Muestreo y recuperación de imágenes en

el dominio de la frecuencia

1. Muestreo de señales analógicas unidimensionales:

Cuando queremos procesar señales analógicas mediante un
sistema discreto como el ordenador, debemos muestrearlas.

x[n] = x(nT)

• Modelo matemático de conversión continuo a

discreto
la figura 2, matemáticamente el muestreo se produce multiplicando la señal x(t) por un tren
de deltas s(t).

 
X S (t )  x(t ).   (t  nT )   x(nT ). (t  nT )
n  n 
2. Estudio del muestreo en el dominio de la frecuencia:

Vamos a analizar la relación que existe entre la Transformada de Fourier de la

señal de entrada muestreada y la Transformada de Fourier de la secuencia de
salida.
∞

𝑋𝑆 (t)=x(t). ෍ 𝛿(𝑡 − 𝑛𝑇)

𝑛=−∞
Y su transformada de Fourier sería
∞ ∞

𝑋𝑆 (𝑓𝑎 ) = ඲ ෍ 𝑋(𝑛𝑇). . 𝛿(𝑡 − 𝑛𝑇). 𝑒 −𝑗𝛺𝑡 𝑑𝑡

−∞ 𝑛=−∞

Con lo que se obtiene:

𝑋𝑠 (𝑓𝑎 ) = 𝑋𝑑 (𝑒 𝑗𝑤 )|w = Ωt
Reconstrucción de una señal paso bajo a partir de sus muestras.
Si antes para muestrear una señal continua utilizábamos un tren de deltas, donde cada delta
representaba a una muestra, para recuperar podríamos seguir un método similar. Así en
primer lugar, a cada delta desplazada le asignamos el valor de una muestra y[n].

n
Ys (t )   y ( f a  )
n  T
Así la recuperación de la señal original se puede conseguir con un filtro paso bajo como se
muestra.

Como lo que queremos es recuperar y(t), o lo que es lo mismo Y(fa ), hemos de

aplicar finalmente un filtro, llamado filtro de reconstrucción. Si este filtro tiene
una respuesta en frecuencia ideal, su expresión será.
fa
H r ( f a )  T . ( )
fs
Por último, la salida y(t) del filtro de reconstrucción sería la convolución de ys (T ) con el filtro


t  nT
y (t )   y (nT ).sin c(
n 
s
T
)
Consideraciones sobre el procesamiento discreto de señales continuas.

En el caso más general, para conseguir la limitación en banda a la entrada es conveniente filtrar
paso bajo, mediante un filtro anti-solapamiento antes de muestrear (analógico, por tanto); sobre
todo en señales ruidosas. El filtro anti-solapamiento asegura que la señal de entrada tenga un
ancho de banda limitado.
Ruido de cuantificación.
En la práctica, para procesar señales continuas mediante un sistema discreto se utiliza un
conversor A/D, y si la frecuencia de la señal de entrada es muy alta, un circuito de
muestreo y retención.
El circuito de muestreo y retención toma muestras de la señal cada instante T y las retiene
durante este tiempo. El conversor A/D convierte el nivel de señal de entrada en un código.
La amplitud que nos da el conversor es una amplitud cuantificada con n bits.
 En un sistema de muestreo y codificación normal 2
la potencia del ruido de cuantificación es: NC 
12
 Densidad espectral de frecuencia es.
2 1
DEP  .
12 f s
2
 De esto, el ruido más molesto será aquel que
esta dentro del ancho de banda de la señal y que
no podremos quitar filtrando. 2 1
PN  .
12 OSR
Cambio de la velocidad de muestreo en el dominio digital

Se trata de muestrear una señal de entrada con dos periodos de muestreo

distintos y saber qué relación existe entre las señales de salida.
Diezmado

Es la reducción de la velocidad de muestreo

por un factor entero M (T’ = M · T). Un
diezmador se representa así.

Vamos a ver la relación que existe entre la 1 

fd  i
Transformada de Fourier a la entrada y a la X (e f 2 fd
)
Ti 
 Xc (
i  T
) f d  f aT
salida del diezmador.

Donde fd es la frecuencia digital ω / 2π y vale fd = fa · T. En este

caso (fa) es la frecuencia analógica fa = Ω / 2π

1   f 'd  k  
 f 'd  k 
Y e   T '  X C  T '   MT 1
j 2 f '

K   

k 
Xc 
 MT 
 f 'd  f 'a T '  f a MT
Donde fd ’ es la frecuencia digital ω’ / 2π y vale fd = fa · T’ = fa · M · T. En este caso
fa es la frecuencia analógica fa = Ω / 2π.

Si en la Transformada Y sustituimos la expresión k = r + s M, con 0 < r < M-1 y

S  nada varía, obteniéndose.

1 M 1
1   f 'd r  sM  
Y (e j 2 f '
)
M
  T  c  MT  MT  
r 0  S 
X
 
 Interpolación

Llamamos interpolación al aumento de la frecuencia de muestreo por un factor entero L

(T '  T ) El sistema se representa así
L

Si pasamos al dominio de la frecuencia, obtendremos

  
Y1 (e jw '
)  y  n.e
n 
 jw ' n
   x  k .  n  kL .e
n  k 
 jw ' n

1
Variación por un factor racional
A la frecuencia de muestreo le aplicamos un factor arbitrario pero racional Q=L/M (T’=MT/L). Con
este método puede abarcarse casi cualquier variación de la frecuencia de muestreo, ya que cualquier
número puede aproximarse todo lo que se quiera a un número racional (aunque no con precisión
infinita). Esto puede hacerse mediante los métodos anteriores.
Consideraciones prácticas de la interpolación y el diezmado.

En un sistema de filtrado digital, la velocidad de las muestras no varía, y la velocidad a la

que tiene que trabajar el filtro dependerá exclusivamente de la frecuencia de muestreo, debe
procesar una muestra en un tiempo menor o igual que T.
Al pasar una secuencia por un sistema que contenga un interpolador o un diezmador la
velocidad de las muestras sí varía. Como hemos dicho anteriormente debemos primero
interpolar para minimizar el efecto de solapamiento.

Secuencias obtenidas por muestreo periódico y uniforme.

Haciendo una analogía con el caso unidimensional, multiplicaríamos la señal continua multidimensional
con un tren de deltas multidimensional, en el que en cada dimensión establecemos un vector periodo de
muestreo Ti .
Las secuencias multidimensional discreta resultante sería:
f[n] = f[n1 , n2 ] = f(n1 · T1 , n2 · T2 )
 x   n1 
x   1 ; T T 
P  T1 , T2    11 12  ; n 
 x2   n2 
 T21 Y22 

 X1  T11 .n1  T12 .n2 

x  P.n   

 2 21 1 22 2 
X T . n  T . N

se define la densidad de muestreo

1
Densidad .de.muestreo 
Det  P 
Recuperación de imágenes a partir de sus muestras

La recuperación de imágenes a partir de sus muestras, al igual que para el caso unidimensional
se consigue mediante dos procesos. El primero es colocar cada muestra en el punto del espacio
que le corresponde, y la segunda filtrar paso bajo para eliminar las repeticiones del espectro.
Con la colocación de cada muestra en su sitio se consigue deshacer la normalización en el
tiempo. Esta colocación se realiza mediante un tren de deltas multidimensional.

f s ( x)   n f  n. ( x  PT n)
Después se deben eliminar las repeticiones periódicas, y se debe compensar el factor de ganancia del
muestreo. Esto se hace con un filtro paso bajo de ganancia.

G  Det ( P)
La respuesta en frecuencia del filtro ideal sería
   
 fx   f y  H ( f x , f y )  TX TY   x
f .  f y 
H ( f x , f y )  TX TY   .    1   1 
 T   T 
 cx   cy 
f f  X   Y 

Y su respuesta al impulso será

x1 x
h  x1 , x2   sin c .sin c 2
T1 T2