (t) = cos (2πt) e um vetor e2πit de
Φ para o qual n = 1. A partir disso, e utilizando a Fórmula de Euler temos:
Z 1
2πit
pren (f )(t) = e · cos (2πt) · e2πit dt
Z0 1
= e2πit · cos (2πt) · e−2πit dt
Z0 1
= e2πit ·
cos (2πt) · cos (2πt) − i sen(2πt) dt
" Z0 #
1 Z 1
∗ 2πit 2
= e cos (2πt) dt − i cos (2πt) sen(2πt)dt
0 0
" Z #
1 Z 1 Z 1
1 1 i
= e2πit dt + cos (4πt)dt − sen(4πt)dt
2 0 2 0 2 0
| {z } | {z } | {z }
1 0 0
e2πit
= .
2
Na igualdade =∗ foram usadas as seguintes igualdades trigonométricas:
1 + cos (2θ)
cos2 θ = e sen(2θ) = 2 senθ cos θ.
2
Capı́tulo 1. Conceitos Preliminares 23
2 Séries de Fourier
Com base no capı́tulo anterior, agora discutiremos séries de Fourier. O objetivo por
trás da representação de funções pela sua Séries de Fourier, quando possı́vel, é fazer com
que uma função periódica, de lei de formação muitas vezes não trivial, seja transformada
numa soma de funções que mais facilmente conseguimos manipular e entender, que são
as funções seno e cosseno. A beleza desta teoria está exatamente em simplificar a lei de
formação de funções de comportamento menos previsı́vel.
Mas devido a isso, precisamos nos atentar a certos aspectos:
• Será que qualquer função pode ser representada por sua série de Fourier?
• Se não forem todas as funções que podem ser expressas, quais podem?
Definição 10. Uma função f : R → R será seccionalmente diferenciável se ela for secci-
onalmente contı́nua e se sua função derivada f também o for.
O leitor perceberá que durante os textos as palavras funções e sinais são tratadas
como sinônimos exatamente pelo nosso objetivo final ser o de interpretar funções que codi-
ficam informações sobre sinais de imagens. Além disso, pelo fato da função ser periódica,
analisando as informações no perı́odo dela saberemos prever o que acontece com a função
em qualquer outro momento, posterior e anterior. Devido a isso, grande parte de nossos
exemplo trazem a análise apenas do perı́odo da função.
Discutiremos todos os tópicos mencionados e outros tendo suporte na teoria já menci-
onada no Capı́tulo 1. Sem mais delongas, vamos adentrar ao estudo das Séries de Fourier:
Capı́tulo 2. Séries de Fourier 25
∞
Z ! ∞ Z
X X
un (x) dx = un (x)dx.
I n=1 n=1 I
Z a Z a
f (t)dt = 2 f (t)dt. (2.1.1)
−a 0
Z a
f (t)dt = 0. (2.1.2)
−a
∞
! !!
a0 X πnt πnt
f (t) = + an cos + bn sen (2.1.3)
2 n=1
L L
e que a série convirja uniformemente para f . Podemos afirmar pela Proposição 2 que a
função f é contı́nua. Verifica-se que um perı́odo de f é 2L. Usando a Proposição 3, e
utilizando a Proposição 4 podemos escrever:
∞
Z L ! ! !
a0 L
Z Z L Z L
X πnt πnt
f (t)dt = dt + an cos dt + bn sen dt
−L 2 −L n=1 −L L −L L
∞
! !
a0 L
Z Z L
X πnt
= dt + 2 · an cos dt
2 −L n=1 0 L
∞
!
X 2 · L · an
= L · a0 + ( sen(πn) − sen0)
n=1
πn
1 L
Z
⇒ a0 = f (t)dt.
L −L
com n, m ∈ Z∗ .
Capı́tulo 2. Séries de Fourier 27
!
πmt
Para encontrarmos an multiplicamos a Equação (2.1.3) por cos , para algum
L
m ∈ Z∗ , integramos em relação a t e após utilizaremos as relações de paridade da função
para identificar o coeficiente:
! ! ∞
( ! !
πmt a0 πmt X πnt πmt
f (t) cos = cos + an cos cos +
L 2 L n=1
L L
! !)
πnt πmt
+bn sen cos
L L
Z L ! Z L !
πmt a0 πmt
⇒ f (t) cos dt = cos dt+
−L L −L 2 L
∞
(Z ! !
L
X πnt πmt
+ an cos cos dt+
n=1 −L L L
Z L ! ! )
πnt πmt
+ bn sen cos dt
−L L L
= am · L
!
1 L
Z
πmt
⇒ am = f (t) cos dt.
L −L L
Já que todos os coeficientes em que m 6= n serão iguais a 0. Para encontrar bn faremos
!
πmt
um processo similar, porém agora multiplicaremos a Equação (2.1.3) por sen ,
L
novamente para algum m ∈ Z∗ :
! ! ∞
( ! !
πmt a0 πmt X πnt πmt
f (t) sen = sen + an cos sen +
L 2 L n=1
L L
! !)
πnt πmt
+bn sen sen
L L
Z L ! Z L !
πmt a0 πmt
⇒ f (t) sen dt = sen dt+
−L L −L 2 L
∞
(Z ! !
L
X πnt πmt
+ an cos sen dt+
n=1 −L L L
Z L ! ! )
πnt πmt
+ bn sen sen dt
−L L L
= bm · L
!
1 L
Z
πmt
⇒ bm = f (t) sen dt.
L −L L
Capı́tulo 2. Séries de Fourier 28
Veja que neste caso estamos considerando funções de perı́odos qualquer, mas adotando
as funções no espaço L2 [0, 1] que podem ser escritas em termos de suas séries de Fourier
1
terı́amos uma notação um pouco mais simplificada, já que seu perı́odo seria 1, e L = :
2
∞
a0 X
f (t) ≈ + (an cos(2πnt) + bn sen(2πnt))
2 n=1
com
Z 1
a0 = 2 f (t)dt,
Z−11
an = 2 f (t) cos (2πnt)dt,
Z−11
bn = 2 f (t) sen(2πnt)dt.
−1
f (t + 1) = sen(2π(t + 1))
= sen(2πt + 2π)
= sen(2πt) cos (2π) + sen(2π) cos (2πt)
= sen(2πt)
= f (t).
1
Portanto, o perı́odo fundamental da função é 1. Dessa forma L = . Agora podemos
2
encontrar os coeficientes de sua série de Fourier:
• Para a0 temos:
1 L
Z
a0 = f (t)dt
L −L
Z 1/2
= 2 sen(2πt)dt
−1/2
= 0.
Como esperávamos.
• Para an temos::
!
1 L
Z
πnt
an = f (t) cos dt
L −L L
Z 1/2
= 2 sen(2πt) cos (2πnt)dt.
−1/2
u + un u − un
Utilizando a fórmula 2.1.9 de Prostaférese, com p = e q = , e a
n n
Proposição 4 sobre paridade:
Capı́tulo 2. Séries de Fourier 30
"Z ! ! #
πn Z πn
1 u + un u − un
an = sen du + sen du
πn −πn n −πn n
= 0.
Como esperávamos. Uma solução alternativa seria notar que o integrando é uma
função ı́mpar, pois é a multiplicação de uma função par, que é a função cos(2πnt),
por uma função ı́mpar, que é a função sen(2πt). Como estamos em um intervalo
simétrico, o valor é 0, realmente.
• Para o cálculo de bn :
!
1 L
Z
πnt
bn = f (t) sen dt
L −L L
Z 1/2
= 2 sen(2πt) sen(2πnt)dt.
−1/2
w + wn w − wn
Utilizando a fórmula 2.1.10 de Prostaférese, para p = eq= ,ea
n n
Proposição 4 sobre paridade temos:
"Z ! ! #
πn Z πn
−1 w + wn w − wn
bn = cos dw − cos dw
2πn −πn n −πn n
" " !#πn " !#πn #
−1 2n w + wn 2n w − wn
= · sen − · sen
2πn 1 + n n 1−n n
" 0 # 0
−1 2n 2n
= · [ sen(πn)] − · [− sen(πn)]
2πn 1 + n 1−n
−2 sen(πn)
=
π(n2 − 1)
= 0.
Mas veja que no terceiro passo de nossa última conta, para atender às condições de
existência da fração, precisamos que n 6= 1. Então faremos o caso particular em que
n = 1 separadamente:
Capı́tulo 2. Séries de Fourier 31
Z 1/2
b1 = 2 sen(2πt) sen(2πt)dt
−1/2
Z 1/2
= 2( sen(2πt))2 dt
Z−1/2
1/2 Z 1/2
= dt − cos (2πt)dt
−1/2 −1/2
= 1.
= sen(2πt).
eiz − e−iz
senz = ;
2i (2.1.11)
eiz + e−iz
cos z = ;
2
sendo z ∈ R.
A partir da Definição 2.1.7, e considerando que conseguimos escrever a função f como
sua série de Fourier, temos:
∞
! !!
a0 X πnt πnt
f (t) = + an cos + bn sen .
2 n=1
L L
Veja que se conseguirmos provar uma equivalência desta definição para os números
complexos com n percorrendo um número finito de termos no somatório, ainda valerá que
para n percorrendo uma infinidade de termos teremos esta igualdade. Desta maneira e
utilizando as equações em 2.1.11 segue que:
Capı́tulo 2. Séries de Fourier 32
N −πint
πint πint −πint
!
a0 X e +e L
L e L −e L
f (t) = + an + bn
2 n=1
2 2i
N
! ! !
a0 X an bn πint an bn −πint
= + + e L + − e L
2 n=1
2 2i 2 2i
N
! N
!
a0 X an bn i πint X an bn i −πint
= + + e L + − e L
2 n=1
2 2i i n=1
2 2i i
N
! N
!
a0 X an ibn πint X an ibn −πint
= + − e L + + e L .
2 n=1
2 2 n=1
2 2
Agora defina:
a0
c0 = ;
2 !
an ibn
cn = − ;
2 2
!
an ibn
c−n = + .
2 2
Portanto escrevemos:
N −1
πi0t
X πint
X πijt
f (t) = c0 e L + cn e L + cj e L
n=1 j=−N
N
πint
X
= cn e L .
n=−N
com a0 , an e bn sendo os coeficientes de Fourier. Mas uma outra maneira muito útil de
representar cn é por uma integral, assim como fizemos para os coeficientes an , bn e a0
anteriormente. Utilizando as definições que demos para os coeficientes an , bn e a0 , e a
Fórmula de Euler 1.4.1 temos para n > 0:
! ! !
1 1 L 1 L
Z Z
πnt πnt
cn = f (t) cos dt − i f (t) sen dt
2 L −L L L −L L
Z L ! !!
1 πnt πnt
= f (t) cos − i sen dt
2L −L L L
Z L
1 −πint
= f (t)e L dt.
2L −L
1 1 L
Z
c0 = · f (t)dt
2 L −L
Z L
1 −π0t
= f (t)e L dt.
2L −L
Definimos:
Essa representação nos é muito útil por abarcar as funções complexas, mas também
pela forma mais enxuta que se mostra em relação à representação para funções reais. É
interessante notar que da forma como definimos, c0 será sempre um número real.
Perceba que o intervalo de integração pode ser modificado, desde que se respeite o
intervalo periódico 2L da função. Ou seja, estamos querendo dizer que:
Z a+2L
1 −πint
g(a) = f (t)e L dt
2L a
é uma função costante, ∀a ∈ R. Uma das formas de mostrarmos isso é ver que:
Z a+2L !
d −πint −πin(a+2L) −πina
f (t)e L dt = e L f (a + 2L) − e L f (a)
da a
−πina −πina
= e L e−2πin f (a + 2L) − e L f (a)
−πina −πina
=1 e L e−2πin f (a) − e L f (a)
−πina
e L f (a) e−2πin − 1
=
−πina
e L f (a) (e−πi )2n − 1
=
−πina
=2 e L f (a) 12n − 1
−πina
= e L f (a) · 0
= 0.
Figura 2.1.1 – Gráfico da função Box. O código dessa imagem pode ser encontrado no
apêndice 5 em 5.1.
1
Para esta função consideramos que o perı́odo fundamental é 1, e dessa forma L = . E
2
veja que a Função Box é seccionalmente contı́nua no intervalo [0, 1], e portanto podemos
representar seus coeficientes pela Equação (2.1.14). Então para encontrar sua equação
faremos para n 6= 0:
Z 1
cn = g(t)e−2πint dt
Z0 1 Z 1
2
−2πint
= e dt − e−2πint dt
1
0 2
Z 1 Z 1
2
= cos (2πnt) − i sen(2πnt)dt − cos (2πnt) − i sen(2πnt)dt
1
0 2
Z 1 Z 1 Z 1 Z 1
2 2
= cos (2πnt)dt − i sen(2πnt)dt − cos (2πnt)dt + i sen(2πnt)dt
1 1
0 0 2 2
1
= ( sen(πn) − sen0 + i cos (πn) − i cos 0 − sen(2πn) + sen(πn)
2πn
−i cos (2πn) + i cos (πn)).
Veja que a partir desse momento, dependendo do valor de n ser par ou ı́mpar, os
valores dos cossenos serão diferentes. Portanto dividiremos em dois casos:
1
cn = ( sen(πn) − sen0 +i cos (πn) −i cos 0 − sen(2πn) + sen(πn)
2πn | {z } | {z } | {z } |{z} | {z } | {z }
0 0 −1 1 0 0
−i cos (2πn) +i cos (πn))
| {z } | {z }
1 −1
−4i
=
2πn
−2i
= .
πn
No caso de n = 0 teremos:
Z 1
c0 = g(t)e0 dt
Z0 1 Z 1
2
= dt − dt
1
0 2
= 0.
cn = πn
0, se n for par.
Z L
1 −πi(−n)t
c−n = e L f (t)dt
2L −L
Z L
1 πint
= e L f (t)dt
2L −L
Z L
1 −πint
= e L f (t)dt
2L −L
Z L
1 −πint
= e L f (t)dt
2L −L
Z L
1 −πint
= e L f (t)dt
2L −L
= cn .
O que reforça ainda mais o fato de que c0 é um número real. De fato, ao se calcular
c0 teremos exatamente a média da função f , por definição:
Z L Z L
1 −πit0 1
c0 = e L f (t)dt = f (t)dt.
2L −L 2L −L
∞
X 2 2πi(−3)t 2 2πi(−1)t 2 2πi(1)t
cn e2πint = · · · − e − 0 e2πi(−2)t − e + 0 e2πi(0)t + e +
n=−∞
3πi πi πi
2 2πi(3)t
+0 e2πi(2)t + e + ···
3πi
Dessa forma, conseguimos construir o gráfico presente na Figura 2.1.2.
Vimos na seção anterior a c−n = cn . Aqui podemos visualizar este fato olhando a
simetria do gráfico em relação à origem.
Capı́tulo 2. Séries de Fourier 38
Figura 2.1.2 – Gráfico do espectro de potências da Função Box. O código dessa imagem
pode ser encontrado no apêndice 5 em 5.2.
com
Capı́tulo 2. Séries de Fourier 39
−2i ,
se n for ı́mpar;
cn = πn
0, se n for par.
Utilizaremos a representação gráfica apenas no intervalo [0, 1], tanto para a função
quanto para suas séries. Implementando a lei de formação da função no programa Octave
obtemos a Figura 2.2.1. Agora, como é computacionalmente impossı́vel implementar
infinitos termos, precisamos fazer as aproximações para n finito. O resultado para uma
aproximação de n = 5, ou seja, com o somatório variando de n = −5 até n = 5, é
encontrado na Figura 2.2.2; o resultado para uma aproximação de n = 50, ou seja, com
o somatório variando de n = −50 até n = 50, é encontrado na Figura 2.2.3; e o resultado
para uma aproximação de n = 100, ou seja, com o somatório variando de n = −100 até
n = 100, é encontrado na Figura 2.2.4.
Figura 2.2.1 – Gráfico da função Box. O código dessa imagem pode ser encontrado no
apêndice 5 em 5.1.
Figura 2.2.2 – Gráfico da Série de Fourier da função Box para n = 5. O código dessa
imagem pode ser encontrado no apêndice 5 em 5.3.
Figura 2.2.3 – Gráfico da Série de Fourier da função Box para n = 50. O código dessa
imagem pode ser encontrado no apêndice 5 em 5.3.
Figura 2.2.4 – Gráfico da Série de Fourier da função Box para n = 100. O código dessa
imagem pode ser encontrado no apêndice 5 em 5.3.
Neste capı́tulo definimos através da Equação (2.1.13) que para f ∈ L2 [0, 1], poderı́amos
escrever sua série de Fourier como:
∞
X
Sf (t) = cn e2πint
n=−∞
Capı́tulo 2. Séries de Fourier 41
com
Z 1
cn = f (t)e−2πint dt.
0
Então quando fazemos a série de Fourier de uma função f ∈ L2 [0, 1] o que essenci-
almente fazemos é tentar descrever a função f projetada sobre o conjunto das funções
exponenciais, o qual chamamos de Φ. No exemplo trabalhado o espaço escolhido foi o
L2 [0, 1], porém poderı́amos pegar funções em outros espaços em L2 (I), com I sendo um
intervalo qualquer, que a lógica seria a mesma.
A partir dessa identificação conseguimos um olhar mais apurado sobre o fenômeno de
Gibbs, entendendo que a aproximação de f sobre Φ é possı́vel somente com uma quantia
infinita de vetores, pois é assim que é formado o conjunto Φ.
∞
! !!
1h i a
0
X πnt πnt
lim f (x) + lim− f (x) = + an cos + bn sen .
2 x→t+ x→t 2 n=1
L L
Capı́tulo 2. Séries de Fourier 42
O que nos mostra que a média dos limites laterais da função aplicada no ponto será
exatamente o valor da série de Fourier da função aplicada no mesmo ponto. E veja que,
quando f for contı́nua, o lado esquerdo dessa igualdade é exatamente f (t).
Uma demonstração possı́vel para este teorema é dividir as funções que serão verificadas
em três grupos, reunindo-as de tal forma a conseguir utilizar o Teste de Dini para
demonstrar cada caso. Esse teste pode ser encontrado na referência (6).
O Teste de Dini estipula sobre quais circunstâncias o erro existente entre a soma
parcial da série de Fourier da função f no ponto x, dada por
n
! !!
a0 X πjt πjt
sn (x) = + aj cos + bj sen
2 j=1
L L
! L
πnt
Como f (t) sen = 0 obtemos:
L
−L !
L
−1
Z
πnt
an = f 0 (t) sen dt. (2.3.2)
nπ −L L
Analogamente, para bn temos:
!
Z L
1 πnt
bn = f (t) sen dt.
L −L L
!
πnt
Ao integrarmos por partes, com u = f (t) e dv = sen obtemos:
L
" ! L ! #
L
1 −L
Z
πnt L πnt
bn = f (t) cos + f 0 (t) cos dt .
L nπ L nπ −L L
−L
Portanto:
!
Z L
1 πnt
bn = f 0 (t) cos dt. (2.3.3)
nπ −L L
Esta forma alternativa nos será necessária durante a demonstração do teorema 5.
n n
! 21 n
! 12
X X X
aj b j ≤ a2j · b2j .
j=1 j=1 j=1
2
0 ≤ |a| − |b| = |a|2 − 2 · |a| · |b| + |b|2
2 · |a| · |b| ≤ |a|2 + |b|2
ou
|a| · |b| ≤ |a|2 + |b|2 .
Ao mesmo tempo, veja que:
2
|a| + |b| = |a|2 + 2 · |a| · |b| + |b|2
2
⇒ |a| + |b| ≤ 2 · |a|2 + |b|2 .
pela estimativa dos coeficientes de Fourier nas equações 2.3.3 e 2.3.2, obtemos
Capı́tulo 2. Séries de Fourier 45
−L 0 L
an = bn e bn = an 0 .
πn πn
Portanto, a reduzida de ordem n da série 2.3.4 é:
n n
!
X X −L 0 L
(|ak | + |bk |) = bk + ak 0
k=1 k=1
πk πk
n
!
X L L
= |bk 0 | + |ak 0 |
k=1
πk πk
n
L X1
|ak 0 | + |bk 0 | .
=
π k=1 k
Logo a série converge. Sabemos pelo teorema anterior que a série converge pontual-
mente para f . Logo, a série converge uniformemente para f .
Como hipótese temos que suas séries de Fourier são iguais, ou seja:
∞
! !! ∞
! !!
a0 X πnt πnt c0 X πnt πnt
+ an cos + bn sen = + cn cos + dn sen .
2 n=1 L L 2 n=1 L L
Este teorema nos mostra que a Série de Fourier capta melhor o comportamento de
partes contı́nuas de funções do que de partes descontı́nuas. Isso evidencia a necessidade
do estudo de outras possı́veis representações, como traremos no próximo capı́tulo, porém
não desqualifica esta representação.
47
3 Transformada de Fourier
No capı́tulo anterior, trabalhamos com a série de Fourier, que pode ser aplicada so-
mente em funções que são periódicas. Gostarı́amos de estender este conceito para funções
que não são periódicas, para assim abarcar mais tipos de funções, mantendo um paralelo
com certos conceitos já estudados até então. Para isso, estudaremos sobre a Transfor-
mada de Fourier, que atenderá essa demanda. Além disso, definiremos a Transfor-
mada Inversa de Fourier, e entenderemos a relação que existe entre a transformada
de Fourier com os coeficientes da série de Fourier, e da transformada inversa de Fourier
com a série de Fourier.
Além disso, na seção 3.3 iniciaremos a discussão sobre aplicação dos conceitos estu-
dados para imagens, discutindo como entender uma imagem como uma função, e como
estender as definições trazidas para funções em R2 . Além disso, vamos discutir sobre quais
aspectos podemos identificar uma imagem e seu espectro de potências.
Z T
1 2 πint
cn = e−2 T f (t)dt
T − T2
Z T
1 2 n
= e−2πit T f (t)dt.
T − T2
Como a partir de certo ponto a função se anula, podemos mudar os limites de in-
tegração para a parte que contém as informações não nulas da função. Supondo que a
função seja diferente de zero no intervalo [a, b] temos:
Z b
1 n
cn = e−2πit T f (t)dt.
T a
A representação dos coeficientes pode ser feita no domı́nio de frequências, como vimos
na seção 2.1.3. E para isso, como as funções e seus coeficientes podem ser complexos, é
necessário que se tire o módulo dos coeficientes. Então temos:
Z b
1 n
|cn | = e−2πit T f (t)dt
T a
Z b
1 n
≤ |e−2πit T ||f (t)|dt.
T a
n n
Nesse momento, quando fizermos T → ∞ teremos que → 0, então e−2πit T = 1.
T
Restará:
Z b
|cn | ≤ |f (t)|dt.
a
Z b
M
Mas |f (t)|dt é um número M ∈ R. Isso quer dizer que |cn | ≤. O que quer
a T
dizer que quando T → ∞ os coeficientes vão para 0! Isso não nos será útil, afinal
dessa maneira não ganharemos nenhum tipo de informação do sinal. O que faremos para
n
contornar este problema será alterar , que é uma variável discreta, para uma variável
T
n
contı́nua. Consideraremos = ω, e com isso queremos que n → ∞ ao passo que T → ∞.
T
Dessa forma definimos a transformada de Fourier de f como:
Z ∞
ˆ
f (ω) = f (t)e−2πiωt dt.
−∞
e com isso veja que as caracterı́sticas que estamos procurando nesse espaço são:
1. f precisa ser seccionalmente contı́nua em cada intervalo [−M, N ], pois isso fará com
que a função f (t)e−2πiωt seja limitada e integrável no intervalo [−M, N ];
Z ∞ Z N
2. |f (x)|dx ≤ ∞, pois isso implica que lim f (t)e−2πiωt dt existe, em outras
−∞ M,N →∞ −M
palavras, que ele tem um valor limitado. De fato, dado > 0, existe K > 0 tal que:
Z −K Z ∞
|f (x)|dx + |f (x)|dx <
−∞ K
e além disso:
Z −K Z ∞ Z −K Z ∞
−2πiωt −2πiωt
e f (x)dx + e f (x)dx ≤ |f (x)|dx + |f (x)|dx.
−∞ K −∞ K
Uma classe que comporta funções com essas caracterı́sticas é o espaço de funções L1 ,
espaço este bastante similar com o espaço L2 citado no capı́tulo 1, mas que oferece funções
f tais que o item 2 é satisfeito e que portanto a integral imprópria da função também
converge. Porém dada f ∈ L1 não é verdade que fˆ ∈ L1 , como mostrado no exemplo
abaixo.
= x]1−1
= 2.
2 sen(2πω)
Para fins de simplificação de cálculo, retornaremos a fˆ(ω) = e veja que:
2πω
Z ∞ Z ∞
2 sen(2πω) sen(2πω)
dω = 2 dω
−∞ 2πω −∞ 2πω
1 ∞ sen(z)
Z
= dz
π −∞ z
"Z Z ∞ #
0
1 sen(z) sen(z)
= dz + dz
π −∞ z 0 z
com z = 2πω. Além disso, veja que a constante nesse caso não interfere em nossa
análise, visto que precisamos verificar se esta integral diverge ou não, e que se somente
uma das integrais divergir já será suficiente para inferir que a soma delas diverge. Logo
analisaremos apenas que a integral abaixo diverge
∞ ∞
| sen(z)|
Z Z
sen(z)
dz = dz.
0 z 0 z
∞ n Z (k+1)π
| sen(z)| | sen(z)|
Z X
dz = lim dz. (3.1.1)
0 z n→∞
k=0 kπ z
O que estamos fazendo é dividir o intervalo real em intervalos de kπ até (k + 1)π. E
dentro deste intervalo, o maior valor assumido por z é (k + 1)π; dessa forma
n (k+1)π n (k+1)π
| sen(z)| | sen(z)|
X Z X Z
dz ≥ dz. (3.1.2)
k=0 kπ z k=0 kπ (k + 1)π
Agora veja que
Capı́tulo 3. Transformada de Fourier 51
(k+1)π Z (k+1)π
| sen(z)|
Z
1
dz = | sen(z)| dz
kπ (k + 1)π (k + 1)π kπ
−1 (k+1)π
= cos z]kπ
(k + 1)π
−1
= [cos ((k + 1)π) − cos (kπ)]
(k + 1)π
−1
= [−1 − 1]
(k + 1)π
2
= .
(k + 1)π
n
X 2
Mas é uma p-série com p < 1 e portanto divergente (isso pode ser en-
k=0
(k + 1)π
contrado na referência (3)). Analisando as equações em 3.1.1 e 3.1.2 temos a situação:
∞ n
| sen(z)|
Z X 2
dz ≥ lim .
0 z n→∞
k=0
(k + 1)π
n
X 2
Pelo fato da série divergir, então quando n → ∞ isso também irá diver-
k=0
(k + 1)π
Z ∞
| sen(z)|
gir, e portanto dz diverge.
0 z
Dessa forma, temos uma teoria um tanto quanto assimétrica. Um dos problemas disso
é o fato de a composição de transformadas de Fourier não necessariamente pertencerem
ao espaço L1 , assim como o fato de não conseguirmos definir uma função inversa da
transformada que ainda esteja no espaço. Por conseguinte, iremos tomar um subconjunto
de L1 de forma a garantir que esse tipo de contradição não aconteça. O referido espaço é
definido abaixo:
dα ζ(x)
lim xk =0 (3.1.3)
|x|→∞ dxα
quaisquer que sejam k ∈ N e α ∈ N.
Explorando um pouco mais a definição: Para que o limite (3.1.3) seja igual a zero é
necessário que as funções ζ ∈ C ∞ (R) tendam mais rápido para zero do que as funções
polinomiais crescem. Daı́ o nome “espaço das funções rapidamente decrescentes”.
A partir desse embasamento, conseguimos definir a transformada de Fourier:
Capı́tulo 3. Transformada de Fourier 52
A demonstração desta proposição pode ser encontrada na referência (6), assim como
outras propriedades importantes da transformada de Fourier, mas que optamos por não
trazer para nosso trabalho por dependerem de outras proposições.
n=−∞
com
Z 1
1 T −2πint
cn = f (t) e T dt.
T − T1
n
Faremos a substituição = ω nos coeficientes cn da seguinte forma:
T
Z 1
1 T 1 ˆ
f (t) e−2πiωt dt = f (ω).
T − T1 T
| {z }
≈fˆ(ω)
Capı́tulo 3. Transformada de Fourier 53
1
Chamando = 4ω teremos que a série será da forma:
T
∞
X
f (t) ≈ fˆ(ω) e2πiωt 4ω.
n=−∞
A demonstração desse teorema pode ser encontrada na referência (6). Mas elucidando
um pouco mais, podemos demonstrar que esse operador é o inverso da transformada de
Fourier mostrando que vale a identidade abaixo:
Z ∞
f (t) = fˆ(ω) e2πiωt dω
−∞
Exemplo 10. Primeiramente faremos o espectro de potências da função caixa, dada pela
lei de formação:
1
1, se |t| ≤ ;
Π(x) = 2
0, se |t| > 1 .
2
Escolhemos esta função pois ela é bastante conhecida na literatura. Seu nome se dá
devido ao seu gráfico:
Figura 3.2.1 – Gráfico da função caixa. O código dessa imagem pode ser encontrado no
apêndice 5 em 5.4.
Percebe-se que esta função não é periódica, e por isso não podemos fazer seu espectro
de potências, já que a priori ela não teria série de Fourier. Mas faremos 3 extensões
periódicas para ela, com os perı́odos sendo 2, 4 e 16. Nosso intuito é entender o que
acontece conforme o perı́odo da função aumenta.
Vamos calcular uma forma geral com perı́odo T para seu coeficiente de Fourier, usando
a forma complexa, e após iremos colocar os perı́odos citados e fazer seu espectro de
potências, como na seção 2.1.3. Calculando seu coeficiente, temos:
Z T
1 2 2πint
cn = e− T Π(t)dt
T −2 T
Z 1
1 1 2 − 2πint
= e T 1dt
T − 21
"Z 1 ! Z 1 ! #
1 2 2πnt 2 2πnt
= cos dt − i sen dt .
T − 21 T − 12 T
1
Sendo que =1 é verdade uma vez que fora do intervalo de integração |t| ≤ o valor
2
da função é nulo. Pela Proposição 4:
Capı́tulo 3. Transformada de Fourier 55
!
Z 1/2
2 2πnt
cn = cos dt
T 0 T
!#1/2
2 T 2πnt
= · sen
T 2πnt T
! 0
1 πn
= sen .
πn T
A função encontrada é comumente chamada de função sinc. Veja que como a função
é real, podemos fazer seu espectro de potências simplesmente com o valor dos coeficientes,
e não mais com o módulo dos coeficientes ao quadrado.
Para a plotagem dos gráficos foi necessário usar um fator de correção, para que todos
os gráficos permanecessem na mesma ! escala. Isso porque conforme o valor de T era
1 πn
aumentado, o valor de sen diminuia. Para corrigir isso, utilizamos o fator T :
πn T
!
T πn sen πn/T
T · cn = sen = .
πn T πn/T
Apesar do fator de correção, a menos deles, as variações das frequências são conserva-
das. Dessa forma conseguimos:
Figura 3.2.2 – Gráfico do espectro de potências da função caixa com T=2. Código para
geração da imagem disponı́vel no apêndice 5 em 5.5.
Figura 3.2.3 – Gráfico do espectro de potências da função caixa com T=4. Código para
geração da imagem disponı́vel no apêndice 5 em 5.5.
Figura 3.2.4 – Gráfico do espectro de potências da função caixa com T=16. Código para
geração da imagem disponı́vel no apêndice 5 em 5.5.
Capı́tulo 3. Transformada de Fourier 57
Pela Proposição 4:
Z 1/2
fˆ(ω) = 2 cos (2πωt)dt
0
2 1/2
= sen(2πωt) 0
2πω
1
= sen(πω).
πω
Veja que essa representação é exatamente a mesma representação para o coeficiente
de Fourier que havı́amos encontrado, com a diferença de que ω é uma variável contı́nua.
A representação gráfica deixa isso ainda mais claro:
Figura 3.2.5 – Gráfico da transformada de Fourier da função caixa. O código dessa ima-
gem pode ser encontrado no apêndice 5 em 5.6.
Além disso, note que a frequência mais utilizada para recuperar o sinal da função caixa
é a frequência ω = 0, o que faz muito sentido já que a função é constante em quase todo
o seu domı́nio, necessitando de frequências mais baixas para ser recuperada.
(a) (b)
Figura 3.3.1 – Na Figura 3.3.1a temos uma imagem ilustrativa e a Figura 3.3.1b é o gráfico
da função que a representa. Imagens retiradas da referência (5).
A cada ponto dessa matriz, associamos uma informação que será interpretada como
a cor da imagem. Cada um desses pontos (pixels) comporta somente uma escala de
cor. A essa organização chamamos de canal de cores. Por exemplo, fotos preto e
branco podem ser representadas por apenas um desses canais, pois os pontos possuem
informações que vão do branco (normalmente relacionado com o número 1) ao preto
(normalmente representado pelo número 0). Nuances de cores, ou seja, os vários tons de
cinza dentro dessa escala, se associam com números dentro do intervalo [0, 1].
Fotos coloridas podem ser representadas pela composição de 3 canais. Isso porque
a maioria das cores podem ser formadas pela combinação das cores vermelha, verde e
azul, que é a escala RGB (do inglês: red, green, blue). Quando processamos uma imagem
colorida, é necessário que a avaliemos em cada um de seus canais separadamente, pois
Capı́tulo 3. Transformada de Fourier 59
essa imagem teria duas coordenadas no domı́nio, e o contradomı́nio teriam três, referentes
a cada uma das cores.
Entendida a parte de modelar imagens como funções, precisamos entender como adap-
tar o conceito de transformada de Fourier, até então em uma dimensão, para duas di-
mensões. Consideraremos duas variáveis para as frequências ω1 , ω2 ∈ C. Teremos:
Z ∞Z ∞
ˆ
f (w1 , w2 ) = f (x, y)e−2πi(xw1 +yw2 ) dxdy
−∞
Z ∞Z ∞−∞
(a) (b)
Figura 3.3.2 – Na Figura 3.3.2a temos a imagem de um bosque e a Figura 3.3.2b é seu
espectro de potências. Imagens retiradas da referência (9).
(a) (b)
Figura 3.3.3 – Na Figura 3.3.3a é uma foto tirada debaixo d´água, e a Figura 3.3.3b
representa seu espectro de potências. Imagens retiradas da referência (9).
61
4 Conclusões
Ressaltamos que todos os códigos aqui presentes foram rodados no software MATLAB.
Capı́tulo 5. Programas utilizados no MATLAB 63
%v a r i a v e i s
intervalo = 0:0.0001:1;
indice = 1;
%comandos em s i
for t = intervalo
valor = 0;
i f t < 0.5
valor = 1;
else
v a l o r = −1;
endif
%g r a f i c o
p l o t ( i n t e r v a l o , v e t o r , ’ . ’ , ’ LineWidth ’ , 0 . 1 )
xlim ( [ 0 1 ] )
ylim ( [ − 1 . 5 1 . 5 ] )
Capı́tulo 5. Programas utilizados no MATLAB 64
%comandos
f o r k=1
f o r w = −n : n
i f mod(w,2)==0 %c o n d i c i o n a l para a l t e r a r para 0 o v a l o r dos
%c o e f i c i e n t e s p a r e s
cn=0
else
cn = (−2∗ i ) / ( p i ∗w)
endif
mod2 ( k ) = ( abs ( cn ) ) ˆ 2 %para c o n s e g u i r m o s montar o g r f i c o ,
%p o i s os c o e f i c i e n t e s podem s e r complexos
k=k+1
endfor
endfor
v=−n : n
%plotagem do g r f i c o
p l o t ( v , mod2 , ’ ob ’ , ’ m a r k e r f a c e c o l o r ’ , ’ b ’ )
h o l d on
p l o t ([ −3 3 ] , [ 0 0] , ’ − r ’ , ’ l i n e w i d t h ’ , 1 )
plot ( [ 0 0 ] , [ 0 0.7] , ’ − r ’ , ’ linewidth ’ , 1 )
y l a b e l ( ’ M d u l o dos c o e f i c i e n t e s ao quadrado ’ , ’ f o n t s i z e ’ , 2 0 )
xlabel ( ’ Frequ ncias ’ , ’ fontsize ’ ,20)
Capı́tulo 5. Programas utilizados no MATLAB 65
%v a r i a v e i s
n = 1 0 0 ; %A t u a l i z a r a depender do numero de f r e q u e n c i a s d e s e j a d o
intervalo = 0:0.001:1;
indice = 1;
%comandos
for t = intervalo ;
valor = 0;
f o r m = −n : n ;
i f m ˜= 0
v a l o r = v a l o r + ( 1 ) / ( p i ∗ j ∗m)∗(1 − e ˆ(− p i ∗ j ∗m) ) ∗ e ˆ(2 ∗ p i ∗ j ∗m∗ t ) ;
endif
endfor
endfor
%g r a f i c o
plot ( intervalo , res )
Capı́tulo 5. Programas utilizados no MATLAB 66
%v a r i a v e i s
intervalo = −1:0.0001:1;
indice = 1;
%comandos em s i
for t = intervalo
valor = 0;
i f abs ( t ) < 0 . 5
valor = 1;
else
valor = 0;
endif
end
%g r a f i c o s
p l o t ( i n t e r v a l o , v e t o r , ’ . ’ , ’ LineWidth ’ , 0 . 1 )
xlim ([ −1 1 ] )
ylim ( [ − 0 . 5 1 . 5 ] )
Capı́tulo 5. Programas utilizados no MATLAB 67
% variaveis
T=2; %Esse numero s e a l t e r a a depender do p e r i o d o
n=5∗T; %Desse modo i r e m o s c o n s e g u i r c a l c u l a r os c o e f i c i e n t e s de
%−3 a t 3
%Comandos
f o r k=1
f o r w = −n : n ;
i f w==0
c(k) = 1
else
endif
k=k+1;
endfor
endfor
v=−n : n
%plotagem do g r a f i c o
bar ( v ∗ (1/T) , c )
xlim ([ −5 5 ] )
ylabel ( ’ Coeficientes ’ , ’ fontsize ’ ,20)
xlabel ( ’ Frequ ncias ’ , ’ fontsize ’ ,20)
Capı́tulo 5. Programas utilizados no MATLAB 68
%v a r i a v e i s
k=1
c = −5:0.1:5;
%comandos
for w = −5:0.1:5;
i f w==0
tf (k) = 1
else
t f ( k ) = ( s i n ( p i ∗w) ) / ( p i ∗w ) ;
endif
k=k+1;
endfor
%plotagem do g r a f i c o
plot (c , tf )
ylabel ( ’ Coeficientes ’ , ’ fontsize ’ ,20)
xlabel ( ’ Frequ ncias ’ , ’ fontsize ’ ,20)
69
Referências
1 OSGOOD, B. Lecture notes for EE 261 the Fourier transform and its applications.
California: Stanford University, 2002.
5 GOMES, J.; VELHO, L. Computação gráfica: imagem. Rio de Janeiro: IMPA, 2002.