Pdi02
-
Upload
andres-flores -
Category
Technology
-
view
1.219 -
download
0
description
Transcript of Pdi02
1
Procesamiento Digital de Imágenes 2
Profesor: Andrés Flores
Mejora de imágenes
� Se busca transformar la imagen mediante una relación matemática con la intención de mejorarla.� La mejora se puede realizar en el dominio
espacial o el domini
2
El Histograma
� Es la representación gráfica de las frecuencias relativas con las que aparecen los distintos colores en una determinada imagen.� Proporciona información sobre el brillo y el contraste
de la imagen, y puede ser utilizado para ajustar estos parámetros, eliminar ciertas tonalidades molestas, etc. � Es un función que muestra, para cada nivel de gris,
el número de pixels de la imagen que tienen ese nivel de gris.
3
Algoritmo
Sea Imagen la variable que contiene la imagen.int Histograma[256];
for (i=0;i<AnchoImagen;i++)for (j=0;j<AltoImagen;j++)
Histograma[Imagen[i][j]]++;
4
� Nos proporciona información global de la imagen.� Nos da idea acerca de la iluminación (brillo) y
el contraste de la imagen.
5
Aumento del brillo (sumando 30 a cada pixel)
Disminución del brillo (restando 30 a cada pixel)
6
Contraste
� El contraste mide, en cierto modo, el rango dinámico de los colores en la imagen, es decir, una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos. Para una imagen con poco contraste los colores están muy juntos, el margen dinámico es pequeño.
Imagen con buen contraste
7
Imagen de bajo contraste
Funciones de Transformación
� Son operaciones que se realizan sobre cada píxel y están representado mediante una función.
8
� Función en el dominio espacial se representa: g(x,u))= T[f(x,y)]� f es la imagen de entrada. � g es la imagen procesada. � T es un operador que actúa sobre f definido
en algun entorno de (x,y).
Algunas Funciones de transfomación
9
Negativo
� La operación sobre cada uno de los píxeles de nuestra imagen en escala de grises:� nuevo_pixel=255-viejo_pixel
Imagen de entrada
Imagen de salida
Ejemplos
10
Función Logarítmica
11
Corrección Gamma
� En un monitor o en un televisor, la señal que le entra es un voltaje que en la pantalla del tubo de rayos catódicos se transforma en luz que nosotros vemos.
� La relación es aproximadamente cuadrática. La relación no lineal entre luz emitida y tensión de entrada se puede expresar.
γfcg .=
Compensación
12
Corrección Gamma
Aplicación en Imágenes
13
Ecualización del Histograma
� Si dividimos cada componente del histograma por el número total de píxeles que tiene la imagen, obtenemos una función de probabilidad (fdp) de cierto tono de gris en la imagen.� Podemos hallar la función de distribución
(FD) de esta fdp. Pues si usamos la FD como función de transferencia de la imagen de entrada, obtendremos una imagen igualada o ecualizada.
14
� El histograma de una imagen digital con L niveles de gris en la amplitud de [0;L - 1], como una distribución de probabilidad
donde:rk es el k-ésimo nivel de gris,nk es el número de píxeles de la imagen con tal nivel de gris,n es el número total de píxeles, yk = 0, 1, 2, … , L - 1 nivel de gris.
Proceso de Ecualización
� Se desea que el histograma exprese una distribución uniforme de todos los píxeles.
� Esto se consigue determinando el Histograma Acumulado. Y aplicándolo como función de Transformación sobre la imagen.
� Con esto se consigue realzar el contraste de la imagen
para k = 0, 1… L - 1, y donde Imax = L - 1 sirve para escalar al máximo nivel de gris.
15
Ejemplos
16
Filtraje Espacial
� Los filtros lineales realizan una operación conocida como convolución discreta bidimensional, entre la imagen y un filtro. � Un filtro lineal estará compuesto por:� Matriz de Coeficientes coef[i][j]: pueden ser de
3x3, 5x5,…� Bias (bias): valor de continua a añadir al resultado
de la operación sobre cada pixel� Factor de Escala (factor): Para normalizar el
resultado
17
Algoritmo
� Se hace uso de kernels o máscaras que se colocan sobre los píxeles (x,y).� Las máscaras ponderan los píxeles bajo la
subimagen.� La suma ponderada reemplaza al píxel
central.� Para una máscara de 3x3 la relación será:
R=w1xz1+w2xz2+...+w9xz9
18
z5
w2w1 w3
w4 w5 w6
w7 w8 w9z1 z2 z3
z4 z6
z7 z8 z9
Máscara
SubImagen
19
Tipos de Filtros
� Dependiendo de las ponderaciones de las máscaras (kernels) se tienen:� Filtros Suavizantes (smoothing, blurring)� Pasabajo
� Filtros Realzantes (sharpening).� Pasaalto� Diferenciales.
Filtros suavizantes
� Suavizado de la imagen. Producen un cierto desenfoque de la misma. Tienden a hacer una media de tono entre el píxel que procesamos y sus vecinos, dándole mayor o menor peso a uno o a otros según la intensidad de desenfoque deseada.
20
Filtros suavizantes
21
Filtros Realzantes(Sharpening)
� Producen un realzado de los bordes que aparecen en la imagen. Marcan más la diferencia entre el píxel procesado y los de su vecindad (de ahí que usen valores negativos en la matriz).
22
Filtros Realzantes(Sharpening)
23
Filtros Gaussianos
� Corresponden a kernels que tienen una distribución Gaussiana de dos dimensiones� Permiten suavizar una imagen.� Se determina el kernel mediante la relación:
Ejemplos
Imagen Original
Filtrado con Sigma = 3
Filtrado con Sigma = 1
24
Filtraje de ruido
Imagen con ruido
Filtro Mediana
� Filtro no Lineal� Consiste en escoger una máscara o kernel.� Generalmente cuadrada de 3x3, 5x5, etc.,
aunque puede ser de cualquier forma� Se reemplaza el píxel central por la mediana
de los píxeles.
25
Ejemplo
ejemplos
Imagen Original Imagen con ruido Impulsivo
26
Al aplicar filtro
Luego de aplicar filtro mediana de 3x3
Luego de aplicar filtro mediana de 5x5
Comparación
Luego de aplicar filtro mediana de 3x3, 3 veces
Luego de aplicar filtro promedio de 5x5