Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouDerek Fonte Alterado mais de 10 anos atrás
1
Tratamento de ruídos em imagens e aplicações da transformada de Fourier
2
Redução de ruídos Dada uma imagem I com um ruído n, reduza n o máximo que puder (preferencialmente elimine n completamente) sem alterar significativamente I. 20 dB significam
3
Dois tipos básicos de ruídos
Ruído Gaussiano branco : processo estocástico de média zero, independente do tempo e dos espaço. é o mesmo processo estocástico que não varia no tempo. é uma variável aleatória com a distribuição:
4
Dois tipos básicos de ruídos
Ruído impulsivo: causado por erro de transmissão, CCDs defeituosos, etc... Também chamado de pico e de sal e pimenta. são v.a. uniformemente distribuídas imin, imax, e l são parâmetos de controle da quantidade de ruídos.
5
Exemplo de ruído Gaussiano (=5) e Impulsivo ( =0.99)
7
Imagem com ruído impulsivo
Uso da mediana 223 204 171 120 18 50 116 138 97 187 242 172 179 167 235 76 175 123 214 114 143 232 198 203 205 Iij = mediana Ωij
8
Sinal com ruído
9
Filtragem Gaussiana
10
Mascara ou Filtro ou:
11
Convolução
12
Ilustação da convolução
13
Ilustração da convolução
14
Discretização da Gaussiana 1D
0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4
15
Discretização da Gaussiana 2D
16
Separabilidade do filtro gaussiano
207 247 38 131 62 90 129 234 231 211 175 44 1 26 236 58 75 128 112 210 141 125 168 130 117 129 125 90 88 93 92 185 113 84 93 145 207 151 66 18 107 111 154 140 130 130 117 129 125 90 88 93 92
17
Série de Fourier f(t) t T Jean Baptiste Joseph Fourier (1768-1830)
T Jean Baptiste Joseph Fourier ( ) Paper de 1807 para o Institut de France: Joseph Louis Lagrange ( ), and Pierre Simon de Laplace ( ).
18
Coeficientes da Série f(t) t T
19
Eixo de freqüência
20
Domínios f(t) tempo ou espaço t T ak w bk freqüencia w
21
Coeficientes de funções pares e ímpares
f-ímpar ak= 0 f-par bk= 0
22
Série de Fourier com números complexos
23
Escrevendo em complexos
24
Periodicidade da Série de Fourier
f(t) t T t f(t) T
25
Transformada de Fourier
26
Sinal discreto r t 1 2 3 4 5 6 N-1
27
1 2 3 4 5 N t . . .
28
onde: onde:
29
onde: onde:
30
Transformada de Fourier
31
Transformada de Fourier (discreta e normalizada)
32
Transformada normalizada de Fourier: separação
33
Transformada normalizada de Fourier: Matriz H
38
Problemas com a Transformada de Fourier
39
Transformada de Mellin
40
Transformada de Mellin
41
Transformada de Mellin
42
Transformada de Mellin
44
Transformada de Mellin
46
Resultados da Transformada de Fourier
47
Exemplo 1: Função caixa (box)
f(x) a x b
48
Transformada da função box
f(x) a x b F(w) 1/b 2/b 3/b -1/b -2/b -3/b ab sinc(bw) w
49
Distribuição normal: Gaussiana
50
Exemplo 2: Gaussiana || F(w) || f(x) w x
51
Transformada do Delta de Dirac
f(x) (x) x || F(w) || w 1
52
Exemplo 4: Cosseno || F(w) || x w
53
Cosseno e Harmônicos 1 -1 i -i o cosseno corresponde a média de
dois harmônicos de freqüências w e -w
54
Exemplo 5: Sequência de impulsos
f(x) || F(w) || 1/b 2/b -1/b -2/b x -2b -1b 1b 2b 3b w f(x) || F(w) || w 1/b 2/b -1/b -2/b x 1b 2b 3b -1b -2b
55
Pares importantes
56
Propriedades da transformada
convolução
57
Filtragem nos domínios espacial e de freqüência
ou: Filtragem no domínio espacial pode ser obtida pela convolução Filtragem no domínio da frequencia pode ser obtida por uma transformada, seguida de um produto e de uma transformada inversa.
58
Tipos de Filtros F G H Passa baixa = Passa alta = Passa banda =
59
Imagem filtrada com um filtro passa baixa
60
Imagem filtrada com um filtro passa alta
61
An undersampled signal
62
Amostragem e Reconstrução
Observando os domínio do espaço e das freqüências
63
Sinal original domínio do espaço domínio das freqüências
64
Amostragem domínio do espaço domínio das freqüências produto
convolução
65
Sinal discretizado domínio do espaço domínio das freqüências
66
Reconstrução domínio do espaço domínio das freqüências convolução
produto
67
Retorno ao sinal original
domínio do espaço domínio das freqüências
68
Sinal original com mais altas freqüências
domínio do espaço domínio das freqüências
69
Mesma taxa de amostragem
domínio do espaço domínio das freqüências produto convolução
70
Sinal amostrado Não temos como reconstruir sem introduzir artefatos!
domínio do espaço domínio das freqüências Não temos como reconstruir sem introduzir artefatos!
71
Teorema de Nyquist Para que um sinal de banda limitada (i.e. aqueles cuja a transformada resultam em zero para freqüências f > B) seja reconstruido plenamente ele precisa ser amostrado numa freqüência f >= 2B. Um sinal amostrado na freqüência (f=2B) é dito amostrado por Nyquist e f=2B é a freqüência de Nyquist. Não há perda de informação nos sinais amostrados na freqüência de Nyquist, e não adicionamos nenhuma informação se amostrarmos numa freqüência maior.
72
Aliasing Esta mistura de espectros é chamada de aliasing.
Existem duas maneiras de lidarmos com aliasing. Passar um filtro passa-baixa no sinal. Aumentar a freqüência de amostragem.
73
Alias Texture errors
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.