Professional Documents
Culture Documents
⎡ x1 ⎤
⎢ x 2 ⎥⎥
⎢
⎢ x3 ⎥
X = ⎢ ⎥ (3.6-1)
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢⎣ x n ⎥⎦
m x = E {x} (3.6-2)
{
C x = E ( x − mx ) ( x − mx )T } (3.6-3)
M
1
mx = ∑x k (3.6-4)
M k =1
y
M
1
Cx = ∑x k x kT − m x m Tx (3.6-5)
M k =1
⎡3⎤
1 ⎢ ⎥
m x = ⎢1⎥
4
⎢⎣1⎥⎦
⎡3 1 1 ⎤
1 ⎢
Cx = ⎢ 1 3 − 1⎥⎥
16
⎢⎣1 − 1 3 ⎥⎦
Todos los elementos de la diagonal principal son iguales, lo que indica que las
tres componentes de los vectores de la población tienen la misma varianza.
Asimismo, los elementos x 1 y x 2 , al igual que x 1 y x 3 , están positivamente
correlacionados; los elementos x 2 y x 3 están correlacionados negativamente.
y = A( x − mx ) (3.6-6)
C y = AC x AT (3.6-8)
⎡λ1 0 ⎤
⎢ λ2 ⎥
⎢ ⎥
C y = ⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢⎣ 0 λn ⎥⎦
x = AT y + m x (3.6-10)
x = AKT y + m x (3.6-11)
Puede demostrarse que el errror cuadrático medio entre x y x viene
dado por la expresión:
n K
ems = ∑ λ j − ∑ λ j (3.6-12)
j =1 j =1
n
= ∑λ
j = K +1
j
Canal 3 Canal 4
Canal 5 Canal 6
CONCLUSIONES
El principal propósito de este ha sido presentar los fundamentos teóricos
de las transformadas de la imagen y sus propiedades. Dentro de este contexto,
se han desarrollado e ilustrado los puntos esenciales necesarios para una
compresión básica de esos conceptos.
El énfasis dado a la transformada de Fourier refleja su amplio campo de
aplicación en problemas de procesamiento de la imagen. El estudio de la
transformada rápida de Fourier es de particular importancia debido a sus
implicaciones en el cálculo. Las propiedades de separabilidad, centralización y
convolución de la transformada de Fourier también se emplean ampliamente en
los capítulos siguientes.
Referencia