Capítulo 6 Filtrado en el Dominio de la Frecuencia

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Capítulo 6 Filtrado en el Dominio de la Frecuencia"

Transcripción

1 Capítulo 6 Filtrado en el Dominio de la Frecuencia Método en el Dominio de la Frecuencia Filtros Espaciales en la frecuencia Convolución Lineal y la Transformada Discreta de Fourier Filtros Puntuales...48 Problemas...5 Referencias...55

2 Capítulo 6 Filtrado en el Dominio de la Frecuencia 6. Método en el Dominio de la Frecuencia En el capítulo 3 se mencionó brevemente la metodología del filtrado en la frecuencia. En este capítulo ampliaremos más este método. El procesamiento de imágenes en el dominio de la frecuencia se basa en el tratamiento de la información contenida en la imagen en el dominio de la frecuencia, Figura 6.. Figura 6. Procesamiento de imágenes en la frecuencia. En este caso la imagen original I ( x, y ) se transforma en una imagen, I(, ), al dominio de la frecuencia mediante la transformada de Fourier I. El operador de transformación T [] ahora opera sobre información de frecuencia contenida en I ( x, y ) y genera una nueva imagen, I N (, ) en el dominio de la frecuencia. Por último la imagen I N (, ) es antitransformada al dominio espacial mediante la transformada inversa de Fourier I. La base de las técnicas del dominio de la frecuencia es el teorema de la convolución. I N ( x, h( x, I( x, = I( m, n) h( x m, y n) I N (, ) = H (, ) I(, ) M N = m= 0 n 0 donde * indica operador de convolución, ( x lineal invariante en posición, I(, ), H (, ) e I ( ) N, transformadas de Fourier de I ( x, y ), h ( x,, e ( x, y ) = (6.) h, es la respuesta al impulso de un operador corresponden a las I N respectivamente. La transformación en el dominio de la frecuencia también se puede representar como I ( x, I [ H (, ) I ] = (6.) N, 39

3 Hasta este punto hemos presentado el procesamiento en la frecuencia como una alternativa, sin embargo no hemos comentado por que utilizar este método en lugar del procesamiento espacial. Algunos aspectos a comentar son los siguientes. El primero se refiere a que gracias los algoritmos rápidos para implementar la transformada de Fourier el procesamiento en la frecuencia resulta más rápido que el procesamiento en el espacio mediante la convolución para valores grandes de N, tamaño de la señal. Otro aspecto es que el filtrado en la frecuencia resulta más fácil de comprender y visualizar. Por último, algunos casos de filtrado resultan prácticamente imposibles en el espacio pero no en la frecuencia, como sería el caso de filtros puntuales, Sección 6.3, en los cuales se elimina una o varias frecuencias selectivamente. Con base a lo anterior podemos ver que el filtrado en la frecuencia se puede realizar en dos formas, uno es llevando la imagen a filtrar y el filtro espacial al dominio de la frecuencia, realizar la multiplicación y luego antitransformar, filtros espaciales en la frecuencia. El otro es llevar la imagen a la frecuencia eliminar ciertas componentes de frecuencia y luego antitrasformar, filtros puntuales. 6. Filtros Espaciales en la frecuencia Para explicar este método nos valdremos de la aplicación de un filtro espacial pasa bajas a una imagen. Un filtro ideal pasa bajas está definido en la frecuencia como H PB si R(, ) Rc (, ) = (6.3) 0 si R(, ) > Rc donde R (, ) es la distancia del centro del plano de la frecuencia al punto de frecuencia (, ) y R c representa la frecuencia de corte del filtro en dos dimensiones. R c se puede ver como un radio de una circunferencia, tal que si su valor es pequeño la banda de paso del filtro es chica, y con forme el valor de R c aumente la banda de paso del filtro aumenta. La Figura 6. ilustra el filtro y variaciones de R c. a) b) c) Figura 6. Distintas frecuencias de corte del filtro pasa bajas. 40

4 Ahora, si consideramos la transformada de Fourier de una imagen la cual vamos a multiplicar por el filtro pasa bajas en su representación en la frecuencia es obvio que entre mayor sea Rc se conservará una mayor cantidad de energía de la imagen, Figura 6.3. La energía contenida dentro del círculo es la que se conserva y la que queda fuera se descarta. a) b) c) Figura 6. 3 Ilustración la cantidad de energía cubierta por el filtro pasa bajas con distintas frecuencias de corte. La Figura 6.4 ilustra la aplicación del filtrado en la frecuencia mediante la aplicación de un filtro pasa bajas con diferentes frecuencia de corte, radios de y 0.9. La Figura 6.4a es la imagen original. Las Figura 6.4.b-d corresponden a la respuesta del filtro en la frecuencia y la imagen resultante de aplicar dicho filtro. Se puede observar que conforme el radio del filtro aumenta, la frecuencia de corte es mayor, la imagen conservar más detalles. La imagen original Figura 6.4.a muestra contenidos de alta frecuencia hacia el centro de la imagen. Una de las ventajas de tener la representación en la frecuencia de una imagen es que nos permite el cálculo de la energía o potencia existente en ciertos anchos de banda como se realiza comúnmente en procesamiento digital de señales. La potencia total de la imagen es N N P T = P(, ) (6.4) donde P, ) es la potencia en la coordenada, ) definida como ( ( ) P (, ) = I(, = (6.5) S xx Esta función se denomina densidad espectral de potencia, S xx, y corresponde a la transformada de Fourier de la función de autocorrelación Φ xx. Esta función nos permite como ya comentamos, obtener la energía o potencia dentro de ciertos rangos de frecuencia como se ilustra en la Figura

5 a) b) c) d) Figura 6. 4 a) Original, b) Pasa bajas con r =0.3 c) Pasa bajas con r =0.5 y d) Pasa bajas con r =0.9. Figura 6. 5 Obtención de energía relacionada a un ancho de banda específico. 4

6 Otra pregunta que puede surgir aquí es por qué la aplicación de este filtro produce un borrado en la imagen original. La respuesta es la siguiente. La Figura 6.6 muestra filtros pasa bajas en la frecuencia y su correspondiente antitransformada de Fourier, correspondiente a h (n). Podemos observar que conforme R c aumenta, la h (n) va tendiendo a la función impulso. Comentamos al inicio del capítulo que la aplicación del filtro en la frecuencia equivale a la convolución en el tiempo I N ( x, h( x, I ( x, = I( m, n) h( x m, y n) I N (, ) = H (, ) I(, ) M N = m= 0 n 0 = (6.6) por lo que el borrado se puede comprender mejor ahora desde el punto de vista de la convolución. Entre más pequeña sea R c su h (n) que es una función sinc que tendrá un lóbulo más ancho Figura 6.6a, y al convolucionarse con la imagen esparcirá más la energía de cada píxel produciendo un borrado fuerte. Por otro lado entre mayor sea R c el lóbulo será más angosto, Figura 6.6c, tendera a un impulso y sabemos que la convolución de una función con el impulso es la misma función. Por lo que el borrado será menor. Al igual que el filtro pasa bajas se pueden definir otros tipos de filtros como el filtro pasa altas ideal. H PA 0 si R(, ) Rc (, ) = (6.7) si R(, ) > Rc Se puede ver de la definición, que el filtro pasa altas es un complemento del pasa bajas por lo que también se puede definir como H, ) = H (, ) (6.8) PA ( PB Como podemos ver en la Figura 6.7, la ganancia unitaria corresponde ahora a las zonas de alta frecuencia. El efecto producido ahora es contrario al filtro pasa bajas, conforme aumenta el radio que define la frecuencia de corte la imagen va perdiendo información de bajas frecuencias, Figura 6.8. Concluiremos esta sección resumiendo los pasos para realizar filtrado en la frecuencia.. Para trabajar con transformadas centradas multiplique la imagen de entrada I ( x, x+ y y el filtro h( x, por ( ).. Obtenga la DFT de I ( x,, I (, ). 3. Obtenga la DFT de h ( x,, H (, ). 4. Multiplique I, ) por H, ). ( ( 43

7 5. Obtenga x, = I [ I (, ) H (, )] I N ( I N ( x, y 6. Obtenga la parte real de ) 7. Multiplique ( x, x+ y I N por ( ) a) b) c) Figura 6. 6 Filtros pasa bajas y su correspondiente h(n), primera y segunda filas dominio de la frecuencia, tercera, en el espacio. a) R c =0., b) R c =0.5, c) R c =0.8. En el punto () el centrado proviene de la propiedad de la transformada de Fourier siguiente I x+ y M N [ I x, ( ) ] = I(, ) ( (6.9) La operación del punto (6) se debe a que la DFT se obtiene mediante un sistema discreto, calculadora, computadora y como la DFT generalmente es una función compleja la IDFT 44

8 puede contener indicadores de componentes complejos aunque estos sean ceros y al querer visualizar el resultado pueden provocar alteraciones. a) b) c) Figura 6. 7 Representación de un filtro ideal pasa altas en la frecuencia. En la Sección 6.. se verá que también es necesario hacer una corrección a la dimensión de la imagen y del filtro para que la operación descrita en los pasos anteriores corresponda a la convolución lineal. 6.. Convolución Lineal y la Transformada Discreta de Fourier Una vez que hemos establecido el marco teórico del filtrado en la frecuencia es importante explicar un aspecto importante en el calculo de la convolución entre una imagen I ( x, y un filtro h ( x, mediante la multiplicación de sus transformadas de Fourier, I (, ) y I (, ). De teoría de procesamiento digital de señales sabemos que la longitud del resultado de una convolución entre dos señales x(n) y x ( n) corresponde a N + N, donde Nes la longitud de x(n) y N es la longitud de x (n). Si implementamos la convolución mediante [ DFT x( n) ) DFT( x( ) )] IDFT (6.0) ( n usando N puntos, tendremos que la longitud de este resultado puede no corresponder a la longitud de la convolución lineal si N no se selecciona adecuadamente, generando una operación conocida como convolución circular, la cual presenta valores erróneos en las primeras muestras y perdida de información en los datos finales. Para que [ DFT ( x( n) ) DFT ( x( ) )] x ( n) * x( n) = IDFT n (6.) 45

9 a) b) c) d) e) f) g) Figura 6. 8 a) Imagen original, Pasa altas con b) r =0. c) r =0.5, d) r =0.9, e)-g) imágenes procesadas con estos filtros. las señales x(n) y x ( n) deben ser extendidas mediante rellenado de ceros a una longitud mayor ó igual a N + N muestras antes de ser llevadas a la frecuencia mediante la DFT. Esta solución se lleva al caso de imágenes en la siguiente forma. Asumiendo que queremos aplicar el filtro h ( x, a la imagen I ( x, con dimensiones N xm y N xm respectivamente. Para evitar el problema de alias y poder generar la convolución lineal mediante la DFT se extienden h ( x, e I ( x, a una dimensión igual o mayor a 46

10 ( + N ) x( M + M ) N (6.) La Figura 6.9 ilustra la extensión de dimensión necesaria mediante el relleno de ceros para una imagen de dimensión N xm. M I ( x, ( N + N ) N ( M + M ) Figura 6. 9 Rellenado de ceros de una imagen. Otro aspecto importante al utilizar la transformada de Fourier es recordar que en su teoría está implícita la periodicidad de la función a transformar. Esto es, cuando transformamos una imagen con Fourier se asume que la imagen se repite en forma periódica. En general los bordes de la imagen, por ejemplo el izquierdo y el derecho o arriba y abajo no son iguales. Esta desigualdad de bordes genera una discontinuidad, un escalón, a la hora de considerar a la imagen como periódica. Este efecto generará que el espectro muestre una cruz central sobre impuesta sobre el resto de la información del espectro. La Figura 6.0 ilustra esta situación, en este caso la imagen tiene un tamaño de 96 x 8 pixeles, Figura 6.0. La transformada de Fourier de la imagen de 96 X 8 puntos se muestra en la Figura 6.0b. Podemos observar en ella que no existe en el espectro las líneas vertical y horizontal de la cruz comentada anteriormente, esto se debe a que la imagen original presenta mucha similitud en sus bordes verticales y horizontales. Si ahora obtenemos la transformada de Fourier de la imagen pero de 8x8 puntos implicará un relleno de ceros en el sentido vertical. Estos ceros generarán una desigualdad en los bordes verticales por lo que la transformada, Figura 6.0c muestra ahora una línea blanca en el eje vertical. La Figura 6.0d muestra el caso en el que la imagen se rellenó en el sentido horizontal, transformada de 95x5, por lo que su transformada muestra la línea en el sentido horizontal, dado que los ceros agregados ahora generaran la discontinuidad de los bordes en ese sentido. Por último, si el relleno es en ambos dimensiones, transformada de 5x5, existirá ahora una gran diferencia en ambos bordes lo que genera que la transformada muestre la cruz, Figura 6.0e. 47

11 a) b) c) d) e) Figura 6. 0 a) Imagen original, Transformada de Fourier b) Sin relleno, c) 8x8, d) 96X5, e) 5x Filtros Puntuales En esta sección describiremos lo que llamamos filtros puntuales. Por filtro puntual queremos decir el método que opera en la frecuencia para seleccionar una o varias frecuencias que serán eliminadas directamente de la transformada de Fourier. Para comprender mejor este tipo de filtrado empecemos por comprender como analizar la transformada de Fourier. En general la transformada de Fourier genera una función compleja. I ( M N j π ( x + y ), ) = I( x, e (6.3) MN x= 0 y= 0 La cual para ser analizada visualmente requiere de la gráfica de su magnitud y su fase. I (, ) I (, ) (6.4) 48

12 La Figura 6. muestra una imagen original, la visualización de la magnitud de la transformada de Fourier y su función de fase. a) b) c) Figura 6. a) Original, b) Magnitud, c) fase. De la función de magnitud podemos observar cuales son los contenidos de frecuencia de la imagen. En el caso de la Figura 6.b se pueden observar dos puntos blancos en la función de magnitud, lo cual nos indica que la imagen contiene básicamente una componente de frecuencia. Recordemos que existen dos puntos luminosos no porque existan dos componentes de frecuencia sino por la propiedad de simetría de la transformada de Fourier. Así pues, cualquier estructura periódica presente en una imagen se vera reflejada por un pico en la magnitud de la transformada de Fourier de la imagen. Ese pico estará localizado en una coordenada, (, ), del plano de la frecuencia y además se podrá observar en la misma función de magnitud una dirección del pico con respecto al origen que corresponde a la orientación de la componente de frecuencia. La Figura 6. ilustra varios casos de imágenes con distinta componente de frecuencia y distinta orientación. La Figura 6.a es una imagen con frecuencia horizontal correspondiente a 0 pixeles/ciclo. En la Figura 6.b se pueden notar dos puntos blancos sobre la horizontal que corresponden a esta frecuencia. La Figura 6.c es la misma imagen pero rotada 45º, lo cual produce una rotación en su transformada, Fig6.d. Aunque los dos puntos correspondientes a la frecuencia en la imagen se pueden apreciar ahora en una rotación de 45º, también se puede observa en la transformada que aparecen otros valores de frecuencias, esto es debido al punto comentado sobre la periodicidad de la imagen. Las Figura 6. e-h corresponde a otra imagen con una frecuencia de 0 pixeles/ciclo. Cuando analizamos imágenes reales, es de esperarse que el análisis de la función de magnitud no sea tan obvio como el caso expuesto en las figuras anteriores. Sin embargo, resultará mucho más sencillo determinar los componentes de frecuencia de la imagen real mediante la función de magnitud de la transformada que tratar de hacerlo sobre la imagen. El análisis sobre la función de magnitud permite la medición y localización de los picos con gran exactitud en forma sencilla de manera que nosotros podemos eliminar ciertos valores en la transformada y así lograr un filtrado de la imagen. 49

13 a) b) c) d) e) f) g) h) Figura 6. a) Imagen original 0 pixeles/ciclo, b) espectro, c) imagen rotada 45º,d) su espectro, e)-h) casos similares pero para 0 pixeles/ciclo y rotada a -45º. Para eliminar cierta información en la imagen mediante un filtrado puntual el primer paso es realizar la localización de las frecuencias que corresponden a dicha información. Una vez que han sido localizadas, estas frecuencias se eliminan por medio de un filtrado que consiste en eliminar las frecuencias seleccionadas mediante la reducción de los valores en su transformada de Fourier que corresponden a esos términos. Existen varias formas de especificar y realizar reducciones, sin embargo es conveniente hacerlo mediante formas circulares o rectángulos. La Figura 6.3 muestra la eliminación de información de una imagen que corresponde a un ruido periódico mediante este método. En la Figura 6.3a se muestra la imagen afectada por el ruido. La Figura 6.3.b muestra la magnitud de la transformada donde se puede apreciar los puntos que corresponden al ruido que se aprecia como líneas verticales en la imagen. La Figura 6.3c muestra el espectro con las componentes de ruido eliminadas y la Figura 6.3d muestra la imagen recuperada. Hay que aclarar que la eliminación del ruido hay que realizarla sobre los coeficientes de la transformada de Fourier y no únicamente sobre los valores de la magnitud. Si reducimos los valores correspondientes al ruido solamente sobre la magnitud quedaría presente la información en la fase. Es bueno recordar que tanto la información de magnitud como de fase de la transformada son importantes. Comúnmente trabajamos sobre la información de la magnitud de la transformada, sin embargo, la información de fase no debe ser olvidada en este tipo de filtrado para reconstruir la imagen. Si la información de la fase se elimina, se pone a cero por ejemplo, la imagen reconstruida mostrará solo parte de la información de la imagen. La Figura 3.4b muestra una imagen reconstruida sin tomar en cuenta la información de fase y la Figura 6.4c utilizando solo la información de fase Figura 6. De este ejemplo se concluye que tanto la información de la magnitud como la de la fase deben ser consideradas. 50

14 a) b) c) d) Figura 6. 3 a) Imagen con ruido, b) Espectro de la imagen con ruido, c) Espectro sin ruido, d) Imagen recuperada. Otra posible aplicación del análisis de la función de magnitud es la de optimizar el foco a la hora de adquirir una imagen. Esto se logra cuando las componentes de frecuencia logran su valor máximo de energía. Cuando esto ocurre quiere decir que tenemos el mayor grado de detalle en la imagen. Recuerde que bordes y detalles se relacionan con altas frecuencias. La Figura 6.5a ilustra el caso de una imagen con muy mal foco y su espectro, la Figura 6.5b con mal foco y su espectro y la Figura 6.5c la imagen en foco y su espectro. Se puede apreciar que la información de altas frecuencias tiene mayor energía en el caso de la imagen en foco que en las imágenes fuera de foco. 5

15 a) b) c) Figura 6. 4 a) Original, b) reconstrucción sin información de fase c) reconstrucción sin información de magnitud. a) b) c) Figura 6. 5 a) Muy fuera de foco, b) fuera de foco., c) en foco. Problemas 6. Diseñe una serie de filtros pasa bajas D con Matlab y aplíquelo a la imagen de Lena. Analice sus resultados de como se pierden detalles al disminuir la frecuencia de corte del filtro. Utilice las siguientes frecuencias de corte, 3π/4, π/, y π/4. Documente su diseño y análisis e ilústrelo con las imágenes resultado. 6. Selecciones una situación donde tenga que aplicar un filtro. 5

16 a) Diseñe el filtro en Matlab. b) Muestre la respuesta a la frecuencia del filtro. c) Realice el filtrado espacial con el filtro. d) Muestre el filtro en el espacio y la imagen filtrada. e) Realice un filtrado en la frecuencia con el filtro. f) Muestre el filtro en la frecuencia y la imagen filtrada en la frecuencia y la imagen filtrada en el espacio. 6.3 Use Matlab. Genere una imagen que contenga tres componentes de frecuencia. Diseñe un filtro para dejar pasar únicamente la componente de frecuencia más baja y aplíquelo a la imagen, filtrado espacial. Diseñe un filtro para dejar pasar únicamente las dos componentes de frecuencia más bajas y aplíquelo a la imagen, filtrado espacial. Realice un filtrado en la frecuencia de manera que obtenga el mismo efecto obtenido en 5 a). 6.4 Realice un programa para obtener la transformada de Fourier en dos dimensiones de las imágenes I.raw e I.raw. Encuentre los índices de las componentes de frecuencia más sobresalientes y calcule las frecuencias en pixeles/ciclo y en radianes de estas componentes. Estas frecuencias corresponden a las frecuencias de las señales en la imagen. 6.5 Utilizando la FFT de D obtenga el contenido de frecuencia de la imagen en exam.raw. Muestre sus cálculos y de sus resultados en radianes/pixel y pixel /ciclo. 6.6 Dadas las siguientes imágenes, de un bosquejo con la mayor información posible de la magnitud de sus transformadas de Fourier en D. 6.7 Asuma que la derivada se aproxima mediante Encuentre su representación en la frecuencia y muestre que es un filtro pasa altas. 6.8 Respecto al relleno de ceros utilizado en una imagen, Será lo mismo centrar la imagen y rellenar que poner la imagen en la esquina superior izquierda y rellanar? Explique y justifique su respuesta. 6.9 Si tiene la transformada de Fourier de N puntos de una imagen y la transformada de 53

17 Fourier de M puntos de la misma imagen, explique porque existe un cambio en el contraste de la transformada y el incremento en el brillo de los ejes horizontal y vertical. 6.0 Cuál es la diferencia entre el procesamiento espacial y en la frecuencia de una imagen? 6. Obtenga la respuesta a la frecuencia del siguiente filtro Cuál es el efecto del filtro del problema 6. sobre una imagen? 6.3 Las siguientes imágenes representan el espectro de una imagen. Si la imagen a la derecha es la representación correcta del espectro, Qué posible problema existe en la obtención del espectro a la izquierda? 6.4 De una descripción matemática del proceso de filtrado en la frecuencia. 6.5 Cuál es el propósito del relleno de ceros en el proceso de filtrado en la frecuencia? 6.6 El filtro Laplaciano en el espacio se define I ( x, + x utilice la propiedad de Fourier n I( x, I = n x I( x, y n ( j ) F( ) y verifique que la respuesta a la frecuencia del filtro es H ( ) = ( + ), 54

18 Referencias Castleman K.,[996], Digital Image Processing, Prentice Hall,Englewood Cliffs, New Jersy. Gonzalez R. y Woods R., [00], Digital Image Processing, Prentice Hall,Upper Saddle River, New Jersy. Proakis J., Manolakis D., [996],Digital Signal Processing, Principles, Algorithms, and Applications, Prerntice hall, Upper Saddle River, NJ. Russ J. C.,[995], The Image Processing Handbook, CRC Press. 55

MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER

MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER M.C. CAROLINA ROCÍO SÁNCHEZ PÉREZ 01 DE ABRIL DE 2011 Operaciones en el dominio de la frecuencia Una imagen digital es una representación

Más detalles

Filtros en el dominio de la frecuencia

Filtros en el dominio de la frecuencia Filtros en el dominio de la frecuencia Fundamentos de procesamiento de imágenes IIC / IEE 3713 1er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini, Domingo Mery, libro

Más detalles

TEMA 5 PROCESADO DE IMÁGENES EN EL DOMINIO DE LA FRECUENCIA.

TEMA 5 PROCESADO DE IMÁGENES EN EL DOMINIO DE LA FRECUENCIA. TEMA 5 PROCESADO DE IMÁGENES EN EL DOMINIO DE LA FRECUENCIA. 1. - INTRODUCCIÓN Las operaciones que hemos realizado hasta ahora sobre una imagen, se realizaron en el dominio espacial, es decir, trabajando

Más detalles

Esther Pueyo Paules Teoría (primavera) Despacho: D3.20 epueyo@unizar.es

Esther Pueyo Paules Teoría (primavera) Despacho: D3.20 epueyo@unizar.es Asignatura: 11943 SEÑALES Y SISTEMAS II Área: TEORÍA DE LA SEÑAL Y COMUNICACIONES Departamento: INGENIERÍA ELECTRÓNICA Y COMUNICACIONES Plan de estudios: INGENIERO EN TELECOMUNICACIÓN (Plan 94) Curso:

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Universidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Escuela de Ingeniería Electrónica Teoría de Sistemas y Señales Trabajo Práctico Nº 3 Análisis Frecuencial de Señales

Más detalles

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e 3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación

Más detalles

PROCESAMIENTO DIGITAL DE SEÑALES

PROCESAMIENTO DIGITAL DE SEÑALES BIBLIOGRAFÍA PROCESAMIENTO DIGITAL DE SEÑALES 1. Oppenheim, A.V., and R.W. Schafer. Discrete-Time Signal Processing. Englewood Cliffs, NJ: Prentice Hall, 1989. 2. Parks, T.W., and C.S. Burrus. Digital

Más detalles

Análisis espectral de señales periódicas con FFT

Análisis espectral de señales periódicas con FFT Análisis espectral de señales periódicas con FFT 1 Contenido 7.1 Introducción a la Transformada Discreta de Fourier 3-3 7.2 Uso de la Transformada Discreta de Fourier 3-5 7.3 Método de uso de la FFT 3-8

Más detalles

Procesamiento de Imágenes

Procesamiento de Imágenes Procesamiento de Imágenes Curso 011 - Clase Filtros Espaciales Filtrado espacial Ya trabajamos procesando sólo al piel individualmente. Ahora vamos a hacer un procesamiento en una vecindad de cada piel.

Más detalles

Introducción a los Filtros Digitales. clase 10

Introducción a los Filtros Digitales. clase 10 Introducción a los Filtros Digitales clase 10 Temas Introducción a los filtros digitales Clasificación, Caracterización, Parámetros Filtros FIR (Respuesta al impulso finita) Filtros de media móvil, filtros

Más detalles

Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional

Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,

Más detalles

Introducción a la Teoría del Procesamiento Digital de Señales de Audio

Introducción a la Teoría del Procesamiento Digital de Señales de Audio Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en

Más detalles

Tema 6: Morfología. Primera parte

Tema 6: Morfología. Primera parte Tema 6: Morfología Primera parte Morfología La morfología matemática se basa en operaciones de teoría de conjuntos. En el caso de imágenes binarias, los conjuntos tratados son subconjuntos de Z 2 y en

Más detalles

TRANSFORMADA DE FOURIER. Transformada de Fourier (Parte 1) Página 1 INTRODUCCION

TRANSFORMADA DE FOURIER. Transformada de Fourier (Parte 1) Página 1 INTRODUCCION Transformada de Fourier (Parte 1) Página 1 INTRODUCCION En una primera aproximación, podemos decir que todos los dominios transformados, que se utilizan dentro del tratamiento digital de imagen, tienen

Más detalles

FILTRADO DE IMÁGENES

FILTRADO DE IMÁGENES FILTRADO DE IMÁGENES 1 INDICE RUIDO Qué es el ruido? Tipos de ruido TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB

Más detalles

LABORATORIO DE SEÑALES Y SISTEMAS PRACTICA 1

LABORATORIO DE SEÑALES Y SISTEMAS PRACTICA 1 LABORATORIO DE SEÑALES Y SISTEMAS PRACTICA CURSO 005-006 PRÁCTICA SEÑALES Y SISTEMAS CONTINUOS Las presente practica trata distintos aspectos de las señales y los sistemas en tiempo continuo. Los diferentes

Más detalles

Página 1 de 16 TRANSFORMADA DE FOURIER Y EL ALGORITMO FFT INTRODUCCION

Página 1 de 16 TRANSFORMADA DE FOURIER Y EL ALGORITMO FFT INTRODUCCION Página 1 de 16 FCEFy Universidad acional de Cordoba ITRODUCCIO El estudio de las señales cotidianas en el dominio de la frecuencia nos proporciona un conocimiento de las características frecuenciales de

Más detalles

Introducción a la Teoría del Procesamiento Digital de Señales de Audio

Introducción a la Teoría del Procesamiento Digital de Señales de Audio Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Respuesta en frecuencia de un sistema Convolución a través del dominio de la frecuencia Convolución

Más detalles

Equipos analizadores de señal. - Introducción - Analizadores de Fourier - Analizadores de espectros heterodinos

Equipos analizadores de señal. - Introducción - Analizadores de Fourier - Analizadores de espectros heterodinos - Introducción - Analizadores de Fourier - Analizadores de espectros heterodinos Introducción El análisis del espectro de colores es una forma de análisis de componentes frecuenciales que para el caso

Más detalles

Introducción a la Teoría del Procesamiento Digital de Señales de Audio

Introducción a la Teoría del Procesamiento Digital de Señales de Audio Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Propiedades de la Transformada de Fourier Linealidad Comportamiento de la fase Naturaleza

Más detalles

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Conceptos de señales y sistemas

Conceptos de señales y sistemas Conceptos de señales y sistemas Marta Ruiz Costa-jussà Helenca Duxans Barrobés PID_00188064 CC-BY-NC-ND PID_00188064 Conceptos de señales y sistemas Los textos e imágenes publicados en esta obra están

Más detalles

Señales y Análisis de Fourier

Señales y Análisis de Fourier 2 Señales y Análisis de Fourier En esta práctica se pretende revisar parte de la materia del tema 2 de la asignatura desde la perspectiva de un entorno de cálculo numérico y simulación por ordenador. El

Más detalles

Detección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente

Detección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el

Más detalles

FORMACIÓN Y PROCESADO ÓPTICO DE IMÁGENES

FORMACIÓN Y PROCESADO ÓPTICO DE IMÁGENES FORMACIÓN Y PROCESADO ÓPTICO DE IMÁGENES Autor. Moisés Valenzuela Gutiérrez. 2009. Moisés Valenzuela Gutiérrez Portada diseño: Celeste Ortega (HUwww.cedeceleste.comUH) Edición cortesía de HUwww.publicatuslibros.comUH.

Más detalles

Lección 7 - Coordenadas rectangulares y gráficas

Lección 7 - Coordenadas rectangulares y gráficas Lección 7 - Coordenadas rectangulares gráficas Coordenadas rectangulares gráficas Objetivos: Al terminar esta lección podrás usar un sistema de coordenadas rectangulares para identificar puntos en un plano

Más detalles

Filtrado Digital. Lectura 3: Diseño de Filtros FIR

Filtrado Digital. Lectura 3: Diseño de Filtros FIR Lectura 3: Diseño de Filtros FIR Diseño de Filtros Objetivo: Obtener una función de transferencia H(z) realizable aproximándola a una respuesta en frecuencia deseable. El diseño de filtros digitales es

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005 Filtrado Espacial Introducción El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un

Más detalles

FUNCIONES TRIGONOMÉTRICAS

FUNCIONES TRIGONOMÉTRICAS UNIDAD 3 FUNCIONES TRIGONOMÉTRICAS Concepto clave: 1. Razones trigonométricas Si A es un ángulo interior agudo de un triángulo rectángulo y su medida es, entonces: sen longitud del cateto opuesto al A

Más detalles

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos).

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos). Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y

Más detalles

Tratamiento de la Imagen Digital

Tratamiento de la Imagen Digital Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos electricos discretos basados en un sistema binario (ceros y

Más detalles

Operaciones Morfológicas en Imágenes Binarias

Operaciones Morfológicas en Imágenes Binarias Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los

Más detalles

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado

Más detalles

TRATAMIENTO DIGITAL DE LA SEÑAL Tratamiento digital de imágenes

TRATAMIENTO DIGITAL DE LA SEÑAL Tratamiento digital de imágenes TRATAMIENTO DIGITAL DE LA SEÑAL Tratamiento digital de imágenes Práctica 4 Fecha: 11 de mayo de 2009 1. Introducción Una imagen digital es una señal de dos dimensiones que se representa por una matriz.

Más detalles

Cambio de la Frecuencia de Muestreo

Cambio de la Frecuencia de Muestreo Cambio de la Frecuencia de Muestreo Omar X. Avelar & Diego I. Romero PROCESAMIENTO DIGITAL DE SEÑALES (ESI05AA) Instituto Tecnológico y de Estudios Superiores de Occidente (ITESO) Departamento de Electrónica,

Más detalles

D. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS

D. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS 22 Laboratorio de Tratamiento Digital de Señales D. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS 1. DISEÑO DE FILTROS IIR 1.1 Diseño de filtros IIR empleando prototipos analógicos En este apartado

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO:

DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO: DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO: Electrónica ACADEMIA A LA QUE Sistemas Digitales Avanzados PERTENECE: NOMBRE DE LA MATERIA: Taller de Procesamiento Digital de Señales CLAVE DE LA MATERIA:

Más detalles

TRATAMIENTO DEL RUIDO

TRATAMIENTO DEL RUIDO 1 TRATAMIENTO DEL RUIDO Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Objetivo General Que el estudiante sea capaz de caracterizar los principales tipos de ruido que pueden estar

Más detalles

Series y Transformada de Fourier

Series y Transformada de Fourier Series y Transformada de Fourier Series de Fourier Transformada de Fourier Series de Fourier Las series de Fourier describen señales periódicas como una combinación de señales armónicas (sinusoides). Con

Más detalles

Límites y Continuidad de funciones

Límites y Continuidad de funciones CAPITULO Límites y Continuidad de funciones Licda. Elsie Hernández Saborío Instituto Tecnológico de Costa Rica Escuela de Matemática Revista digital Matemática, educación e internet (www.cidse.itcr.ac.cr)

Más detalles

Características de funciones que son inversas de otras

Características de funciones que son inversas de otras Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =

Más detalles

Reducción del ruido en una imagen digital.

Reducción del ruido en una imagen digital. Reducción del ruido en una imagen digital. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Estudio de distintas máscaras para

Más detalles

Reconocimiento de imágenes

Reconocimiento de imágenes Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento

Más detalles

PROCESAMIENTO DIGITAL DE IMÁGENES MEDIANTE EL USO DE UN FPGA Y LENGUAJE VHDL

PROCESAMIENTO DIGITAL DE IMÁGENES MEDIANTE EL USO DE UN FPGA Y LENGUAJE VHDL PROCESAMIENTO DIGITAL DE IMÁGENES MEDIANTE EL USO DE UN FPGA Y LENGUAJE VHDL N. E. Chávez Rodríguez*, A. M. Vázquez Vargas** *Departamento de Computación **Departamento de Procesamiento Digital de Señales

Más detalles

Transformada de Fourier

Transformada de Fourier Transformada de Fourier Transformada Inversa de Fourier Estas ecuaciones existen si f(x) es continua e integrable y si F(u) es integrable (casi siempre se cumplen en la práctica). Espectro de Fourier La

Más detalles

5.3 TX. DIGITAL PASABANDA - MODULACIÓN DIGITAL

5.3 TX. DIGITAL PASABANDA - MODULACIÓN DIGITAL 5.3 TX. DIGITAL PASABANDA - MODULACIÓN DIGITAL La transmisión de datos pasabanda es una técnica en la cual los datos son transmitidos usando una señal portadora (normalmente una señal analógica, tal como

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005 Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =

Más detalles

Conversión Analógica-a-Digital

Conversión Analógica-a-Digital Conversión Analógica-a-Digital OBJEIVOS: Comprender la conversión de señales analógicas a digitales, analizando las modificaciones que se producen con este proceso. Fundamentalmente, las "réplicas" en

Más detalles

Preguntas IE TEC. Total de Puntos: 47 Puntos obtenidos: Porcentaje: Nota:

Preguntas IE TEC. Total de Puntos: 47 Puntos obtenidos: Porcentaje: Nota: IE TEC Nombre: Instituto Tecnológico de Costa Rica Escuela de Ingeniería en Electrónica EL-5805 Procesamiento Digital de Señales Profesor: Dr. Pablo Alvarado Moya II Semestre, 2010 Examen Final Total de

Más detalles

Capítulo III Procesamiento Digital de Imágenes

Capítulo III Procesamiento Digital de Imágenes Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Análisis Estadístico de Datos Climáticos SERIES TEMPORALES 3 (Análisis espectral) 2015 Dominio temporal vs. dominio de frecuencias Son dos enfoques para encarar el análisis de las series temporales, aparentemente

Más detalles

Capítulo 10. Gráficos y diagramas

Capítulo 10. Gráficos y diagramas Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,

Más detalles

Procesamiento Digital de Imágenes. Compresión de imágenes

Procesamiento Digital de Imágenes. Compresión de imágenes FICH, UNL - Departamento de Informática - Ingeniería Informática Procesamiento Digital de Imágenes Guía de Trabajos Prácticos 8 Compresión de imágenes 2010 1. Objetivos Analizar las características y el

Más detalles

Métodos Avanzados para Análisis y Representación de Imágenes

Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática p. 1/44 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática Departamento de Informática - FICH Universidad Nacional del Litoral Agosto de 2012 Morfología

Más detalles

FACULTAD DE INGENIERÍAS Y ARQUITECTURA SÍLABO

FACULTAD DE INGENIERÍAS Y ARQUITECTURA SÍLABO I. DATOS GENERALES SÍLABO CARRERA PROFESIONAL : INGENIERÍA ELECTRÓNICA Y CÓDIGO CARRERA PROFESIONAL : 29 ASIGNATURA : PROCESAMIENTO DIGITAL DE SEÑALES CÓDIGO DE ASIGNATURA : 29-406 CÓDIGO DE SÍLABO : 2940631012014

Más detalles

Convolución y Convolución Discreta Definición de convolución Cuando hemos aplicado, en el apartado anterior, una función ventana o hemos muestreado una función dada, implícitamente hemos estado efectuando

Más detalles

6ª Práctica. Matlab página 1

6ª Práctica. Matlab página 1 6ª Práctica. Matlab página 1 PROGRAMACIÓN EN MATLAB PRÁCTICA 06 INSTRUCCIÓN BREAK TRATAMIENTO DE IMÁGENES EN MATLAB FUNCIONES Y GRÁFICOS EJERCICIO 1. INSTRUCCIÓN BREAK...1 EJERCICIO 2. TRATAMIENTO DE IMÁGENES

Más detalles

Representación de señales de audio

Representación de señales de audio Representación de señales de audio Emilia Gómez Gutiérrez Síntesi i Processament del So I Departament de Sonologia Escola Superior de Musica de Catalunya Curso 2009-2010 emilia.gomez@esmuc.cat 28 de septiembre

Más detalles

TRANSFORMACIONES GEOMÉTRICAS SOBRE IMÁGENES DIGITALES

TRANSFORMACIONES GEOMÉTRICAS SOBRE IMÁGENES DIGITALES TRANSFORMACIONES GEOMÉTRICAS SOBRE IMÁGENES DIGITALES Samuel Barreto Melo sbarreto@udistrital.edu.co Facultad de Ciencias Carrera de Matemáticas Universidad Distrital Francisco José de Caldas RESUMEN Las

Más detalles

FUNCIONES 1. DEFINICION DOMINIO Y RANGO

FUNCIONES 1. DEFINICION DOMINIO Y RANGO 1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad

Más detalles

Operaciones sobre imágenes binarias representadas por árboles binarios basados en interpolación.

Operaciones sobre imágenes binarias representadas por árboles binarios basados en interpolación. UNIVERSIDAD DE SEVILLA Escuela Técnica Superior Ing. Informática Procesamiento de Imágenes Digitales Operaciones sobre imágenes binarias representadas por árboles binarios basados en interpolación. Ignacio

Más detalles

Laboratorio de Señales y Comunicaciones (LSC) 3 er curso, Ingeniería de Telecomunicación. Curso 2005 2006. (1 sesión)

Laboratorio de Señales y Comunicaciones (LSC) 3 er curso, Ingeniería de Telecomunicación. Curso 2005 2006. (1 sesión) Transmisión Digital en Banda Base PRÁCTICA 8 (1 sesión) Laboratorio Señales y Comunicaciones (LSC) 3 er curso, Ingeniería Telecomunicación Curso 2005 2006 Javier Ramos, Fernando Díaz María y David Luengo

Más detalles

PARÁBOLA. 1) para la parte positiva: 2) para la parte negativa: 3) para la parte positiva: 4) para la parte negativa:

PARÁBOLA. 1) para la parte positiva: 2) para la parte negativa: 3) para la parte positiva: 4) para la parte negativa: Página 90 5 LA PARÁBOLA 5.1 DEFINICIONES La parábola es el lugar geométrico 4 de todos los puntos cuyas distancias a una recta fija, llamada, y a un punto fijo, llamado foco, son iguales entre sí. Hay

Más detalles

DISEÑO DE UN ANALIZADOR DE ESPECTRO APLICADO A REDES MONOFÁSICAS DE 120V A FRECUENCIA INDUSTRIAL

DISEÑO DE UN ANALIZADOR DE ESPECTRO APLICADO A REDES MONOFÁSICAS DE 120V A FRECUENCIA INDUSTRIAL DISEÑO DE UN ANALIZADOR DE ESPECTRO APLICADO A REDES MONOFÁSICAS DE 120V A FRECUENCIA INDUSTRIAL JUAN CAMILO TORO CADAVID UNIVERSIDAD DE SAN BUENAVENTURA INGENIERÍA ELECTRÓNICA MEDELLÍN 2009 1 CONTENIDO

Más detalles

4. FUNCIONES DE VARIAS VARIABLES

4. FUNCIONES DE VARIAS VARIABLES 4. FUNCIONES DE VARIAS VARIABLES INDICE 4 4.1. Definición de una función de dos variables...2 4.2. Gráfica de una función de dos variables..2 4.3. Curvas y superficies de nivel....3 4.4. Límites y continuidad....6

Más detalles

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL IES PABLO RUIZ PICASSO EL EJIDO (ALMERÍA) CURSO 2013-2014 UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL ÍNDICE 1.- INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 2.- SISTEMA BINARIO 2.1.- TRANSFORMACIÓN DE BINARIO A DECIMAL

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 09

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 09 Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 09 TRATAMIENTO DE IMÁGENES EN EL DOMINIO DE LAS FRECUENCIAS prb@2007 2 A principios del siglo XIX, Joseph Fourier indica que toda función periódica

Más detalles

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado

Más detalles

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2 SISTEMA DE ACCESO COMÚN A LAS CARRERAS DE INGENIERÍA DE LA UNaM III. UNIDAD : FUNCIONES POLINÓMICAS III..1 POLINOMIOS La expresión 5x + 7 x + 4x 1 recibe el nombre de polinomio en la variable x. Es de

Más detalles

Transformación de gráfica de funciones

Transformación de gráfica de funciones Transformación de gráfica de funciones La graficación de las funciones es como un retrato de la función. Nos auda a tener una idea de cómo transforma la función los valores que le vamos dando. A partir

Más detalles

Adquisición de señales analógicas y tratamiento de la información

Adquisición de señales analógicas y tratamiento de la información Adquisición de señales analógicas y tratamiento de la información 3.1. Introducción. El objetivo de esta práctica es el de capturar, mediante la Data Acquisition Toolbox de Matlab, diferentes tipos de

Más detalles

Fundamentos de Informática - Ms. Excel (3) 2011

Fundamentos de Informática - Ms. Excel (3) 2011 Tabla de contenidos Resolución de sistemas de ecuaciones usando Ms. Excel... Introducción... Ecuación de una incógnita... 3 Método gráfico... 3 Herramienta Buscar objetivo... 4 Herramienta Solver... 8

Más detalles

4 Localización de terremotos

4 Localización de terremotos 513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,

Más detalles

Módulo II - Excel. Identificando tipos de datos... 2. Introduciendo datos en las celdas... 3. Llenando automáticamente las celdas...

Módulo II - Excel. Identificando tipos de datos... 2. Introduciendo datos en las celdas... 3. Llenando automáticamente las celdas... Módulo II - Excel Índice Identificando tipos de datos... 2 Introduciendo datos en las celdas... 3 Llenando automáticamente las celdas... 4 Seleccionando un rango de celdas... 5 Seleccionando una fila o

Más detalles

Práctica 2 - Procesamiento de Imágenes

Práctica 2 - Procesamiento de Imágenes Práctica 2 - Procesamiento de Imágenes En esta práctica veremos diferentes técnicas de tratamiento que suelen ser aplicadas a las imágenes obtenidas desde satélites. Muchos de los procedimientos que aprendamos

Más detalles

OSCILOSCOPIO RIGOL DS1102E

OSCILOSCOPIO RIGOL DS1102E OSCILOSCOPIO RIGOL DS1102E Características: Ancho de banda de 100MHz. Dos canales analógicos. 1GSa/s en tiempo real como velocidad de pantalla. Pantalla a color LCD de 5.6 pulgadas. Varios tipos de Trigger.

Más detalles

transformada discreta de fourier resumen, ejemplos y ejercicios

transformada discreta de fourier resumen, ejemplos y ejercicios transformada discreta de fourier resumen, ejemplos y ejercicios Transformada Discreta de Fourier Resumen Resumen para ejercicios de cálculo. Definición. Para una función matemática x[n] de variable independiente

Más detalles

Introducción a la Teoría del Procesamiento Digital de Señales de Audio

Introducción a la Teoría del Procesamiento Digital de Señales de Audio Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Análisis espectral de señales enventanado, derramamiento y resolución, tipo de ventanas,

Más detalles

SISTEMAS DE COMUNICACIÓN A & D -- Práctica de laboratorio FRECUENCIA MODULADA EN EL DOMINIO DEL TIEMPO Y FRECUENCIA

SISTEMAS DE COMUNICACIÓN A & D -- Práctica de laboratorio FRECUENCIA MODULADA EN EL DOMINIO DEL TIEMPO Y FRECUENCIA 1 SISTEMAS DE COMUNICACIÓN A & D -- Práctica de laboratorio FRECUENCIA MODULADA EN EL DOMINIO DEL TIEMPO Y FRECUENCIA I. OBJETIVOS 1. Implementar un modulador de frecuencia utilizando el XR-2206. 2. Complementar

Más detalles

Capítulo 2. Reverberación por convolución.

Capítulo 2. Reverberación por convolución. Capítulo 2. Reverberación por convolución. En el capítulo anterior se mencionaron algunos tipos de reverberación artificial que pueden ser implementados por hardware o software mediante técnicas de procesado

Más detalles

TEMA 1: DISEÑO Y DIBUJO DE OBJETOS.

TEMA 1: DISEÑO Y DIBUJO DE OBJETOS. TEMA 1: DISEÑO Y DIBUJO DE OBJETOS. Francisco Raposo Tecnología 3ºESO 1. LA REPRESENTACIÓN DE OBJETOS 1.1.EL DIBUJO TÉCNICO Es una de las técnicas que se utilizan para describir un objeto, con la intención

Más detalles

. Cómo es la gráfica de z[n]?

. Cómo es la gráfica de z[n]? UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones - E³T Perfecta combinación entre energía e intelecto TRATAMIENTO DE SEÑALES Actividades de Clase:

Más detalles

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,

Más detalles

PRÁCTICA NÚMERO 1. MANEJO DEL OSCILOSCOPIO Y DEL GENERADOR DE SEÑALES.

PRÁCTICA NÚMERO 1. MANEJO DEL OSCILOSCOPIO Y DEL GENERADOR DE SEÑALES. PRÁCTICA NÚMERO 1. MANEJO DEL OSCILOSCOPIO Y DEL GENERADOR DE SEÑALES. 1.1. Introducción Teórica. (a) El osciloscopio El osciloscopio es básicamente un dispositivo de visualización gráfica que muestra

Más detalles

TRANSFORMADA DISCRETA DEL COSENO (DCT)

TRANSFORMADA DISCRETA DEL COSENO (DCT) Transformada discreta del coseno (DCT) Página 1 TRANSFORMADA DISCRETA DEL COSENO (DCT) La transformada discreta del coseno (DCT), - también denominada transformada del coseno -, es la más ampliamente utilizada

Más detalles

Análisis Espectral 1: Transformada Corta de Fourier y Ventanas

Análisis Espectral 1: Transformada Corta de Fourier y Ventanas Análisis Espectral : Transformada Corta de Fourier y Ventanas Juan-Pablo Cáceres CCRMA Stanford University Agosto, 7 Contenidos Análisis de Señales de la Vida Real Windowing Transformada Corta de Fourier

Más detalles

ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL

ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL 1.-Introducción. 2.-Criterio de estabilidad de Nyquist. 3.-Estabilidad relativa. 3.1.-Margen de ganancia. 3.2.-Margen de fase. 4.-Estabilidad mediante

Más detalles

Anexo 4. Herramientas Estadísticas

Anexo 4. Herramientas Estadísticas Anexo 4 Herramientas Estadísticas La estadística descriptiva es utilizada como una herramienta para describir y analizar las características de un conjunto de datos, así como las relaciones que existen

Más detalles

Carrera: -------- Participantes. Academias de la carrera

Carrera: -------- Participantes. Academias de la carrera 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: INSTRUMENTACIÓN VIRTUAL Carrera: INGENIERÍA ELÉCTRICA Clave de la asignatura: -------- Horas teoría-horas práctica-créditos 4 2 10 2.- HISTORIA DEL PROGRAMA

Más detalles

SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA

SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA DEPARTAMENTO DE PREPARATORIA ABIERTA MATEMÁTICAS II GUIA DE ESTUDIO

Más detalles

El ancho de banda y la compatibilidad electromagnética

El ancho de banda y la compatibilidad electromagnética El ancho de banda y la compatibilidad electromagnética Artículo cedido por Cemdal www.cemdal.com Autor: Francesc Daura Luna, Ingeniero Industrial, experto en compatibilidad electromagnética. Director de

Más detalles

Apuntes de Compresión Fractal de Imágenes

Apuntes de Compresión Fractal de Imágenes Apuntes de Compresión Fractal de Imágenes Gonzalo Rojas C., Ulrich Raff B. Grupo de Procesamiento de Imágenes Departamento de Física Universidad de Santiago de Chile Av. Ecuador 3493 Santiago, CHILE E-MAIL:

Más detalles

Transformada discreta de Fourier

Transformada discreta de Fourier Transormada discreta de Fourier Convolución en el espacio = multiplicación de la TDF de la imagen por la TDF de la respuesta impulsional del iltro. Mayor rapidez de aplicación (algoritmo FFT) Permite aplicar

Más detalles

MAGNITUDES LUMINOSAS. Capítulo 5.

MAGNITUDES LUMINOSAS. Capítulo 5. Capítulo 5. MAGNITUDES LUMINOSAS 5.. Flujo luminoso (Potencia luminosa).......................... 47 5.2. Cantidad de luz (Energía luminosa).......................... 48 5.3. Intensidad luminosa......................................

Más detalles

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA ÍNDICE PRÓLOGO...19 CAPÍTULO 1. INTRODUCCIÓN...25 1.1 SISTEMA DE VISIÓN Y PROCESAMIENTO DE IMÁGENES...25 1.2 PROCESAMIENTO DIGITAL DE IMÁGENES...26 1.3 RELACIONES BÁSICAS ENTRE PÍXELES...27 1.3.1 Vecinos

Más detalles

Detección de bordes en una imagen.

Detección de bordes en una imagen. Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para

Más detalles

FUNCIONES CUADRÁTICAS Y RACIONALES

FUNCIONES CUADRÁTICAS Y RACIONALES www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro

Más detalles

6. VECTORES Y COORDENADAS

6. VECTORES Y COORDENADAS 6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES

Más detalles