Académique Documents
Professionnel Documents
Culture Documents
1. Introducción 6
3. Descriptores de Fourier 25
3.1. Introducción a los descriptores de Fourier. . . . . . . . . . . . 25
3.2. Acondicionamiento de datos. . . . . . . . . . . . . . . . . . . . 26
3.3. Obtención de los descriptores de Fourier . . . . . . . . . . . . 29
3.4. Las propiedades de los descriptores de Fourier . . . . . . . . . 36
3.4.1. Traslación . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4.2. Escalado . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4.3. Rotación . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4.4. Cambiar el origen del contorno . . . . . . . . . . . . . 42
3.4.5. Normalización . . . . . . . . . . . . . . . . . . . . . . . 44
1
Lista de Figuras
2
LISTA DE FIGURAS 3
5
Capı́tulo 1
Introducción
6
CAPÍTULO 1. INTRODUCCIÓN 7
Conceptos de la Teorı́a de
Fourier
8
CAPÍTULO 2. CONCEPTOS DE LA TEORÍA DE FOURIER 9
={S(f )}
φ(f ) = arctg (2.8)
<{S(f )}
es la fase de transformada de Fourier.
Z ∞ Z ∞
F [s(t, q)] = S(f1 , f2 ) = s(t, q)e−i2π(f1 s+f2 q) dt dq (2.10)
−∞ −∞
q
|S(f1 , f2 )| = <{S(f1 , f2 )}2 + ={S(f1 , f2 )}2 (2.11)
={S(f1 , f2 )}
φ(f1 , f2 ) = arctg (2.12)
<{S(f1 , f2 )}
2π
ω̆i = i ·
M
CAPÍTULO 2. CONCEPTOS DE LA TEORÍA DE FOURIER 13
i = 0, 1, . . . , M − 1
µ = 0, 1, . . . , M − 1
La TFD expresada en forma matricial tiene el aspecto:
a = W∗ · s
1 ... 1 ... 1
a[0] s[0]
.. .. .. .. .. .. ..
. . . . . . .
−i 2π −i 2π
lm
l (M −1)
a[l] = 1 . . . e ... e s[m]
M M
.. . . .. .. .. ..
.. ..
. . . . .
2π 2π 2
a[M − 1] 1 . . . e−i M (M −1) m . . . e−i M (M −1) s[M − 1]
2π
θk = θ[k] = ·k
M
µ = 0, 1, . . . , M − 1
k = 0, 1, . . . , M − 1
Como puede apreciarse en la expresión 2.17 los vectores columna de la
matriz W ∗ son funciones trigonométricas de frecuencia θk .
k = 0, 1, . . . , M − 1
La TFDI expresada en forma matricial tiene el aspecto:
s=W ·a
1 ... 1 ... 1
s[0] a[0]
.. .. .. .. .. .. ..
.
. . . . . .
1 2π
i M ml 2π
i M (M −1) l
s[l] = 1 . . . e . . . e a[m]
M
.. .. .. .. .. .. ..
. . . . . . .
2π 2π 2
s[M − 1] 1 . . . ei M m (M −1) . . . ei M (M −1) a[M − 1]
W = {w0 , . . . , wm , . . . , wM −1 }
La expresión matricial anterior significa que el vector s puede expresarse
como una combinación lineal de los vectores columna que constituyen la base
W.
2π
θk = θ[k] = ·k
M
k = 0, 1, . . . , M − 1
µ = 0, 1, . . . , M − 1
Combinando la expresión 4.3 y la definición de θk se llega a la conclusión
de que los vectores columna wµ son funciones trigonométricas de frecuencia
2πµ
M
.
El cálculo de la TFD de una secuencia s[n] requiere para cada una de los
valores de salida M productos complejos y M − 1 sumas complejas. Como se
tienen M valores de salida, en total se requieren M 2 productos complejos y
M · (M − 1) sumas complejas para realizar una TFD de M puntos, es decir,
la complejidad de cálculo de la TFD es O(M 2 )
a) w(µ+M ) = wµ
b) w(M µ) = 1
c) w(µ+M/2) [θk ] = −1k · wµ [θk ]
a = f f t(s, M )
La función anterior calcula de forma eficiente la TFD del vector s en M
puntos . El resultado, a, es un vector complejo con ı́ndices µ = 0, 1, . . . , M −1
que está definido para frecuencias comprendidas entre 0 y 2π. Si no se da
el segundo parámetro se considera como M la longitud del vector. Para que
el algoritmo de la FFT sea lo más eficiente posible el valor de M debe ser
potencia de 2. Si la longitud de s es menor que M , el vector se rellena con
ceros. Si es mayor el vector es truncado.
De esta definición se deduce que existe una estrecha relación entre una
CAPÍTULO 2. CONCEPTOS DE LA TEORÍA DE FOURIER 22
Figura 2.13: Imagen original, (a), Filtro paso bajo en el dominio de la fre-
cuencia, (b), Imagen filtrada, (c)
Figura 2.14: Imagen original, (a), Filtro paso alto en el dominio de la fre-
cuencia, (b), Imagen filtrada, (c)
Figura 2.15: Imagen original, (a), Interferencia, (b), Imagen original junto
con la interferencia, (c), Dominio frecuencial de la imagen con interferencia,
(d), Filtro para eliminar la interferencia, (e), Imagen filtrada, (f).
Capı́tulo 3
Descriptores de Fourier
25
CAPÍTULO 3. DESCRIPTORES DE FOURIER 26
de patrones.
El primer paso para poder obtener los descriptores de Fourier del con-
torno, es transformar la curva que define la frontera en una función a la que
aplicar la TFD unidimensional.
Figura 3.3: Negro: Curva que define el valor de la coordenada x de los pı́xeles
del contorno C. Rojo: Curva define el valor de la coordenada y de los pı́xeles
del contorno C.
CAPÍTULO 3. DESCRIPTORES DE FOURIER 29
µ = 0, 1, . . . , M − 1
Los valores de a[µ] reciben diferentes nombres, dependiendo el contexto
de la aplicación en donde son usados. Algunos de esos nombre son, coeficien-
tes de Fourier, coeficientes espectrales de Fourier, descriptores de Fourier, etc.
k = 0, 1, . . . , M − 1
Sin embargo, la potencia de esta técnica no se basa en disponer de los M
descriptores de Fourier hallados, sino en seleccionar sólo un reducido número
de estos, N , con N < M , y descartar el resto. Para formar este grupo de
coeficientes, se seleccionan aquellos N descriptores de Fourier que almacenan
la mayor parte de la información del contorno. Este grupo de coeficientes
estará formado en su mayorı́a por descriptores asociados a bajas frecuencias,
que son los que proporcionan la información de la forma general del contorno
y de las variaciones suaves de éste. Los descriptores de alta frecuencia con-
tribuyen en menor medida a la forma general del contorno y contienen la
información de los detalles finos y de los cambios bruscos que haya en el.
k = 0, 1, . . . , M − 1
Cuanto mayor sea el número de descriptores que son considerados más se
aproxima el contorno reconstruido ŝ[k] al contorno original, s[k].
N →M
ŝ[k] −−−→ s[k]
Como se puede apreciar en las figuras 3.5 a 3.14 se puede reconstruir un
contorno razonablemente bien incluso cuando no se usa un número elevado
de descriptores.
CAPÍTULO 3. DESCRIPTORES DE FOURIER 31
M −1 M −1 M −1 M −1
2π
X X X X
a[0] = s[k]e−i M 0 k = <{s[k]} + j={s[k]} = x[k] + j y[k]
k=0 k=0 k=0 k=0
k = 0, 1, . . . , M − 1
Este hecho significa que siempre que se seleccione el coeficiente a[0], in-
dependientemente del número de descriptores seleccionados a continuación,
el contorno aproximado siempre estará centrado en el mismo punto que el
contorno original.
t = ∆x + i∆y
CAPÍTULO 3. DESCRIPTORES DE FOURIER 37
b[0] = a[0] + M · t
b[µ 6= 0] = a[µ 6= 0]
Demostremos lo enunciado:
M −1
2π
X
b[µ] = (t + s[k]) · e−i M µk
k=0
M −1
(3.4)
−i 2π
X
µk
= T F D{s[k]} + t·e M
k=0
1. Si µ = 0
M −1
2π
X
t · e−i M 0 k = M · t
k=0
b[0] = a[0] + M · t
M −1
X rM − 1
SN = rk = 1 ·
k=0
r−1
M −1 2π
X
−i 2π µk e−i M µM − 1
e M =1· 2π =0
k=0 e−i M µ − 1
b[µ 6= 0] = a[µ 6= 0]
CAPÍTULO 3. DESCRIPTORES DE FOURIER 38
3.4.2. Escalado
Si conocemos N descriptores de Fourier – a[µ] – de un contorno de M
puntos, s[k], y deseamos conocer los descriptores de Fourier de ese mismo
contorno escalado un cantidad α, s[k]esc = α · s[k], tan sólo es necesario:
b[µ] = α · a[µ]
La demostración de la propiedad es:
M −1
2π
X
b[µ] = (α · s[k]) · e−i M µk
k=0
M −1 (3.5)
2π
X
=α· (s[k]) · e−i M µk
k=0
= α · T F D{s[k]} = α · a[µ]
La operación de escalado también provoca una traslación del centro geométri-
co del contorno reconstruido. Para probar esta afirmación supondremos, como
hicimos en la propiedad de traslación, que sólo se ha seleccionado el descriptor
b[0] y resto de descriptores han sido anulados, b[µ 6= 0] = 0.
M −1 M −1
2π
X X
−i 0k
b[0] = s[k]esc e M = <{s[k]esc } + j={s[k]esc }
k=0 k=0
M
X −1 M
X −1
= x[k]esc + j y[k]esc
k=0 k=0
CAPÍTULO 3. DESCRIPTORES DE FOURIER 40
M −1
1 X 2π
T F DI{b[µ]} = ŝ[k] = b[µ]ei M µ k
M µ=0
1
= (b[0] + 0 + . . . + 0)
M
M −1 −1
M
!
1 X X
= x[k]esc + j y[k]esc
M k=0 k=0
−1 −1
M M
!
α X X
= x[k] + j y[k]
M k=0 k=0
= α · (xcg + j ycg )
k = 0, 1, . . . , M − 1
3.4.3. Rotación
Si conocemos N descriptores de Fourier - a[µ] - de un contorno de M
puntos y deseamos conocer los descriptores de Fourier de ese mismo contorno
rotado un cantidad θ tan sólo es necesario:
El módulo de los coeficientes de Fourier son los mismos para cada con-
torno, y se han representado en la primera ventana de la figura 3.20. En
cambio, la fase de los coeficientes varı́a de un contorno a otro, en función de
cuanto haya sido rotado éste. En la segunda ventana de la figura 3.20 se ha
representado la fase del contorno que ha sido rotado 180o .
Figura 3.19: θ = 30o , 60o , 90o , 120o , 150o , 180o , 210o , 240o , 270o , 300o , 330o .
Figura 3.20: Módulo y fase de los DF que originan la rotación del contorno.
sentido horario, con el fin de obtener las funciones x[k] e y[k] que describen
la variación las coordenadas x y y de los pı́xeles de la frontera.
Figura 3.21: Módulo y fase de los DF que cambian el origen del contorno.
CAPÍTULO 3. DESCRIPTORES DE FOURIER 44
3.4.5. Normalización
1. Invarianza ante operaciones de traslación.
De acuerdo a lo que se explicó en la propiedad de traslación, se deduce
que para centrar el contorno en el origen sólo es necesario hacer:
a[0] = 0
a[µ]
a[µ] =
max{|a[µ]|}
Supongamos que tenemos los descriptores de Fourier de un contorno,
a[µ], los descriptores de Fourier de dicho contorno escalado una canti-
CAPÍTULO 3. DESCRIPTORES DE FOURIER 45
a[µ] = |a[µ]|
Descriptores de Fourier
Mejorados
49
CAPÍTULO 4. DESCRIPTORES DE FOURIER MEJORADOS 50
ŝ[k] ≈ s[k]
N −1
1 X
ŝ[k] = a[µ]ei µ θk (4.2)
M µ=0
2π
θk = θ[k] = ·k
M
k = 0, 1, . . . , M − 1
La expresión 4.2 recibe el nombre de Transformada de Fourier Discreta
Inversa y los pesos a[µ] reciben el nombre de coeficientes de Fourier.
ŝ[k] = s[k]
La ecuación 4.2 expresada en forma matricial es:
ŝ = W · a
ŝ[0] 1 ... 1 ... 1
.. .. .. .. .. .. a[0]
. . . . . .
ŝ[f ]
1
... ei g θ[f ] ... ei (N −1) θ[f ]
..
.
.. 1
. .. .. .. ..
= M ..
. . . . . a[g]
..
ei g θ[l] ei (N −1) θ[l]
ŝ[l] 1
... ...
.
.. .
.. .. .. .. .. a[N − 1]
. . . . .
ŝ[M − 1] 1 . . . ei g θ[M −1] . . . ei (N −1) θ[M −1]
W = {w0 , . . . , wm , . . . , wM −1 }
La expresión matricial anterior significa que el vector s puede expresarse
como una combinación lineal de los vectores columna que constituyen la base
W.
2π
θk = θ[k] = ·k
M
k = 0, 1, . . . , M − 1
µ = 0, 1, . . . , M − 1
Se referencia al lector a las figuras 2.3 a 2.9 para que se haga una idea
de cual es el aspecto de los vectores wµ . El lector debe tener en cuenta que
los vectores que puede observar en las figuras citadas son w∗θk , ı́ntimamente
relacionados con los vistos en este párrafo.
M
X −1 M
X −1
a[ µ] = hs · wµ i = s ·T
w∗µ = s[k] · wµ∗ [θk ] = s[k]e−i µθk (4.4)
k=0 k=0
CAPÍTULO 4. DESCRIPTORES DE FOURIER MEJORADOS 52
µ = 0, 1, . . . , M − 1
La expresión anterior recibe el nombre de Transformada de Fourier Dis-
creta de la función s[k]. Para llevar a cabo nuestra aproximación ŝ[k] sólo se
seleccionan los N primeros coeficientes a[µ], el resto, M − N coeficientes, son
puesto a cero.
ŝ = W̃ · a
ŝ[0] 1 ... 1 ... 1
.. .. .. .. .. .. ã[0]
. . . . . .
ŝ[f ]
1
... ei g γ[θf ] ... ei (N −1) γ[θf ]
..
.
.. 1
. .. .. .. ..
= M ..
. . . . . ã[g]
..
ei g γ[θl ] ei (N −1) γ[θl ]
ŝ[l] 1
... ...
.
.. .
.. .. .. .. .. ã[N − 1]
. . . . .
ŝ[M − 1] 1 . . . ei g γ[θM −1 ] . . . ei (N −1) γ[θM −1 ]
Por tanto cada uno de los vectores de la base W̃M tiene la expresión:
k = 0, 1, . . . , M − 1
Vectorialmente:
r
1
rmse = · (eT · e) (4.8)
M
Figura 4.1: Una de las múltiples representaciones que puede tener la función
de perturbación.
Φ = {φ0 , φ1 , . . . , φN −1 }
y sus vectores tienen la siguiente nomenclatura:
φµ = φµ [γ[θk ]]
k = 0, 1, . . . , M − 1
De manera abreviada:
φµ = φµ [γk ]
k = 0, 1, . . . , M − 1
A continuación se enuncian las propiedades de los vectores φµ que los
hacen muy interesantes:
ψ µ = ψµ [γk ] , <{ei γk } φµ−2 [γk ] = cos (γk ) φµ−2 [γk ] µ≥3 (4.13)
α44 = 0
0
α4µ = kφµ−2 k µ≥4
El lector que desee realizar un estudio más detallado del algoritmo de
ortonormalización puede acudir a las referencias [3] [4] y [5].
ŝ = Φ · a
en la cual los N coeficientes ã[µ] están definidos por la expresión
ã[µ] = hs · φµ i = sT · φ∗µ
4.2.2. Procedimiento
El algoritmo iterativo de extracción de N coeficientes DFM consta de los
siguientes pasos:
2π
γ[k] = θ[k] = ·k
M
k = 0, 1, . . . , M − 1
∗(n)
ã[µ](n) = hs · φ(n) T
µ i = s · φµ
b = ones(1, 4)/4
a=1
M −1
1 X
d[k] = ecs[k] − ecs[k](n)
M k=0
10. Una vez que se ha obtenido la función γopt [k] ya estamos en disposi-
ción de calcular la base Φopt . Con esta base podemos calcular los DFM
CAPÍTULO 4. DESCRIPTORES DE FOURIER MEJORADOS 61
La función γopt [k] es casi idéntica a aquella que aparece con trazo negro
en la figura 4.6 y la aproximación óptima, ŝopt [k], es prácticamente la
misma que la que se muestra en la figura 4.4.
66
BIBLIOGRAFÍA 67
[16] W. Philips, “Polynomial and warped polynomial image and object re-
presentations,” in Systems, Man and Cybernetics, 1995. Intelligent Sys-
tems for the 21st Century., IEEE International Conference on, vol. 1,
pp. 263–268, oct. 1995.
[17] W. Philips, “A fast algorithm for the generation of orthogonal base fun-
ctions on an arbitrarily shaped region,” in Acoustics, Speech, and Signal
Processing, 1992. ICASSP-92., 1992 IEEE International Conference on,
vol. 3, pp. 421–424, mar 1992.