Analyse fréquentielle

Slides:



Advertisements
Présentations similaires
Les matrices.
Advertisements

La Cyclostationnarité Aspects théoriques et application au Diagnostic
TRANSFORMEE DE FOURIER DISCRETE
Définitions et applications
Analyse temps-fréquence
PRINCIPE SIMPLIFIE DE LA COMPRESSION MP3
TRAITEMENT NUMERIQUE DES IMAGES
Cours 5 – Comment bien échantillonner le signal audio
Comment décimer les sons numériques
4. La transformée en z Un formalisme adapté au filtrage et à l’analyse en fréquence des signaux échantillonnés et à l’automatique numérique x(t) signal.
Analyse de la parole Ivan Magrin-Chagnolleau, CNRS
Christine Fernandez-Maloigne
Du signal continu au numérique
Mesures dans le domaine fréquentiel
Modulation numérique.
MODULE - METHODES POTENTIELLES Contenu du cours (par J.B. Edel & P. Sailhac) : I. Propriétés physiques des roches : densités, aimantations induites et.
Série de Fourier s(t) = Une série de Fourier est une série du type :
INTRODUCTION 1. Une représentation du signal où le bruit est isolé
2. Echantillonnage et interpolation des signaux vidéo
Codage par transformées(1)
8. Transformées Orthogonales et Codage par transformées

Séries de Fourier Tout signal périodique (T) de puissance finie peut être décomposé en une somme de sinus et de cosinus. An=0 1(4/) 1+ 3 (4/3)

Cours S.S.I., SI1, avril 2007 – Comment utiliser les outils déjà présentés. Page 1 Comment utiliser les outils déjà présentés dans le cours S.S.I. et pourquoi.
Intervenants: Hugues BENOIT-CATTIN Chantal MULLER
Spectre.
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
Notion d'asservissement
Résoudre graphiquement une équation ou une inéquation simple
Les système linéaires Stéphane Paris.
1. Introduction 1.1. Modélisation des signaux
Chapitre 6 : Restauration d’images
Filtrage-Analyse Spectrale des Images
Réalisateur : PHAM TRONG TÔN Tuteur : Dr. NGUYEN DINH THUC
ELG Propriétés des signaux d’énergie et de puissance et transformée de Hilbert.
Analyse fréquentielle
Chapitre 2 : Filtrage Professeur. Mohammed Talibi Alaoui
Traitement du signal TD0 : Introduction.
Densité des N-uplets pythagoriciens
ELG La transformée de Fourier, énergie, puissance et densités spectrales.
2. La série de Fourier trigonométrique et la transformée de Fourier
TRAITEMENT D’IMAGE SIF-1033.
Théorie de l'Échantillonnage
SIG3141 Partie I: Analyse de Fourier ESIEA D Kateb
DU TRAITEMENT DU SIGNAL
SoundEngine Un serveur d ’effets sonore en temps réel Juillerat Nicolas.
DU TRAITEMENT DU SIGNAL
Traitement d’images Prétraitements.
Reconnaissance automatique de la parole
Les Ondelettes et leurs Applications Soutenance finale
Le calcul algébrique.
Fonctions cosinus et sinus
Trigonométrie.
SUJETS SPÉCIAUX EN INFORMATIQUE 1
INF-1019 Programmation en temps réel
Les signaux périodiques
DU TRAITEMENT DU SIGNAL
Couche limite atmosphérique
DU TRAITEMENT DU SIGNAL
DU TRAITEMENT DU SIGNAL
Valeurs remarquables de cosinus et sinus
DU TRAITEMENT DU SIGNAL
ANALYSE Révisions.
DU TRAITEMENT DU SIGNAL
ANALYSE DES SERIES CHRONOLOGIQUES METHODES ET APPLICATIONS EN HYDROLOGIE Danièle VALDES-LAO
Chapitre 5 Les intégrales multiples
SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.
Filtrage des images.
Du temporel au fréquentiel Transformée de Laplace Transformée de Fourier.
Transcription de la présentation:

Analyse fréquentielle Cours 6.1

Plan Série de Fourier Transformé de Fourier Théorème de convolution Filtrage fréquentiel

Analyse fréquentielle Idée maîtresse: Convertir du domaine spatial vers le domaine fréquentiel pour effectuer des manipulations. Ensuite, on convertit (conversion inverse) la solution du domaine fréquentiel vers le domaine spatial! Et voila 

Série de Fourier Toute fonction périodique Série de Fourier Sommation de fonctions sinus et cosinus de fréquences diverses Chacune multipliée par un coefficient différent Série de Fourier

Transformée de Fourier Toute fonction, même apériodique, mais dont l'aire sous la courbe est finie, L'intégrale de fonctions sinus et cosinus Chacune multipliée par un coefficient différent  Transformée de Fourier

Transformée de Fourier Caractéristique importante: Toute fonction peut être "transformée" du domaine Fourier au domaine original par une transformée inverse sans perte d'information

Transformée de Fourier En imagerie Pas de fonction cyclique en général Mais fonctions finies  aires sous la courbe finies!  Transformé de Fourier

Transformé de Fourier

Transformé de Fourier

Transformé de Fourier Formule d'Euler

Transformé de Fourier Coordonnés polaires Spectre (Magnitude) Phase (angle de phase)

Transformé de Fourier

Transformé de Fourier Spectre de puissance Mesure de l'énergie  densité spectrale Mesure de l'énergie

Transformé de Fourier

Transformé de Fourier

Transformé de Fourier Spectre Phase Spectre de puissance

Transformé de Fourier Multiplier la fonction d’entrée par (-1)x+y pour «centrer» la transformée D'où Et

Transformé de Fourier F(0,0) est la moyenne des niveaux de gris

Transformé de Fourier

Transformé de Fourier Si f(x,y) est réel La transformé est conjugué symétrique Le spectre est symétrique!

Transformé de Fourier Échantillonnage dans le domaine spatial et dans le domaine fréquentiel Relation inverse des dimensions Toute mesure faite dans un domaine peut être directement vue dans l’autre domaine et

Transformé de Fourier Interprétation intuitive du spectre ? Chaque terme de F(u,v) est fonction de TOUTES les valeurs de f(x,y) pondérées par l'exposant Impossible de faire une relation entre les éléments de chaque fonction

Transformé de Fourier Interprétation intuitive du spectre ? Les fréquences sont reliées directement aux taux de changements de tons de gris dans l'image La valeur de F(0,0) est la moyenne, à la fréquence nulle composante DC (Direct Current) Plus on s'éloigne du centre, plus la fréquence augmente

Transformé de Fourier

Transformé de Fourier Spectre Phase

Transformé de Fourier

Théorème de Convolution Correspondance entre filtres spatial et fréquentiel ? Pour deux fonctions f(x,y) et h(x,y)1 de dimension M X N, la convolution discrète est définie par 1(pour une fonction h(x,y) symétrique à l'origine)

Théorème de Convolution Domaine spatial Domaine fréquentiel Convolution Multiplication Multiplication Convolution

Théorème de Convolution Soit une fonction filtre fréquentielle Il existe un filtre spatial associé Calculer la transformé inverse du filtre fréquentiel Et vice-versa !