Vous êtes sur la page 1sur 13

Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie

est strictement interdite. Editions T.I. AF 1 441 1


La transforme de Fourier
et ses applications (partie 2)
par J ol LE ROUX
cole polytechnique universitaire (EPU)
Universit de Nice Sophia-Antipolis
ette deuxime partie de la prsentation de la transforme de Fourier
comporte deux paragraphes distincts et sans rapport direct. Elle se base
sur les dveloppements donns dans la premire partie en [AF 1 440].
Nous verrons dans le premier paragraphe les expressions de la transforme
de Fourier dans le cas du traitement numrique des signaux chantillonns (la
transforme de Fourier discrte), en dcrivant plus particulirement lalgo-
rithme de transforme de Fourier rapide et en notant quelques considrations
pratiques quon ne doit pas ngliger lors de la mise en uvre et lutilisation de
la transforme de Fourier discrte. Nous y mentionnerons des applications
importantes comme la compression MP3 des signaux musicaux ou la modula-
tion OFDM utilise, par exemple, en tldiffusion numrique. Nous y donne-
rons galement les rsultats principaux concernant lanalyse spectrale des
signaux alatoires, principalement les notions de fonction dautocorrlation et
de densit spectrale.
Dans un deuxime paragraphe, nous aborderons le cas des signaux bidimen-
sionnels (le plus souvent des images) et leur reprsentation en frquences qui
serviront de base dans diffrents domaines dapplication : compression
dimages, ltrage dimages, prtraitements pour la reconnaissance de formes,
en mentionnant plus particulirement les proprits importantes de la trans-
forme de Radon trs utilise en imagerie mdicale.
La mise en uvre et des exemples dapplication seront vus dans une troi-
sime partie [AF 1 442].
1. Transforme de Fourier discrte.......................................................... AF 1 441 - 2
1.1 Lien avec les sries de Fourier ................................................................... 2
1.2 Transforme de Fourier rapide................................................................... 4
1.3 Limitations en rsolution de la transforme de Fourier discrte ............ 5
1.4 Quelques utilisations et extensions de la transforme discrte.............. 7
1.5 Filtrage et analyse spectrale des signaux alatoires.
Fentres danalyse spectrale ...................................................................... 7
2. Transforme de Fourier des signaux bidimensionnels
et des images ............................................................................................ 9
2.1 Reprsentation frquentielle des signaux bidimensionnels continus.
Transforme de Fourier 2D......................................................................... 9
2.2 Interprtation de la transforme de Fourier 2D........................................ 9
2.3 Proprits de la transforme de Fourier 2D.............................................. 11
2.4 Effet de halo : phnomne de Gibbs, tache dAiry,
diffraction de Fraunhofer ............................................................................ 13
Pour en savoir plus ........................................................................................... Doc. AF 1 442
C
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 2 est strictement interdite. Editions T.I.
1. Transforme de Fourier
discrte
Les reprsentations de signaux et de ltres sous la forme de
transformes de Fourier et de transformes en z sont des outils
thoriques. Ils ne peuvent tre utiliss que si les donnes tudies
ont une reprsentation formelle. Cest le cas dun ltre linaire non
rcursif ou dun signal sinusodal. Dans les tudes en traitement du
signal, on est amen reprsenter et traiter des signaux mesurs
dont la transforme ne peut pas scrire comme une formule
dpendant dun petit nombre de paramtres. Mme dans le cas o
une criture formelle existe, on a souvent besoin de calculer effec-
tivement la transforme de Fourier dun signal ou la rponse en
frquence dun ltre. On utilisera pour cela les outils informati-
ques.
Lutilisation de techniques numriques pour effectuer un calcul de
transforme de Fourier suppose que le nombre de donnes traiter
soit ni et que le nombre de frquences pour lesquelles on calcule
la transforme soit aussi ni. Pour conserver la mme quantit
dinformations, on calculera autant de donnes dans le domaine
des frquences quil y a dchantillons du signal dans le domaine
temporel. Cest lobjectif de la transforme de Fourier discrte.
1.1 Lien avec les sries de Fourier
Soit le signal chantillonn x (t ) nul en dehors de lintervalle
0, ..., T 1 et X (exp j) sa transforme de Fourier. On rend ce
signal priodique en le reproduisant aprs translation de T, 2T, 3T,
etc.
Pour tout n, pour tout :
y (t +nT ) =x (t )
La transforme de Fourier Y (exp j) de y (t ) est la transforme
dun signal priodique de priode T : elle est compose dharmo-
niques aux frquences multiples de 2 /T ; cest donc une fonction
chantillonne nulle sauf ces frquences. Comme cest la
transforme de Fourier dun signal chantillonn, elle est aussi
priodique de priode 2 si on prend le pas dchantillonnage gal
1. Elle est priodique et chantillonne la fois dans le domaine
temporel et dans le domaine des frquences (gure 1). La
connaissance de Y (exp j) aux frquences multiples de 2 /T suft
donc pour caractriser le signal priodis y (t ) et donc le signal ori-
ginal x (t ). La formule donnant Y (exp j) pour les valeurs de
=2k /T est ainsi :
(1)
La notation est commode pour tablir un lien
avec la transforme en z. Nous la remplacerons par la notation
moins lourde :
(2)
Lorsque k varie de 0 T, varie de 0 2.
X (k ) est le produit dune matrice carre de terme gnral
par le vecteur x (t ) qui le transforme en un vecteur de
mme dimension.
1.1.1 Transforme inverse
partir de lamplitude complexe des harmoniques, on peut
reconstituer le signal priodique y (t ) et donc le signal x (t) pour
. On a donc :
(3)
On peut vrier la validit de cette reconstruction en remplaant
X (k ) par sa valeur (2) : toutes les difcults lies lintgration
dans le calcul des transformes de Fourier et en z inverses
disparaissent. Si on calcule x (t ) :
(4)
en changeant lordre des sommations, on obtient :
(5)
Or, daprs les proprits des sries gomtriques :
(6)
(7)
Le signal ainsi reconstruit est bien gal au signal original :
x (t ) =x (t ) (8)
1.1.2 Proprits de la transforme
de Fourier discrte
Toutes les proprits de la transforme de Fourier et de la trans-
forme en z sont conserves, en particulier la transforme dune
convolution discrte est un produit. Toutefois, lutilisation de cette
proprit ncessite quelques prcautions. En effet, il ne faut pas
oublier que les squences pour lesquelles on calcule les trans-
formes de Fourier discrtes sont priodiques et tenir compte de
ce fait dans les calculs. Soit la convolution discrte :
(9)
Cest une convolution circulaire, lindice t n est calcul
modulo T.
Si X (k ), H (k ) et Y (k ) sont les transformes des squences x (t),
h (t ) et y (t ), on a :
Y (k ) =TX (k ) Y (k ) (10)
Ce rsultat nest valable que pour les convolutions circulaires.
Pour ltendre au cas des signaux de dure nie, il faut sassurer
que la somme des dures T
x
et T
h
pendant lesquelles les deux
signaux x (t ) et h (t ) sont non nuls est infrieure T. En effet, dans
0 t T 1
Y exp 2j
k
T
------


1
T
------ x t ( ) exp 2j
kt
T
-------
t =0
T 1

=
Y exp 2j
k
T
------


X k ( )
1
T
------ x t ( ) exp 2j
kt
T
------
t =0
T 1

=
exp 2j
kt
T
-------
Remarque : la transforme de Fourier discrte nest pas
exactement symtrique de son inverse. Il est parfois commode
de remplacer, dans la transforme directe, le facteur 1/T par
(1/T )
1/2
et dintroduire le mme facteur dans la transforme
inverse. Loprateur de transformation est alors une matrice uni-
taire, son inverse est gale la transpose de sa conjugue.
0 t T 1
x t ( ) X k ( ) exp 2j
kt
T
------
k=0
T 1

=
x t ( )
1
T
------ x n ( ) exp 2j
kn
T
--------
n =0
T 1

k=0
T 1

exp 2j
kt
T
------ =
x t ( )
1
T
------ x n ( ) exp 2j
k t n ( )
T
---------------------
k=0
T 1

n =0
T 1

=
t n : exp 2j
k t n ( )
T
---------------------
k=0
T 1

0 =
t n : exp 2j
k t n ( )
T
---------------------
k=0
T 1

T = =
y t ( ) x n ( ) h t n ( )
n=0
T 1

=
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 3
ce cas, la dure T
y
du rsultat de la convolution sera gale
T
x
+T
h
1.
Ceci est illustr sur les exemples de la gure 2.
1.1.3 Transforme en cosinus
Pour information, nous donnerons la formule de la transforme
en cosinus, utilise en codage de sons (MP3) et dimages (MPEG2),
qui est un cas particulier de la transforme de Fourier o lon
construit, partir dun signal x (t ) de longueur T, un signal y (t ) de
longueur 4T symtrique dont les chantillons dordre pair sont nuls
(gure 3), ce qui se traduit par les formules suivantes.
Pour k =0, ..., N 1 :
(11)
Dans ce cas, le calcul de la transforme de Fourier discrte de
y (t ) se rduit au calcul de T valeurs.
Pour k =0, ..., N 1 :
(12)
avec c (k ) =2
1/2
si k =0,
c (k ) =1 si k 0.
La transforme inverse est :
pour t =0, ..., N 1 :
(13)
Figure 1 Illustration de laspect priodique et
chantillonn des signaux et leur transforme
de Fourier discrte
a le signal est chantillonn dans le domaine temporel,
sa transforme de Fourier est priodique
b le signal temporel est priodique, sa transforme de Fourier est compose uniquement
dharmoniques (elle est donc chantillonne)
c le signal temporel est chantillonn, sa transforme est priodique
et, comme la transforme est chantillonne car cest une transforme de Fourier discrte,
le signal temporel est lui aussi priodique
t
x (t)
0
0,2
0,4
-0,2
-0,4
256 0 128 384 512
x (k)
-0,08
0,08
0,12
0,04
-0,04
k
256 0 128 384 512
0
x (t)
0
1,0
-1,0
2,0
t
256 0 128 384 512 512
X (k)
-5
-10
k
256 0 128 384 512
0
512
X (k)
0
-1
-2
k
256 0 128 384 512
x (t)
0
-1
1
t
256 0 128 384 512
Domaine temporel Domaine des frquences
Il y a chantillonnage et priodicit la fois dans le domaine temporel
et dans le domaine des frquences ; la frquence est gale 2 k/T.
y 2k ( ) y 2k ( ) 0 = =
y 2k 1 + ( ) y 2k 1 ( ) x k ( ) = =
X k ( )
2
T
------c k ( ) x t ( )
2t 1 + ( )k
2N
-------------------------


cos
t =0
T 1

=
x t ( ) c k ( )X k ( )
2t 1 + ( )k
2N
-------------------------


cos
k=0
T 1

=
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 4 est strictement interdite. Editions T.I.
1.2 Transforme de Fourier rapide
Cet algorithme clbre a t invent par J . W. Cooley et
J . W. Tukey au dbut des annes 1960. Il a eu, du fait de son
efcacit, un impact considrable sur le dveloppement des appli-
cations en traitement numrique des signaux.
Le calcul dune transforme de Fourier de taille T se ramne au
calcul de deux transformes de Fourier de taille T / 2, celle de ses
chantillons de numro pair dune part, soit , et celle de ses
chantillons de numro impair dautre part, soit suivi de
T / 2 multiplications.
Figure 2 Illustration du repliement dans le
domaine temporel obtenu lorsque lon calcule
une convolution en utilisant une transforme
de Fourier discrte
a avec repliement
b sans repliement
t
f (t)
0,2
0,4
0,6
0,8
1,0
0
512 0 256 768 1024
t
f (t)
0,2
0,4
0,6
0,8
1,0
0
512 0 256 768 1024
t
g (t)
0,2
0,4
0,6
0,8
1,0
0
512 0 256 768 1024
t
g (t)
0,2
0,4
0,6
0,8
1,0
0
512 0 256 768 1024
t
f (t)
*
g (t)
2
4
6
8
10
512 0 256 768 1024
t
f (t)
*
g (t)
0
4
2
512 0 256 768 1024
Pour que leffet du repliement napparaisse pas, il
faut, dans ce cas, que la somme des dures des deux
signaux soit infrieure la dure de la fentre utili-
se pour le calcul de transforme de Fourier.
Figure 3 Duplication des donnes et intercalage de zros
permettant dtablir le lien entre la transforme en cosinus
et la transforme de Fourier
t
x (t)
0
0
5
10
15
5 10 15 20 25 30
Exemple : un calcul de transforme de Fourier discrte est un
calcul de produit d une matrice par un vecteur. I l ncessite donc T
2
multiplications/additions de nombres complexes. Si l on suppose qu un
calculateur effectue 10
9
oprations par seconde, un calcul de trans-
forme sur un signal de T = 10
3
chantillons ncessitera 10
3
s. Un cal-
cul sur une image de taille T T = 10
6
ncessitera T
4
soit 10
12
oprations et une quinzaine de minutes de calcul. Si on envisage de
traiter des donnes dans un domaine trois dimensions (sur des vec-
teurs de taille T T T ), il faudrait alors effectuer T
6
soit 10
18
opra-
tions, ce qui ncessite plus de vingt ans.
La transforme de Fourier rapide rduit considrablement le nombre
d oprations effectuer : au lieu d effectuer T
2
oprations, il sufra
d en faire T log
2
T.
Dans les trois exemples prcdents, on aura faire 10
4
, 2 10
7
et
3 10
10
oprations, ce qui ncessitera respectivement 10
5
s,
2 10
2
s et 30 s...
X
N
o
k ( )
X
N
i
k ( )
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 5
Pour calculer :
(14)
on effectue le calcul rcursif :
pour N =1, 2, 4, ..., T / 2,
pour k =0, ..., N 1,
(15)
(16)
Les calculs correspondants sont reprsents (gure 4).
Cette formulation se traduit directement par une implmentation
rcursive. Toutefois, la programmation peut tre lgrement
diffrente. On commence par effectuer toutes les oprations de
rarrangement des donnes : pour un vecteur de longueur T, on
construit un tableau des donnes dadresse paire suivi des
donnes dadresse impaire de longueur T / 2, ce rangement tant
reproduit pour les deux moitis de tableau de taille T / 2, puis les
quatre quarts de tableau de taille T / 4, etc. Cela revient ranger les
donnes x (t ) ladresse obtenue en lisant le code binaire de t en
sens inverse (bit reversal ). Ensuite on effectue squentiellement
les multiplications par les nombres complexes de la forme
pour calculer les T / 2 transformes de Fourier de
taille 2, puis les T / 4 transformes de taille 4, et ainsi de suite
jusqu obtenir les 2 transformes de Fourier de taille T / 2 et na-
lement la transforme de Fourier de taille T.
valuation du nombre doprations effectuer
la dernire tape du calcul, on dispose du rsultat de deux trans-
formes de Fourier de taille N =T / 2. Pour en dduire la transforme
de taille T, il faut effectuer T / 2 multiplications, T / 2 additions et T / 2
soustractions. ltape prcdente, on dispose de quatre transfor-
mes de Fourier de taille T / 4 et on en dduit deux transformes de
taille T / 2. Pour chacune delles il faut effectuer T / 4 multiplications
soit au total T / 2 multiplications. On voit ainsi que, pour chacune des
tapes (o la taille de vecteurs est T, T / 2, ..., T / 2
m
, ..., 4, 2, 1 et o le
nombre de vecteurs est 1, 2, 4, ..., T / 2
m
, ..., T / 2, T ), il est ncessaire
deffectuer multiplications.
Il y a au total log
2
T tapes et il faut donc effectuer log
2
(T)
multiplications.
Remarques pratiques
Lalgorithme de transforme de Fourier rapide remplace une
succession dadditions par une succession de multiplications.
Comme les rsultats de multiplications sont tronqus, il y a donc
une perte de prcision de lordre de 1/2 bit par tape. Si une trans-
forme de Fourier est utilise de nombreuses fois pour traiter des
donnes de mme taille, il ne faut pas oublier de calculer, au
pralable, et de ranger en mmoire les exponentielles complexes
pour viter de les recalculer chaque appel, ce qui peut
prendre un temps de calcul important. On peut gagner quelques ta-
pes en tenant compte dventuelles symtries des donnes.
1.3 Limitations en rsolution
de la transf orme de Fourier discrte
La limitation de la dure des signaux dans le domaine temporel
et lchantillonnage des donnes dans le domaine des frquences
limitent la prcision quon peut attendre dans la mise en uvre de
cette mthode danalyse, par exemple pour mesurer la frquence
dune sinusode de frquence
0
.
Considrons tout dabord la limitation en temps des signaux. Au
lieu dobserver x (t ) =exp j t sur une dure innie, on lobserve
sur une dure limite T. Si la fentre dobservation de dure T est :
(17)
de transforme de Fourier G ( ), on observe le produit :
y (t ) =g (t ) x (t ) (18)
Dans le domaine des frquences, ce produit devient une
convolution de fonctions priodiques dune variable continue (pour
le moment, le calcul est fait pour toutes les frquences et pas
Figure 4 Schma de lenchanement des
calculs de la transforme de Fourier rapide
x
2N
(2N -1)
X
2N
(N -1)
X
2N
(N)
x
2N
(0)
X
2N
(2N -1)
X
2N
(0)

N -1

-
-
-
-
-
-
-
-
x
N
(N -1)
0
X
N
(N -1)
0
x
N
(N -1)
i
x
N
(0)
i
X
N
(0)
i
X
N
(N -1)
i
x
N
(0)
0
X
N
(0)
0
=exp j /T
X k ( ) x t ( ) exp 2j
k t
T
---------


t =0
T 1

= pour k 0, ... , T 1 =
X
2N
k ( ) X
N
o
k ( ) exp j
k
N
-------


X
N
i
k ( ) + =
X
2N
k N + ( ) X
N
o
k ( ) exp j
k
N
-------


X
N
i
k ( ) =
exp j
kn
N
---------
2
m1
T
2
m
----------
T
2
-----
exp j
kt
T
-------
t 0 : g t ( ) < 0 =
0 t T 1 : g t ( ) 1 =
T t : g t ( ) 0 =
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 6 est strictement interdite. Editions T.I.
seulement celles pour lesquelles la transforme de Fourier discrte
est calcule) :
(19)
Quand le signal analys est une sinusode de frquence
0
:
X ( ) = (
0
)
et :
(20)
on a :
(21)
Leffet du dphasage linaire traduit un retard connu sur le
signal, ce qui na pas de consquence. Par contre, leffet de limi-
tation de dure se traduit par la modication de la forme de la
transforme de Fourier, limpulsion de Dirac devient une fonction
qui ressemble au sinus cardinal (cf. gure 10 de [AF 1 440]). La
deuxime opration est lchantillonnage en frquence avec un pas
2 / T, ce qui se traduit par un chantillonnage de Y ( ). Ce type de
dfaut napparat pas lorsque la dure de la fentre T est exac-
tement un multiple de la priode de la sinusode analyse,
s (t ) =exp 2jk /T. Il est rare quen pratique on puisse se mettre
dans ces conditions, sauf peut-tre quand on cherche faire une
analyse soigne des signaux musicaux.
Prsentation graphique des rsultats de la transforme
de Fourier discrte
Les programmes calculant la transforme de Fourier discrte
calculent des amplitudes pour des frquences comprises entre la
frquence zro et la frquence dchantillonnage (
e
) exclue. Il est
souvent prfrable de reprsenter graphiquement ces donnes
entre [
e
/ 2,
e
/ 2[ (gure 6).
On peut aussi tre amen translater le signal analyser dans
le domaine temporel.
Exemple : la gure 5 montre le rsultat d une analyse spectrale de
ce type applique une sinusode pure. O n peut, dans la mesure o les
interfrences entre diffrentes sinusodes sont ngligeables, amliorer
la rsolution en interpolant la transforme discrte par la fonction
G ( ). Cette interpolation peut se faire aussi en augmentant le nombre
d chantillons du signal, en le compltant par des chantillons zro.
I nversement, on peut calculer une interpolation dans le domaine
temporel, en augmentant le nombre de composantes dans le domaine
des frquences, en donnant une amplitude nulle ces composantes
supplmentaires, et en calculant la transforme de Fourier inverse.
Y ( )
1
2
-------

X ( ) G ( )d =
G ( )
1 exp jT
1 exp j
--------------------------------------
T/2 sin
/2 sin
-------------------------- exp j T 1 ( ) / 2 = =
G 0 ( ) T =
Y ( )

0
( )T/2 sin

0
( )/2 sin
------------------------------------------- exp j
0
( ) T 1 ( ) / 2 =
Figure 5 Illustration de la limitation de rsolution en f rquence
due lutilisation de la transforme de Fourier discrte
Exemple : si un signal x (t ) est non nul pour des valeurs ngatives
du temps, dni sur l intervalle [ T / 2, T / 2[, il peut tre utile de
translater les chantillons donns pour t< 0 au-del de T/ 2 (gure 6).
Toutefois, il ne faut pas oublier d effectuer les oprations similaires en
sens inverse lors du calcul de la transforme de Fourier inverse.

0 12 24 36 48 -48 -36 -24 -12


0
2
4
6
8
X ()
Frquence
analyse
Rsultat de lanalyse
Le signal x (t) analys est une sinusode la frquence , la trans-
forme de Fourier tant une impulsion qui nest pas un multiple
de 2/T, leffet de la limitation en dure se traduit par ltalement
Y () fonction du type sinc , ensuite lchantillonnage en fr-
quence se traduit par la fonction chantillonne.
Figure 6 Illustration de la reprsentation des
signaux et de leur transforme de Fourier
t
0
-0,6
0,6
1,2
-1,2
0 -400 -200 200 400

X ()
0
2
4
a avant centrage b aprs centrage
t
x (t) x (t)
0
-0,6
0,6
1,2
-1,2
0 256 512 768 1024
0 256 512 768 1024
X ()
0
2
4
0 -400 -200 200 400
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 7
1.4 Quelques utilisations et extensions
de la transf orme discrte
Exemples dutilisation en traitement de signaux temporels :
MP3, OFDM...
Dans les systmes de compression audio de type MP3, on est
amen ltrer et quantier les composantes du signal dans
32 bandes de frquences. Le choix de la prcision de la quantica-
tion se fait en fonction de lnergie du signal dans ces bandes de
frquence ; il est fond sur le calcul de la transforme de Fourier
du signal. Une deuxime tape de compression utilise la trans-
forme en cosinus.
Dans les systmes de tldiffusion numrique, on utilise la
modulation numrique en frquences orthogonales (OFDM) o
chaque bit transmettre est associ une frquence ; le signal
transmis est calcul par transforme de Fourier.
Transforme dnie sur les corps nis pour les codes correcteurs
derreurs
Les oprations effectues dans le calcul de la transforme de
Fourier discrte sont des multiplications et des additions. On peut
faire les calculs similaires sur un corps ni en remplaant le facteur
par un lment primitif de ce corps. Cela amne, par
exemple, linterprtation intressante des codes correcteurs
derreurs de Reed Solomon propose par Richard Blahut.
Transforme de Walsh-Hadamard
partir de la matrice (2 2) :
on calcule le produit tensoriel :
(22)
En ritrant ce produit n fois, on obtient une matrice de
dimension 2
n
:
(23)
Cette matrice est applique au vecteur compos dchantillons
dun signal x (t ). Cest une matrice unitaire qui correspond une
dcomposition de x (t ) sur une base de fonctions orthogonales,
tout comme la transforme de Fourier. Cette proprit est utilise
pour crer une signature dans les systmes de transmission
numrique large bande comme la troisime gnration de
tlphonie mobile (CDMA : code division multiple access ).
1.5 Filtrage et analyse spectrale
des signaux alatoires.
Fentres danalyse spectrale
1.5.1 Densit spectrale. Fonction dautocorrlation
Un problme important dans de nombreuses applications est
ltude de la rpartition en frquence du carr du module des
composantes dun signal alatoire : une ralisation de ce signal
x (t ) a une transforme de Fourier X ( ), quon ne peut thori-
quement pas calculer, mais dont on peut, en gnral, trouver une
ou plusieurs estimations .
On cherche calculer, partir de ces estimations, E [|X ()|
2
], qui
est la densit spectrale, cest--dire la rpartition moyenne de
lnergie du signal en fonction de la frquence (on nutilise pas
les informations de phase).
Cette densit spectrale est la transforme de Fourier de la
fonction dautocorrlation (en supposant que le signal tudi est
stationnaire et de moyenne nulle) :
r () =E (x (t ) x (t + )) (24)
quon estime souvent par un calcul sur une ralisation du signal :
(25)
sous rserve que les proprits statistiques du signal le permettent.
Si on calcule la densit spectrale comme le carr du module de
la transforme de Fourier dun signal dune grande longueur ou
comme la transforme de Fourier de son autocorrlation (25), on
remarque que les uctuations (la variance) de la densit spectrale
autour de sa valeur moyenne ne diminuent pas lorsque lon
augmente le nombre dchantillons du signal. Pour rduire cette
dispersion, il est possible de trononner le signal en plusieurs
morceaux et de calculer la moyenne des densits spectrales des
diffrents tronons ; on peut aussi appliquer une fentre de pond-
ration au signal temporel (comme nous le verrons au paragraphe
suivant), ce qui se traduit par un lissage de la densit spectrale : en
effet, un produit dans le domaine temporel se traduit par une
convolution dans le domaine des frquences ; dans le cas des
fentres danalyse spectrale, cette convolution est un ltrage
passe-bas que lon peut interprter comme un lissage. On peut
combiner ces deux techniques. Toutefois, ces deux techniques se
traduisent par une diminution de la rsolution spectrale et lintro-
duction de biais.
1.5.2 Fentres danalyse spectrale
On peut tenter de lisser la densit spectrale, et aussi de rduire
un des dfauts lis la dure nie du signal tudi, linterfrence
entre diffrentes frquences dcrite au paragraphe 1.3, en utilisant
une fentre de pondration. La limitation en temps du signal peut
se traduire par une discontinuit brusque du signal et, dans le
domaine des frquences, par un talement de limpulsion de Dirac
reprsentant une sinusode sous la forme dun signal dcroissant
en 1/ (si on ne modie pas la valeur des chantillons du signal,
on lui applique implicitement une fentre rectangulaire h
rec
(t)).
Il peut tre judicieux de modier la pondration des chantillons
en les multipliant par une fonction, la fentre danalyse. Lappli-
cation de cette fentre de pondration se traduit ainsi par le lissage
de la densit spectrale. Cet effet peut aussi tre utilis pour
amliorer la qualit du rsultat de la synthse dun ltre numrique
rponse impulsionnelle nie (cf. 2.3.4 dans [AF 1 440]).
Une fentre couramment utilise est la fentre de Hamming h
ham
(gure 7) :
(26)
On distingue dans cette fentre le lobe principal (larche
centrale damplitude importante) et les lobes secondaires (les
oscillations). Dans le cas de la fentre de Hamming, le lobe
principal est deux fois plus large que dans le cas de la fentre
rectangulaire (h
rec
(t )), mais lamplitude des lobes secondaires est
exp 2j
1
T
------
1 1
1 1


1
2
-----
1 1
1 1


1 1
1 1

1
2
-----
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1





=
1
2
---


n 2 ( )
1 1
1 1

X ( )
^
r ( )
1
T
------ x t ( )x t + ( )
t=0
T 1

=
t T/2 < : h
ham
t ( ) 0 =
T/2 t T/2 < : h
ham
t ( ) 0,54 0,46 2
t
T
------


cos + =
T/2 t : h
ham
t ( ) 0 =
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 8 est strictement interdite. Editions T.I.
considrablement rduite. Lattnuation des oscillations parasites
se fait ainsi au dtriment de la largeur du pic associ une
sinusode (qui est double dans le cas prsent). Il y a diminution de
la rsolution en frquence.
Une autre forme intressante de fentre est la fentre de
Papoulis (gure 7) :
(27)
Elle permet de minimiser le moment dordre 2 de la dispersion
dun pic frquentiel autour de sa vraie valeur. La largeur de son
lobe principal est une fois et demie celle de la fentre rectangulaire.
Cas des squences dchantillons indpendants
et identiquement distribus (iid) (quivalent du bruit blanc
pour les signaux chantillonns)
Cest une squence b (t) de moyenne nulle. Sa fonction dauto-
corrlation r ( ) est nulle pour 0. r (0) est donne par sa
variance
2
. Sa densit spectrale est constante (indpendante de )
et proportionnelle
2
.
Filtrage des signaux alatoires
La densit spectrale R
xx
(z ) du signal ltr x (t ) est gale la
densit spectrale R
uu
(z ) du signal en entre du ltre multiplie par
le carr du module H (z
1
) H (z ) de la rponse en frquence du
ltre H (z ) :
R
xx
(z ) =H (z
1
) H (z ) R
uu
(z ) (28)
calcule pour z =exp j, soit :
R
xx
(exp j) =|H (exp j)|
2
R
uu
(exp j) (29)
On sintresse le plus souvent au cas o z =exp j, mais le
rsultat exprim en termes de transforme en z est plus gnral.
Une illustration dune densit spectrale de ce type est donne
gure 8. La reprsentation sous la forme dun bruit blanc ou dune
squence dchantillons indpendants ltrs est utilise dans les
mthodes de ltrage optimal (Wiener, Kalman).
1.5.3 Afnement de lanalyse spectrale
Au-del de ces techniques lmentaires destimation spectrale, il
existe de nombreuses mthodes plus labores, et relevant essen-
tiellement de la thorie de lestimation, qui permettent dafner
lestimation de la densit spectrale du signal tudi : minimisation
au sens des moindres carrs dun modle paramtrique de la
densit spectrale, estimation au sens du maximum de vrai-
semblance, etc. (voir par exemple les ouvrages de Lawrence
Marple et de Steven M. Kay cits en [Doc AF 1442]).
Figure 7 Fentres danalyse spectrale
H
rec
() 5
-3
-11
-19
-27
-35
-43
-51
-59
0 -100 -50 50 100
H
pap
() 5
-3
-11
-19
-27
-35
-43
-51
-59
1 2 3 4 5 6 7 8 9 10
H
ham
() 5
-3
-11
-19
-27
-35
-43
-51
-59
1 2 3 4 5 6 7 8 9 10
t
h
rec
(t)
0,1
0,2
0,3
0,4
0,5
0
0 16 32 48 64 80 96 112128144
t
h
pap
(t)
0,16
0,32
0,48
0,64
0,80
0
0 16 32 48 64 80 96 112128144
t
h
ham
(t)
0,2
0,4
0,6
0,8
1,0
0
0 16 32 48 64 80 96 112128144
Fentre rectangulaire Fentre de Papoulis Fentre de Hamming
a rponses en frquences (chelle logarithmique)
b reprsentation dans le domaine temporel
t T/2 < : h
pap
t ( ) 0 =
T/2 t T/2 < : h
pap
t ( )
t
T
------


cos =
T/2 t : h
pap
t ( ) 0 =
Figure 8 Exemple de densit spectrale dun bruit blanc ltr
par un ltre rcursif oscillant (caractris par une rsonance)
0 50 100 -100 -50
0
0,01
0,02
0,03
0,04
R ()
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 9
Une technique classique et utilise en analyse et synthse de
parole est la prdiction linaire qui revient modliser la densit
spectrale du signal analys sous la forme de la densit spectrale du
signal obtenu en appliquant, une squence dchantillons ind-
pendants de variance
2
, un ltre linaire rcursif 1/A (z ) :
(30)
o les coefcients du ltre A (z ) sont dduits de la fonction dauto-
corrlation du signal r () par lalgorithme de Levinson.
Cette technique est utilise pour la compression du signal vocal
en tlphonie mobile. Les donnes utilises en reconnaissance
vocale sont elles aussi issues de lanalyse spectrale : ce sont
souvent les nergies du signal calcules dans une vingtaine de
bandes de frquence pendant des dures de lordre de 15 20 ms.
Techniques haute rsolution pour lestimation spectrale
Pour trouver lnergie moyenne R (exp j ) de la composante
spectrale la frquence
0
dun signal alatoire x (t ), on peut l-
trer x (t ) par un ltre passe-bande autour de la frquence
0
et cal-
culer lnergie de la sortie de ce ltre.
On peut aussi moduler (multiplier) le signal par une sinusode
exp ( j
0
t ) pour translater le point
0
du domaine de frquence
en 0, puis ltrer passe-bas le signal ainsi obtenu par un ltre de
rponse impulsionnelle h (t ) avant de calculer son nergie. Le
signal basse frquence (thoriquement constant) dont on cherche
mesurer lamplitude (ou lnergie) est le rsultat y (t ) du ltrage
du signal translat par h (t ).
Le problme destimer le mieux possible lamplitude la fr-
quence 0 peut alors tre interprt de la manire suivante : quel est
le ltre de rponse impulsionnelle de dure nie h (t ) et dont le gain
vaut 1 la frquence 0 tel que lamplitude des autres composantes
frquentielles soient la plus petite possible ? On est alors amen
rsoudre un problme doptimisation sous contrainte.
Analyse spectrale dordre suprieur deux
La densit spectrale ne fait pas apparatre dinformation sur la
phase ; dans certains cas concernant des signaux non gaussiens et
au prix dune augmentation importante des calculs effectus, on
peut mettre en vidence cette information de phase en traitant le
spectre dordre trois :
(31)
2. Transforme de Fourier
des signaux bidimensionnels
et des images
Les mthodes prsentes dans ce paragraphe et dans le dossier
suivant [AF 1 442] portent essentiellement sur les aspects des
problmes de traitement des signaux multidimensionnels et des
images o linterprtation frquentielle est importante : ltrage et
prtraitement des images pralable leur interprtation, problmes
de propagation dondes, etc., par opposition aux problmes de
reconnaissance et dinterprtation dimages. Elles sont, pour la plu-
part, des extensions des techniques monodimensionnelles comme
lanalyse de Fourier et le ltrage linaire des signaux temporels
traits dans [AF 1 440].
Nous commenons ici la prsentation par lexpression, dans le cas
bidimensionnel, de la transforme de Fourier et quelques-unes de
ses proprits. Ensuite, dans le dossier [AF 1 442], nous reprendrons
la formulation de lchantillonnage en insistant sur quelques phno-
mnes spciques aux signaux bidimensionnels. Puis nous verrons
lextension de la transforme en z. Ce paragraphe donne aussi les
formules de la transforme de Fourier discrte, ainsi que quelques
rsultats importants : transforme de Fourier rapide, transforme en
cosinus, les rsultats principaux concernant le ltrage des signaux
bidimensionnels et lanalyse des signaux alatoires bidimen-
sionnels. Quelques applications pour lesquelles les mthodes
fondes sur la transforme de Fourier sont des outils fondamentaux
(propagation dondes, tomographie et imagerie par rsonance
magntique, interfromtrie, dtection de contours) seront dcrites
par la suite.
2.1 Reprsentation f rquentielle
des signaux bidimensionnels
continus. Transforme de Fourier 2D
Avant denvisager lchantillonnage et le traitement numrique
des signaux, il est ncessaire de donner linterprtation des
signaux bidimensionnels dans le domaine des frquences. La
reprsentation frquentielle des signaux deux dimensions (2D)
est lextension directe de celle des signaux monodimensionnels. La
transforme de Fourier F (u, v ) dun signal f (x, y ) est :
(32)
Cette formule permet de calculer lamplitude de la composante
du signal f (x, y ) la frquence spatiale (u, v ). (Dans certaines
prsentations, la quantit scalaire ux +vy est donne sous la forme
dun produit scalaire ; on obtient alors une criture simi-
laire dans les cas mono et multidimensionnels.)
La reconstitution du signal spatial se fait par addition des
diffrentes sinusodes spatiales pondres par les amplitudes
complexes ainsi calcules. Cest la transforme inverse :
(33)
2.2 Interprtation de la transf orme
de Fourier 2D
Interprtation dune sinusode
Le signal sinusodal temporel exp jt est caractris par la fr-
quence / 2 donnant (en hertz) le nombre de vibrations du signal
par unit de temps (en secondes). Dans le domaine des frquences,
il est reprsent par une impulsion de Dirac situe cette
frquence.
La frquence spatiale (u, v ) caractrisant exp j (ux +vy) est une
impulsion de Dirac de coordonnes (u, v) ; cest un couple de para-
mtres qui peut tre interprt comme une frquence de variation
du signal donne par et une direction dont la tangente
Remarque : Dans la plupart des applications, le signal pr-
sente des proprits spciques quil est utile, voire ncessaire,
de prendre en compte pour esprer une estimation spectrale
pertinente au vu des hypothses connues sur la gnration du
signal et sur lobjectif atteindre par cette analyse. Sil sagit, par
exemple, de sparer deux frquences voisines noyes dans un
bruit de fond important, la prise en compte des caractristiques
des deux signaux et du bruit est fondamentale pour atteindre
des rsultats signicatifs. Il est aussi important de bien connatre
les limites des mthodes utilises (comme des indications sur le
biais et la variance de lestimateur utilis, par exemple) et de ne
tirer des conclusions quavec prudence.
R z ( )

2
A z ( )A z
1
( )
---------------------------------- =
E

X
1
( )X
2
( ) X
1

2
+ ( )

F u, v ( )

f x, y ( ) = exp j ux vy + ( ) dxdy
u x
f x, y ( )
1
4
2
-----------

F u, v ( ) exp j ux vy + ( ) dudv =
u
2
v
2
+
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 10 est strictement interdite. Editions T.I.
est v /u : les points de mme amplitude complexe ou de mme
phase de la sinusode sont situs sur des droites parallles entre
elles :
ux +vy = +2k (34)
et perpendiculaires au vecteur (u, v ) (gures 9 et 10).
Un signal sinusodal rel a pour transforme un couple
dimpulsions de Dirac situes en (u, v ) et ( u, v ). Si la phase
lorigine est nulle, les deux impulsions de Dirac sont relles et ont
la mme amplitude. Si la phase est / 2, leurs amplitudes sont
imaginaires pures et opposes.
La partie relle et la partie imaginaire de la sinusode spatiale
apparaissent donc comme des ondulations rgulires orientes
dans la direction y =vx /u.
Si lon se dplace dans cette direction, on observe un signal
monodimensionnel dont la frquence est . Cest dans
cette direction () que la frquence parat la plus leve. Si lon se
dplace dans la direction perpendiculaire y = ux/v, le signal est
constant. Dans une autre direction , la frquence apparente est
. En particulier, un signal tel que v =0 ne
dpend pas de y : les points de phase constante de londulation
sont situs sur des parallles laxe des ordonnes. Limpulsion de
Dirac reprsentant la sinusode est alors situe au point (u, 0) sur
laxe des abscisses du domaine des frquences.
Interprtation globale de limage
Tout comme dans le cas des signaux temporels, le module de la
transforme de Fourier donne la rpartition nergtique en
fonction de la frquence. Cette rpartition nergtique se voit
mieux en considrant la reprsentation en coordonnes polaires
du plan des frquences spatiales (gure 11) :
(35)
La valeur de F ( cos , sin ) pour un couple (, ) donne
lamplitude dune sinusode complexe de pulsation dans la
direction . Pour de nombreuses images, la valeur moyenne de
lamplitude est indpendante de la direction et dcrot rgu-
lirement en fonction de . Si on diminue lamplitude des hautes
frquences (ltrage passe-bas en fonction de pour toutes les
valeurs de ), limage apparat lisse et oue, les contours sont
moins nets. Si, au contraire, on augmente lamplitude aux hautes
frquences, on rehausse les contours mais limage parat plus
bruite (il y a un grain plus marqu). La gure 12 illustre cette
rpartition.
Figure 9 Signal sinusodal bidimensionnel
Figure 10 Eff et de la modication des paramtres dune sinusode
bidimensionnelle
y
0
-0,5
0,5
1,0
-1,0
0
0
0
Ce signal est caractris par sa direction de propagation
et par la frquence des ondes dans cette direction.
u =2, u v=1 v
c u =1, v = 2
0
0,5
1,0
5,2

u
0
0,5
1,0
x y
0
1
,
3 2,6
0
-0,5
0,5
1,0
-1,0
x y
0
1
,
3
0
1,3
Figure 11 Reprsentation en coordonnes polaires
du plan des f rquences spatiales
u
v

Hautes frquences : grand


Basses frquences : petit
u
2
v
2
+
u
2
v
2
+ ( ) cos
u, v ( ) , ( )
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 11
Sur linformation contenue dans une image
La transforme de Fourier est une fonction complexe, qui a pour
chaque composante un module et une phase. Pour la plupart des
images, le module est une fonction dcroissante de , en gnral
de la forme 1/ parce quune image est souvent une fonction
continue dans des domaines spars par des frontires o elle pr-
sente des discontinuits. Dans de nombreux types dimages, o il
ny a pas de direction privilgie ni de texture prpondrante, le
module de la transforme de Fourier ne contient que peu dinfor-
mation (pour une image de valeur moyenne nulle et ne prsentant
pas de symtries particulires). Linformation utile est dans les
contours. On remarque que cette information se retrouve essentiel-
lement dans la phase de la transforme de Fourier.
2.3 Proprits de la transf orme
de Fourier 2D
Symtrie
On retrouve toutes les proprits de la transforme de Fourier
monodimensionnelle comme les symtries. Si f (x, y ) est une
fonction relle, sa transforme de Fourier vrie :
(36)
Si f (x, y ) est relle et f (x, y ) =f ( x, y ), alors F (u, v) est aussi
relle et F (u, v ) =F ( u, v ).
Si f (x, y ) est relle et f (x, y ) = f ( x, y ), alors F (u, v) est
imaginaire et F (u, v ) = F ( u, v ).
Figure 12 Basses f rquences et hautes f rquences dans une image
Figure 13 Eff et du remplacement du module
de la transforme de Fourier par une constante
(b), la phase de limage originale (a) tant
prserve
a image originale c composante
hautes frquences
b composante
basses frquences
a b
On reconnat bien les contours et les lments informatifs de limage originale.
Exemple : gure 13, si l on force 1 le module de la transforme
de Fourier en conservant la phase, l image est bien interprte ; ce qui
n est pas le cas lorsque l on annule la phase en conservant le module.
F u, v ( ) F u , v ( ) =
LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2) _______________________________________________________________________________
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
AF 1 441 12 est strictement interdite. Editions T.I.
Translation
La translation dun signal se traduit par un dphasage linaire :
si f (x, y ) a pour transforme F (u, v ), alors g (x, y ) =
f (x x
0
, y y
0
) a pour transforme :
G (u, v ) =F (u, v ) exp j (ux
0
+vy
0
) (37)
Dilatation dans une direction
Si on dilate f (x, y ) dans la direction Ox :
g (x, y ) =f (kx, y ) (38)
la transforme G (u, v ) de g (x, y ) est :
(39)
La dilatation dune image se traduit par un effet inverse sur la
variable correspondante (une contraction) dans le plan des fr-
quences. Si lon effectue la mme dilatation dun facteur k dans les
deux directions g (x, y ) =f (kx, ky ) (dilatation sans dformation de
limage), il y a contraction dun facteur 1/k de la transforme de
Fourier :
(40)
Rotation dune image
Soit :
g

(x, y ) =f (x cos +y sin , x sin +y cos ) (41)


on obtient sa transforme de Fourier en effectuant un changement
de variable :
G

(u, v ) =F (u cos +v sin , u sin +v cos ) (42)


La rotation se traduit par une rotation identique dans le plan des
frquences.
Inclinaison dune image
Soit une image incline :
g
m
(x, y ) =f (x my, y ) (43)
sa transforme est G (u, v ), transforme de f (z, y ) calcule pour u
et (v +um ) :
G
m
(u, v ) =F (u, v +um ) (44)
La transforme dun signal inclin par rapport laxe vertical
subit une inclinaison identique mais par rapport laxe horizontal.
Si la fonction est incline suivant une pente m, sa transforme de
Fourier est incline suivant une pente 1/ m.
Transforme de Fourier dune convolution 2D
Cest lextension directe du rsultat obtenu dans le cas mono-
dimensionnel. Limportance fondamentale de ce rsultat est due au
fait que, dans de nombreuses applications, lopration effectue
sur un signal bidimensionnel est une opration linaire invariante
par translation. Elle se traduit alors par une convolution. On
retrouve ce type dopration en traitement dimages, en optique,
dans les tudes portant sur la propagation dondes lectromagn-
tiques ou sonores.
Dans ce type de problme (convolution, ltrage par un systme
linaire invariant spatialement, quation diffrentielle linaire
coefcients constants), quand on applique loprateur un signal
sinusodal de frquence (u, v ), le signal obtenu sera un signal
sinusodal de mme frquence (u, v ), exactement comme dans le
cas monodimensionnel. Lamplitude et la phase pourront tre
modies, mais la forme du signal sinusodal ne le sera pas.
Une convolution 2D scrit :
(45)
La transforme de Fourier de la convolution est :
(46)
soit, en fonction des transformes F (u, v ) et H (u, v ) de f (x, y ) et
h (x, y ) :
G (u, v ) =F (u, v ) H (u, v ) (47)
La transforme de Fourier dune convolution est le produit des
transformes de Fourier des fonctions convolues.
Le rsultat de la convolution dune fonction f (x, y ) avec une
impulsion de Dirac lorigine (x ) (y ) est la fonction elle-mme.
La convolution, de par une impulsion de Dirac dcale
(x x
0
) (y y
0
), produit une fonction translate f (x x
0
, y y
0
).
Transforme de Fourier dun produit
Comme la transforme de Fourier inverse a une forme identique
la transforme directe, la transforme de Fourier dun produit
f (x, y ) h (x, y ) est le produit de convolution des transformes des
deux facteurs.
Transforme de Fourier de fonctions sparables
Si une fonction g (x, y ) peut scrire sous la forme :
f (x, y ) =g (x ) h (y ) (48)
sa transforme sexprime aussi sous la forme dun produit de deux
fonctions dune variable :
F (u, v ) =G (u ) H (v ) (49)
Cas dune fonction dune seule variable
Si f (x, y ) est fonction uniquement de la variable x :
f (x, y ) =g (x ) (50)
sa transforme devient :
(51)
La seconde intgrale est la transforme de Fourier dune
impulsion de Dirac :
F (u, v ) =G (u ) (v ) (52)
F (u, v ) est nulle partout sauf lorsque v =0 o elle est proportion-
nelle la transforme de Fourier de g (x ).
Thorme de projection de Radon
Un rsultat important en tomographie est le suivant. On
construit partir dune fonction f (x, y ) la fonction :
(53)
ce qui correspond une intgration de la fonction f (x, y ) le long
dune verticale passant par le point de coordonnes (t, 0) (pro-
jection de Radon). Sa transforme de Fourier monodimensionnelle
est :
(54)
G u, v ( )
1
k
----- F
u
k
-----, v


=
G u, v ( )
1
k
2
--------- F
u
k
-----,
v
k
-----


=
g x, y ( )

f s, t ( )h x s , y t ( )dsdt =
G u, v ( )

exp j ux vy + ( ) =

f s, t ( )h x s, y t ( )ds dt

dx dy
F u, v ( )

g x ( )exp juxdx

exp jvydy

=
g t ( )

f t, y ( )dy =
G ( )

f t, y ( ) exp jwt dy dt =
_______________________________________________________________________________ LA TRANSFORME DE FOURIER ET SES APPLICATIONS (PARTIE 2)
Toute reproduction sans autorisation du Centre franais dexploitation du droit de copie
est strictement interdite. Editions T.I. AF 1 441 13
Par ailleurs F (u, 0) scrit :
(55)
soit :
(56)
La transforme de Fourier G ( ) de la projection de Radon de
lquation (53) scrit de la mme manire :
G ( ) =F (, 0) (57)
La transforme de Fourier dune projection paralllement un
axe vertical est gale la valeur de la transforme de Fourier
bidimensionnelle du signal projet, mesure sur laxe horizontal,
la frquence nulle (v =0) sur laxe des ordonnes dans le plan des
frquences.
On retrouve un rsultat gnral pour une projection dangle
quelconque en appliquant le thorme sur leffet dune rotation sur
la transforme de Fourier (quation (41)). Nous utiliserons ce
rsultat dans le paragraphe consacr la reconstruction dimages
partir de projections (cf. [AF 1 442]).
2.4 Eff et de halo : phnomne de Gibbs,
tache dAiry, diff raction de Fraunhof er
Le ltrage passe-bas dune image se traduit, dans le domaine
spatial, par une convolution de la fonction tudie par une fonction
du type (la transforme de Fourier inverse de la
rponse en frquence du ltre), ce qui fait apparatre des
oscillations comparables au phnomne de Gibbs (gure 14). Ce
phnomne doscillations se retrouve en optique. En effet, linter-
prtation frquentielle de la propagation des ondes (cf. [AF 1 442])
montre quun appareillage optique peut tre interprt comme un
systme qui slectionne uniquement les basses frquences
spatiales et limine les composantes frquentielles pour les fr-
quences extrieures un disque de rayon donn (la frquence de
coupure du ltre passe-bas est donne par le rayon de lappareil
optique). Dans le domaine spatial, il a un effet de convolution sur
lobjet tudi. Loprateur de convolution est la transforme de
Fourier inverse de la fentre slectionnant les composantes dans le
domaine des frquences. Cette transforme inverse prsente les
mmes caractristiques que la transforme monodimensionnelle
dune fonction crneau : elle prsente des oscillations qui se
traduisent sous la forme de halos entourant les images des
objets tudis (tache dAiry, diffraction de Fraunhofer).
F u, 0 ( )

f x, y ( ) exp j u x 0y + ( ) dx dy =
F u, 0 ( )

f x, y ( )dx

exp jvy dy =
x sin
x
------------------
y sin
y
------------------
Figure 14 Oscillations apparaissant lors du ltrage passe-bas
dune image
y
f (x,y)
0
x
y
f
bf
(x,y)
0
x
y
f
hf
(x,y)
0,8
0
0,
0
c image filtre passe-haut

Le filtrage fait apparatre des oscillations dans les rgions


o limage prsente une variation dintensit importante.