Capitulo 4

Realzado de Imgenes


4.1 Introduccin

En este captulo vamos a estudiar un conjunto de tcnicas que tratan de conseguir una
imagen mejorada y ms ntida, tanto para el observador humano como para el ordenador.

Los bordes (aristas, perfiles, contornos o ejes) de una imagen son las lneas que
diferencian tonos de gris (separan aquellas regiones de la imagen que tienen diferencia
significativa en sus tonos de gris). El contraste de una imagen viene dado por la variabilidad,
dispersin o esparcimiento de los tonos de gris de los diferentes pxeles de la imagen. El
realzado de una imagen consiste en acentuar las aristas de la imagen, obteniendo as una
imagen con ms contraste. Con ello se consigue una mejora de la imagen ya que los objetos
aparecen ms resaltados; sin embargo, no existe todava un criterio claro que nos diga si una
imagen es mejor que otra, slo se dispone de un conjunto de tcnicas, la mayora heursticas,
basadas en procedimientos interactivos, de manera que el trabajo consiste en aplicar dichas
tcnicas y ver cual es la que ofrece un mejor resultado para el interesado.

Supongamos que tenemos una imagen digital representada por {f(i,j): i=1,2,...,M,
j=1,2,...,N}, cuyos valores f(i,j) (intensidad luminosa o nivel de gris) pertenecen al conjunto de
tonos de gris {r
1
, r
2
,...,r
L
}. Consideremos la variable estadstica que toma sus valores en el
conjunto {r
1
, r
2
,...,r
L
} con frecuencias absolutas {n
1
, n
2
,...,n
L
} respectivamente, siendo n
k
el
nmero de pxeles de la imagen con nivel de gris r
k
, es decir, el nmero de elementos del
conjunto C
k
={(i,j): f(i,j)=r
k
}. Tenemos as la distribucin de frecuencias

Valores de X : r
1
r
2
. . . r
k
. . . r
L
Frecuencia absoluta: n
1
n
2
. . . n
k
. . . n
L


Una medida simple del contraste de la imagen puede ser la varianza de X, que viene
dada por la expresin:

k
L
k
k
n r r
MN

=
=
1
2 2
) (
1


donde r es el valor medio de la distribucin,

=
=
L
k
k k
n r
MN
r
1
1


Cuando todos los pixeles presentan el mismo nivel de gris su varianza es cero, y cuando mayor
diferencia hay entre todos los posibles pares de pixeles entonces la varianza es mayor, pues si
sustituimos la media por su valor y desarrollamos la expresin anterior de la varianza se llega a
la expresin siguiente:

( ) ( )
2
) , ( ) , (
2
) , ( ) , (
) 1 (
1

=
s r j i
s r f j i f
MN MN


y as podemos ver una clara interpretacin de la varianza como medida del contraste de una
imagen.

Por otra parte, como los valores {p
k
=n
k
/MN; k=1,2,...,L} constituyen una distribucin
de probabilidad sobre el conjunto de los tonos de gris {r
1
, r
2
,...,r
L
}, pues

=
=
L
k
k
p
1
1,
podemos utilizar la entropa de la variable aleatoria que toma los valores {r
1
, r
2
,...,r
L
}, con
probabilidades respectivas {p
1
, p
2
,...,p
L
}, como una medida de contraste:

k
L
k
k
p p E ln
1

=
= .
.
Si p
1
=1 y p
k
=0, k=2,3,...,L, entonces todos los pxeles presentan el mismo nivel de gris, con
valor r
1
, y la entropa vale 0, mientras que cuando las distribucin de los tonos de gris de los
pxeles es uniforme, es decir, p
k
=1/L, entonces la entropa alcanza su valor mximo que es
ln(L), que corresponde a una imagen con mximo contraste. Esto sugiere que una medida
normalizada en el intervalo [0,1] del contraste de una imagen sea E/ln(L). Obsrvese que la
entropa es tambin una medida de incertidumbre que cuando vale cero corresponde a mxima
informacin y al mismo tiempo mnimo contraste, mientras que para una imagen con
distribucin uniforme, que corresponde al mximo contraste, la incertidumbre o falta de
informacin es tambin mxima.
4.2 Tcnicas de manipulacin y modelado del contraste de la imagen:
Modificacin de los tonos de gris

Muchas veces nos encontramos con imgenes obtenidas bajo condiciones de escasa luminosidad
o iluminacin no uniforme que tienen poco contraste. Para el realzado de una imagen hay que
realizar un conjunto de transformaciones sobre los tonos de gris de los pixeles de la imagen; por
ello, vamos a estudiar primeramente varias transformaciones sobre los tonos de gris que nos van
a permitir el modelado de los tonos de gris para conseguir los fines deseados.
Sea T una funcin (transformacin puntual) con rango (valores) en el conjunto {r
1
,
r
2
,...,r
L
}. Esta funcin transforma el nivel de gris pixel a pixel. La imagen transformada es, por
tanto:
)) , ( ( ) , ( j i f T j i g = , i=1,2,...,M, j=1,2,...,N,
o lo que es lo mismo,
s
k
=T(r
k
), k=1,2,...,L.
La funcin ms sencilla es la transformacin lineal, que viene dada por la expresin general:
) , ( ) , ( j i f b a j i g + =

Si r
p
f(i,j) r
q
, para i=1,2,...,M, j=1,2,...,N, entonces la transformacin lineal ms
adecuada viene determinada por los valores a y b siguientes:
p
p q
L
p q
L
r
r r
r r
r a
r r
r r
b ,
1
1
1

=
que pasa por el punto (r
p
,r
1
) y tiene de pendiente b, como puede verse en la figura 4.1. Esta
transformacin aumenta el contraste de la imagen, pues estira los valores de los tonos de gris de
la imagen hasta ocupar el rango completo, [r
1
, r
2
].


r
L







r
1

r
1
r
p
r
q
r
L

Figura 4.1. Transformacin lineal.
Obsrvese que si f(i,j)=r
k
entonces el nuevo valor del nivel de gris del pixel (i,j), que
representaremos por s
k
, viene determinado por la expresin:
1
1
) ( r r r
r r
r r
s
p k
p q
L
k
+

=
El trmino a desplaza los tonos de gris en un valor constante, actuando por tanto sobre el brillo
de la imagen; segn sea a>0 a<0 se incrementa o se disminuye el brillo de la imagen de cada
pixel en la misma cantidad, a. La pendiente b de la recta es el parmetro que controla el
contraste de la imagen; si b>1 se produce un incremento del contraste, para 0<b<1 se produce
una disminucin del contraste, para -1<b<0 se obtiene una imagen inversa con menos contraste
y para b<-1 se obtiene la imagen inversacon ms contraste.

4.2.1 Transformaciones lineales a tramos: Extensin del contraste

Consideremos la imagen digitalizada con L tonos de gris, que por simplicidad van a ser los
valores 0,1,2,...,L-1, es decir,
u= { } 1 , , 1 , 0 ) , ( L y x f
Un tipo de transformacin un poco ms general que la anterior para mejorar el contraste es la
siguiente:

+
< +

=
1 ) (
) (
0
L u b si v b u
b u a si v a u
a u si u
v
b
a

donde u representa el tono o nivel de gris de la imagen original y v el nivel de gris de la imagen
transformada .




v
b

v
a





0 a b L-1
Figure 4.2. Transformacin de tramos lineales

Con esta transformacin realizamos una modificacin de los tonos de gris de los pixeles de la
imagen en funcin de los parmetros , y . La transformacin de la figura 4.2 mejora el
contraste en el tramo [0,a], pues >1, y tambin mejora el contraste en el tramo [b,L-1] pues
>1, a costa de reducir el contraste en el tramo [a,b], por ser <1. Por lo tanto, dicha
transformacin mejora el contraste de los pixeles ms oscuros y, tambin, el de los pixeles ms
claros.
Un caso especial de transformacin de tramos lineales es cuando alguno de los
parmetros, , , es nulo, entonces se consigue un recorte de la imagen. Por ejemplo,
cuando se sabe que los valores de la imagen estn en el intervalo [a,b] es conveniente utilizar
dicha transformacin con ==0 pues se consigue el aumento del contraste y la reduccin de
ruido.
Cuando = =0 y a=b entonces se obtiene la transformacin umbral
0 si
1 si
u a
v
L u a

=

>

que produce una imagen binaria.
Cuando se desea detectar o distinguir aquellas regiones de la imagen cuyos valores de
gris estn dentro del intervalo [a,b] se utiliza la transformacin (ver figura 4.3):

=
caso otro en 0
1 b u a si L
v
donde el fondo de la imagen es negro y lo forman aquellos pixeles con tono de gris fuera del
intervalo [a,b]. Se obtiene as una imagen segmentada. Si, por el contrario, se desea conservar la
imagen fuera del intervalo [a,b] entonces se debe utilizar la transformacin (ver figura 4.4).

=
caso otro en
si 1
u
b u a L
v

L-1 L-1









0 a b L-1 0 a b L-1

Figura 4.3. Segmentacin sin fondo Figura 4.4. Segmentacin con fondo

Cuando se desea mejorar el contraste de las partes ms claras de la imagen a costa de las partes
ms oscuras, o al revs, se puede utilizar la transformacin "goma de borrar" (ver la figura 4.5).
La transformacin lineal v = (L-1) - u nos conduce al negativo de la imagen original.







L-1







0 L-1

Figura 4.5. Transformacin goma de borrar.


4.2.2 Transformaciones no lineales

Una de las transformaciones no lineales ms utilizadas es la transformacin gaussiana
(ver figura 4.6) que viene dada por la funcin:

( , ) 0.5 0.5
2 2
( , )
0.5
2
f i j
g i j

+




=

donde los corchetes en la expresin [x] representan la parte entera de x, y

( )


=
x
y
dy e x
0
2 2

L-1







0 L-1

Figura 4.6. Transformacin gaussiana.

Esta transformacin aumenta el contraste de la imagen al hacer ms oscuras las partes
oscuras y ms claras las partes claras (figura 4.6).

Tambin podemos usar la funcin potencia:
[ ]
p
j i f c j i g ) , ( ) , ( = ,

donde podemos tomar c=(L-1)
1-p
, para que asigne el valor L-1 al nivel L-1. Para valores de p
menores que 1 esta transformacin aumenta el contraste de las partes oscuras de la imagen,
mientras que para valores mayores que 1 aumenta el contraste de las partes claras.
Otra transformacin interesante es la hiperbolizacin, es decir, la transformacin:
donde

=
+ =

+
1
) log( ) ( *
0
) ( ) 1 1 log(
dA
dd d p c
B
B B
e c d
c d d T

y c es una constante que depende de la visin del ojo.
4.2.3 Igualacin del histograma.

Hemos visto que los valores {p
k
=n
k
/MN; k=1,2,...,L} constituyen una distribucin de
probabilidad sobre el conjunto de los tonos de gris {x
0
, x
1
,...,x
L-1
}, de manera que tenemos as la
variable aleatoria X que toma los valores {x
0
, x
1
,...,r
L-1
} con probabilidades respectivas {p
o
,
p
1
,...,p
L
}. La representacin grfica de esta distribucin se conoce con el nombre de diagrama
de barras (ver figura 4.7), aunque en la bibliografa de procesado de imgenes se le llama
histograma, pero el histograma es la representacin grfica de variables estadsticas continuas
agrupadas en intervalos de clases y utiliza rectngulos cuya superficie es proporcional a las
frecuencias. No obstante, nosotros tambin lo llamaremos histograma, para evitar confusin.








Figura 4.7. Diagrama de barras

Si utilizamos la entropa como medida de contraste hemos visto que la imagen con histograma
uniforme es la que tiene mayor entropa (contraste). Por lo tanto, buscamos as la
transformacin T que nos lleve a una nueva imagen con histograma uniforme o casi uniforme.
Sabemos, que si X fuera una variable aleatoria continua con funcin de densidad p
X
(x)
entonces la variable aleatoria U=F
X
(X) tiene una distribucin uniforme en el intervalo [0,1],
siendo F
X
() la funcin de distribucin de X, dada por la expresin:

= =
x
X X
ds s p x X P x F
0
) ( ) ( ) ( ,
En efecto,
P( U u ) = P( X F
-1
(u) ) = F( F
-1
(u) ) = u.

Obsrvese que hemos utilizado que F(x) u x F
-1
(u), que es cierto cuando X es continua.
En el caso de que la variable aleatoria X sea discreta (nuestro caso) entonces se tiene que
P(F(X) u)u en lugar de P( F(X) u )= u. En tal caso la distribucin de U es aproximadamente
uniforme. De hecho, para la variable aleatoria X que toma los valores {r
1
, r
2
,...,r
L
} con
probabilidades respectivas {p
1
, p
2
,...,p
L
}, y cuya funcin de distribucin es
si , ) (
1 +

< =
k k
k i
i
x x x p x F ,
la transformacin U=F(X) es tambin una variable aleatoria discreta cuyos valores son {p
1
, p
1
+
p
2
,, p
1
+ p
2
+p
3
,...,1} con probabilidades respectivas {p
1
, p
2
,...,p
L
}, que no tiene por qu ser
uniforme. Adems, se tiene que

+
< =
1
para , ) (
k i
i
k i
i
k i
i
p u p p u U P ,
en lugar de P(U u) = u.
Por lo tanto, si suponemos que los valores de los tonos de gris son 0,1,2,...,L-1, y
deseamos conseguir una transformacin cuyo histograma sea aproximadamente uniforme en los
valores 0, 1, 2,, L-1, vamos a utilizar la transformacin siguiente:
) 1 (
) ( 1
) ( ) (
0
0

= L
x F
x F x F
y
X
X X
,

siendo x
o
el menor valor que toma la variable aleatoria X con p
0
>0. Esta transformacin
corresponde a la proyeccin de los valores F(x
0
), F(x
1
),,F(x
L-1
), del intervalo [0,1] sobre el
intervalo [0, L-1]), como se muestra en la figura 4.3.7.

Figura 4.8. Proyeccin de los valores del intervalo [0 1] al intervalo [0 L-1].
L-1
y
2
1
F(x
0
) F(x
1
) F(x
2
) F(x) F(x
L-1
)1

Como los valores de y de los niveles de gris deben de ser valores enteros hacemos la siguiente
modificacin de la transformacin anterior para obtener una mejor aproximacin:

= 5 . 0 ) 1 (
) ( 1
) ( ) (
0
0
L
X F
x F x F
y
X
X X
, (4.2.1)
Los corchetes [] indican la parte entera.

Ejemplo 1: Consideremos una imagen digital de tamao 6464 con 8 tonos de gris (L=8), cuya
distribucin por tonos de gris es la siguiente:


X=Nivel de gris: 0 1 2 3 4 5 6 7

Frecuencia absoluta n
i
: 745 1320 940 753 40 0 122 176

Frecuencia relativa p
i
: 0.18 0.32 0.23 0.19 0.01 0 0.03 0.04


Su funcin de distribucin es:

<
<
<
<
<
<
<
=
7 si 1
7 6 si 0.96
6 4 si 93 . 0
4 3 si 92 . 0
3 2 si 73 . 0
2 1 si 50 . 0
1 0 si 18 . 0
0 si 0
) (
x
x
x
x
x
x
x
x
x F

Si utilizamos la transformacin 4.2.1 para transformar los tonos de gris, con p
o
=0.18 y
L=8, tenemos:

0 5 . 0 ) 1 8 (
18 . 0 1
18 . 0 ) 0 (
0
=

=
F
s ,

y anlogamente, s
1
=3, s
2
=5, s
3
=6, s
4
=6, s
5
=6, s
6
=7 y s
7
=7, que conduce a la siguiente
distribucin de frecuencias:




X=Nivel de gris: 0 1 2 3 4 5 6 7

Frecuencia absoluta n
i
: 175 0 0 1320 0 940 793 298

Frecuencia relativa p
i
: 0.18 0 0 0.32 0 0.23 0.20 0.07










Figura 4.9. Diagrama de barras de la imagen original









Figura 4.10. Diagrama de barras de la imagen transformada

En la figura 4.9 representamos el diagrama de barras de la imagen original y en la figura 4.10 el
de la imagen transformada.

Una manera diferente de modificar los tonos de gris para tratar de conseguir un
histograma uniforme consiste en ordenar los pxeles de menor a mayor segn su tono de gris. Se
forman L grupos, siendo L en nmeros de niveles o tonos de gris; el primer grupo estar
constituido por los [MN/L] pxeles con menor tono de gris, a los que se les asigna el nivel de
gris (tono) 1; el segundo grupo estar constituido por los [MN/L] pxeles con menor tono de
gris del conjunto restante, y as sucesivamente. Cuando MN/L no sea un nmero entero habr
que agrupar los pxeles en conjuntos de distinto tamao, unos con [MN/L] pxeles y otros con
[MN/L]+1 pxeles.




Ejemplo 2:

Consideremos la imagen siguiente que tiene 8 tonalidades:

3 3 4 4 4
3 3 5 5 5
1 1 3 3 6
1 1 3 3 6
1 1 2 2 2

Ordenamos los pxeles segn sus tonalidades y le asignamos las nuevas tonalidades,

1 1 1 1 1 1 2 2 2 3 3 3 3 3 3 3 3 4 4 4 5 5 5 6 6


0 1 2 3 4 5 6 7

obtenindose la imagen siguiente:

4 5 5 5 6
4 4 6 6 7
0 0 3 3 7
0 0 3 2 7
1 1 1 2 2

Cuando hay que elegir un pxel entre varios que tienen el mismo tono de gris se puede hacer
siguiendo algn criterio de proximidad. As, este mtodo permite obtener muchas imgenes
diferentes, todas ellas con un histograma uniforme o casi uniforme. Esto, aunque puede parecer
un inconveniente, es una ventaja pues no conduce a la posibilidad de elegir la mejor de todas las
obtenidas.

4.3 Realzado de una imagen en el dominio espacial
Ahora vamos a estudiar transformaciones de imgenes basadas en filtros para mejorar la calidad
de la imagen acentuando los contornos de los objetos. Un imagen digital f(m,n) se puede poner
como una suma de dos imgenes; una imagen borrosa caracterizada porque sus bordes estn
poco perfilados (carencia de bordes) f
B
(m,n) y una imagen constituida por los bordes de los
objetos f
A
(m,n). La imagen borrosa corresponde a una imagen filtrada con un filtro de paso-baja
y la imagen de bordes a la imagen filtrada con un filtro de paso-alta, es decir,

) , ( ) , ( ) , ( n m f n m f n m f
A B
+ =

Por lo tanto, si a una imagen original le restamos su versin borrosa obtenida a partir de un filtro
de paso-baja obtenemos una imagen donde slo aparecen los bordes, es decir, la versin
obtenida mediante un filtro de paso-alta. As, si deseamos mejorar la calidad de una imagen, es
decir, acentuar o enfatizar sus bordes, para que los objetos que la forman se vean mejor, basta
con sumarle la imagen de bordes ponderada por un coeficiente :
( , ) ( , )
A
f m n f m n +
donde el parmetro >0 nos permite controlar el grado de acentuacin de los bordes de la
imagen.
Veamos dicha idea con ms detalle. Si transformamos una imagen digital f(m,n)
mediante un operador de filtrado que utiliza una plantilla o mscara g(m,n) obtenemos una
nueva imagen dada por la expresin:

+ + =
N n m
j i h i n i m f n m f
) , (
*
) , ( ) , ( ) . (
que nos proporciona como valor de la imagen en el pxel (m,n) una combinacin lineal (media
aritmtica ponderada) de los valores de los pxeles de un entorno N ponderados con los valores
correspondientes de la plantilla h. Por ejemplo, en el caso de utilizar una plantilla 33, dada por
la matriz

=
) 1 , 1 ( ) 1 , 0 ( ) 1 , 1 (
) 0 , 1 ( ) 0 , 0 ( ) 0 , 1 (
) 1 , 1 ( ) 1 , 0 ( ) 1 , 1 (
h h h
h h h
h h h
h
tenemos que
+ + + + + + + = ) 1 , 1 ( ) 1 , 1 ( ) 1 , 0 ( ) 1 , ( ) 1 , 1 ( ) 1 , 1 ( ) , (
*
h n m f h n m f h n m f n m f
+ + + + ) 0 , 1 ( ) , 1 ( ) 0 , 0 ( ) , ( ) 0 , 1 ( ) , 1 ( h n m f h n m f h n m f
) 1 , 1 ( ) 1 , 1 ( ) 1 , 0 ( ) 1 , ( ) 1 , 1 ( ) 1 , 1 ( + + + h n m f h n m f h n m f

Si una imagen no tiene los contornos bien perfilados, una manera de aumentar su contraste es
acentuando los mismos. Como acabamos de ver, basta con aadirle a la imagen una imagen de
bordes obtenida a partir de la imagen original mediante un filtro de paso-alta. Es decir, la
imagen
) , ( ) , ( ) , (
*
n m g n m f n m f + =
donde es una cantidad positiva que regula el grado de acentuacin de los bordes y g(m,n) es
una imagen de bordes de la imagen original, es decir, una imagen obtenida por un filtro de paso-
alta.
Teniendo en cuenta que si filtramos una imagen con una plantilla con todos sus
elementos cero salvo el elemento central que vale 1 obtenemos la misma imagen, y que la suma
de dos imgenes que corresponden a filtraciones de una imagen con plantillas diferentes es igual
que la imagen filtrada con la plantilla suma de las dos plantillas, es decir,


*
1 2
( , ) ( , )
( , ) ( , ) ( , ) ( , ) ( , )
m n N m n N
f m n f m i n i h i j f m i n i h i j

= + + + + +


[ ]

+ + + =
N n m
j i h j i h i n i m f
) , (
2 1
) , ( ) , ( ) , (

resulta que si h es una plantilla de paso-alta entonces el filtrado con la plantilla

=
) 1 , 1 ( ) 1 , 0 ( ) 1 , 1 (
) 0 , 1 ( ) 0 , 0 ( 1 ) 0 , 1 (
) 1 , 1 ( ) 1 , 0 ( ) 1 , 1 (
h h h
h h h
h h h
h
produce directamente un realzado de la imagen original acentuando los bordes.
Un ejemplo de plantilla para el realzado de una imagen es la siguiente:

6
1
3
2
6
1
3
2
3
13
3
2
6
1
3
2
6
1

6
1
3
2
6
1
3
2
3
10
3
2
6
1
3
2
6
1
0 0 0
0 1 0
0 0 0


que suele llamarse plantilla para el enmascaramiento de la falta de perfilado en la imagen
(unsharp masking and crispening).

4.4. Filtrado de imgenes en el dominio de las frecuencias

Hasta ahora hemos filtrado las imgenes digitales en el dominio espacial mediante filtros que
venan dados por plantillas y operaban por convolucin con la imagen digital. Asimismo, hemos
visto que la transformada de Fourier de una convolucin es el producto de las transformadas de
Fourier. Por lo tanto, podemos aprovechar esta propiedad para trabajar en el dominio de
frecuencias en el que la operacin de convolucin espacial se convierte en un simple producto
de las transformadas de Fourier.

Si utilizamos en el dominio espacial una plantilla h(m,n) para filtrar la imagen digital, f(m,n),
obtenemos como imagen filtrada,

=
=
m n
j k h j n k m f n m f ) , ( ) , ( ) , (
*


Si aplicamos a ambos miembros la transformada de Fourier obtenemos,
F
*
(u,v)=F(u,v)H(u,v)

As, la transformada de Fourier del filtro acta multiplicando a la transformada de Fourier de la
imagen. Como los filtros de paso-baja atenan o eliminan las altas frecuencias y dejan pasar
las bajas frecuencias, un filtro sencillo de paso-baja sera aquel cuya transformada de Fourier es:

> +
+
=
si 0
si 1
) , (
2 2
2 2
r v u
r v u
v u H

que anula las altas frecuencias, es decir, las que corresponde a valores (u,v) cuya distancia
eucldea al origen es mayor que r, mientras que deja como est la transformada de Fourier de la
imagen cuando las frecuencias estn dentro de un circulo de radio r centrado en el origen
(bajas frecuencias). Por lo tanto, el parmetro r es el radio del crculo que encierra a las bajas
frecuencias. Sin embargo, hay un problema con este filtro y es que es ideal. Cuando lo
aplicamos a imgenes del mundo real produce efectos colaterales, como borrosidad, y deja
cercos en las regiones prximas a las aristas. Por ello, se han estudiado diferentes filtros, cada
uno con sus ventajas e inconvenientes. Uno de los ms conocidos es el filtro de paso-baja de
Butterworth de orden n que viene dado por la expresin:


n
D
v u D
v u H
2
0
) , (
1
1
) , (

+
=
siendo
2 2
) , ( v u v u D + = y D
o
un parmetro que se conoce con el nombre de frecuencia de
corte o centro. En la figura 4.11 mostramos la representacin grfica de H(u,v) con respecto a
D(u,v) tomando D
o
=1. La funcin vara entre 0 y 1, y en las frecuencias prxima a cero toma
valores prximos a 1, mientras que, para valores grandes de las frecuencias, la funcin toma
valores prximos a cero. El decrecimiento gradual de la funcin viene controlado por el
parmetro n. Para valores grandes de n se puede observar una zona donde la funcin toma
valores prximos a 1 para despus decrecer rpidamente a valores prximos a cero. Si n es
pequeo el decrecimiento es ms gradual. Obsrvese que para D(u,v)=D
o
la respuesta de
frecuencia, es decir, el valor de H(u,v) es igual a 0.5. Conforme menor es el parmetro, D
o
, la
imagen filtrada es ms borrosa y pierde ms detalles, pues atena un campo ms amplio de altas
frecuencias.
















Figura 4.11. Filtros de Butterworth de ordenes n=1,3,5,7 y 9

El comportamiento del filtro de paso-baja depende del valor del parmetro r elegido. Conforme
menor es el valor del mismo ms borrosa ser la imagen resultante, es decir, sufrir una mayor
prdida de detalles. Para medir el deterioro de la imagen segn el valor de r seleccionado
podemos utilizar la potencia total de la imagen, definida por la expresin:

=
=
1
0
1
0
) , (
M
u
N
v
T
v u P P ,
donde
2
) , ( ) , ( v u F v u P = es la potencia en (u,v). As, el coeficiente

100
) , (
} : ) , {(
2 2 2
=

+
T
r v u v u
P
v u P


nos da el porcentaje de la potencia que mantiene la imagen filtrada.

Anlogamente, el filtro

> +
+
=
si 1
si 0
) , (
2 2
2 2
r v u
r v u
v u H

es un filtro de paso-alta, puesto que elimina las bajas frecuencias y deja pasar las altas
frecuencias, pero es tambin un filtro ideal que no se suele usar en la prctica. Unos de los
filtros ms usados es el filtro de paso-alta de Butterworth que viene definido por la expresin:

n
v u D
D
v u H
2
0
) , (
1
1
) , (

+
=

Su representacin grfica se muestra en la figura 4.12. Se observa como toma valores
prximos a cero cuando las frecuencias son bajas.












Figura 4.12. Filtros de Butterworth de ordenes n=1,3,5,7 y 9

Un filtro de paso de banda es aquel que no deja pasar las frecuencias pequeas ni las grandes,
slo deja pasar las frecuencias que estn en una franja intermedia. Un ejemplo de filtro de paso
de banda es el siguiente:

+
=
caso otro en 0
si 1
) , (
2
2 2
1
r v u r
v u H

Tambin se consigue un filtro de paso de banda como una diferencia entre de dos filtros de
paso-baja, de la siguiente forma:
) , ( ) , ( ) , (
1 2
v u H v u H v u H =
siendo

> +
+
=
si 0
si 1
) , (
1
2 2
1
2 2
1
r v u
r v u
v u H ,

> +
+
=
si 0
si 1
) , (
2
2 2
2
2 2
2
r v u
r v u
v u H

con r
1
<r
2
. El filtro H
1
emborrona (elimina detalles y difumina los bordes) ms la imagen
original que el filtro H
2
, puesto que r
1
<r
2
.

Un filtro de parada de banda, tambin llamado filtro de muesca, es el siguiente:

n
D v u D
W v u D
v u H
2
2
0
2
) , (
) , (
1
1
) , (

+
=




siendo W el ancho de banda y D
o
el centro. Este filtro deja pasar las muy bajas frecuencias y las
muy altas frecuencias, atenuando las frecuencias en una banda intermedia.

Obsrvese, que si H(u,v) corresponde a un filtro de paso-baja entonces 1-H(u,v) corresponde a
un filtro de paso-alta. Anlogamente, un filtro de paso de banda es igual a 1 menos un filtro de
parada de banda.