senales
Class funciones

java.lang.Object
  senales.funciones

public class funciones

extends java.lang.Object

Title: Algunas de las funciones mas utilizadas en Procesamiento de señales

Description: Se tiene implementada una colección de funciones para realizar el procesamiento digital de imágenes

Copyright: Copyright (c) 2005

Company: UMSNH

Constructor Summary

funciones()

Method Summary

static void	afin(double[][] f, double[][] g, double[] T) Calcula la transformación Afin de una imagen.
static double	bilineal(double[][] f, double x0, double y0) Metodo de interporlacion bilinial, para calcular el tono de gris de una imagen en coordenadas no enteras.
static void	BKernel(double[] g, int n) Calcula un kernel Binomial en una dimensión
static void	centra(double[][] dato) Esta función hace un corrimiento circular al centro de la imagen
static void	CKernel(double[] gk, int n) Calcula el kernel de caja
static void	Conv2DC(double[][] g, double[][] f, double[] gkr, double[] gkc, int nk, int nr, int nc) Convolución circular en dos dimensiones, utilizando kerneles separables
static void	Convolucion(double[][] dato, double[][] res, double[][] kernel) Función para calcular la convolución de una señal bidimensional con un kernel
static void	Correlacion(double[][] dato, double[][] res, double[][] kernel) Función para calcular la correlación de una imagen con un kernel dado
static void	DerivadaX(double[][] dat, double[][] res, double sigma, int nr, int nc) Calcula la Derivada en x de una señal bidimensional, utilizando derivadas de gaussianas
static void	DerivadaXX(double[][] dat, double[][] res, double sigma, int nr, int nc) Segunda derivada de Gaussiana respecto de x
static void	DerivadaXY(double[][] dat, double[][] res, double sigma, int nr, int nc) Segunda Derivada de Gaussiana respecto a X y a Y
static void	DerivadaY(double[][] dat, double[][] res, double sigma, int nr, int nc) Calcula la Derivada en y de una señal bidimensional, utilizando derivadas de gaussianas
static void	DerivadaYY(double[][] dat, double[][] res, double sigma, int nr, int nc) Segunda derivada de Gaussiana respecto a Y
static void	Fcost1(double[] f, int n) Transformada de Coseno en una dimensión
static void	Fcost2(double[][] f, double[][] ft, int cols, int rows) Transformada Directa de Coseno en dos dimensiones
static void	fft1(double[] p, double[] q, int npts, int Direccion) Transformada de Fourier en una dimensión
static void	fft2(double[][] entra_real, double[][] entra_imag, double[][] sale_real, double[][] sale_imag, int Direccion, int nr, int nc) Transformada de Fourier por columnas y renglones de una señal bidimensional
static void	FiltroGabor(double[][] dat, double[][] br, double[][] bi, double sigma, int ko, int lo) Filtra una imagen dada utilizando kernels de Gabor en dos dimensiones
static void	G2DerKernel(double[] gk, double sigma) Kernel de segundas derivadas
static void	GDerKernel(double[] gk, double sigma) Genera un kernel de derivada Gaussiano
static void	GiKernel(double[] gk, double sigma, int n, int k) Genera Kernel la parte imaginaria del Kernel de Gabor en una dimensión
static void	GKernel(double[] gk, double sigma) Genera un Kernel Gaussiano con media cero y varianza sigma
static void	GrKernel(double[] gk, double sigma, int n, int k) Genera la parte real del Kernel de Gabor
static void	Icost1(double[] f, int n) Transformada Inversa de Coseno en una dimensión
static void	Icost2(double[][] ft, double[][] f, int cols, int rows) Transformada Inversa de Coseno en dos dimensiones
static void	InvLogPolar(double[][] datos, double[][] res) Transformación LogPolar Inversa
static void	LogPolar(double[][] datos, double[][] res) Esta función Calcula la transformada Log-Polar de una imagen
static void	mejores(double[][] dato, int cuantos)
static void	quiksort(int lo, int ho, double[] valor, double[] coorx, double[] coory) Algoritmo de quiksort, para ordenamiento de datos flotantes
static void	SincKernel(double[] gk, int n, double T) Calcula el Kernel de una Función Sinc
static void	SuavizaBinomial(double[][] dat, double[][] res, int tam, int nr, int nc) Suavizado utilizando un kernel binomial
static void	SuavizaCaja(double[][] dat, double[][] res, int tam, int nr, int nc) Suavizador de caja
static void	SuavizaGauss(double[][] dat, double[][] res, double sigma, int nr, int nc) Suavizado utilizando Gaussiana con media cero y varianza variable

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Detail

funciones

public funciones()

Method Detail

SuavizaGauss

public static void SuavizaGauss(double[][] dat,
                                double[][] res,
                                double sigma,
                                int nr,
                                int nc)

Suavizado utilizando Gaussiana con media cero y varianza variable

Parameters:

dat - Datos de entrada

res - Datos de salida

sigma - Varianza de la distribución Gaussiana

nr - número de renglones de la imagen

nc - número de columna de la imagen

Returns:

nada

SuavizaCaja

public static void SuavizaCaja(double[][] dat,
                               double[][] res,
                               int tam,
                               int nr,
                               int nc)

Suavizador de caja

Parameters:

dat - Datos de entrada

res - Datos de salida

tam - tamaño de la ventana en pixeles

nr - número de renglones de la imagen

nc - número de columna de la imagen

Returns:

nada

SuavizaBinomial

public static void SuavizaBinomial(double[][] dat,
                                   double[][] res,
                                   int tam,
                                   int nr,
                                   int nc)

Suavizado utilizando un kernel binomial

Parameters:

dat - double[][] Datos de entrada

res - double[][] Datos de salida (señal filtrada)

tam - int Tamaño del kernel binomial

nr - int Número de renglones

nc - int Número de columnas

FiltroGabor

public static void FiltroGabor(double[][] dat,
                               double[][] br,
                               double[][] bi,
                               double sigma,
                               int ko,
                               int lo)

Filtra una imagen dada utilizando kernels de Gabor en dos dimensiones

Parameters:

dat - Datos, imagen de entrada

br - Parte real de la imagen filtrada

bi - Parte imaginaria de la imagen filtrada

sigma - Tamaño del Filtro de gabor

ko - Frecuencia espacial en x

lo - Frecuencia espacial en y

DerivadaX

public static void DerivadaX(double[][] dat,
                             double[][] res,
                             double sigma,
                             int nr,
                             int nc)

Calcula la Derivada en x de una señal bidimensional, utilizando derivadas de gaussianas

Parameters:

dat - Datos de entrada

res - Datos de Salida (derivada)

sigma - Varianza de la gaussiana

nr - Número de renglones

nc - Número de columnas

DerivadaXX

public static void DerivadaXX(double[][] dat,
                              double[][] res,
                              double sigma,
                              int nr,
                              int nc)

Segunda derivada de Gaussiana respecto de x

Parameters:

dat - double[][] Datos de entrada

res - double[][] Datos de salida

sigma - double Varianza de la gaussiana

nr - int Número de renglones

nc - int Número de columnas

DerivadaYY

public static void DerivadaYY(double[][] dat,
                              double[][] res,
                              double sigma,
                              int nr,
                              int nc)

Segunda derivada de Gaussiana respecto a Y

Parameters:

dat - double[][] Datos de entrada

res - double[][] Datos de salida

sigma - double Varianza de la Gaussiana

nr - int Número de renglones

nc - int Número de columnas

DerivadaXY

public static void DerivadaXY(double[][] dat,
                              double[][] res,
                              double sigma,
                              int nr,
                              int nc)

Segunda Derivada de Gaussiana respecto a X y a Y

Parameters:

dat - double[][] Datos de entrada

res - double[][] Datos de salida

sigma - double Varianza de la Gaussiana

nr - int Número de renglones

nc - int Número de Columnas

DerivadaY

public static void DerivadaY(double[][] dat,
                             double[][] res,
                             double sigma,
                             int nr,
                             int nc)

Calcula la Derivada en y de una señal bidimensional, utilizando derivadas de gaussianas

Parameters:

dat - Datos de entrada

res - Datos de Salida (derivada)

sigma - Varianza de la gaussiana

nr - Número de renglones

nc - Número de columnas

SincKernel

public static void SincKernel(double[] gk,
                              int n,
                              double T)

Calcula el Kernel de una Función Sinc

Parameters:

gk - double[] Información del Kernel

n - int Tamaño del Kernel

T - double Frecuencia en la que se entona

GrKernel

public static void GrKernel(double[] gk,
                            double sigma,
                            int n,
                            int k)

Genera la parte real del Kernel de Gabor

Parameters:

gk - double[] Kernel Generado

sigma - double Varianza del Kernel

n - int Tamaño del kernel

k - int Frecuencia espacial a la que se entona el kernel

GiKernel

public static void GiKernel(double[] gk,
                            double sigma,
                            int n,
                            int k)

Genera Kernel la parte imaginaria del Kernel de Gabor en una dimensión

Parameters:

gk - double[] Kernel Generado

sigma - double Varianza del kernel

n - int Tamaño del Kernel

k - int Frecuencia espacial a la que se entona

GKernel

public static void GKernel(double[] gk,
                           double sigma)

Genera un Kernel Gaussiano con media cero y varianza sigma

Parameters:

gk - double[] Kernel generado

sigma - double Varianza

GDerKernel

public static void GDerKernel(double[] gk,
                              double sigma)

Genera un kernel de derivada Gaussiano

Parameters:

gk - double[] Kernel calculado

sigma - double Varianza de la Gaussiana

G2DerKernel

public static void G2DerKernel(double[] gk,
                               double sigma)

Kernel de segundas derivadas

Parameters:

gk - double[] Kernel

sigma - double Varianza del kernel

CKernel

public static void CKernel(double[] gk,
                           int n)

Calcula el kernel de caja

Parameters:

gk - double[] Kernel calculado

n - int tamaño del Kernel

BKernel

public static void BKernel(double[] g,
                           int n)

Calcula un kernel Binomial en una dimensión

Parameters:

g - double[] Kernel calculado

n - int Tamaño del kernel

Conv2DC

public static void Conv2DC(double[][] g,
                           double[][] f,
                           double[] gkr,
                           double[] gkc,
                           int nk,
                           int nr,
                           int nc)

Convolución circular en dos dimensiones, utilizando kerneles separables

Parameters:

g - double[][] Señal de entrada

f - double[][] Señal de salida

gkr - double[] Kernel unidimensional en la dirección x

gkc - double[] Kernel unidimensional en la dirección y

nk - int Tamaño de los kerneles

nr - int Número de renglones

nc - int Número de columnas

Convolucion

public static void Convolucion(double[][] dato,
                               double[][] res,
                               double[][] kernel)

Función para calcular la convolución de una señal bidimensional con un kernel

Parameters:

dato - double[][] Datos de entrada

res - double[][] Respuesta de la convolución

kernel - double[][] Kernel de convolución

Correlacion

public static void Correlacion(double[][] dato,
                               double[][] res,
                               double[][] kernel)

Función para calcular la correlación de una imagen con un kernel dado

Parameters:

dato - double[][] Imagen de entrada

res - double[][] Imagen de salida

kernel - double[][] Kernel

fft2

public static void fft2(double[][] entra_real,
                        double[][] entra_imag,
                        double[][] sale_real,
                        double[][] sale_imag,
                        int Direccion,
                        int nr,
                        int nc)

Transformada de Fourier por columnas y renglones de una señal bidimensional

Parameters:

entra_real - double[][] Señal de entrada, parte real

entra_imag - double[][] Señal de entrada, parte imaginaria

sale_real - double[][] Señal de salida, parte real

sale_imag - double[][] Señal de salida, parte imaginaria

Direccion - int 1 indica transformada directa, -1 Transformada inversa

nr - int Número de renglones

nc - int Número de columnas

fft1

public static void fft1(double[] p,
                        double[] q,
                        int npts,
                        int Direccion)

Transformada de Fourier en una dimensión

Parameters:

p - double[] Parte real de la señal

q - double[] Parte Imaginaria de la señal

npts - int Tamaño de la muestra 2n

Direccion - int 1 transformada directa, -1 transformada inversa

Fcost2

public static void Fcost2(double[][] f,
                          double[][] ft,
                          int cols,
                          int rows)

Transformada Directa de Coseno en dos dimensiones

Parameters:

f - double[][] Señal de entrada

ft - double[][] Señal de Salida

cols - int Número de Columnas

rows - int Número de renglones

Fcost1

public static void Fcost1(double[] f,
                          int n)

Transformada de Coseno en una dimensión

Parameters:

f - double[] Señal de entrada. Los cambios se realizan sobre ella misma

n - int Tamaño de la señal

Icost2

public static void Icost2(double[][] ft,
                          double[][] f,
                          int cols,
                          int rows)

Transformada Inversa de Coseno en dos dimensiones

Parameters:

ft - double[][] Señal de entrada

f - double[][] Señal de salida

cols - int Número de columnas

rows - int Número de renglones

Icost1

public static void Icost1(double[] f,
                          int n)

Transformada Inversa de Coseno en una dimensión

Parameters:

f - double[] función a la que calcula la transformada

n - int número de datos

LogPolar

public static void LogPolar(double[][] datos,
                            double[][] res)

Esta función Calcula la transformada Log-Polar de una imagen

Parameters:

datos - double[][] Arreglo con los datos de entrada

res - double[][] Arreglo con los datos de salida

InvLogPolar

public static void InvLogPolar(double[][] datos,
                               double[][] res)

Transformación LogPolar Inversa

Parameters:

datos - double[][] Datos de entrada

res - double[][] Datos de Salida

bilineal

public static double bilineal(double[][] f,
                              double x0,
                              double y0)

Metodo de interporlacion bilinial, para calcular el tono de gris de una imagen en coordenadas no enteras.

Parameters:

f - Imagen de donde se obtiene la información

x0 - Coordenada real en el eje x

y0 - Coordenada real en el eje y

Returns:

El valor interpolado entre los cuatro vecinos cercanos a x0 y y0

afin

public static void afin(double[][] f,
                        double[][] g,
                        double[] T)

Calcula la transformación Afin de una imagen. Esta transformación puede calcular Rotaciones, Escalamientos, Cizallamientos, translaciones y combinaciones de estas.

x1 = |T0 T1| |x| + |T2|

y1 = |T3 T4| |y| + |T5|

Parameters:

f - Imagen de entrada

g - Imagen de salida

T - Transformación afin en un vector de parametros

centra

public static void centra(double[][] dato)

Esta función hace un corrimiento circular al centro de la imagen

Parameters:

dato - Datos de entrada, esta función cambia el contenido de los datos de entrada.

mejores

public static void mejores(double[][] dato,
                           int cuantos)

quiksort

public static void quiksort(int lo,
                            int ho,
                            double[] valor,
                            double[] coorx,
                            double[] coory)

Algoritmo de quiksort, para ordenamiento de datos flotantes

Parameters:

lo - int límite inicial (0)

ho - int límite final (tamaño del arreglo)

valor - double[] Arreglo a ordenar

coorx - double[] Coordenada en x del pixel

coory - double[] Coordenada en y del pixel