Imagem Digital Conceitos, Processamento e Análise Parte 1: Conceitos básicos Imagem e funções Imagem digital: amostragem, quantização e codificação Re-amostragem de funções Séries e Transformadas de Fourier e de Cosseno Teorema de Nyquist e Alias
Imagem: Modelo Matemático: Função 0% 20% 40% 60% 80% 100% Níveis de cinza Posição ao longo da linha x u v L L(u,v) Função
Imagem colorida u v G R B
Imagem coloridas como 3 canais de cor B B(u,v) R(u,v) G(u,v) v v v u u u = + +
Amostragem, quantização e codificação Imagem Digital Amostragem, quantização e codificação
Amostragem, quantização e codificação de f(x) partição do eixo x x
Amostragem, quantização e codificação de f(x) 6 amostra quantizada 5 4 3 2 1 x codificação = (3, 4, 5, 5, 4, 2, 2, 3, 5, 5, 4, 2)
Digitalização de Imagens Discretização espacial (amostragem)
quantizada e codificada Processos básicos 64x54 Imagem amostrada amostragem Imagem de tons contínuos 64x54 - 16 cores Imagem amostrada e quantizada quantização 55 20 22 23 45 10 09 11 43 42 70 28 76 codificação 8*55, 1*20, 1*22, 1*23, …. Imagem amostrada, quantizada e codificada
Imagem Digital: Histogramas Uma outra maneira de ver a informação da imagem: probabilidade de ocorrência de um determinado valor, uso do intervalo [0,255], contraste,...
Histogramas de Imagem Colorida
Propriedades básicas de uma Imagem Digital
Problemas associados a re-amostragem de um sinal digital f(x) 6 função original 5 função reconstruída pelo vizinho mais próximo função reconstruída por interpolação linear 4 3 2 1 x (a) aumento de resolução
Re-amostragem de f(x) (b) redução de resolução f(x) 6 função original 5 4 3 2 função reconstruída pelo vizinho mais próximo função reconstruída por interpolação linear 1 x (b) redução de resolução
Freqüência de Amostragem f(x) x x f(x)
Estudo de sinais digitais Transformadas para o domínio da freqüencia Teorema de Nyquist e Alias
revisão Harmônicos T A t+ -A A
Integrais de senos e cosenos em [-,] revisão cos(nx) sin(nx) n = 1 n = 2 Áreas se compensam. Integrais resultam em 0. sin(nx)cos(nx)
Integrais de senos e cosenos em [-,] revisão Integrais de senos e cosenos em [-,] Funções ortogonais
Série de Fourier f(t) t T Jean Baptiste Joseph Fourier (1768-1830) T Jean Baptiste Joseph Fourier (1768-1830) Paper de 1807 para o Institut de France: Joseph Louis Lagrange (1736-1813), and Pierre Simon de Laplace (1749-1827).
Exemplo: Série de harmônicos
Série de Fourier: cálculo de a0 f(t) t T
Série de Fourier: an e bn f(t) t T ...
Resumindo f(t) t T
Domínios f(t) tempo ou espaço t T ak w bk freqüencia w
Coeficientes de funções pares e ímpares f-ímpar ak= 0 f-par bk= 0
Periodicidade da Série de Fourier f(t) t T t f(t) T
Números complexos x é a parte real y é a parte imaginária revisão eixo imagnário x é a parte real y é a parte imaginária A é a magnitude q é a fase y A q eixo real x
Operação básicas com complexos revisão Operação básicas com complexos
revisão Derivada de eit C.Q.D.
Outras propriedades úteis revisão i -1 1
Outras propriedades úteis (2) revisão 1 -1 i -i o cosseno corresponde a média de dois harmônicos de freqüências w e -w
Outras propriedades úteis (2) revisão 1 -1 i -i o seno também corresponde a dois harmônicos: w e -w
Outras propriedades úteis (3) revisão
Amplitude e fase de complexos revisão Amplitude e fase de complexos Dado um valor: Amplitude -A A Fase
Série de Fourier com números complexos
Escrevendo em complexos
Serie de Fourier de Sinais Discretos
Sinal discreto r t 1 2 3 4 5 6 N-1
1 2 3 4 5 N t . . .
onde: onde:
onde: onde:
Inversa da inversa onde: Qual o valor?
Se s=k Se s ≠ k é a soma de uma PG de N termos e razão q. Mas
onde: Qual o valor? C.Q.D.
real imaginário 1 N=5 N=3 N=6 N=4
Transformada Discreta T - não é o período do sinal!
Transformada Discreta de Fourier todas as feqüências computadas são multiplas destas
Outro exemplo f3 ( t ) := 10 cos ( 2 p t ) + 6 sin ( 10 p t ) + .8 cos 40 p t )
Transformada
Eixo de freqüência
Tutorial com o Excel http://www.me.psu.edu/me82/Learning/FFT/FFT.html
Discrete Cosine Transformation (DCT)
o cosseno pode substituir o seno
Transformada de Fourier
Exemplo 1: Função caixa (box) f(x) a x b
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
Distribuição normal: Gaussiana
Exemplo 2: Gaussiana || F(w) || f(x) w x
Transformada da Gaussiana
Exemplo 3: Delta de Dirac f(x) 1/b -b/2 b/2 x
Delta de Dirac de Gaussianas
Transformada do Delta de Dirac f(x) (x) x || F(w) || w 1
Transformada do cosseno x
Exemplo 4: Cosseno || F(w) || x w
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
Pares importantes
Propriedades da transformada convolução
Convolução
Convolution Pictorially f(x) h(x)
Convolution h(t-x) f(t) x
Convolution Consider the function (box filter):
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This function windows our function f(x). f(t)
Convolution This particular convolution smooths out some of the high frequencies in f(x). f(t) f(x)g(x)
Ilustação da convolução
Ilustração da convolução
Sinal sub-amostrado
Amostragem e Reconstrução Observando os domínio do espaço e das freqüências
Sinal original domínio do espaço domínio das freqüências
Sinal discretizado
Amostragem domínio do espaço domínio das freqüências produto convolução
Sinal discretizado domínio do espaço domínio das freqüências
Reconstrução domínio do espaço domínio das freqüências convolução produto
Retorno ao sinal original domínio do espaço domínio das freqüências
Sinal original com mais altas freqüências domínio do espaço domínio das freqüências
Mesma taxa de amostragem domínio do espaço domínio das freqüências produto convolução
Sinal amostrado Não temos como reconstruir sem introduzir artefatos! domínio do espaço domínio das freqüências Não temos como reconstruir sem introduzir artefatos!
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.
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.
Alias Texture errors