Trasformata di Fourier - Dipartimento di Informaticaig/lezioni-08-09/6-linear-filters.pdf · D è...
-
Upload
duongkhanh -
Category
Documents
-
view
215 -
download
0
Transcript of Trasformata di Fourier - Dipartimento di Informaticaig/lezioni-08-09/6-linear-filters.pdf · D è...
1
L Caponetti
Trasformata di Fourier
Filtri lineari
L Caponetti
Filtri lineari
Gli operatori locali che operano su una immaginemediante la convoluzione con maschere di pesipossono essere descritti mediante la teoria deisegnali ed in particolare dei sistemi lineari:
Trasformata di FourierProdotto di convoluzioneSistemi lineari
2
L Caponetti
Immagine digitaleUna immagine digitale è una funzione digitale del tipo:
f : D [0,255]
dove D è un dominio discreto, costituito da coppie di coordinate x,y. D è chiamato griglia di campionamento
L Caponetti
Funzione immagine
Una immagine è una funzione digitale in due dimensioni: i valori rappresentano il livello di grigio di un determinato pixel di coordinate (x,y)
x
y
O
3
L Caponetti
Immagine come segnale
Segnale: variazione di una grandezza fisica rispetto al tempo e/o allo spazio cioè
Valore della grandezza ad ogni istante di tempo (spazio)
Un segnale è una funzione dipendente da una o più variabili Le immagini stazionarie dipendono dalle coordinate spaziali: siparla di studio nel dominio dello spazio La funzione immagine considerata un segnale bidimensionale può essere studiata anche nel dominio delle frequenze –tramite la trasformata di Fourier
L Caponetti
Dominio delle frequenze
Ampiezza della trasformata di Fourier nel dominio delle frequenze (u,v) con origine nel centro
u
v
O
4
L Caponetti
Trasformata di Fourier
FondamentiSerie di Fourier: una funzione periodica può essererappresentata come somma di funzioni seno e coseno di differenti frequenze, moltiplicate per differenti coefficientiTrasformata di Fourier: le funzioni non periodichepossono essere rappresentate come integrale difunzioni seno/coseno moltiplicate per deicoefficienti
L Caponetti
1D Discrete Fourier Transform -DFT
Trasformata discreta di Fourier- DFT : un segnale digitale di estensione finita può essere rappresentato mediante la trasformata discreta di Fourier -
Sia f(x) -- {f (0), f (1), … , f (N - 1) } un segnalemonodimensionale di lunghezza N
Ssi definiscono la trasformata diretta e quella inversaDFT diretta
∑−
=
−=1
0
)2exp()()(N
x NuxjxfuF π u=0,1,…,N-1
DFT inversa
∑−
=
=1
0
)2exp()(1)(N
u NuxjuF
Nxf π x=0,1,…,N-1
5
L Caponetti
Nucleo della trasformata di Fourier
Formula di Eulero φφφ sincos je j +=
Nucleo o base della trasformata diretta - kernel
)2sin()2cos()2exp(2
Nuxj
Nux
Nuxje N
uxjπππ
π−=−=
−
Nucleo della trasformata inversa
Nuxj
eπ2 u=0,1,…,N-1
x=0,1,…,N-1
L Caponetti
2D Discrete Fourier Transform -DFT
Trasformata discreta di Fourier- 2-D DFT : un segnale digitale bidimensionale di estensione finita può essere rappresentato mediante la trasformata discreta di Fourier 2-D
Sia f(x,y) x= 0,1,…, M -1 , y= 0,1,…, N- 1una immagine di M x N pixel; si definiscono la trasformatadiretta e quella inversa bidimensionali
6
L Caponetti
2D Discrete Fourier TransformSia f(x,y) una immagine digitale, si definisce Trasformata discreta di Fourier:
( ) ( )
( ) ( )
1,...,2,1,0 e 1,...,2,1,0per
,,
1,...,2,1,0 e 1,...,2,1,0per
,1,
1
0
1
0
2
1
0
1
0
2
−=−=
=
−=−=
=
∑∑
∑∑
−
=
−
=
+
−
=
−
=
+−
NyMx
evuFyxf
NvMu
eyxfMN
vuF
M
u
N
v
Nvy
Muxj
M
x
N
y
Nvy
Muxj
π
π
DFT diretta 2-D
DFT indiretta -2D
L Caponetti
Considerazioni
Ogni termine della trasformata di Fourier F(u,v) èottenuto come combinazione lineare di tutti i valori della funzione f(x,y)I valori f(x,y) sono moltiplicati per le funzioni base seno e coseno di frequenze diverseIl dominio (u,v) è noto come dominio delle frequenze
I coefficienti F(u,v) sono detti componenti in frequenza della trasformata o coefficienti di Fourier
7
L Caponetti
Esponenziale complesso
)2sin()2cos()2exp(2
Nuxj
Nux
Nuxje N
uxjπππ
π−=−=
−
Parte reale Parte immaginaria
F(u,v) è una funzione complessa; si può quindi esprimere in coordinate polari
( ) ( ) ),(,, vujevuFvuF φ=
L Caponetti
Trasformata in 2Df(x,y)–funzione reale. La trasformata –complessa- si può esprimere in termini di ampiezza e fase:
Spettro o ampiezza
Angolo di fase
spettro di potenza
Le variabili u e v vengono chiamate variabili di frequenza
( ) ( ) ( )
( ) ( )( )
( ) ( ) 2
22
,,
,,,
,,,
vuFvuP
vuRvuIarctgvu
vuIvuRvuF
=
=
+=
ϕ
( ) ( ) φjevuFvuF ,, =
8
L Caponetti
L Caponetti
Visualizzazione della trasformata di Fourier
La trasformata di Fourier non può essere visualizzata essendo una funzione complessaSi visualizzano separatamente l’ampiezza o la fase. Per l’ampiezza si utilizza la funzione logaritmica
( ) ( )( )u,vF1logu,vD +=
Infatti l’ampiezza decresce piuttosto rapidamente all’aumentare della frequenzaLe componenti di alta frequenza tenderebbero ad essere scure se visualizzate direttamenteLa funzione log è non negativa e preserva il valore 0
9
L Caponetti
Trasformata di Fourier direttaI coefficienti F(u,v) di Fourier sono in relazione con alcune caratteristiche della immagine
F(0,0) è proporzionale al valore di brillanza medio della immagine f(x,y)
I coefficienti F(u,v) in corrispondenza di valori elevati di u,v–alte frequenze spaziali- sono in relazione alle brusche variazioni di livello di grigio – edge pixel
I coefficienti F(u,v) in corrispondenza di valori bassi di u,v, vicino all’origine –basse frequenze spaziali- sono in relazione a regioni abbastanza uniformi
L Caponetti
Esempio
inputfft
output
Smoothing filter
12
L Caponetti
Ampiezza della trasformata della zebra
L Caponetti
Fase della trasformata della zebra
13
L Caponetti
Curiosità sulla FT di immagini
Le ampiezze della FT delle immagini naturali sonoabbastanza simili tra loro
L’informazione è elevata vicino alle bassefrequenze, si va attenuando verso le altefrequenze
La maggior parte della informazione è nella fase e non nell’ampiezza
Non è molto chiaro perchè sia quasi sempre così
L Caponetti
Ricostruzionecon la fase dellazebra e l’ampiezza del ghepardo
14
L Caponetti
Ricostruzopne con la fase del ghepardo e l’ampiezza dellazebra
L Caponetti
Proprietà fondamentali
La trasformata di Fourier gode delle seguenti proprietà:
separabilità
traslazione
periodicità
simmetria
linearità
convoluzione
correlazione
15
L Caponetti
TraslazioneUna traslazione effettuata sulla funzione originale comporta una modifica della fase per la trasformata, e viceversa:
( ) ( )
( ) ( ) Nvyuxj
Nyvxuj
evuFyyxxf
eyxfvvuuF
00
00
200
200
,,
,,
+−
+
⇔−−
⇔−−
π
π
L Caponetti
Traslazione
f(x,y)exp[j2π(u0x+v0y)/N] ⇔ F(u-u0, v-v0)
Il prodotto di f(x,y) per un termine esponenziale produce nella trasformata F(u,v) una traslazione di (u0,vo). Si ha cioè che l’origine del piano (u,v) trasla nel punto (u0, v0)
In particolare se u0= v0 = N /2, si ha che l’origine (0,0) trasla al centro del piano
exp[j2π(u0x+v0y)/N] = e jπ(x+y) = (-1)x+y
f(x,y)(-1) x+y ⇔ F(u-N/2, v-N/2)
16
L Caponetti
Traslazione
E’ possibile traslare l’origine della trasformata di Fourier di f(x,y) nel centro del piano (u,v) moltiplicando f(x,y) per (-1)x+y ed effettuando quindi la trasformata di FourierÈ da notare che questa traslazione non influenza il modulo della trasformata:
( )[ ] ( )vuFNvyuxjvuF ,/2exp),( 00 =+− π
se u0= v0 = N /2
L Caponetti
SeparabilitàPotendo esprimere la funzione esponenziale complesso come prodotto lungo le due direzioni:
è possibile separare la Trasformata di Fourier lungo le due direzioni:
( ) ( )∑ ∑−
=
−
=
−−
⋅=1
0
1
0
22
,,N
x
N
y
Nvyj
Nuxj
eyxfevuFππ
( )vxF ,
Nvyj
Nuxj
Nvyuxj
eeeπππ 2.2)(2 −−+−
=
Vantaggio: la trasformata può essere calcolata mediante due successive applicazioni della trasformata monodimensionale
17
L Caponetti
[ ]∑−
=−=
1N
0xj2π2πuxF(x,v)exp
N1 F(u,v)
[ ]
−= ∑
−
=
1N
0yj2π2πvyf(x,v)exp
N1N F(x,v)
dove
y
(N-1)
(0, 0)
x
f(x,y)
N-1 v
(N-1)
(0, 0)
x
N-1
F(x,v)(N-1)
v(0, 0)
u
N-1
F(u,v)Trasf. 1D lungo colonne
Trasf. 1D lungo righe; * N
F(u,v) o f(x,y) possono essere valutate in 2 passi mediante l’applicazione ripetuta della trasformata monodimensionale o della sua inversa
L Caponetti
Rotazione
Se f(x,y) è ruotata di un angolo θ anche F(u,v) èruotata dello stesso angolo θIn maniera analoga una rotazione della trasformata F(u,v) causa una rotazione della funzione f(x,y) dello stesso angolo
18
L Caponetti
Periodicità
La trasformata di Fourier è periodica.
( ) ( )( ) ( )NvNuFNvuF
vNuFvuF++=+=
=+=,,
,,
La traformata discreta di fourier è periodica con periodo N
L Caponetti
Simmetria coniugata
Sia f(x,y) una funzione reale. La trasformata equivale alla trasformata complessa coniugata
( ) ( )vuFvuF −−= ,, *
( ) ( )vuFvuF , di coniugata complessa ,con *
L’ampiezza della trasformata è simmetrica rispetto all’origine
( ) ( )vuFvuF −−= ,,
19
L Caponetti
LinearitàLa Trasformata di Fourier è lineare:
( ) ( )
( ) ( )vuFbvuFa
yxfbyxfa
,,
,,
21
21
⋅+⋅
⋅+⋅
c
L’operatore TF che genera la trasformata di Fourier èlineare: ( ) ( ) ( )2121 fbTfaTbfafT FFF +=+
L Caponetti
Sistemi lineari e filtraggio lineare
Un processo che accetta una immagine I ( segnale ) in input e la trasforma mediante una convoluzione è dettosistema lineare
Filtro digitalecaratterizzato dallarisposta impulsiva H
Immagine IOutput -Image J = I*H
Goals del filtraggio lineare è di migliorare la qualità della immagine, enfatizzando oppure attenuando alcune caratteristiche
20
L Caponetti
Obiettivi
Smoothing – rimuove il rumore dovuto allatrasmissione, acquisizione..
Enhancement – migliora la qualità delle immagini o enfatizza feature significative, come gli edge
Deblurring – migliora la nitidezza ( sharpness) delleimmagini sfocate (blurred)
L Caponetti
Sistemi lineari
Un sistema lineare può essere caratterizzato in unodei 2 modi equivalenti mediante
Risposta impulsiva: risposta del sistemaall’impulso unitario
Risposta in frequenza: descrive come il sistemaelabora ogni componente in frequenza in unaimmagine
Le componenti in frequenza sono amplificate oppureattenuate
21
L Caponetti
)],([),( nmfTnmg =
Immagine filtrata Transformation Immagine iniziale
La trasformazione T è lineare nel caso dei sistemi lineari
Spatial Filtering
Il filtraggio nel dominio spaziale può essererappresentato come:
L Caponetti
Linear Shift-Invariance
Una trasformazione T{} is Lineare se: T(a g(x,y)+b h(x,y)) = a T{g(x,y)} + b T(h(x,y))
Shift invariant se:Nella ipotesi T(f(x,y)) = g(x,y)
Risulta T{f(x-x0, y- y0)} = g(x-x0, y-y0)
22
L Caponetti
∑ ∑
∑ ∑∞
−∞=
∞
−∞=
∞
−∞=
∞
−∞=
−−=
−−=
∗=
l k
l k
lkhlnkmf
lkflnkmh
nmfnmhnmg
),(),(
),(),(
),(),(),(
h( m , n ) =0 for (m,n) ∉ ∆
Come specificare TSe l’operatore T è lineare e invariante per traslazione (LSI), caratterizzato dalla risposta impulsiva h(m, n), la risposta g(m,n) può essere ottenuta dal prodotto di convoluzione:
In pratica h( n, m ) è di “estensione finita:”
Dove ∆ è il più piccolo insieme (detto intorno) in cui h è diversa da 0. ∆ è anche detto il supporto di h
La maschera h(m,n) èinvertita rispetto agli assi x,y
L Caponetti
∑ ∑−= −=
++=
∗=a
al
b
bklmkmfnmh
nmfnmhnmg
),(),(
),(),(),(
Correlazione
L’equazione è detta correlazione della maschera h e dellaimmagine f
Quando h(m,n) è simmetrica l’operazione di correlazione èuguale a quella di convoluzione
23
L Caponetti
Teorema di convoluzione
Nel dominio delle frequenze il prodotto di convoluzione può essererappresentato come:
G(u, v ) = H (u, v) . F (u, v )
Dove H (u, v) and F (u, v ) sono trasformate di Fourier ottenutedopo operazioni di zero-padding – cornice di zeri
L’operatore . indica la moltiplicazione punto a punto delle 2 matrici
Molte operazioni LSI possono essere interpretate nel dominio dellefrequenze come operazioni di filtraggio: ad esempio lasciarepassare di certe componenti di frequenza e non lasciare passarealtre componenti
L Caponetti
Lowpass filter
Filtro che attenua le frequenze, meno quelle più basse
Utile per un processo di smoothing cioèattenuare il rumore o sfocare i dettagli di una immagine, in modo da conservare le caratteristiche più evidenti
24
L Caponetti
Highpass filter
Filtro che attenua le frequenze, meno quelle più alte
Utile per un processo di enhancement cioèevidenziare i dettagli di una immagine ed ilcontrastorimuovere lo sfocamento
L Caponetti
Bandpass filter
Filtro che attenua le frequenze e fa passare le frequenze in una paricolare intervallo di frequenze(banda di frequenze)
25
L Caponetti
w(i,j) è una maschera 3 x 3 w1 w3w2
w4 w6w5
w7 w9w8
h =
)1,1(),1()1,1()1,(),()1,(
)1,1(),1()1,1(),(
987
654
321
+++++−+++++−+
+−+−+−−=
yxfwyxfwyxfwyxfwyxfwyxfw
yxfwyxfwyxfwyxg
(x,y)y
xf(x+1,y+1)f(x+1,y)f(x+1,y-1)
f(x,y+1)f(x,y)f(x,y-1)
f(x-1,y+1)f(x-1,y)f(x-1,y-1)Finestra immagine didimensione 3 x 3
Il valore del pixel centrale è calcolato come somma pesata di f secondo i coefficienti wi:
Operatori locali
L Caponetti
Come si calcola il prodotto di convoluzione
L’output g(m, n) è calcolato facendo scorrere la maschera su ogni pixel della immagine f(m, n) Attenzione particolare richiedono i pixel del bordodella immagine f(m, n)1. La maschera è troncata al bordo (free boundary)
e l’immagine è estesa con degli zeri. In unadimensione si ha:
=0
)()(~ xf
xfNx <≤0
01)2/( <≤+− xL 1)2/( −+<≤ LNxN
26
L Caponetti
Prodotto di convoluzione
2. L’immagine è estesa aggiungendo ai bordi righe e colonne extra – cornice. L’estensione è fattaripetendo la prima/ultima riga/colonna oppuremediante valori costanti (fixed boundary). In unadimensione si ha:
−=
)1()()0(
)(~
Nfxf
fxf
1)2/( −+<≤ LNxN
01)2/( <≤+− xL
Nx <≤0
L Caponetti
Prodotto di convoluzione
3. L’immagine è estesa in modo periodico (periodic boundary). In una dimensione si ha:
+
=)mod(
)()mod)((
)(~
Nxfxf
NNxfxf
1)2/( −+<≤ LNxN
01)2/( <≤+− xL
Nx <≤0
27
L Caponetti
Prodotto di convoluzione
In ogni caso l’output finale g(m, n) è ristretto al supporto dell’immagine originale f(m, n)
L Caponetti
Low-pass, Band-pass, High-pass filters
low-pass:
band-pass: