TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 1

Définition de base de la Transformée de Fourier bidimensionnelle

La transformation de Fourier projette une image dans un espace fréquentiel caractérisé par des
pulsations  x et  y . Elle permet d'analyser les propriétés de l'image dans ce nouvel espace.
La définition de base de la transformée de Fourier bidimensionnelle est donnée pour une image
f  x , y  continue non-périodique , en supposant que cette image est de dimension infinie:
∞ ∞
− i  x x   y y
F x ,  y  = ∫ ∫ f  x , y  e dx dy
−∞ −∞

La transformée de Fourier d'une image continue non-périodique est une fonction continue non-
périodique des variables  x et  y . La transformée de Fourier est une fonction bidimensionnelle dans
l'espace des fréquences.
y ωy

f(x,y)
F F (ω x , ω y )

x ωx

Image source f Domaine transformé F

espace des images espace fréquentiel

Figure 1 – Transformée de Fourier

Les variables de la transformée sont des pulsations spatiales exprimées en radian/mètre ;  x

représente une pulsation selon la direction x et  y une pulsation selon la direction y . Ces notions
seront développées ultérieurement.
En considérant les fréquences spatiales u =  x / 2  et v =  y /2  , l'expression de la
transformée bidimensionnelle est :
∞ ∞
− 2 i  xu  yv
F u , v  = ∫ ∫ f  x , y  e dx dy
−∞ −∞

Pour les images discrétisées, on exprime souvent les dimensions spatiales x et y en pixel. Les
pulsations correspondantes seront exprimées en radian/pixel. La définition de la transformée reste la
même.
• Convergence
La transformée de Fourier n'existe que si l'intégrale qui la définit est convergente. La
∞ ∞

convergence de cette intégrale est assurée si ∫ ∫∣ f x , y ∣ dx dy converge (convergence normale).

−∞ −∞
Cette convergence implique que ∣ f  x , y ∣  0 pour x ∞ et y ∞ . La transformée de
Fourier d'une image n'existe que pour les images à énergie finie [ne pas oublier que le niveau de gris
d'une image est représentatif d'une énergie contrairement aux signaux usuels pour lesquels l'énergie est
le carré de l'amplitude]. Dans la pratique, les images sont bornées et leur transformée existe donc
toujours.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 2
• Représentation de la Transformée
La Transformée de Fourier se représente dans un espace fréquentiel bidimensionnel. Etant
donné que la transformée est une grandeur complexe, sa représentation graphique se fait :
- soit par module et phase
- soit par parties réelle et imaginaire
• Exemple 1
Considérons une image composée d'un rectangle blanc de dimensions ab sur un fond noir dont
la fonction niveau de gris est définie par:
f  x , y = 1 pour −a /2  x  a /2 et −b/2  y  b/2
f(x,y)

1
b

a b/2 y

x a/2

Figure 2 – Image d'un carré blanc sur fond noir

La transformée se calcule directement:
a/2 b/ 2
F  x ,  y  = ∫−a / 2 ∫−b/ 2 1 . e− i   x x  y y 
dx dy
a/2 − i x x b/ 2 − i y y
.
= ∫−a / 2 e dx ∫−b / 2 e dy

Remarquer que le calcul est séparable sous forme du produit de deux fonctions
monodimensionnelles.

[ ] [ ]
a/2 b/2
−i  x −i  y
e x
e y

F  x ,  y  =
− i x −a / 2 − i y −b / 2

sin  x a /2 sin  y b /2

=ab
ωx a/2  y b/2

La transformée de cette image est donc une fonction réelle, caractérisée par un profil en sinus
cardinal selon les axes  x et  x .
2

1.5

0.5

-0.5
10
5 10
5
ωx 0
0
ωy
-5
-5
-10 -10

Figure 3 – Graphe de la Transformée de Fourier de la fonction rectangulaire pour a=1 et b=2

A noter que le profil suivant une fréquence   =   cos  ,  sin  dans une direction 
quelconque est le produit de deux sinus cardinaux; il est donc différent des profils selon les axes
fréquentiels.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 3
Dans cet exemple, l'image est une fonction séparable, c'est à dire produit de deux fonctions
monodimensionnelles; le résultat l'est aussi. Remarquer qu'il n'y a pas isotropie (même propriété
d'amplitude ou de phase) aussi bien pour l'image f  x , y  que pour sa transformée F  x ,  y  dans
l'espace fréquentiel.

• Exemple 2
Soit une image constituée d'une fonction gaussienne bi-dimensionnelle.

300

250

200

150
Z

100
0

50
50

100

0
150

0
200
50

100

150 250
X
200

250 300
Y
300

Figure 2 – Image d'un disque blanc sur fond noir

La transformée se calcule par :
F r  x ,  y  = ∬disque 1 . e− i   x x  y y
dxdy
Le calcul n'est plus séparable; le calcul se fait par passage en coordonnées polaires
 x ,  y     ,  et donne :
 r 
F r  ,  = 2 J 1 où  représente la pulsation dans la direction 
r
.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 4

Inversion de la Transformée
A partir de la transformée, il est possible de retrouver l'image originale. A partir d'une
transformée continue non-périodique, on retrouve une image continue non-périodique:
1
f  x , y = 2 ∬ F x ,  y  e i  x x   y y
d x d  y
4
La propriété d'inversion permet de retrouver l'original d'une image définie dans le domaine
fréquentiel.
Remarquer qu'à partir d'une transformée de Fourier bornée , l'image correspondante est à priori
de dimension infinie (étant donné que sa transformée existe, elle possède les propriétés de
convergence).

Principales propriétés de la Transformée de Fourier

• Linéarité
La TdF étant calculée à partir d'une intégrale, elle présente les mêmes propriétés de linéarité:
-soient f et g deux images à niveaux de gris:
F  af  bg  = a F  f   b F  g 

• Transformée de f

Soit f =   i  une image possédant une partie imaginaire. Sa transformée de Fourier est
elle même complexe.
F  f  = ∬   i  e−i  x x   y y dxdy
= A x ,  y   i B x , ω y 
Remarque : les parties réelles et imaginaires de f peuvent donner naissance chacune à une
transformée possédant partie réelle et imaginaire. La relation entre s  et A n'est donc pas directe; A
n'est pas la TdF de α mais la partie réelle de F  f  .
Le passage de f à f s'obtient en remplaçant i par –i dans l'expression de f . On remarque que
ce remplacement dans l'intégrale de Fourier revient à remplacer  par − et les fréquences  x et
 y par − x et − ω y . On obtient :
F  f  = F   − i 
= A− x , − y  − i B − x , − y 
=F − x , − y 

• Symétries
Si l'image f est réelle, alors f = f et F  f  = F  f  ; il en résulte que:
A x ,  y  = A− x , − y  et B  x ,  y  = −B −  x , − y 
La partie réelle est symétrique (symétrie centrale de centre O) et la partie imaginaire est
antisymétrique.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 5
• Translation
Soit une translation T de l'image f caractérisée par les composantes t x , t y  . L'image
translatée a pour transformée de Fourier:
F [ f T  x , y  ] = F [ f  x−t x , y−t y  ]
−i  x   y
= ∬ f  x−t x , y−t y  e x y
dxdy
Par changement de variable x − t x = X , y − t y = Y , on obtient :
−i  x t x   y t y  −i  x X   y Y 
F [ f T  x , y ] = e ∬ f X ,Y  e dXdY
−i x t x  y t y 
= e F [ f  x , y ]
On remarque que la translation ne modifie pas le module du spectre de f mais introduit un
terme de phase proportionnel à la pulsation. Cette propriété a été utilisée dans des algorithmes de
recherche du mouvement dans une séquence d'images.

• Rotation
Soit une rotation R de l'image f de centre O (origine de l'image) et d'angle  . L'image modifiée
a pour transformée de Fourier:

F [ f   x , y ] = ∬ f   x , y e
−i  x x   y y
dxdy
On considère un nouveau repère (O, x', y') obtenu par rotation des axes x et y d'un angle  .
Dans ce nouveau repère, on aura f(x',y') = f   x , y  . En prenant comme nouvelles fréquences  x et
 y associées aux axes x' et y' , l'expression de la transformée de Fourier est inchangée. Ceci montre
que la transformée de Fourier subit elle-même une rotation d'angle  autour de son origine (
 x =0 ,  x =0 ).
1

0.8
mo dule

0.6

0.4

0.2

0
3
2
3
f ré q 1 2
uen
ce 0 1
a le
v er -1
rizo nt
0
t ic a
c e ho
-2 -1
le n
a
-2 u e
-3 -3 fré q

0.8
module

0.6

0.4

0.2

0
3
2
3
1 2
f r éq 0 1
ue n 0
ce v -1 nta le
ori zo
-1
e rt i -2 -2 h
c ale nc e
b -3 -3
fré qu
e

Figure 5 –Transformée de Fourier d'un carré de 9 pixels de côté (fréquences exprimées en rd/pixel)
(a) sans rotation (b) avec rotation de 45°

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 6
• Décalage fréquentiel
Soit une image f(x,y) dont la Transformée de Fourier est F  x ,  y  . On remarque que :

F [ f  x , y e ]=
i 0 x
F  x −  0 ,  y 
La translation fréquentielle du spectre ne correspond pas à une fonctionnalité réelle dans le
domaine spatial [le seul intérêt de cette relation est purement formel; elle sera utilisée ultérieurement
dans certaines démonstrations].

Séparabilité du calcul de la Transformée de Fourier

• Transformée de Fourier d'une image quelconque
Quelle que soit l'expression de l'image f(x,y) , le calcul de la transformée de Fourier
bidimensionnelle se fait en deux étapes en séparant les deux variables x et y .
∞ ∞
− i x x   y y
F x ,  y  = ∫ ∫ f  x , y e dx dy
−∞ −∞

[ ]
∞ ∞
− i  x x − i y y
= ∫ ∫ f  x , y e dx e dy
−∞ −∞
∞
− i  y y 
= ∫ F 1  x , y  e dy
−∞

Cette propriété montre que la transformée bidimensionnelle s'obtient par une première
application de la transformée de Fourier à 1 dimension selon la direction horizontale puis par une
deuxième application de la transformée au résultat intermédiaire F 1  x , y selon la direction verticale.

• Transformée de Fourier d'une image séparable

Une image séparable f(x,y) est caractérisée par une fonction bidimensionnelle produit de deux
fonctions monodimensionnelles f x  x et f y  y .Le calcul de la transformée de Fourier s'exprime par:
∞ ∞
− i x x   y y 
F x ,  y  = ∫ ∫ f  x , y e dx dy
−∞ −∞

[ ]
∞ ∞
− i  x x  − i  y y
= ∫ ∫ f x  x f y  y  e dx e dy
−∞ −∞

∞ ∞
− i  x x − i y y
F x ,  y  = ∫ f x x e dx . ∫ f y y e dy
−∞ −∞
= F x x  . F y  y 
La transformée de Fourier d'une image séparable est elle-même séparable: elle est le produit
des transformées de Fourier mono dimensionnelle de chacune des fonctions caractéristiques de l'image.
Cette propriété nous montre que l'étude des images dans le domaine fréquentiel est souvent très
proche de l'étude des signaux monodimensionnels; de nombreux résultats obtenus pour les signaux
seront extrapolable pour les images.
Pour les images quelconques (donc non-séparables), les principes restent donc les mêmes, les
calculs seront cependant plus lourds.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 7
Transformée d'images particulières
• Impulsion de Dirac
L'impulsion de Dirac d'amplitude 1 peut être considérée comme le passage à la limite de
l'image d'un carré de côté a et d'amplitude 1/a 2 .
f  x , y  = 1/a 2 pour −a /2  x a /2 et −a/ 2  y  a /2
D'où :
 x , y = lim f x , y
a 0 et b 0

La Transformée de Fourier de f(x,y) ayant pour expression :

sin x a / 2 sin  y a /2
F x ,  y  =
x a / 2 y a / 2

on constate que F [  x , y ] = lim F x ,  y  = 1

a  0 et b 0

La Transformée de Fourier de l'impulsion de Dirac est donc un spectre blanc, d'amplitude 1

quelque soit la fréquence (plan horizontal). On remarque que l'énergie dans le domaine fréquentiel (au
sens de l'égalité de Parseval) est infinie, ce qui correspond effectivement à l'énergie quadratique de
l'impulsion de Dirac.
1 Δ ( x, y)

0.8
module

0.6

0.4
O
0.2
x 0
3
2
3
fréq 1 2
uen 0 1
ce le
v er -1 0
zo nta
y t ic a
le
-2
-3 -3
-2
-1
fré q
u en ce h
ori

Figure 6 –Transformée de Fourier d'un Dirac d'amplitude 1

• Image constante
Soit une image de niveau de gris f  x , y  = 1 ∀  x , y  non bornée spatialement. La
transformée a pour expression :

[ ] [ ]
∞ ∞ ∞ ∞
− i x x   y y −1 i  x x −1 i  y y
F x , y  = ∫ ∫ e dxdy = e −∞ e −∞
−∞ −∞ i x i y
Cette expression n'est pas convergente et n'a donc pas de valeur. Pour calculer sa limite, on
applique à f un facteur de convergence (par exemple un facteur exponentiel décroissant). On peut
montrer que son spectre de Fourier converge vers une fonction de Dirac bidimensionnelle d'amplitude
4 2 .
F [ 1 ] = 4π 2 x ,  y 
La seule fréquence apparaissant dans le spectre est la fréquence nulle (absence de phénomène
fréquentiel dans une image à niveau de gris constant).

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 8

Base orthogonale de décomposition

La transformée de Fourier est une décomposition dans la base orthogonale des fonctions
i x i y
x y
S , x , y = e e . Le calcul de la transformée est le produit scalaire de f(x,y) avec S(x,y) .Il
x y
est intéressant de donner une représentation concrète de ces fonctions (ou de leur équivalent réel) pour
des valeurs particulières  x0 ,  y0 , ce qui permet de mieux comprendre le contenu de la transformée
de Fourier.

z  x0 = 0 et  y0 = 0
La décomposition de l'image pour  x0 = 0 et  y0 = 0 correspond au calcul l'énergie totale de
l'image; l'amplitude du résultat dans le plan de Fourier est toujours très importante (sauf pour une
image très sombre).
Dans le cas d'image d'une image bornée spatialement, la convergence de l'intégrale de Fourier
ne pose pas de problème.
z  x0 ≠ 0 et  y0 = 0
i  x0 x
Pour  y0 = 0 , la fonction de projection dans la base est S  ,0  x , y = e soit
x
S ω ,0  x ,0 = cos  x0 x i sin  0x x  .
x0

Pour représenter la partie réelle cos  x x  de cette fonction, il est nécessaire de lui ajouter un
niveau constant unité. L'image de cette fonction est représenté sur la figure 6(a) . Sa transformée de
Fourier est (par application de la propriété de translation fréquentielle vue précédemment ):

[ ]
i x −i  x
e x0  e x0
F [ 1  cos  x0 x  ] = F 1 
2
= 4 x ,  y   2π 2 [ x − x0 ,  y    x  x0 , y  ]
2

La Transformée de Fourier de la fonction réelle 1  cos  x0 x  est donc constituée de 3

impulsions de Dirac dans l'espace fréquentiel ou raies fréquentielles : une raie à l'origine et deux raies
symétriques aux fréquences ± x0 , 0  [la symétrie résulte des propriétés associées aux images
réelles – voir début cours - ]
La représentation graphique de cette fonction de projection est donnée sur la figure ci-dessous:
40

30
module

20

10

0
4
2 4
fre 2
que 0
nc 0 le
ev
ert -2 rizonta
ic a le -2 e ho
enc
. -4 -4 frequ

Figure 7 –Transformée de Fourier de 1  cos  x x pour  x = 0,3 rad pixel

Par rotation de 90° , nous pouvons décrire la fonction de projection correspondant aux
fréquences 0 , ± y0  . Sa partie réelle est de la forme 1  cos  x0  .

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 9

z  x0 ≠ 0 et  y0 ≠ 0
i x i y
x
La fonction de projection S  ,  x , y  = e e y définie pour une fréquence quelconque
x y
 x0 ,  y0  présente les mêmes propriétés que pour les directions principales, mais dans une direction
 définie par  = tan−1  y0 / x0  [ par application du principe de rotation de l'image exposé
précédemment] .
La figure 8 illustre l'aspect réel de la fonction de décomposition S  ,   x , y .
x0 y0
40

30

module
20

10

0
4
freq 2 4
uen 0 2
ce le
vert 0 orizonta
ica -2
le -2 enc eh
-4 -4 frequ

[
Figure 8 –Transformée de Fourier de 1  ℜ e
i  x x   y y
] pour ω =     2
x
2
y = 0,3 rad / pixel
Conclusion
La transformation d'une image continue revient donc à la décomposer en une infinité d'images
élémentaires du type de la figure 7 ou 8. Un point de l'espace de Fourier correspond à une composante
présente dans l'image source; le module de la raie correspond à l'amplitude de la composante, la phase
de la raie peut être interprétée comme la translation de la composante [ voir les propriétés de la
translation ].
A titre d'exemple, nous pouvons observer le spectre de l'image "Manke" ci-dessous:

Figure 9 –Transformée de Fourier de l'image "Manke"

Sur la Transformée, on remarque la présence d'énergie dans des directions particulières; ce
phénomène est caractéristique de la présence de lignes obliques ou de bords, dont la décomposition
fréquentielle est à large spectre ( ω grand dans la direction perpendiculaire à la ligne).
La transformée de Fourier d'une image quelconque (portrait par exemple) ne présente pas de
propriété particulière.

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 1

Tableau des expressions des transformées de Fourier

Transformée directe

Image Continue non-

périodique
F  x ,  y  = ∬ f  x , y  e− i  x   x y y
dx dy

∞ ∞
Image Echantilllonnée − i  x mT x   y nT y 
non-périodique F  x ,  y  = ∑ ∑ f mT x , nT y  e
−∞ −∞

Transformée Discrète 2k  2l 
M −1 N −1 −i  m n
1 M N
de Fourier Ak ,l =
MN
∑∑ f m ,n e
0 0

Transformée inverse

Spectre continu non-

périodique
f  x , y =
1
∬ F  x ,  y  e i  x x   y y
d x d  y
4
2

/ T x / T y
Spectre Continu T xT y i  x mT x   y nT y 
périodique f mT x , nT y  = ∫ ∫ F  x ,  y  e d x d  y
4
2
−/T x −/ T y

Spectre discret 2k  2l 
M −1 N −1 i m n
M N
f m ,n = ∑ ∑ Ak , l e
k=0 l=0

P. BONNET Cours de Traitement d'Image USTL

 TRANSFORMEE DE FOURIER BIDIMENSIONNELLE 2

Rappel des expressions des transformées de Fourier monodimensionnelles

Transformée directe Transformée inverse

∞ 1 ∞
Signal continu non-
périodique
F  = ∫−∞ f t  e
−i  t
dt f t =
2
∫−∞
F  ei  t dω

∞
1 t 0 T −i 0 t
Signal continu
périodique
Ak =
T
∫t 0
f t e dt f t = ∑ Ak e
i k 0 t
k =−∞

Signal échantillonné ∞
− i  n Te T e  /T i  nT e
∑ ∫
e

non-périodique F  = f nT e  e f nT e  = − /T

F  e d
n=−∞ 2 e

N −1 ∞
Signal échantillonné 1 − i kn  0 T e i k  0 nT e
périodique Ak =
N
∑ f nT e  e f nT e  = ∑ Ak e
n=0 k=−∞

Transformée discrète de 2 2
N −1 −i kn N −1 i kn
1 N N
Fourier Ak =
N
∑ fne fn = ∑ Ak e
n=0 k=0

P. BONNET Cours de Traitement d'Image USTL