Compresión de Vídeo. Tema 1.3. Filtrado en el dominio ......Filtrado en el dominio frecuencial....

Tema 1.3. Filtrado en el dominio frecuencial

Compresión de Vídeo

Juan A. Michell Mar>n Gustavo A. Ruiz Robredo

Departamento de Electrónica y Computadores

Este tema se publica bajo Licencia: Crea9ve Commons BY-‐NC-‐SA 4.0

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación 2Ejemplo 1

TransformadaDirecta

TransformadaInversa

FiltroFrecuencial

F(u,v)f(x,y)

G(u,v)g(x,y)

DOMINIO ESPACIAL DOMINIO FRECUENCIAL

Imagen deEntrada

Imagen deSalida

H(u,v)

FILTRADO EN EL DOMINIO FRECUENCIAL

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación

1. Transformación de la imagen f : Transformada Discreta deFourier (2D-DFT) de f.

2. Selección del tipo de filtro H en el dominio de la frecuencia yespecificación de sus características.

3. Filtrado de la transformada F con H: Cálculo de latransformada filtrada G.

3. Generación de la Imagen filtrada g: Transformada Discretade Fourier Inversa (2D-IDFT) de G.

Secuencia de operaciones

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación 4Ejemplo 1

-1-0.5

1/9 1/9 1/9

Dominio en el espacio

Dominio en la frecuencia

Filtro de desenfoque (average)

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación Ejemplo 2

Dominio en el espacio

Dominio en la frecuencia

0 -1 0

-1 5 -1

0 -1 0

-1-0.5

Filtro de enfoque (Laplaciano)

f(x,y): Imagen M×NF(u,v): Transformada de Fourier de f(x,y)F(0,0): Componente DC de la Transformada

( ) ( )1 1 2

0 1 1 0 1 1

ux vyM N jM N

x yF u,v f x , y e

u , , ... M , v , , ... N

π − − − +

= − = −

∑∑

F(u,v)f(x,y)

Dominio del espacio

Dominio de la frecuencia

TRANSFORMADA DE FOURIER 2D

2-D DFT

( ) ( )1 1 2

0, 1, ... 1 , 0, 1, ... 1

ux vyM N jM N

u vf x y F u v e

M Nx M y N

π − − +

= ⋅×

= − = −

∑∑

F(u,v) f(x,y)

Dominio del espacio

Dominio de la frecuencia

TRANSFORMADA INVERSA DE FOURIER 2D

2-D IDFT

La 2D-DFT de una imagen es un array 2D de númeroscomplejos de igual tamaño que la imagen.

( ) ( ) ( )( ) ( )( )( ) ( )( )

, R , I ,

, Real ,

, Imag ,

F u v u v j u v

R u v F u v

I u v F u v

( ) ( )( ) ( )( )( ) ( )( )1

f x y F u v

F u v f x y

f x y F u v−

( ) ( ) ( )1

2 2 2, , ,F u v R u v I u v = +

( ) ( )( )

,, arctan

,I u v

u vR u v

Espectro de Fourier:

Ángulo de fase de la transformada:

( ) ( ) 2, ,P u v F u v=

Espectro de Potencia:

F=fft2(f)2D-DFT of f; F es un array complejo del mismo tamaño que f.

f=ifft2(F)2D-IDFT of F; f es un array complejo del mismo tamaño que F.

fftshift(F)Reagrupa la DFT moviendo la componente de DC hacia el centro del array.

ifftshift(G)Intercambia el primer cuadrante de un array con el tercero y el segundo con el cuarto.

2D-DFT en MATLAB:

Ejemplo 3

IDÉNTICAS

Imagen Original

Imagen recuperada

fft2(f) fftshift(F)

ifftshift(F’)ifft2(F)

f1>f2>f3 >f4

Distribución de las frecuencias de la FFT

Valor absoluto delespectro centrado

f1>f2>f3 >f4DC

Valor absoluto delespectro sin centrado

fftshift()

ifftshift()

Lenna 512×512

Espectro Centrado(Vista Imagen) Espectro Centrado (Vista 3D)

Ejemplo 4 13

( )( )

1 1 2 2

1 2 1 2

11 2 1 2

,f F f F

a f b f a F b F

a f b f a F b F−

⇔ ⇔

ℑ ⋅ + ⋅ = ⋅ + ⋅

⋅ + ⋅ = ℑ ⋅ + ⋅

( )( ) ( )( ) ( )

* , ,, real

F u v F u vf x y

F u v F u v

= − −⇒ = − −

( ) ( )1, = 0,0f x y FM N×

Linealidad:

Simetría:

Valor medio:

Ejemplo 5

TRANSFORMADA DE FOURIER: PROPIEDADES

( ) ( ) ( )( ) ( ) ( )

, , M N , M, N

f x y F u v F u v

F x y f x y F x y

× ⇒ = + +

Periodicidad:

Teorema de Convolución:

( ) ( ) ( ) ( ), , , , ,f x y F u v h x y H u v⇔ ⇔

( ) ( ) ( ) ( )( ) ( ) ( ) ( )

, , , ,

f x y h x y F u v H u v

∗ ⇔ ⋅

⋅ ⇔ ∗

Convolución correlación

( ) ( )( )

1 , si ,,

0 , si ,

0 : ( )

D u v u v DH u v

D u v u v D

D frecuencia radio de corte

= + ≤= = + >

LPF IdealDo=50M=512, N=512Vista Superior

FILTROS DE PASO BAJO: LPF IDEAL

Do=50M=512N=512Vista 3D

Ejemplo 6 17

( ) ( ) ( )2 2

, ; , 0.607

D u v DG G D D

H u v e H u v

D equivalente a frecuencia de corte

LPF GaussianoDo=50M=512, N=512Vista Superior

FILTROS DE PASO BAJO: LPF GAUSSIANO

Ejemplo 7 19

( )( )

1, ; , 0.51 ,

B Gn D DH u v H u v

D u v D

LPF ButterworthDo=50, n=4M=512, N=512Vista Superior

FILTROS DE PASO BAJO: LPF BUTTERWORTH

21Ejemplo 8

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación 22

f(x,y)

g(x,y)

DOMINIO ESPACIAL DOMINIO FRECUENCIAL

Imagen deEntrada

Imagen deSalida

H(u,v)

fft2(f) fftshift(F)F(u,v)

G’(u,v)

ifftshift(G’)G(u,v)ifft2(G)

F’(u,v)

PASOS PARA EL FILTRADO EN EL DOMINIO DE LA FREQUENCIA

Compresión de videoGrado en Ingeniería de Tecnologías de Telecomunicación 23

fft2()

fftshitf()

FILTRO IDEAL FILTRO GAUSS FILTRO BUTTERWORTH

ifftshitf()

ifft2()

Step 1

Step 2

Step 3 Step 4

Step 5

Step 6Step 7

Step 8

Ejemplo 9: LPF, D0 = 50, n = 4

Imagen Original Salida LPF Ideal

Salida LPF Gaussiano Salida LPF Butterworth24

( ) ( )( )

0 , si ,,

1 , si ,

0 : ( )

D u v u v DH u v

D u v u v D

D frecuencia radio de corte

= + ≤= = + >

HPF IdealDo=50M=512, N=512Vista Superior

FILTROS DE PASO ALTO: HPF IDEAL

Ejemplo 10 26

( ) ( )2 20, 2

, 10 :

D u v DGH u v e

−= −

HPF GaussianoDo=50M=512, N=512Vista Superior

FILTROS DE PASO ALTO: HPF GAUSSIANO

Ejemplo 11 28

( )( ) 2

B nH u vD D u v

HPF ButterworthDo=50, n=4M=512, N=512Vista Superior

FILTROS DE PASO ALTO: HPF BUTTERWORTH

Ejemplo 12 30

HPF: Lenna 512×512, D0 = 50, n = 4

Imagen Original Salida HPF Ideal

Salida HPF Gaussiano Salida HPF Butterworth

Ejemplo 13 31

Énfasis en alta frecuencia

Imagen Original

Imagen resaltada

El proceso de énfasis (realce) en alta frecuencia permite mejorar lascomponentes de alta frecuencial de una imagen modificando el filtro paso alto

( ) ( ), , , 0,ENFH u v a bH u v a b a= + ≥ >

Imagen Filtrada(Componentes de HF)

Compresión de Vídeo. Tema 1.3. Filtrado en el dominio ......Filtrado en el dominio frecuencial....

Documents

fxy x M y N ( , ) , 0, , 1 , 0, , 1 =−= −...Filtrado en el Dominio FrecuencialFiltrado en el Dominio Frecuencial Vimos que en el dominio espacial el filtrado se obtiene convo-lucionando

Procesamiento Audiovisual 1 Tema 5. Espacios de color y el dominio frecuencial. PROCESAMIENTO AUDIOVISUAL Programa de teoría 1. Adquisición y representación

PROCESAMIENTO AUDIOVISUAL Tema 1. Adquisición y representación de ...alereimondo.no-ip.org/OpenCV/uploads/41/tema1.pdf · Espacios de color y el dominio frecuencial. 6. Análisis

2 FCR Mario Jordán Compensaciones Dinámicas en el Dominio Frecuencial Método de Diseño II Compensadores de adelanto de fase 3

Practica 8 Respuesta frecuencial

tema Analisis frecuencial vibración

Probabilidad frecuencial

Filtrado en el dominio de la frecuencia - Lección 07

INVENTARIO filtrado

NEWS 208/13 spanish - Rohde & Schwarz · bandas de 2,4 GHz y 5 GHz. Osciloscopios universales: un . solo instrumento para análisis en . el dominio temporal y frecuencial, análisis

Procesamiento de Imágenes 1 Tema 5. Espacios de color y el dominio frecuencial. PROCESAMIENTO DE IMAGENES Programa de teoría 1. Adquisición y representación

MAESTRÍA EN INGENIERÍA EN TELECOMUNICACIONESrepositorio.educacionsuperior.gob.ec/bitstream/28000/2552/1/T... · 1.3.2 Dominio temporal y frecuencial del Packet Scheduling.....30

Filtrado de métodos potenciales: gravimetría y magnetometría en el dominio del número de onda

Filtrado glomerular

Probabilidad subjetiva y frecuencial

introducción al análisis frecuencial y al ruido eléctrico

Practica Filtrado

PROCESAMIENTO DE IMAGENES - dis.um.esdis.um.es/~ginesgm/files/doc/pi/tema5.pdf · 6 Procesamiento de Imágenes 11 Tema 5. Espacios de color y el dominio frecuencial. 5.1. Qué es

Análisis frecuencial defunciones oracionales en el texto ... · Análisis frecuencial de funciones oracionales... Editoriales Gacetillas Entradillas Titulares Pies de foto Total

Filtrado Bartlett