VC-11: FILTROS NO DOMÍNIO DAS FREQUÊNCIAS

FILTROS NO DOMÍNIO DAS FREQUÊNCIAS (VC-11)

🎯 Objetivo do Tema

Estudar como sinais e imagens podem ser analisados e modificados com base nas suas frequências espaciais, utilizando transformações como a Transformada de Fourier e aplicando filtros frequenciais.

🧪 Sinais Contínuos vs. Discretos

• Sinal contínuo (analógico): valor definido para todos os instantes no tempo (ex: som captado por microfone).

• Sinal discreto (digital): valores definidos apenas em instantes específicos; é o resultado da amostragem do sinal contínuo.

• A conversão é necessária porque computadores só processam dados digitais.

⏱ Amostragem e Frequência de Nyquist

• Amostragem: processo de converter um sinal contínuo em uma sequência de amostras digitais, espaçadas no tempo.

• Intervalo de amostragem (Ts): tempo entre amostras consecutivas.

• Frequência de amostragem (fs): número de amostras por segundo.

• Para evitar perda de informação, a frequência de amostragem deve ser pelo menos o dobro da frequência máxima do sinal original. Esse valor é chamado de frequência de Nyquist.

• Se não respeitada, ocorre aliasing (informação mal interpretada).

📊 Domínio Espacial vs. Domínio das Frequências

• Domínio espacial: análise direta dos valores de píxeis (intensidade por posição).

• Domínio da frequência: análise da composição espectral da imagem (quais padrões e detalhes existem).

Tipos de frequência:

• Baixa frequência: regiões suaves, sem muita variação (ex: céu).

• Alta frequência: bordas, detalhes finos, ruído, texturas.

🔁 Teorema das Séries de Fourier

• Qualquer sinal periódico pode ser decomposto numa soma de funções senoidais (ondas puras).

• Cada seno ou cosseno representa uma frequência básica.

• Uma única senóide carrega energia em apenas uma frequência.

🔄 Transformada de Fourier (TF)

• A TF transforma sinais (ou imagens) do domínio espacial para o domínio da frequência.

• Para imagens, usamos a Transformada de Fourier 2D.

• O resultado da TF é composto por:

  • Espectro de magnitude: mostra "quanto" de cada frequência existe.

  • Espectro de fase: preserva a posição relativa das estruturas da imagem.

⚙ Propriedades importantes da TF 2D

• Separabilidade: a TF 2D pode ser feita em duas etapas (por linhas, depois por colunas).

• Invariância à translação: mover um objeto na imagem não altera a magnitude da TF.

• Equivariança à rotação: rotacionar a imagem rotaciona o espectro na mesma direção.

🎛 Tipos de Filtros no Domínio das Frequências

Filtros agem sobre o espectro da imagem para atenuar ou reforçar determinadas faixas de frequência.

🔹 1. Filtro Passa-Baixo (Low-Pass)

• Função: atenua as altas frequências (detalhes, ruído) e preserva as baixas.

• Efeito: suaviza a imagem, gera desfoque.

• Aplicações: redução de ruído, pré-processamento, suavização.

🔹 2. Filtro Passa-Alto (High-Pass)

• Função: atenua as baixas frequências e mantém as altas.

• Efeito: realça bordas e transições abruptas.

• Aplicações: detecção de bordas, realce de contraste local.

🔹 3. Filtro Passa-Banda (Band-Pass)

• Função: preserva apenas um intervalo específico de frequências.

• Efeito: destaca texturas ou padrões específicos.

• Aplicações: análise de texturas, realce seletivo.

🔹 4. Filtro Rejeita-Banda (Band-Stop / Notch)

• Função: remove (atenua) uma faixa de frequências.

• Efeito: elimina padrões periódicos indesejados (ex: ruído senoidal).

• Aplicações: remoção de interferência harmônica ou ruído periódico.

🧠 Interpretação Intuitiva dos Filtros

🧩 Aplicações Práticas

📌 Observações Finais

• O uso de filtros frequenciais é essencial quando queremos manipular imagens com base em detalhes estruturais.

• A Transformada de Fourier 2D é a ferramenta mais comum para análise espectral de imagens.

• Filtros ideais (como Butterworth e Gaussiano) são usados para ajustar o comportamento de atenuação mais suavemente, mas o princípio é o mesmo.