TS_Fourrier.pdf

La transform
ee de Fourier
La transformee de Fourier Discr`
ete
Le traitement du signal - La transformee de

Fourier, la transformee de Fourier discrète et la
transformee en cosinus discret
Marc Chaumont
20 janvier 2008
Marc Chaumont Introduction

Introduction
La transform
ee de Fourier Serie de Fourier
ete Transform ee de Fourier
Quelques propri et
es de la transform
ee de Fourier
Plan
1 La transformee de Fourier
Introduction
Serie de Fourier
Transformee de Fourier
Quelques proprietes de la transformee de Fourier
2 La transformee de Fourier Discrète

La transformee de Fourier discrète
La transformee en cosinus

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Sources
Polycopie de Joel Le Roux (Professeur à lEcole Superieure en

Sciences Informatiques de lUniversite de Nice,
http ://www.essi.fr/leroux ) : Techniques numeriques pour le
traitement du signal,
Paul Bourke (University of Western Australia,
http ://local.wasp.uwa.edu.au/pbourke/)

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Quelques mots sur Jean-Baptiste Fourier

Les transparents de presentation des applications de TF sont ceux
de Joel Le Roux et extraits de son site web.
Jean-Baptiste Fourier 1768 - 1830

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Quelques applications de la transformee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Rappel sur les transformations complexes

On utilise la representation en nombre complexe1 pour representer une
grandeur, fonction sinusodale du temps. Ainsi, à une grandeur f (t), fonc-
tion sinusodale du temps dexpression :
f (t) = a. sin(t + ),
on fait correspondre un nombre complexe s :
s(t) = m e j(t+) ,
de module : m,
dargument : ,
La representation en nombre complexe permet de deriver, dintegrer ou
dappliquer facilement des operations arithmetiques (+, , et /) à des
grandeurs fonctions sinusodales du temps. Elle remplace avantageusement
la representation de Fresnel.
1
wikipedia
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Representation des signaux dans le domaine des frequences
La transformee de Fourier a ete developpee initialement pour etudier

les fonctions de duree finie, et etendue aux fonctions periodiques.
Nous donnerons les resultats principaux dans ce cas, avant de donner

les formules les plus utiles en traitement des signaux à temps continu.

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Plan
Introduction
Serie de Fourier


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Representation des signaux periodiques sous la forme de

series de Fourier
Un signal x(t) periodique de periode T0 peut se decomposer sous

la forme dune somme de signaux sinusodaux appelees les harmo-
niques.
Rappel sur les nombres complexes :

j est est lunite imaginaire : j 2 = 1
exp(j) = cos() + j.sin()
Soit z le nombre imaginaire tel que z = a + b.j, o`
u a et b sont
reels. Le conjugue de z est z = a b.j.

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

series de Fourier
Soit un signal x(t) periodique de periode T0 :

X
x(t) = X (n0 ) exp(jn0 t)
n=
avec 0 = 2/T0 est la pulsation fondamentale (0 = 2f0 )
Dans la plupart des ouvrages anglosaxons, on ne fait pas la diff

erence entre pulsation et fr
equence, qui repr
e-
sentent des donn

ees identiques avec des unit
es diff
erentes : les radians par seconde dans le premier cas ou le nombre
de p
eriodes ou de tours par seconde dans le second cas.

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
eries de Fourier
Lamplitude complexe X (n0 ) (= coefficient de Fourier) se calcule

de la manière suivante :
Z T0
1
X (n0 ) = x(t) exp(jn0 t)dt
T0 0
On appelle harmonique de rang n > 0 la fonction sinusodale obtenue

en tenant compte des coefficients de Fourier dindice n et -n, donnee
par :
t 7 X (n0 )e jn0 t + X (n0 )e jn0 t
... en sommant sur n variant de 0 à les harmoniques on retrouve
x(t)

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
eries de Fourier : Illustration
Fig.: Representation graphique dun signal de parole, faisant apparatre

une quasi-periodicite dans les periodes successives du signal ; la duree
1000 (echantillons) correspond à 125 ms (il y a 8000 echantillons /s).

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
Fig.: Grossissement dune portion du signal precedent, 64 echantillons

correspondent à une duree de 8 ms. Si ce signal est periodise alors sa
periode est de 8 ms et donc sa frequence de 125 Hz

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
1
Z T0
X (n0 ) = x(t) exp(jn0 t)dt
T0 0
Fig.: Amplitude des harmoniques calculees sur une periode du signal de

parole (les frequences des harmoniques sont des multiples de la frequence
fondamentale qui est ici de 125 Hz. Chacune de ces harmoniques a une
amplitude, mais aussi une phase dont la representation nest pas donn ee
parce quelle nest pas très explicite).
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
x(t) =
X

X (n0 ) exp(jn0 t)
n=
Fig.: Reconstruction du signal utilisant toutes les 32 harmoniques visibles

dans ce signal, la reconstruction du signal original est parfaite sur la
première periode. Les autres periodes reconstituees sont identiques à la
première et donc legèrement differentes des periodes correspondantes du
signal initial
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

s
x(t) =
X

X (n0 ) exp(jn0 t)
n=
Fig.: Reconstruction du signal nutilisant que les 16 harmoniques de plus

basse frequences, les fluctuations rapides du signal ont disparu

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Quelques proprietes des series de Fourier

Si un signal est reel :
X (n0 ) = X (n0 )
Si de plus on a les symetries
x(t) = x(t) X (n0 ) = X (n0 ) (reel) (1)
x(t) = x(t) X (n0 ) = X (n0 ) (imaginaire pur) (2)

Remarque 1 : La plupart des proprietes importantes se retrouvent
dans le cas des transformees de Fourier.
Remarque 2 : Les proprietes de symetries 1 et 2 sont souvent utilisees

de deux manières : soit pour reduire la quantite de calculs à effectuer
soit, ce qui est parfois plus utile, pour verifier que les calculs sont
corrects et que les programmes les ont bien transcrits.
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Plan
Introduction
Serie de Fourier


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
La transformee de Fourier
La decomposition en series de Fourier peut setendre aux fonctions

non periodiques. Dans ce cas nous aurons une decomposition sous
la forme Z
1
x(t) = X () exp(jt)d
2
o`
u lamplitude complexe à la frequence est donnee par
Z
X () = x(t) exp(jt)dt


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Plan
Introduction
Serie de Fourier


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Translation dans le domaine temporel

Soit la fonction x (t) = x(t ). Sa transformee de Fourier est :
Z
X () = x(t ) exp(jt)dt

En effectuant le changement de variable u = t

Z
X () = x(u) exp(j(u + ))du

Z
= exp(j ) x(u) exp(ju)du

= exp(j )X ()
La translation dans le domaine temporel se traduit par un terme

correspondant à un dephasage lineaire en fonction de la frequence
( exp(jt)). Cette operation ne modifie pas le module de la
transformee de Fourier.
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Multiplication par une sinusode, translation en frequence

Soit la fonction x(t) multipliee par une sinusode exp(j0 t) :
x0 (t) = x(t) exp(j0 t)
La transformee de Fourier de x0 (t) est

Z
X0 () = x0 (t) exp(jt)dt

Z
= x(t) exp(j( 0 )t)dt

= X ( 0 )
La multiplication par une sinusoide dans le domaine temporel

se traduit par une translation des termes de Fourier.

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Multiplexage de signaux ; modulation ; porteuses
Cette propriete est fondamentale pour linterpretation de la modula-

tion des signaux en telecommunications. De manière à transmettre
simultanement plusieurs signaux, xa (t), xb (t), xc (t), on leur ap-
plique loperation de modulation (multiplication par une sinusoide
exp(jx t) de frequence x ), en choisissant pour chacun des trois
signaux des frequences porteuses differentes, a , b et c . Dans
le domaine des frequences, le recepteur recoit la somme des trois
signaux :
Y () = Xa ( a ) + Xb ( b ) + Xc ( c )

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Multiplexage de signaux ; modulation ; porteuses
Pour retrouver un des signaux, par exemple xb (t), le recepteur (qui

connait les frequences porteuse a , b et c ) doit realiser loperation
inverse de la modulation, la demodulation :
Yb () = Xa ( a + b ) + Xb ( b + b ) + Xc ( c + b )
et eliminer, par filtrage, les composantes indesirables Xa (a +b )

et Xc ( c + b ), ce qui permet de retrouver Xb (), soit, dans le
domaine temporel, le signal emis xb (t).

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Illustration des effets dune modulation damplitude
colonne de gauche : domaine temporel,

colonne de droite : domaine frequentiel (amplitude de la TF,
les phases ne sont pas representees)
Fig.: Signal x(t) avant modulation

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Fig.: Signal après modulation par une porteuse cos 0 t
On a multiplie le signal x(t) par une fonction porteuse sinusoidale

cos(0 t), ce qui introduit une translation dans le domaine de Fourier.
De plus, comme la porteuse est un signal reel (donc x(t). cos(0 t)
est un signal reel), il y a symetrie par rapport à laxe des ordonnees
dans le domaine de Fourier.
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Fig.: Signal après demodulation par une porteuse cos(0 t)
` la reception, pour retrouver le signal x(t) on demodule en multi-

A
pliant par cos(0 t). Les deux pics dans le domaine de Fourier sont
translates et symetrises par cette demodulation ce qui fait quatre
pics dont deux se superposent. Le pic à conserver est celui où a lieu
la superposition.
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Fig.: Signal filtre passe bas eliminant les composantes hautes frequences

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Transformee de Fourier dune convolution
Soit y (t) = x(t) ? h(t) :

Z
y (t) = x( )h(t )d

qui a pour transformee de Fourier :

Z Z
Y () = x( )h(t )d exp(jt)dt


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier

Z Z
Y () = x( )h(t )d exp(jt)dt

En supposant quil est possible de changer lordre des integrations
Z Z
Y () = x( ) h(t ) exp(jt)dt d

et en introduisant artificiellement
1 = exp(j ) exp(j )
Z Z
Y () = x( ) exp(j ) h(t ) exp(jt) exp(j )dt d


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Z Z
Y () = x( ) exp(j ) h(t ) exp(jt) exp(j )dt d

et en effectuant le changement de variable t = u :

Z Z
Y () = x( ) exp j h(u) exp(ju)du d

Z Z
= x( ) exp(j )d h(u) exp(ju)du

On y reconnait les transformees de Fourier X () et H() des fonc-

tions x(t) et h(t)
Y () = X ()H()

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
La transform ee de Fourier dune convolution de deux fonctions

est un produit des transform ees de Fourier de ces deux fonctions.
Ce resultat est un des resultats les plus importants en traitement du
signal aussi bien dans les aspects theoriques que dans les applica-
tions.

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Transformee de Fourier dun produit de fonctions
La transformee de Fourier et la transformee de Fourier inverse ont

des formulations identiques à une constante et un changement de
signe près. Par consequent la transformee dun produit de fonctions
dans le domaine temporel est une convolution dans le domaine des
frequences ; demonstration :
y (t) = x(t)h(t)
Z
Y () = x(t)h(t) exp(jt)dt


Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
En ecrivant x(t) comme une transformee de Fourier inverse

Z Z
1
Y () = X () exp(jt)d h(t) exp(jt)dt
2
En admettant quon peut changer lordre des integrations

Z Z
1
Y () = X () h(t) exp[j( )t]dt d
2
u on reconnait la transformee H( )
o`
Z
1
Y () = X ()H( )d
2

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
La transformee dun produit de fonctions dans le domaine temporel

est une convolution dans le domaine des frequences :
y (t) = x(t)h(t)
1
Y () = X () ? H()
2

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Representation simultanee des transformees de Fourier des

signaux periodiques et des signaux quelconques
On peut etre amene à representer simultanement les transformees de Fou-
rier de signaux periodiques et de signaux quelconques, par exemple dans
le cas de lanalyse dun signal musical enregistre en presence dun bruit
de fond. Dans ce cas nous representerons la transformee de Fourier des
signaux periodiques sous la forme dune suite dimpulsions de Dirac aux
frequences k damplitude X (k )/2. Rappel : y (t) = x(t)h(t) ; Y () = 21 X () ? H()
Fig.: Analyse spectrale dun signal compose dun signal non periodique et
dun signal pur à 1 frequence : la composante periodique apparait comme
une impulsion dans le domaine des frequences
Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Recapitulatif des proprietes

Introduction
La transform
Quelques propri et
es de la transform
ee de Fourier
Non traite dans ce cours :

le lien avec lechantillonnage et la quantification,
la transformee en z,
le filtrage.

La transform
ee de Fourier La transform
ee de Fourier discr`
ete
ete La transform
ee en cosinus
Plan
Introduction
Serie de Fourier


La transform
ete
ete La transform
ee en cosinus
La transformee de Fourier Discrète TFD (en anglais DFT)
Les representations de signaux et de filtres sous la forme de trans-

formees de Fourier sont des outils th eoriques. Ils ne peuvent etre
utilises que si les donnees etudiees ont une repr
esentation formelle.
Cest le cas dun filtre lineaire non recursif ou dun signal sinusodal.
Dans les etudes en traitement du signal, on est amene à repre-

senter des signaux dont la transformee ne peut pas secrire comme
une formule dependant dun petit nombre de param` etres. Meme
dans le cas o` u une ecriture formelle existe, on a souvent besoin de
representer la transformee de Fourier dun signal o` u la reponse en
frequence dun filtre. On utilisera pour cela les outils informatiques.

La transform
ete
ete La transform
ee en cosinus
La transformee de Fourier Discrète TFD (en anglais DFT)
Lutilisation de techniques numeriques pour effectuer un calcul de

transformee de Fourier suppose que le nombre de donn ees à traiter
soit fini et que le nombre de frequences pour lesquelles on calcule
la transformee soit aussi fini. Pour conserver la meme quantite din-
formations, on calculera autant de donnees dans le domaine des fre-
quences quil y a dechantillons du signal dans le domaine temporel.
Cest lobjectif de la transform ee de Fourier discrète.

La transform
ete
ete La transform
ee en cosinus
La transformee de Fourier Discrète TFD
Soit le signal echantillonne x(t) nul en dehors de lintervalle 0, , T

1. On rend ce signal periodique en le reproduisant après translation
de T , 2T , 3T , etc... Pour tout n pour tout 0 t T 1
y (t + nT ) = x(t)
La transformee de Fourier Y () de y (t) est nulle sauf aux pulsa-

tions multiples de 2/T . La connaissance de Y () aux pulsations
multiples de 2/T suffit donc pour caracteriser le signal periodise
y (t) et donc le signal original x(t).

La transform
ete
ete La transform
ee en cosinus
Illustration de la transformee de Fourier Discrète TFD

La transform
ete
ete La transform
ee en cosinus
Representation graphique des resultats de la transformee

de Fourier discrète
Bien souvent, pour une visualisation plus intuitive des frequences

(ordre croissant !), on decale les coefficients de sorte que le coeffi-
cient representant la frequence nulle soit au centre du tableau sto-
ckant les coefficients de Fourier.

La transform
ete
ete La transform
ee en cosinus
Illustration de la transformee de Fourier Discrète TFD

La transform
ete
ete La transform
ee en cosinus
La transformee de Fourier dun signal x(t) est :

Z
X () = x(t)e jt dt
Z 2
= x(t)e j T t dt


ete dun signal x(t) est :
T 1
1 X 2
X (k) = x(t)e j T k.t
T
t=0
Cest le produit dune matrice par un vecteur qui transforme le vec-

teur x(t) en un vecteur X (k) de meme dimension.
La transform
ete
ete La transform
ee en cosinus
Pour T echantillons, la transformee de Fourier Discrète de x(t) est

T 1
1 X 2
X (k) = x(t)e j T k.t
T
t=0

La transform
ete
ete La transform
ee en cosinus
La transformee inverse
` partir de lamplitude complexe des harmoniques on peut recons-

A
tituer le signal periodique y (t) et donc le signal x(t) pour 0 t
T 1. On a donc
T 1
X kt
x(t) = X (k)e 2j T
k=0

La transform
ete
ete La transform
ee en cosinus
Complexite de la DFT
La DFT (Discret Fourier Transform) est une transformee co u-
teuse en temps de calcul ; sa complexite est (avec N le nombre
dechantillons traites) :
N N calcul de sinus, N N calcul de cosinus,
4 N N produits, 4 N N somme,
plus quelques termes negligeables.
ce qui fait une complexite en O(N 2 ).
La FFT (Fast Transform Fourier) developpee par Cooley et Tukey

en 1965 est en O(N log2 (N)). La seule contrainte de limplemen-
tation la plus populaire (Radix-2 Cooley-Tukey) est que le nombre
dechantillons soit une puissance de 2.
PS : Nous ne verrons que la DFT en TD et en TP (mais pas la FFT)...

La transform
ete
ete La transform
ee en cosinus
La transformee de Fourier en 2D
Transform
ee de Fourier Discr`
ete 2D :
M X
N
1 X ux v y
F (u, v ) = f (x, y )e j2( M + N )
M N
x=0 y =0
Transform
ee de Fourier Discr`
ete 2D inverse :
N
M X
ux
+ v y
X
f (u, v ) = F (x, y )e j2( M N
)
x=0 y =0

La transform
ete
ete La transform
ee en cosinus
Illustration de la transformee de Fourier en 2D
image originale module de la DFT phase de la DFT
Legende des images module et phase :

noir = faible valeur,
blanc = grande valeur,
une echelle logarithmique est utilisee.

La transform
ete
ete La transform
ee en cosinus
Les proprietes de la transformee de Fourier discrète
Toutes les propri et

es de la transform ee de Fourier sont conser-
vees, en particulier la transformee dune convolution discrète est un
produit.
Toutefois lutilisation de cette propriete (convolution discrète est

un produit) necessite quelques pr ecautions. En effet il ne faut pas
oublier que les sequences pour lesquelles on calcule les transformees
de Fourier discrètes sont periodiques et tenir compte de ce fait dans
les calculs.
Il faut sassurer que la somme des durees Tx et Th pendant lesquelles

les deux signaux x(t) et h(t) sont non nuls est inferieure à T (le nombre
dechantillon). En effet, dans ce cas la duree Ty du resultat de la convolu-
tion sera egale à Tx + Th 1.

La transform
ete
ete La transform
ee en cosinus
Recapitulatif des proprietes

La transform
ete
ete La transform
ee en cosinus
Plan
Introduction
Serie de Fourier


La transform
ete
ete La transform
ee en cosinus
La transformee en cosinus, utilisee en codage de sons et dimages,

nest quun cas particulier de la transform ee de Fourier o` u on
construit à partir dun signal x(t) de longueur T un signal y (t) de
longueur 4T symetrique dont les echantillons dordre pair sont nuls,
ce qui se traduit par les formules suivantes : Pour k = 0, , N 1 :
y(2k) = y(-2k) = 0
y(2k+1) = y(-2k-1) = x(k)

La transform
ete
ete La transform
ee en cosinus
DCT
Dans ce cas le calcul de la transformee de Fourier discrète de y (t)

se reduit au calcul de T valeurs. Pour k = 0, , N 1 :
T 1
2 X (2t + 1)k
X (k) = c(k) x(t) cos
T 2N
t=0
La transformee inverse est pour t = 0, , N 1 :

T 1
X (2t + 1)k
x(t) = c(k)X (k) cos
2N
k=0
u c(k) = 21/2 si k = 0 et c(k) = 1 si k 6= 0.

o`

La transform
ete
ete La transform
ee en cosinus
DCT-II
N1
X 1
Xk = xn cos n+ k
n=0
N 2
Cette variante DCT est la plus courante et la plus utilisee. Elle est genera-
lement simplement appelee la DCT. On peut rendre cette transformation
orthogonale en multipliant X0 par 1/ 2. Cette forme normalisee est très
utilisee en pratique mais casse la correspondance avec la DFT.2
N1
1 X 1
xn = X0 + Xk cos k n+
2 N 2
k=1
La DCT-III est la transformee inverse de la DCT-II. Elle est plus connue

sous le nom de DCT Inverse et son acronyme (anglais) IDCT.
2
Source Wikipedia
La transform
ete
ete La transform
ee en cosinus
Calcul de la DCT 2D :
La transformation DCT pour un bloc N N est une fonction T

telle que pour un pixel ayant la valeur fi,j et etant à la position (i, j)
dans le bloc on a :
c(i) c(j) X X
k=N1 l=N1
(2k + 1)j

(2k + 1)i

Fi,j = cos cos fl,k
N k=0 l=0
2N 2N
la transformation IDCT vaut :

1 X X
k=N1 l=N1
(2j + 1)k

(2i + 1)l

fi,j = c(k) c(l) cos cos Fl,k
N k=0 l=0
2N 2N

La transform
ete
ete La transform
ee en cosinus
DCT 8x8 : Decomposition du signal et une combinaison

lineaire de 64 signaux
The source data (8x8) is transformed to a linear combination of
these 64 frequency squares.

La transform
ete
ete La transform
ee en cosinus
Comparaison pouvoir de concentration denergie DFT et

DCT

La transform
ete
ete La transform
ee en cosinus
Interet de la DCT pour la compression avec pertes

La transform
ete
ete La transform
ee en cosinus
Acceleration du calcul de la transformee en cosinus DCT :
Un developpement optimise de cette transformee pour le cas N=8

(utilise dans JPEG et MPEG) est obtenu en reecrivant la transformee
sous forme matricielle et en factorisant la decomposition, pour re-
duire le nombre de multiplications scalaires necessaires. Par exemple
la decomposition est utilisee pour la factorisation par lalgorithme
de Chen et al.
W. Chen, C.H. Smith, and S.C. Fralick, A fast computational al-

gorithm for the discrete cosine transform, IEEE Trans. Commun.,
Vol. COM-25, pp 1004-1009, Sep. 1977.

La transform
ete
ete La transform
ee en cosinus
Algorithme de Chen et al. pour le cas où N=8

Coefficients constants de calcul :
0C1 1 0 cos 16 1 0 1
BBC2 C B
B 16 C
cos 2 C B0,0, 49039C
BBC3 C C s Bcos 316 C B C
C = 2 .B C B0, 41573C
46194
BBC4 C B
B C
C B
B C
C
C
B@C5 C B 16 C
cos 4
N Bcos 5 C

B
B0, 27779C
0, 35355
C
C6 A B
@ 16 C
cos 6 A @0, 19134A
C 16 0, 09755
7 cos 7
16
DCT(8) (methode de calcul rapide)

X0 C4 C4 C4 C4 x0 + x7
X2 C2 C6 C6 C2
. x1 + x6

=
X4 C4 C4 C4 C4 x2 + x5
X6 C6 C2 C2 C6 x3 + x4

X1 C1 C3 C5 C7 x0 x7
X3 C3 C7 C1 C5
. x1 x6

=
X5 C5 C1 C7 C3 x2 x5
X7 C7 C5 C3 C1 x3 x4
La transform
ete
ete La transform
ee en cosinus
Remarque sur la complexite

La formule optimisee pour une DCT unidimensionnelle est souvent
utilisee telle quelle pour son utilisation dans lespace bidimensionnel
(par transposition et composition) ; cette formule permet de reduire
de facon spectaculaire le calcul de 1024 multiplications (formule de
base) à 256 multiplications seulement dans le traitement dun bloc
image 8x8 (deux passes de 32 multiplications pour chaque ligne de
8 valeurs) ;
Des optimisations sont encore possibles ; de nombreuses etudes ont

montre comment cette transformee peut etre optimisee en fonction
des contraintes, notamment quand la transformee est utilisee pour la
compression, car la transformee permet de concentrer lessentiel de
lenergie dans les coefficients dindice faible, les autres concentrant
peu denergie ont une contribution faible sur le signal spatial initial
et sont reduits à zero lors des etapes de quantification.
La transform
ete
ete La transform
ee en cosinus
Algorithme rapide inverse
IDCT(8) (methode de calcul rapide)

0x 1 2C 3 0X 1 2C 3 0X 1
BBx01 CC = 66C44 C2 C4 C6
77 . B C + 66C13 C3 C5 C7
77 . B C
5 B @XX24 C 5 B @XX35 C
0 1
@x2 A 4C4 C6
C6
C4
C4
C2
C2 A 4C5 C7
C1
C1
C7
C5
C3 A
x3 C4 C2 C4 C6 X6 C7 C5 C3 C1 X7
0x 1 2C 3 0X 1 2C 3 0X 1
BBx45 CC = 66C44 C2 C4 C6
77 . B C 66C31 C3 C5 C7
77 . B C
5 B @XX24 C 5 B @XX35 C
0 1
@x6 A 4C4 C6
C6
C4
C4
C2
C2 A 4C5 C7
C1
C1
C7
C5
C3 A
x7 C4 C2 C4 C6 X6 C7 C5 C3 C1 X7

Langue

Bienvenue sur Scribd !

TS_Fourrier.pdf

Transféré par

Informations du document

Date du transfert

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

TS_Fourrier.pdf

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Titres liés

La transform

Le traitement du signal - La transformee de

Marc Chaumont Introduction

2 La transformee de Fourier Discr`ete

Marc Chaumont Introduction

Polycopie de Joel Le Roux (Professeur `a lEcole Superieure en

Marc Chaumont Introduction

Quelques mots sur Jean-Baptiste Fourier

Jean-Baptiste Fourier 1768 - 1830

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction

Quelques applications de la transformee de Fourier

Marc Chaumont Introduction