pourquoi l’analyse de fourier? partie 2: transformée de...
TRANSCRIPT
Traitement d’images
Partie 2: Transformée de Fourier des images
Thomas Oberlin
Signaux et Communications, IRIT/ENSEEIHT
http://oberlin.perso.enseeiht.fr/teaching.html
1 / 31
Pourquoi l’analyse de Fourier ?
Transformée et séries de Fourier◮ Permet l’analyse fréquentielle d’un signal◮ TF continue, TF discrète, FFT
Outil fondamental pour beaucoup d’applications
◮ Échantillonnage◮ Compression d’une image◮ Filtrage des images◮ Outil d’analyse
2 / 31
Plan de la séance
1 Rappels : séries et transformée de Fourier 1D
2 Transformée de Fourier d’une imageTransformée de Fourier 2DPropriétésReprésentation de la TFTransformée 2D discrète
3 Exercices – À vous de jouer !Calcul de TransforméesTransformées de Fourier d’images réelles
3 / 31
Série de Fourier (signaux périodiques)
◮ Soit un signal périodique f (x) de période T =1
f0.
◮ f (x) peut se représenter par une somme dénombrable (p-e infinie) desinus/cosinus
=
1× +0.5× +1.5× +.3×
4 / 31
Série de Fourier (signaux périodiques)
◮ Soit un signal périodique f (x) de période T =1
f0.
◮ f (x) peut se représenter par une somme dénombrable (p-e infinie) desinus/cosinus
f (x) =
+∞∑
n=−∞
cn(f )ei2π nT
x avec cn(f ) =1
T
∫ T/2
−T/2
f (t)e−i2π nT
tdt
◮ Remarque : c0(f ) =1
T
∫ T/2
−T/2
f (t)dt = R0 = moyenne de f
5 / 31
Série de Fourier (signaux périodiques)
◮ Exemple, signal carré impair :
◮ f (x) =4
π
(
sin x
1+
sin 3x
3+
sin 5x
5+ . . .
)
◮ R0 = 0 et f0 =1
2π
6 / 31
Des séries de Fourier aux transformées de Fourier
◮ Plus la période, T , du signal est grande, plus lafréquence fondamentale f0 = 1
Test faible (ainsi que
la distance entre harmoniques)
◮ On peut donc voir un signal apériodique comme unsignal de période infinie
◮ La série de Fourier d’un tel signal est une suiteinfinie et indénombrable de sinusoïdes. La sommeest remplacée par l’intégrale.
7 / 31
Transformée de Fourier 1D
TF 1D de f ∈ L1(R) :
Transformée directe F : f 7→ f , avec f (ξ) =
∫
R
f (x)e−iξx dx,
Transformée inverse F−1 : f 7→ f , avec f (x) =1
2π
∫
R
f (ξ)eiξx dξ,
Principales propriétés :◮ Linéaire, f à valeurs complexes◮ S’étend en une isométrie sur L2(R)
◮ Symétries (si f est réelle/imaginaire, paire/impaire)◮ Translation F [f (x + x0)](ξ) = eiξx0F [f ](ξ)
◮ Dilatation F [f (ax)](ξ) = 1|a| F [f ]( ξ
a)
◮ Convolution F [f ∗ g] = F [f ]F [g]
◮ Dérivation F [f ′](ξ) = iξF [f ](ξ)
8 / 31
Transformée de Fourier discrète (TFD)
TFD d’un signal discret s ∈ RN , s = s[i], i = 0 · · · N − 1
s[u] =
N−1∑
n=0
s[n]e−2iπu nN
s[n] =1
N
N−1∑
u=0
s[u]e2iπn uN
Relation entre la TFD du signal discrétisé et la série de Fourier du signal périodisé
Fast Fourier Transform (FFT)
◮ basée sur un algorithme diviser pour régner [Cooley-Tukey, 1966]◮ permet de calculer la TFD en O(N log(N ))
9 / 31
Plan de la séance
1 Rappels : séries et transformée de Fourier 1D
2 Transformée de Fourier d’une imageTransformée de Fourier 2DPropriétésReprésentation de la TFTransformée 2D discrète
3 Exercices – À vous de jouer !
10 / 31
Transformée de Fourier 2D
TF 2D de f ∈ L1(R2) :
f (ξ1, ξ2) =
∫ +∞
−∞
∫ +∞
−∞
f (x1, x2) e−iξ1x1e−iξ2x2 dx1 dx2
La TF est séparable. Éléments de base : sinusoïdes 2D.
hξ(x) = eiξ·x = cos(ξ · x) + i sin(ξ · x)
= eir(x1 cos θ+x2 sin θ), avec r = |ξ| et θ = arctanξ
|ξ|
ξ = (16, 16), θ = π4 ξ = (30, 90), θ ≈ 2π
5 ξ = (90, −30), θ ≈ − π10
11 / 31
Inversion et conservation de l’énergie
Inversion dans L1(R2)
Si f ∈ L1(R2), alors on a presque partout
f (x) =1
4π2
∫∫
R2
f (ξ) eiξ·x dξ.
Extension à L2(R) et conservation de l’énergie
F : L2(R2) → L2(R2) est inversible, et on a conservation de l’énergie :∫
R2
|f (x)|2 dx =1
4π2
∫
R2
|f (ξ)|2 dξ
‖f ‖L2(R2) =1
2π
∥
∥
∥f
∥
∥
∥
L2(R2).
12 / 31
Propriétés de la TF
Fonction f Transformée f
Linéarité f (x) = αg(x) + βh(x), α, β ∈ R f (ξ) = αg(ξ) + βh(ξ)
Translation f (x) = g(x − a), a ∈ R2 f (ξ) = e−ia·ξ g(ξ)
Dilatation f (x1, x2) = g(a1x1, a2x2) f (ξ1, ξ2) = 1|a1a2| g
(
ξ1
a1, ξ2
a2
)
Anti-involution f (x) = g(x) f (ξ) = g(−ξ)
Séparabilité f (x1, x2) = g(x1)h(x2) f (ξ1, ξ2) = g(ξ1)h(ξ2)
Dérivation f (x) = ∂n+pg(x)∂xn
1∂x
p
2
f (ξ) = (iξ1)n(iξ2)pg(ξ)
Rotation f (x) = g(rθ(x)) f (ξ) = g(rθ(ξ))
13 / 31
Transformée de Fourier des distributions
Classe de Schwarz des distributions tempérées
ϕ ∈ S(R2) si ϕ ∈ C ∞(R2) et si pour tous les entiers i, j, k, l, on a
supx∈R2
|x i1x
j2∂k
1 ∂l2ϕ(x)| < ∞
Définition de la TF par dualité
◮ Topologie sur S : la suite ϕn converge vers 0 si et seulement si
limn→∞
supx∈R2
|x i1x
j2∂k
1 ∂l2ϕn(x)| → 0, ∀i, j, k, l ∈ N
◮ L’ensemble S ′(R2) des distributions tempérées est l’ensemble desapplications linéaires continues de S dans C.
◮ Si T ∈ S ′, sa transformée de Fourier, notée T , vérifie ∀ϕ ∈ S,
〈T , ϕ〉 = 〈T , ϕ〉
14 / 31
Transformée de Fourier des distributions – un exemple
Exercice
On s’intéresse à la distribution de Dirac 2D, définie par 〈δ, φ〉 = φ(0, 0)∀φ ∈ S(R2).
◮ Vérifier que δ est bien une distribution tempérée (δ ∈ S ′(R2))◮ Calculer sa transformée de Fourier
Solution
◮ δ est clairement linéaire. Pour vérifier que δ ∈ S ′, on montre qu’elle estcontinue de S dans R
2. On utilise pour cela la caractérisation séquentielle dela limite (en 0 car application linéaire).Soit (φn) une suite de S tendant vers 0, il suffit de montrer que〈δ, φn〉 → 〈δ, 0〉 = 0.
◮ Pour tout φ ∈ S, on écrit
⟨
δ, φ⟩
=⟨
δ, φ⟩
= φ(0) =
∫
R2
φ(x) dx = 〈1R2 , φ〉 , donc δ = 1R2
15 / 31
Représentation du spectre
Domaine spatial Domaine fréquentiel
Fonction
Image
16 / 31
Représentation logarithmique du spectre
L’énergie est concentrée dans les basses fréquences ! −→ échelle log
Image f |f | log(1 + |f |)17 / 31
Importance de la phase
F
= · exp(
i ∗)
module aléatoire F−1
· exp(
i ∗)
=
phase aléatoire F−1
· exp(
i ∗)
=
19 / 31
Transformée discrète
TFD 2D
TFD d’une image discrète f [m, n], m = 0 · · · M − 1, n = 0 · · · N − 1 :
f [u, v] =
M−1∑
m=0
N−1∑
n=0
f [m, n]e−2iπ(u mM
+v nN )
Inversion habituelle :
f [m, n] =1
NM
M−1∑
u=0
N−1∑
v=0
f [u, v]e−2iπ(m uM
+n vN )
Propriétés :◮ symétrie (pour une image réelle)◮ FFT à temps de calcul : O(MN log(MN ))
20 / 31
Base de Fourier 2D
u = 0 u = 1 u = 2 u = 3 u = 4
v = 0
v = 1
v = 2
v = 3
21 / 31
Artefacts de bords
Comme en 1D, on calcule en fait la TFD du signal périodisé−→ introduction de singularités aux bords.−→ ajout de fréquences horizontales et verticales artificielles
Image Spectre
22 / 31
Plan de la séance
1 Rappels : séries et transformée de Fourier 1D
2 Transformée de Fourier d’une image
3 Exercices – À vous de jouer !Calcul de TransforméesTransformées de Fourier d’images réelles
23 / 31
TF d’images synthétiques
◮ Structure de la TF 2D :◮ Exprimer la TF 2D comme composition de transformées 1D◮ Montrer que F est covariante par rotation◮ Que peut-on dire de la TF d’une fonction radiale f (x) = g(|x|) ?
◮ Calculez la transformée de Fourier des fonctions suivantes :◮ Fonction rectangle χ(−a,a)×(−b,b) avec a, b > 0
◮ Gaussienne f (x) = e−|x|2
◮ Calculez la TF des distributions tempérées suivantes :◮ f (x) = eik·x
◮ f (x1, x2) = e−a|x1|. Que vaut la transformée de Fourier de f (x1, x2) = g(x1)quand g ∈ L1
loc(R) ?
24 / 31
TFs d’images réelles
(a) (b) (c) (d)
(1) (2) (3) (4)
30 / 31