Análisis de imágenes digitales
|
|
- Gabriel José Ramón Caballero Roldán
- hace 5 años
- Vistas:
Transcripción
1 Análisis de imágenes digitales TRANSFORMADAS BÁSICAS DE LA IMAGEN Transformada de Fourier
2 DEFINICIONES BÁSICAS El concepto de descomposición en frecuencia se basa en las propiedades de periodicidad de las señales trigonométricas del seno y coseno. Las funciones seno y coseno son señales periódicas con periodo T = 2π, de tal manera que la señal se repite como cos(x)=cos(x+2πk), k Ν. La velocidad angular es una medida de la velocidad de rotación definida como: ω = 2π T = 2π f donde T es el periodo (tiempo en dar un ciclo completo) y f es la frecuencia (número de ciclos por unidad de tiempo) medida en Hertz (Hz), de modo que: f = 1 T = ω 2π 2
3 DEFINICIONES BÁSICAS Las funciones seno y coseno oscilan en el rango [ 1,+1], y se puede modificar su amplitud multiplicándolas por una constante A, de tal manera que quedan definidas como: f (x) = A cos(ωx) y f (x) = A sin(ωx) 1 A sin(x) cos(x) π 4 π 2 3π 4 π 5π 4 3π 2 7π 4 2π ω f % Ejemplo en MATLAB x = :.1:1; % Variable independiente (tiempo) k = 1; % Número de ciclos por segundo (Hz) A = 1; % Amplitud de la función w = 2*k*pi; % Velocidad angular f1 = A*sin(w*x); % Evalúa función seno f2 = A*cos(w*x); % Evalúa función coseno % Gráfica de resultados figure('color',[1 1 1]); plot(w*x,f1,'k',w*x,f2,'k-.'); set(gca,'xtick',:pi:w); xlim([ w]); ylim([-a A]); legend('sin(x)','cos(x)'); 3
4 DEFINICIONES BÁSICAS Si se considera el desplazamiento de la función coseno a lo largo del eje x en una distancia ϕ, denominada ángulo de fase, se tiene la siguiente expresión: f (x) = cos(ωx φ) Considerando la fase, existen equivalencias entre las funciones seno y coseno, tal que: φ sin(x) sin(ωx) = cos(ωx π 2 ) cos(ωx) = sin(ωx π 2 ) π 4 π 2 3π 4 π 5π 4 3π 2 7π 4 2π A cos(x) ω 4
5 DEFINICIONES BÁSICAS Los procesos de transformación consisten en descomponer un modelo de componentes ortogonales. La ortogonalidad se refiere a que la descomposición realizada tendrá información excluyente entre las componentes, es decir, la información contenida en la descomposición de una componente no se encontrará en ninguna otra componente. Las funciones seno y coseno son ortogonales, por lo que pueden ser utilizadas para construir funciones arbitrarias, por ejemplo: donde: A cos(ωx) + B sin(ωx) = C cos(ωx φ) B C = A 2 + B 2 y φ = tan 1 A 5
6 DEFINICIONES BÁSICAS sin(x) 2 2 cos(x π 4 ) sin(ωx) B = 1 2 A cos(ωx) + B sin(ωx) 1 2 cos(x) φ cos(ωx) 2 2 π 4 π 2 3π 4 π 5π 4 3π 2 7π 4 2π ω A = 1 2 6
7 DEFINICIONES BÁSICAS La relación entre las funciones coseno y seno y la función exponencial compleja está determinada por la fórmula de Euler: e jφ = cosφ + j sinφ La parte real (Re) e imaginaria (Im) quedan determinados por: Re(e jφ ) = cosφ = e jφ + e jφ y Im(e jφ ) = sinφ = e jφ e jφ La magnitud se define como: e jφ = Re 2 (e jφ ) + Im 2 (e jφ ) El ángulo de fase se define como: Im(e jφ ) φ = tan 1 Re(e jφ ) 2 2j 7 Im 1 sin(φ) φ cos(φ) 1 cos(φ) + j sin(φ) Re
8 TRANSFORMADAS DE IMÁGENES Algunas tareas de AID son más fáciles de hacer al transformar la imagen del dominio espacial a otro dominio, realizar dichas tareas en ese nuevo dominio y aplicar una transformación inversa para regresarla al dominio espacial. Problema en el dominio de la transformada Solución fácil Solución en el dominio de la transformada Integral de transformación Transformación inversa Problema en el dominio espacial Solución difícil Solución en el dominio espacial 8
9 TRANSFORMADAS DE IMÁGENES Ejemplo: filtrado de ruido periodico. f(x,y) T(u,v) g(x,y) R Procesamiento R 1 Dominio espacial Dominio de la transformada Dominio espacial 9
10 TRANSFORMADAS DE IMÁGENES Las transformadas lineales para imágenes, denotadas T(u,v), pueden expresarse de la forma general como: Imagen transformada T(u,v) = Imagen de entrada M 1 x = y= f (x,y)r(x,y,u,v) 1 Kernel de transformación directo con u=,1,,m 1 y v=,1,,n 1, donde M y N son el ancho y alto de la imagen respectivamente, x e y son las variables espaciales, y u y v son las variables de la transformada. Dado T(u,v) se puede recuperar f(x,y) usando la transformada inversa de T(u,v) como: Imagen recuperada f (x,y) = Imagen transformada M 1 u= v= con x=,1,,m 1 y y=,1,,n 1. T(u,v)s(x,y,u,v) Kernel de transformación inverso
11 TRANSFORMADAS DE IMÁGENES La transformada directa se dice que es separable si: r(x,y,u,v) = r 1 (x,u)r 2 (y,v) Adicionalmente, el kernel es simétrico si r 1 (x,u) es funcionalmente idéntico a r 2 (y,v), tal que r(x,y,u,v) = r 1 (x,u)r 1 (y,v) Ambas propiedades también aplican a la transformada inversa. Perfil horizontal valor Perfil vertical renglón columna 11
12 El físico-matemático francés Joseph Fourier sentó las bases del análisis de funciones periódicas las cuales son descompuestas en series trigonométricas convergentes llamadas Series de Fourier. En 1822 publicó su trabajo Teoría analítica del calor en donde aplicó las series trigonométricas para modelar la propagación del calor. Actualmente el Análisis de Fourier se utiliza extensamente en varias áreas de la ciencia para el análisis de frecuencia de señales periódicas. 12
13 CASO CONTINUO 1D Series de Fourier: una función periódica puede descomponerse en una suma de simples señales oscilatorias (armónicos) con diferentes frecuencias (senos y cosenos o exponenciales complejas). n = 1 n = 3 n = 7 n = 11 n = 39 n = 199 f (x) = Función cuadrada: 1, < x < π 1, π < x < 2π Serie de Fourier: f (x) = 4 π n=impar 1 n sinnω x 13
14 CASO CONTINUO 1D Transformada de Fourier o integral de Fourier: descompone una función periódica en sus armónicos (espectro de frecuencias) y se define como: F(ω) = F[f(x)] = f(x)e j 2πωx dx La transformada inversa de Fourier se expresa como: f(x) = F 1 [F(ω)] = 1 2π F(ω)e j 2πωx dω donde: j = 1 y e ± jθ = cosθ ± j sinθ 14
15 CASO CONTINUO 1D f (x) A Pulso rectangular A, x < X f (x) =, x > X Si sinθ = e jθ e jθ 2 j F(u) = x X f (x)e j 2πux dx = Ae j 2πux dx X = A e j 2πux dx X Si e ax dx = eax a A j2πu e j 2πux = A j2πu e j 2πuX 1 = A j2πu e jπux e jπux X e jπux A πu sin(πux)e jπux F(u) = A 1 πu sin(πux) e jπux F(u) = AX sin(πux) πux Función Sinc 15
16 CASO CONTINUO 1D f (x) F(u) A F[f(x)] X x π X π X u f(x) = A, x < X, x > X F(u) = AX sin(πux) πux 16
17 CASO CONTINUO 1D Variando la velocidad angular, se observa un aumento de la frecuencia en el dominio del tiempo y que es correspondiente a un desplazamiento en el dominio de la frecuencia. f (t) = sin(2πωt) 17
18 CASO CONTINUO 1D Variando la velocidad angular, se observa un aumento de la frecuencia en el dominio del tiempo y que es correspondiente a un desplazamiento en el dominio de la frecuencia. f (t) = sin(2πt) + sin(2πωt) 18
19 CASO CONTINUO 2D El par de transformadas de Fourier bidimensionales se definen como: F(u,v) = F[f(x,y)] = f(x,y) = F 1 [F(u,v)] = 1 2π Considérese el pulso rectangular 2D: f(x,y)e j 2π(xu+yv) dx dy F(u,v)e j 2π(xu+yv) dudv x X A Y y Si f(x,y) = A, < x < X < y <Y, otro caso e p+q = e p e q F(u,v) = A F(u,v) = AXY sin(πux) πux X e j 2πxu dx sin(πvy ) πvy Y e j 2πyv dy 19
20 CASO CONTINUO 2D F(u,v) f (x,y) A F[f(x,y)] X Y y u v x f(x,y) = A, < x < X < y <Y, otro caso F(u,v) = AXY sin(πux) πux sin(πvy ) πvy 2
21 CASO DISCRETO 1D Supóngase una función continua f (x) que se ha discretizado en la sucesión: f (x) = f (x + xδx) donde x =,1,2,,N 1 muestras separadas uniformemente cada Δx. 21
22 CASO DISCRETO 1D El par de transformadas discretas de Fourier (DFT) para funciones muestreadas son: F[f(x)] = F(u) = f(x)e j 2πux N para u =,1,2,,N 1 x = F 1 [F(u)] = f(x) = 1 N F(u)e j 2πux N para x =,1,2,,N 1 u= Implementación numérica en MATLAB: function F = dft(f) N = numel(f); x = :N-1; u = :N-1; k = 1j*2*pi; F = zeros(1,n); for i = 1:N F(i) = sum(f.*exp(-k*x*u(i)/n)); end function f = idft(f) N = numel(f); u = :N-1; x = :N-1; k = 1j*2*pi; c = 1/N; f = zeros(1,n); for i = 1:N f(i) = c*sum(f.*exp(k*u*x(i)/n)); end 22
23 TRANSFORMADA DE FOURIER CASO DISCRETO 2D En el caso de dos variables el par de transformadas discretas de Fourier son: F[f (x,y)] = F(u,v) = M 1 f (x,y)e j 2π ( ux + vy M N ) x = y = 1 F 1[F(u,v)] = f (x,y) = MN M 1 F(u,v)e u = v = Significado de la DFT 2D: la combinación de funciones armónicas base bidimensionales pueden sintetizar cualquier función arbitraria espacial. 23 j 2π ( ux + vy M N ) para u =,1, 2,,M 1 v =,1, 2,,N 1 para x =,1, 2,,M 1 y =,1, 2,,N 1
24 CASO DISCRETO 2D Diferencias entre el dominio espacial y el dominio de la frecuencia: y v F[f(x,y)] u F 1 [F(u,v)] f(x,y) proporciona la intensidad de la imagen en ese punto x F(u,v) proporciona la contribución que la componente de frecuencia hace a la imagen 24
25 PROPIEDADES El rango dinámico del espectro de Fourier es generalmente mucho mayor de lo que los sistemas de visualización son capaces de reproducir. Para visualizar F (u,v) se realiza una compresión logarítmica como: D(u,v) = c log( 1 + F(u,v) ) f(x,y) F(u,v) D(u,v) 25
26 PROPIEDADES La DFT y su inversa son distributivas respecto a la suma: Pero no para la multiplicación: La DFT se puede expresar de forma polar como: F(u,v) = F(u,v) e jφ(u,v) donde la magnitud (espectro de Fourier o de frecuencias) es: y el ángulo de fase es: F{f 1 (x,y) + f 2 (x,y)} = F{f 1 (x,y)} + F{f 2 (x,y)} F{f 1 (x,y) f 2 (x,y)} F{f 1 (x,y)} F{f 2 (x,y)} F(u,v) = Re 2 (u,v) + Im 2 (u,v) φ(u,v) = tan 1 26 Im(u,v) Re(u,v) 1 2
27 TRANSFORMADA DE FOURIER PROPIEDADES La magnitud de la DFT 2D contiene información sobre las intensidades de la imagen, mientras que la fase contiene información sobre la localización de los objetos en la imagen. F(u,v) F 1 f (x,y) F φ (u,v ) F 1 27
28 TRANSFORMADA DE FOURIER PROPIEDADES F(u, v) F 1 φ (u, v) F(u, v) F 1 φ (u, v) 28
29 PROPIEDADES La DFT de una función real es simétrica conjugada, de modo que el espectro posee una simetría par con respecto al origen: F(u,v) = F( u, v) y el ángulo de fase exhibe una simetría impar con respecto al origen: φ(u,v) = φ( u, v) También, la DFT es periódica con periodo N: F(u,v) = F(u + N,v) = F(u,v + N ) = F(u + N,v + N ) por tanto, para fines prácticos se suele tomar únicamente un periodo: F(u) N N 2 29 N 2 N u
30 PROPIEDADES y f(x,y) F(u,v) v v φ(u,v) u u u u x v v 3
31 TRANSFORMADA DE FOURIER PROPIEDADES Periodicidad y simetría en la frecuencia: N M M M f (x,y) F 1 periodo N v N 1 periodo 31 2M u M
32 PROPIEDADES Periodicidad y simetría en el espacio: M N M M 2M x M F(u,v) F 1 1 periodo N y N 32 1 periodo
33 PROPIEDADES La propiedades de traslación del par de transformadas de Fourier son: f(x,y)e j 2π(u x/m +v y/n ) F F(u u,v v ) Desplazamiento en frecuencia F f(x + x,y + y ) F(u,v)e j 2π(u x/m +v y/n ) Desplazamiento en el espacio donde: < u < M 1 y < v < N 1 Generalmente, el origen del espectro se coloca al centro del planocon coordenadas (M/2, N/2) mediante: f(x,y) e j 2π(x/2+y/2) = f(x,y) ( 1) x +y 33
34 PROPIEDADES f (x,y) M 1 x F(u,v) M 1 u F y v ˆF(u,v) M 1 u ˆf (x,y) = f (x,y) ( 1) x+y F Traslación en la frecuencia v 34
35 PROPIEDADES F(u,v) M 1 u f (x,y) M 1 x F 1 v y ˆf (x,y) M 1 x ˆF(u,v) = F(u,v) e j 2π (xu /M +yv /N ) con u = M y v = 2 F 1 Traslación en el espacio y 35
36 PROPIEDADES Si se introducen las coordenadas polares: x = r cosθ y = r sinθ u = ω cosϕ v = ω sinϕ entonces f(x,y) y F(u,v) se convierten en f(r,θ) y en F(ω,φ), respectivamente, de modo que se genera una rotación del ángulo: F f(r,θ + θ ) F(ω,ϕ + ϕ ) Si se rota la función f(r,θ+θ ) un ángulo determinado, la transformada de Fourier también será afectada por una rotación del mismo ángulo. Esta propiedad también se da a la inversa. Sin rotación Con rotación F F 36
37 PROPIEDADES El par de DFT s pueden expresarse en forma separable como: F(u,v) = e j 2πux/N f(x,y) e j 2πvy/N, para u,v =,1,2,,N 1 x = f(x,y) = 1 N y= e j 2πux/N F(u,v) e j 2πvy/N, para x,y =,1,2,,N 1 u= v= Por tanto, F(u,v) ó f(x,y) pueden obtenerse en dos pasos aplicando sucesivamente la DFT 1D o su inversa: F(u,v) = F(u,y)e j 2πvy/N donde F(u,y) = f(x,y)e j 2πux/N y= f(x,y) = 1 N f(u,y)e j 2πux/N u= 37 x = donde f(u,y) = 1 N F(u,v)e j 2πvy/N La función 2D F(u,y) se obtiene aplicando DFT 1D a lo largo de cada columna de f(x,y), y después F(u,v) se obtiene aplicando DFT 1D a lo largo de cada fila de F(u,y). De forma inversa, para obtener f(x,y) se transforman primero las filas y después las columnas. v=
38 PROPIEDADES La obtención de DFT 2D a partir de una serie de transformadas 1D mejora notablemente el tiempo de cálculo de la DFT. (,) x (,) u (,) u f (x,y) Transformada de columnas F(u,y) Transformada de filas F(u,v) y y v (,) u (,) x (,) x F(u,v) Transformada de filas f (u,y) Transformada de columnas f (x,y) v v y 38
39 PROPIEDADES Implementación numérica en MATLAB de la DFT 2D, donde las funciones dtf y idtf se muestran en la diapositiva 22: function F = dft2(f) f = double(f); [N,M] = size(f); F = zeros(n,m); % Transformada de las columnas for i = 1:M F(:,i) = dft(f(:,i)); end % Transformada de las filas for j = 1:N F(j,:) = dft(f(j,:)); end function f = idft2(f) F = double(f); [N,M] = size(f); f = zeros(n,m); % Transformada de las filas for i = 1:N f(i,:) = idft(f(i,:)); end % Transformada de las columnas for j = 1:M f(:,j) = idft(f(:,j)); end 39
Señales y Sistemas. Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial
Señales y Sistemas Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre Ríos 5 de octubre
Más detallesAlmacenamiento de imágenes digitales. Segunda parte
Almacenamiento de imágenes digitales Segunda parte Compresión de imágenes digitales Eliminando: 1. Redundancia en el código. 2. Redundancia entre píxeles. 3. Redundancia psicovisual. Compresión de imágenes
Más detallesSeñales y Sistemas. Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial
Señales y Sistemas Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre Ríos Procesamiento
Más detallesTransformadas de la imagen
Transformadas de la imagen Digital Image Processing, Gonzalez, Woods, Addison Wesley, ch 3 Transformadas de la imagen 1 Transformada de Fourier en el caso continuo Transformada de Fourier de una funcion
Más detallesTransformada de Fourier Joseph Fourier (1768 ~ 1830 )
Transformada de Fourier Joseph Fourier (1768 ~ 1830 ) Introducción Herramienta para formar cualquier función f(x) en una combinación de series de senos y cosenos en un intervalo de frecuencia. Una transformación
Más detallesSistemas Lineales e Invariantes a la Traslación
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Es un arreglo de píxeles? 1.2 Las funciones sinusoidales Onda plana (viajera) que
Más detallesLa transformada de Fourier. Aplicación al filtrado de imágenes
La transformada de Fourier. Aplicación al filtrado de imágenes Apellidos, nombre Ruiz Fernández, Luis Ángel (laruiz@cgf.upv.es) Departamento Centro Ingeniería Cartográfica, Geodesia y Fotogrametría ETSI.
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Veroni Alsina Camila Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina cveroni@hotmail.com.ar
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales TRANSFORMADAS BÁSICAS DE LA IMAGEN Otras transformada útiles FORMA GENERAL Recordando el concepto general de transformada lineal: T (u,v) = M 1 N 1 x=0 y=0 f (x,y)r(x,y,u,v)
Más detalles1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Sistema: Suma: Escalamiento:
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales 1.2 Sistemas lineales 1.2.1 Ejemplo de Sistemas Lineales Qué es una imagen digital? a) Sistema: un sistema realiza
Más detallesTema IV. Transformada de Fourier. Contenido. Desarrollo de la Transformada de Fourier en Tiempo Continuo. Propiedades de las transformadas de Fourier
Tema IV Transformada de Fourier Contenido Desarrollo de la Transformada de Fourier en Tiempo Continuo Transformadas coseno y seno de Fourier Propiedades de las transformadas de Fourier Transformada de
Más detalles1.2. Tratamiento digital de señales bidimensionales
1.2. Tratamiento digital de señales Procesamiento de imágenes digitales Contenidos Señales Transformada de Fourierde señales Filtrado de señales Periodicidad 1 Función con más de una variable independiente
Más detallesNúmeros Complejos. Prof. Johnny Rengifo
Números Complejos Prof. Johnny Rengifo 22 de octubre de 2010 Capítulo 1 Números Complejos Existen muchas ecuaciones cuadráticas que no tienen solución en los números reales (R). Por ejemplo x 2 + 1 = 0
Más detalles1. Álgebra de Números Complejos.
1. Álgebra de Números Complejos. Los números complejos se pueden introducir en el proceso de búsqueda de soluciones para ecuaciones polinomiales como x 2 + 1 = 0 ó x 2 + 4x + 13 = 0. En general un valor
Más detallesELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I
1 ELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I Este laboratorio está compuesto por dos sesiones en la cuales se estudiará la transformada
Más detallesProblemas para la materia de Cálculo IV
Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica Problemas para la materia de álculo IV Febrero de 5 ompilación de problemas propuestos como parte de exámenes parciales
Más detallesProcesado Lineal Bidimensional
Procesado Lineal Bidimensional Santiago Aja-Fernández Universidad de Valladolid S. Aja-Fernández (ETSI Telecomunicación) Introducción al Procesado de Imagen 1 / 36 Contenidos 1 Señales bidimensionales
Más detallesLa siguiente tabla presenta las medidas en radianes y en grados de varios ángulos frecuentes, junto con los valores de seno, coseno, y tangente.
Solución. En el primer cuadrante: En el segundo cuadrante: En el tercer cuadrante: En el cuarto cuadrante: cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan
Más detallesSinusoides y Espectros Digitales
Sinusoides y Espectros Digitales Juan-Pablo Cáceres CCRMA Stanford University Agosto, 2007 Contenidos Señales Digitales y Muestreo (Sampleo) Números Complejos Fasores y Sinusoides Espectros Digitales Qué
Más detalles1. Señales continuas o sinusoidales. 2. Cualquier señal (incluyendo continuas o sinusoidales).
La transformación de Laplace permite tratar cualquier señal en el dominio del tiempo mediante la formulación de dicha señal en el dominio complejo. Alternativamente, la transformación de Fourier expresa
Más detallesVictrola de La Transformada de Fourier
Victrola de La Transformada de Fourier p. 1/2 Victrola de La Transformada de Fourier Introducción para Músicos Juan I Reyes juanig@maginvent.org artelab Laboratorios de Artes Electrónicas Victrola de La
Más detallesMatemática Computacional
Matemática Computacional Filtrado en el dominio de la Frecuencia MATEMÁTICA COMPUTACIONAL - MA475 1 Logro El alumno, al término de la sesión, será capaz de entender el filtrado en el dominio de la frecuencia
Más detallesCompresión de Vídeo. Juan A. Michell Mar>n Gustavo A. Ruiz Robredo. Tema 1.3. Filtrado en el dominio frecuencial
Compresión de Vídeo Tema 1.3. Filtrado en el dominio frecuencial Juan A. Michell Mar>n Gustavo A. Ruiz Robredo Departamento de Electrónica y Computadores Este tema se publica bajo Licencia: Crea9ve Commons
Más detallesTema 1. Introducción a las señales y los sistemas
SISTEMAS LINEALES Tema. Introducción a las señales y los sistemas de septiembre de F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA Contenidos. Definiciones. Clasificación de señales. Transformaciones de la
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Más detallesTratamiento Digital de Señales TEMA 2 : DFT (I)
Tratamiento Digital de Señales TEMA 2 : DFT (I) Universidade de Vigo ETSE Telecomunicación CONTENIDOS 1. Repaso de conceptos asociados con la TF 2. Formulación de la DFT 3. Propiedades de la DFT 4. Métodos
Más detallesMATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1. Transformaciones conformes
MATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1 Transformaciones conformes 1 Determinar donde son conformes las siguientes transformaciones: (a) w() = 2 + 2 (b) w() = 1 + i (c) w() = + 1 (d) w() = En cada
Más detallesSeñales Determinísticas
Señales Determinísticas Dr. Luis Javier Morales Mendoza FIEC Universidad Veracruzana Poza Rica Tuxpan Índice 1.1. Definiciones 1.2. Qué es una? 1.2.1. Amplitud de una señal 1.2.2. Frecuencia de una Señal
Más detallesTratamiento de imágenes en el dominio de la frecuencia
Tratamiento de imágenes en el dominio de la frecuencia Transformada de Fourier Transformada: Representación alternativa de una imagen Transformada de Fourier: Cualquier señal periódica puede representarse
Más detallesProcesamiento y análisis de imágenes digitales II
Escuela Tecnología Médica Universidad de Chile Procesamiento y análisis de imágenes digitales II Alejandra García, TM Centro de Estudios Moleculares de la Célula, FONDAP, Facultad de Medicina, Universidad
Más detallesPRÁCTICA DE LABORATORIO - trigonometría Funciones trigonométricas y ondas senoides.
PRÁCTICA DE LABORATORIO - trigonometría Funciones trigonométricas y ondas senoides. Objetivos: Identificar y familiarizarse con las ondas senoides. construir e identificar claramente las características
Más detallesSoluciones de la ecuación de onda ( ) ( ) ( ) ONDAS PLANAS. Ecuación de onda en coordenadas cartesianas. Separación de variables.
ONDAS PLANAS Soluciones de la ecuación de onda cuación de onda en coordenadas cartesianas Ω+ Ω Ω Ω Ω + + + Ω Separación de variables Ω X Y Z d X dy dz + + + X d Y d Z d X d Y d d X dy Z d dz + + cuaciones
Más detallesTema 3. Análisis de Fourier de señales y sistemas de tiempo continuo.
Tema 3. Análisis de Fourier de señales y sistemas de tiempo continuo. 205-206 Tema 3. Análisis de Fourier de tiempo continuo 205-206 / 23 Índice Introducción 2 Respuesta de sistemas LTI a exponenciales
Más detallesDominio de la frecuencia: Conceptos básicos
Dominio de la frecuencia: Conceptos básicos Lección 06.1 Dr. Pablo Alvarado Moya CE5201 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico de Costa Rica I Semestre,
Más detallesIntegral de Fourier y espectros continuos
9 2 2 2 Esta expresión se denomina forma de Angulo fase (o forma armónica) de la serie de Fourier. Integral de Fourier y espectros continuos Las series de Fourier son una herramienta útil para representar
Más detallesVOLTAJE Y CORRIENTE ALTERNA CA
LECCIÓN Nº 05 VOLTAJE Y CORRIENTE ALTERNA CA 1. GENERALIDADES Hasta ahora se ha considerado que la corriente eléctrica se desplaza desde el polo positivo del generador al negativo (la corriente electrónica
Más detallesSeñales y Sistemas. Grado en Ingeniería de Computadores. Revisión matemáticas
Señales y Sistemas Grado en Ingeniería de Computadores Revisión matemáticas José Sáez Landete Departamento de Teoría de la Señal y Comunicaciones Universidad de Alcalá Curso 2015-16 Contenidos 1 Numeros
Más detallesSeñales: Tiempo y Frecuencia PRÁCTICA 1
Señales: Tiempo y Frecuencia PRÁCTICA 1 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 1 Señales: Tiempo y Frecuencia 1. Objetivo El objetivo de esta primera práctica es revisar: las principales
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales MEJORAMIENTO DE LA IMAGEN Transformaciones de intensidad INTRODUCCIÓN Mejoramiento es el proceso de manipulación de la imagen tal que el resultado sea más útil que la imagen
Más detallesPrograma del Diploma: Matemáticas
Programa del Diploma: Matemáticas Nivel: SL Topic Content Año 1 Conocimientos anteriores Conjuntos numéricos, aproximación, estimación,% de error, notación científica, intervalos, desigualdades (propiedades),
Más detallesContenidos. Importancia del tema. Conocimientos previos para este tema?
Transformación conforme Contenidos Unidad I: Funciones de variable compleja. Operaciones. Analiticidad, integrales, singularidades, residuos. Funciones de variable real a valores complejos. Funciones de
Más detallesApuntes de Funciones
Apuntes de Funciones El concepto de función es un elemento fundamental dentro del análisis matemático, así como en sus aplicaciones. Esta idea se introdujo con el objetivo de matematizar la transformación
Más detallesNúmeros Complejos y DFFT. Ing. Abel Augusto Durand Loaiza IBEROTEC. 05 de Diciembre de 2016
Números Complejos y DFFT 1 Números Complejos y DFFT Ing. Abel Augusto Durand Loaiza IBEROTEC 05 de Diciembre de 2016 Números Complejos y DFFT 2 Resumen La presente guía didáctica comprende una aproximación
Más detallesProcesamiento digital de señales Semana 5. DFT
Procesamiento digital de señales Semana 5. DFT Dra. María del Pilar Gómez Gil Otoño 7 Coordinación de computación INAOE Versión: de Octubre 7 c P.Gómez Gil, INAOE 7 Tema La transformada Discreta de Fourier
Más detallesPráctica 8. f n (x) = sea la mejor aproximación (en media cuadrática) de la función f(x) = 1 en (0, 2). (x 2 a b cos x c sen x) 2 dx.
MATEMATICA 4 er Cuatrimestre de 25 Práctica 8. a) Verificar que f n (x) = { n si x n si x > n converge uniformemente a cero en R pero que (f n ) no converge a cero en media cuadrática. b) Verificar que
Más detallesLección 3.2. Ángulos de Referenciay Gráficas de Funciones Trigonométricas. 21/02/2014 Prof. José G. Rodríguez Ahumada 1 de 20
Lección 3.2 Ángulos de Referenciay Gráficas de Funciones Trigonométricas 21/02/2014 Prof. José G. Rodríguez Ahumada 1 de 20 Actividades 3.2 Referencia Texto: Seccíón 6.4 Valores de las Funciones Trigonométricas;
Más detallesTRATAMIENTO DE IMÁGENES
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 09 TRATAMIENTO DE IMÁGENES EN EL DOMINIO DE LAS FRECUENCIAS prb@2007 2 1 A principios del siglo XIX, Joseph Fourier indica que toda función periódica
Más detallesProcesamiento Digital Tren de pulsos
2. Procesamiento Digital Una formulación general para las series de Fourier es = donde se utiliza otro tipo de función φ k diferente a las funciones sinusoidales. 2.1 Interpolación Se puede expresar una
Más detallesTransformada Discreta de Fourier
Capítulo 13 Transformada Discreta de Fourier La Serie Exponencial de Fourier de Tiempo Discreto descompone cualquier señal discreta y periódica en una combinación lineal de exponenciales complejas. Tales
Más detallestransmisión de señales
Introducción al análisis y transmisión de señales La transmisión de información La información se puede transmitir por medio físico al variar alguna de sus propiedad, como el voltaje o la corriente. Este
Más detallesÍNDICE Capítulo 2 La transformada de Laplace 1 Capítulo 2 Series de Fourier 49 Capítulo 3 La integral de Fourier y las transformadas de Fourier 103
ÍNDICE Capítulo 2 La transformada de Laplace... 1 1.1 Definición y propiedades básicas... 1 1.2 Solución de problemas con valores iniciales usando la transformada de Laplace... 10 1.3 Teoremas de corrimiento
Más detallesTratamiento Digital de Señales
Departamento de Teoría de la Señal y Communicaciones Tratamiento Digital de Señales Transformada Discreta de Fourier (DFT) Prof.: Manuel Blanco Velasco Sumario Definición e interpretación La DFT como transformación
Más detallesTEMA 5- MOVIMIENTOS ONDULATORIOS
TEMA 5- MOVIMIENTOS ONDULATORIOS 5.1.- Movimiento ondulatorio: ONDAS. Un movimiento ondulatorio es una forma de transmisión de energía y movimiento por el medio, sin transporte neto de materia. Ø Perturbación
Más detallesANÁLISIS II Computación. Práctica 4. x 3. x 2 + y 2 si (x, y) (0, 0)
facultad de ciencias exactas y naturales uba primer cuatrimestre 2007 ANÁLISIS II Computación Práctica 4 Derivadas parciales 1. Calcular a) f y (2, 1) para f(x, y) = xy + x y b) f z (1, 1, 1) para f(x,
Más detallesToda función es una relación, pero no toda relación es una función. Las relaciones multiformes NO son funciones. Relación uno a uno (biunívoca)
CONCEPTO TRADICIONAL DE FUNCIÓN Cuando dos variables están relacionadas en tal forma que a cada valor de la primera corresponde un valor de la segunda, se dice que la segunda es función de la primera.
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Momentos INTRODUCCIÓN En general, la relación entre una imagen ideal f(x,y) y una imagen observada g(x,y) se describe como g =D( f ) donde D
Más detallesProcesamiento Digital de Señales: Señales y Sistemas
Procesamiento Digital de Señales: Señales y Sistemas Objetivo Exponer los principios y particularidades del tratamiento de señales, sus clasificaciones y su relación con su representación digital. El alumno
Más detallesAproximación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Aproximación 1 / 19
Aproximación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aproximación 1 / 19 Motivación Intro Aproximar una función f consiste en reemplazarla con una
Más detallesANALISIS II Computación. Práctica 4. x 3. x 2 + y 2. x 2 + y 2 si (x, y) (0, 0) 0 si (x, y) = (0, 0)
facultad de ciencias exactas y naturales uba curso de verano 2006 ANALISIS II Computación Práctica 4 Derivadas parciales 1. Calcular (a) f xy y (2, 1) para f(x, y) = + x y (b) f z (1, 1, 1) para f(x, y,
Más detallesRealzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
Más detallesDiferencia entre análisis y síntesis
Diferencia entre análisis y síntesis ANÁLISIS Excitación conocida Respuesta? Circuito conocido xt () y()? t SÍNTESIS Y DISEÑO Excitación conocida Circuito? Respuesta deseada valores elementos? xt () yt
Más detallesPosición de un Cuerpo. Elementos para la descripción del movimiento. Vector de Posición y Vector Desplazamiento
1 Bárbara Cánovas Conesa 637 70 113 www.clasesalacarta.com 1 Cinemática Posición de un Cuerpo Coordenadas Cartesianas Coordenadas Polares Vector de Posición (,, z) r, q r Elementos para la descripción
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detallesAnálisis de Fourier: efectos de un medio físico ideal en la transmisión de una señal digital
Análisis de Fourier: efectos de un medio físico ideal en la transmisión de una señal digital Pedro Manuel Díaz Varela Estudiante de Ingeniería en Computación Universidad Nacional del Sur Avda. Alem 153
Más detallesTemas Avanzados en Procesado de Señales Tratamiento Digital de Señales Visuales
Temas Avanzados en Procesado de Señales Tratamiento Digital de Señales Visuales Tema 5: Operadores Globales transformadas lineales, transformadas morfológicas gicas José María Martínez Sánchez Escuela
Más detallesAnálisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones PRÁCTICA 4 Análisis Espectral mediante DFT. Objetivo Habitualmente, el análisis de señales y sistemas LTI
Más detallesTEORÍA DE CÁLCULO I. Para Grados en Ingeniería. Capítulo 1: Funciones de una variable real. Domingo Pestana Galván José Manuel Rodríguez García
TEORÍA DE CÁLCULO I Para Grados en Ingeniería Capítulo 1: Funciones de una variable real Domingo Pestana Galván José Manuel Rodríguez García Figuras realizadas con Arturo de Pablo Martínez 1 CAPÍTULO 1.
Más detallesPráctica Nº2: Transformada de Fourier y Filtros Espaciales.
UIVERSIDAD ACIOAL DE SA JUA DEPARTAETO DE ELECTROICA Y AUTOATICA. CARRERA: BIOIGEIERIA. ASIGATURA: IÁGEES E EDICIA. Práctica º2: Transformada de Fourier y Filtros Espaciales. Objetivos. Aplicar la Transformada
Más detallesTransformada Discreta de Fourier
UNL - FICH - Departamento de Informática - Ingeniería Informática Procesamiento digital de señales Guía de trabajos prácticos: Unidad IV Transformada Discreta de Fourier 1. Objetivos Aplicar los conceptos
Más detallesAmpliación de Señales y Sistemas
Grados Ing. de Telecomunicación. Universidad Rey Juan Carlos Página 1/6 Ampliación de Señales y Sistemas PRÁCTICA 2: La DFT en Matlab Profesora responsable de esta práctica: Alicia Guerrero Bibliografía:
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
Más detallesEjemplos de funciones de covarianza
Capítulo 5 Ejemplos de funciones de covarianza De lo explicado hasta el momento, se concluye que la regresión basada en Procesos Gaussianos se reduce a calcular la matriz de covarianza C n a partir de
Más detallesEmpezaremos por el Álgebra lineal porque:
Empezaremos por el Álgebra lineal porque: Las soluciones de una ecuación diferencial, como la ecuación de Schroedinger, son base de algún espacio vectorial. Las operaciones de simetría son transformaciones
Más detallesII.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000)
II.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000) Las técnicas de retoque de imágenes son técnicas matemáticas diseñadas para mejorar
Más detallesELECTROTECNIA Circuitos de Corriente Alterna
ELECTROTECNIA Circuitos de Corriente Alterna Juan Guillermo Valenzuela Hernández (jgvalenzuela@utp.edu.co) Universidad Tecnológica de Pereira Segundo Semestre de 2014 Juan Valenzuela 1 Elementos de circuitos
Más detalles1. Procesamiento de imágenes digitales.
1. Procesamiento de imágenes digitales. Procesamiento de imágenes digitales 1.1. Tratamiento digital de señales unidimensionales 1.1.1. Señal Una señal es un fenómeno electromagnético cuya variable independiente
Más detallesTema 3. Análisis de Fourier de señales y sistemas de tiempo continuo.
Tema 3. Análisis de Fourier de señales y sistemas de tiempo continuo. 2015-2016 Tema 3. Análisis de Fourier de tiempo continuo 2015-2016 1 / 32 Índice 1 de señales de tiempo continuo Ejemplos de transformadas
Más detallesCORRIENTE ALTERNA. Onda senoidal:
CORRIENTE ALTERNA Onda senoidal: En corriente alterna, la tensión varía continuamente en el tiempo, tomando valores positivos y negativos. La forma más común de corriente alterna es la senoidal. Se debe
Más detallesAplicación de funciones de variable compleja en circuitos eléctricos: fasores
Aplicación de funciones de variable compleja en circuitos eléctricos: fasores Ocampo Matias Estudiante de Ingeniería Eléctrica Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina
Más detallesTransformada Discreta de Fourier.
Transformada Discreta de Fourier. Hasta ahora se ha visto Importancia de la respuesta en frecuencia de un sistema Transformada de Fourier de una señal discreta Tenemos otra forma de caracterizar los sistemas
Más detallesEXAMEN FÍSICA 2º BACHILLERATO TEMA 3: ONDAS
INSTRUCCIONES GENERALES Y VALORACIÓN La prueba consiste de dos opciones, A y B, y el alumno deberá optar por una de las opciones y resolver las tres cuestiones y los dos problemas planteados en ella, sin
Más detallesELO20_FOC. donde T es la imagen transformada, I la imagen de entrada, de tamaño M x N, y b es la función base de la transformación.
Antenas INTRODUCCIÓN En una primera aproximación, podemos decir que todos los dominios transformados, que se utilizan dentro del tratamiento digital de imagen, tienen la misma forma básica que puede expresarse
Más detallesPLAN DE ESTUDIOS: 3 ACTA DE CONSEJO DE FACULTAD/DEPTO./CENTRO: 1. DATOS GENERALES PRERREQUISITOS/CORREQUISITOS: NINGUNO VERSIÓN: UNO 2.
Página 1 de 6 PROGRAMA: INGENIERÍA DE TELECOMUNICACIONES PLAN DE ESTUDIOS: 3 ACTA DE CONSEJO DE FACULTAD/DEPTO./CENTRO: 68 ASIGNATURA/MÓDULO/SEMINARIO: CÁLCULO DIFERENCIAL 1. DATOS GENERALES CÓDIGO: 911115
Más detallesCapítulo 2 Análisis espectral de señales
Capítulo 2 Análisis espectral de señales Objetivos 1. Se pretende que el alumno repase las herramientas necesarias para el análisis espectral de señales. 2. Que el alumno comprenda el concepto de espectro
Más detallesCERTAMEN N o 1 MAT
CERTAMEN N o 1 MAT-021 2011-1 P R E G U N T A S 1. Considere el siguiente razonamiento: Si estudio entonces apruebo los cursos. Además, si no termino mi carrera entonces no apruebo los cursos. A partir,
Más detallesCAPITULO 2 Difracción de Fraunhofer
CAPITULO 2 Difracción de Fraunhofer Introducción El fenómeno de difracción es observado cuando la propagación de un haz de luz es limitada por una apertura u obstruida por un objeto. Es común explicar
Más detallesVISIÓN POR COMPUTADOR
COPIA PRIVADA CON FINES DOCENTES VISIÓN POR COMPUTADOR ARTURO DE LA ESCALERA HUESO 4. Transformaciones matemáticas. Las transformaciones matemáticas que se describen en el presente capítulo, son aquellos
Más detallesTema 3: PROCESAMIENTO EN EL DOMINIO DELA FRECUENCIA I N G E N I E R Í A I N F O R M Á T I C A
Tema 3: PROCESAMIENTO EN EL DOMINIO DELA FRECUENCIA 1 I N G E N I E R Í A I N F O R M Á T I C A - Dominio espacial Tema 3: Procesamiento en el 2 Se refiere a la imagen en sí misma. Los métodos en esta
Más detallesProcesamiento Digital de Imágenes
Unidad V (b): Restauración de imágenes II p. 1/16 Procesamiento Digital de Imágenes Unidad IV (2da. parte): Restauración de imágenes II Departamento de Informática - FICH Universidad Nacional del Litoral
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS ESPECTRAL DE SEÑALES 1639 6 09 Asignatura Clave Semestre Créditos Ingeniería en Ciencias de la Tierra Geofísica
Más detallesINSTRUCTIVO PARA TUTORÍAS
INSTRUCTIVO PARA TUTORÍAS Las tutorías corresponden a los espacios académicos en los que el estudiante del Politécnico Los Alpes puede profundizar y reforzar sus conocimientos en diferentes temas de cara
Más detallesEigenvalores y eigenvectores
Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre
Más detallesPropiedades de la Transformada de Fourier
Propiedades de la (D)FT-2D Propiedades de la Transformada de Fourier Lección 06.2 Dr. Pablo Alvarado Moya CE5201 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico
Más detallesFormulario. sinc(x) = sin(πx) πx Relación entre senoidales y exponenciales complejas
1 1.1. Repaso matemático Formulario z = x + jy = x 2 + y 2 e jθ = me jθ = m(cos(θ) + j sin(θ)); θ = arctan x y b a e f f = e f(b) e f(a) sinc(x) = sin(πx) πx N 1 n=0 α n = N α = 1 1 α N 1 α α 1 b a δ(x)f(x)dx
Más detallesProcesamiento Digital de Imágenes
3. Procesamiento Digital de Imágenes 3.1 Transformada discreta de Fourier en 2D Una señal periódica con períodos N 1 y N 2 en sus coordenadas x 1 y x 2, respectivamente, tiene una trasformada de Fourier
Más detallesTema IV: Series de Fourier
29 Tema IV: Series de Fourier 1 Introducción En este tema presentaremos la forma en la MatLab puede ser utilizado para obtener la representación gráfica de una señal periódica que ha sido expresada mediante
Más detallesMétodos Matemáticos en Física
Correlacion 2012_13 Examenes Parciales (1+2) vs Problemas 45 total de Pro oblemas 40 35 30 25 Puntuacion t 20 15 10 Equation y = a + b Adj. R-Squar 0,3132 Value Standard Err 5 B Intercept 19,4941 3,02444
Más detalles