You are on page 1of 30

Computergraphik I

Das Abtasttheorem
Problem bei rumlicher Abtastung: a

Oliver Deussen

Abtasttheorem 1

Computergraphik I

Problem bei zeitlicher Abtastung:

Oliver Deussen

Abtasttheorem 2

Computergraphik I

Darstellung auf Monitor


Was geschieht eigentlich, wenn ein Bild auf dem Monitor dargestellt wird ? Ausgangspunkt: Funktion a(t) (1D oder 2D) Endzustand: Diskrete Werte bzw. stuckweise konstante Funktion k (Bildschirm)

Oliver Deussen

Abtasttheorem 3

Computergraphik I

Vorgehensweise: 1. a(t) diskret abtasten Bilder (a),(b),(c) 2. Rekonstruktionslter anwenden (Bild d) um a(t) zuruckzugewin nen (kann auch Box sein) Interpolation von Samples

Oliver Deussen

Abtasttheorem 4

Computergraphik I

3. Ausgabe mit anderer Rasterfrequenz, daher Signal gltten a Signal gltten (Bild g) a weiterer Filter 4. mit neuer Frequenz abtasten fur Bildschirm rekonstruieren (Bild k)
aus: Glassner, Principles of digital Image Synthesis

Oliver Deussen

Abtasttheorem 5

Computergraphik I

Darstellung einer 1D-Funktion:

aus: Glassner, Principles of digital Image Synthesis

Oliver Deussen

Abtasttheorem 6

Computergraphik I

Entstehende Filterprobleme

Moirmuster e

Rekonstruktionsfehler

aus: Glassner, Principles of digital Image Synthesis

Oliver Deussen

Abtasttheorem 7

Computergraphik I

Wo entstehen die Probleme?


diskrete Reprsentation kontinuierlicher Funktion a Aliasing Alias: hnlich aussehende Darstellung der a kontinuierlichen Funktion durch diskrete Werte Beispiel: Abtastung einer Sinusfunktion Beispielfunktion: sin(2 t)

Oliver Deussen

Abtasttheorem 8

Computergraphik I

f (t)

kontin. Fkt

s (t)

Abtastung

g (t)

g (t) = f (t)

s (t)

diskr. Werte

hohe Abtastfrequenz

niedrige Abtastfrequenz

gute Rekonstruktion

schlechte Rekonstruktion

Oliver Deussen

Abtasttheorem 9

Computergraphik I

Folgerung: Zusammenhang zwischen Frequenz von f (t) und Abtastfrequenz Ist f (t) = sin (2 t), so ist die Frequenz von f (t)

Generell kann jede periodische Funktion in eine Summe von Sinusfunktionen zerlegt werden:

Oliver Deussen

Abtasttheorem 10

Computergraphik I

Oliver Deussen

Abtasttheorem 11

Computergraphik I

Oliver Deussen

Abtasttheorem 12

Computergraphik I

Die Fouriertransformation (kleiner Ausug)


zerlegt eine Funktion in Sinus- und und Cosinusfunktionen. andere Transformationen zerlegen auf andere Weise (Cosinus-, Walsch-, Wavelet-Transformation) F () = f (t) e2it dt

mit e2it = cos(2t) i sin(2t) ergibt sich: F () = f (t) cos(2t) dt + i f (t) sin(2t) dt

wie bei der Helligkeitsbestimmung des Auges, nur hier Emndlichkeitsfunktionen Sinus- bzw. Cosiuns-Funktionen verschiedener Frequenz
Oliver Deussen Abtasttheorem 13

Computergraphik I

Basisfunktionen:

(a) = 0 (b) = 1 (c) = 2 (d) = 3


Oliver Deussen Abtasttheorem 14

Computergraphik I

FT ist eine komplexwertige Funktion komplexwertiges Ergebnis mit obiger Darstellung kann man F in Real und Imaginrteil a zerlegen F () = R() + iI() dasselbe druckt man in Polarkoordinaten aus: F () = |F ()|ei() mit: |F ()| = R()2 + I()2 I() () = arctan U ()

wobei |F ()| Fourier-Spektrum oder auch Spektralverteilung genannt wird, die Frequenzvariable, Phasenwinkel
Oliver Deussen Abtasttheorem 15

Computergraphik I

Beispiel: sei f (t) = A im Bereich [0..M ]

F () =
M

f (t)e2it dt f (t)e2it dt

=
0

A A 2it M [e ]0 = (e2iM 1) = 2i 2i A = (eiM eiM )eiM 2i A = sin(M )eiM

Oliver Deussen

Abtasttheorem 16

Computergraphik I

Ergebnis graphisch:

nach Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 17

Computergraphik I

Inverse Fouriertransformation: f (t) = F () e2it d

d.h man hat es mit (fast) derselben Transformation zu tun

Oliver Deussen

Abtasttheorem 18

Computergraphik I

zweidimensionale Version der Fouriertransformation: F (, ) = bzw. f (t, s) = F (, ) e2i(t+s) dd f (t, s) e2i(t+s) dtds

Power-Spektrum und Phasenwinkel analog oben

Oliver Deussen

Abtasttheorem 19

Computergraphik I

Beispiel von 2D-Funktionen und deren Fouriertransformierten:

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 20

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 21

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 22

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 23

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 24

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 25

Computergraphik I

aus: Gonzales, Woods: Digital Image Processing

Oliver Deussen

Abtasttheorem 26

Computergraphik I

Faltungseigenschaft der Fouriertransformation Einer Faltung im Ortsraum entspricht eine elementweise Multiplikation im Frequenzraum und umgekehrt. Bandbegrenzung Ist die Funktion genugend glatt, so hat die Fouriertransformierte lokalen Support, also eine Grenzfrequenz F . Die Funktion ist in diesem Fall bandbegrenzt. Abtasttheorem: Eine bandbegrenzte Funktion f (t) mit Grenzfrequenz F kann perfekt aus den Abtastwerten f (nT0) rekonstruiert werden, wenn 2 0 = 2 F T0
Oliver Deussen Abtasttheorem 27

Computergraphik I

f (t)

s (t)

g (t) = f (t)

s (t)

F (W) 1

G (W) ~ ~

F (W - k W 0 )

W0

W0

W0 > 2 WF

W0 < 2 WF

Oliver Deussen

Abtasttheorem 28

Computergraphik I

bei ungenugender Abtastung: Uberlappung der einzelnen Spektren erzeugt zustzliche Frequenzen a Fehler in der Rekonstruktion Hilfe: Bandbegrenzung bestimmen, geeignet abtasten Antialiasing-Techniken

Oliver Deussen

Abtasttheorem 29

Computergraphik I

links: Alias-Artefakte durch Rekonstruktionsfehler (im Auge des Betrachters) rechts: Verminderung der Eekte durch Antialias

Oliver Deussen

Abtasttheorem 30