Adquisicion Reconstruccion RM Parte 2
description
Transcript of Adquisicion Reconstruccion RM Parte 2
Adquisición y reconstrucción de imágenes con resonancia magnética
Pablo IrarrázavalDirector
Centro de Imágenes BiomédicasPontificia Universidad Católica de Chile
Taller
Unidades1. Fundamentos de Resonancia Magnética.2. Repaso de la teoría del muestreo y análisis de
frecuencia.3. Estrategias de muestreo y reconstrucción en
RM
ANÁLISIS DE FRECUENCIA Y MUESTREO
Unidad 2
Temas• Transformada de Fourier continua• Transformada de Fourier discreta• Relación continua – discreta • Muestreo y aliasión
Transformada de Fourier continua (FT)
Se define la transformada de Fourier como
Y su inversa como
Dimensionalidad
en cm (s)
adimensional
en 1/cm (Hz)
Bases de FourierEl conjunto define una base ortonormal
Bases de FourierEl conjunto define una base ortonormal
Bases de FourierEl conjunto define una base ortonormal
Bases de FourierEl conjunto define una base ortonormal
Bases de FourierEl conjunto define una base ortonormal
Bases de Fourier
Ejemplos de pares de FourierImpulso y uno
Ejemplos de pares de FourierCoseno y horquilla
Ejemplos de pares de FourierSeno y antihorquilla
Ejemplos de pares de FourierRect y sinc
Ejemplos de pares de FourierTriángulo y sinc cuadrado
Ejemplos de pares de FourierGauss
Ejemplos de pares de FourierShah
LAB1 Ejemplos de Transformadas• Calculemos con Matlab algunos pares de transformadas.
Usemos aproximación de Newton
EjContFourier.m
EjContFourier.m
Propiedades de la FT3. Escalamiento
Propiedades de la FT3. Escalamiento
LAB2 Use EjContFourier• Verifique la propiedad del escalamiento
Propiedades de la FT4. Desplazamiento
Propiedades de la FT4. Desplazamiento
LAB3 Use EjContFourier• Verifique la propiedad del desplazamiento
Propiedades de la FT5. Convolución
x
rect(x)
u
sinc(u)
x
triang(x)
u
sinc2(u)
x
rect(x)
u
sinc(u)
Propiedades de la FT7. Modulación
Transformada de Fourier discreta (DFT)
Se define la transformada de Fourier discreta como
Y su inversa como
Implementación Matlab• Normalización distinta• Origen es primer elemento
Normalización distinta
Lo más común Matlab
Origen es primer elementoHumanos Computadores
-1.5 -1 -0.5 0 0.5 1 1.50
0.2
0.4
0.6
0.8
1
-5 -4 -3 -2 -1 0 1 2 3 4 5
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 -1.6 -1.1 -0.6 -0.10
0.2
0.4
0.6
0.8
1
0 1 2 3 4 -5 -4 -3 -2 -1
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20 25 300
0.2
0.4
0.6
0.8
1
0 5 10 15 20 25 30
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Origen es primer elementoHumanos Computadores
0 5 10 15 20 25 300
0.2
0.4
0.6
0.8
1
0 5 10 15 20 25 30
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
LAB4 Encuentre la DFT de
• Grafique las partes real e imaginaria• Ayuda: use una ventana (Hamming por ejemplo)
para evitar distorsiones de Gibbs
Solución
-150 -100 -50 0 50 100 150-60
-40
-20
0
20
40
60
80
Conexión entre DFT y FT• Muestrear es
multiplicar por
• Su transformada es
Conexión entre DFT y FT
Conexión entre DFT y FT
LAB5 Use EjContFourier• Experimente con diferentes frecuencias de
muestreo
Conexión entre DFT y FT¿Qué significa una frecuencia discreta?
El periodo debe ser un múltiplo entero de T
Teorema de Nyquist“Las muestras discretas uniformemente espaciadas de una señal de ancho de bada limitado son una representación completa de la señal si el ancho de banda es menor a la mitad de la frecuencia de muestreo.” (Shannon)
Picture: Ruye Wang
AliasiónFrecuencia de muestreo mayor a Nyquist
AliasiónFrecuencia de muestreo mayor a Nyquist: recuperación de la señal
6.6 Consideraciones prácticas: aliasiónFrecuencia de muestreo de Nyquist
AliasiónFrecuencia de muestreo de Nyquist: recuperación de la señal
AliasiónFrecuencia de muestreo menor a Nyquist
AliasiónFrecuencia de muestreo menor a Nyquist: recuperación de la señal
Primera aparición“A Mathematical Theory of Communication”, Shannon 1948
Claude Shannon (1916– 2001)
Shannon honra a Nyquist“Communication in the Presence of Noise”, Shannon 1949
1928:
Harry Nyquist (1889 – 1976)