Restauracion Imagenes Trans. Fourier PDF

Restauracin de Imgenes a partir de
Transformadas de Fourier
ERNESTO VARELA ARREGOCS

Departamento de Ciencias Bsicas
Docente Investigador
Grupo MATINCUC
Barranquilla 2011
Restauracin de Imgenes a Partir de Transformadas de Fourier
Tabla de Contenido
TABLA DE CONTENIDO ........................................................................................................... ...
................................................................................................... Error! Marcador no definido.
1. INTRODUCCIN. ......................................................................................................................3
2. PLANTEAMIENTO DEL PROBLEMA. ........................................................... 4
3. OBJETIVOS .......................................................... 5
3.1. Objetivo General .................................................................................................................. 5
3.2. Objetivos Especficos ............................................................................................................ 5
4. JUSTIFICACIN ......................................................................................................................... 6
5. ESTADO DEL ARTE.................................................................................................................... 7
6. MARCO TERICO ...................................................................................................................10
6.1. Introduccin ...................................................................................................................10
6.2. Elementos Matemticos ...............................................................................................10
6.2.1. De la Serie de Fourier a la Transformada de Fourier..10
6.2.2. De la serie de Fourier compleja a las FFT y DFT..17
6.2.3. Transformada de Fourier en dos dimensiones.22
6.3. Conceptos Preliminares del Procesamiento de imgenes..23
6.4. Tcnicas Bsicas del Procesamiento Digital de Imgenes (Restauracin)28
7. DELIMITACION..41
7.1. Delimitacin Espacial.41
7.2. Delimitacin Temporal.41
8. DISEO METODOLGICO..42
8.1.Objetos de Investigacin42
8.2. Fases de la Investigacin43

9. ANLISIS DE RESULTADOS.45
10. CONCLUSIONES Y RECOMENDACIONES.46
11. LISTA DE REFERENCIAS..47
1. INTRODUCCIN
La restauracin digital de imgenes es un procedimiento que desde sus orgenes en los
aos veinte ha sido motivo de preocupaciones de muchos cientficos. Esta es una ciencia
que abarca una serie de tales como: transformaciones, restauraciones, mejoramiento,
anlisis, reconocimiento de patrones entre otros.
Su importancia radica en la utilidad de estas tcnicas en diferentes reas del saber, tales
como: Biologa, Medicina, Astronoma, Historia, Geologa, Criminalstica, Fotografa, etc.
Por otro lado est el gran valor cientfico, tcnico y social que puede tener el resultado
del uso de estas prcticas.
En el presente informe se presentar la formulacin y planteamiento del problema,
seguidamente la justificacin por lo cual se considera necesario iniciar este proceso de
investigacin; se plantearn los objetivos generales y especficos, un breve recorrido del
estado del arte, el marco terico, la delimitacin de esta investigacin, el diseo
metodolgico, el anlisis de los resultados, conclusiones y lista de referencias
2. PLANTEAMIENTO DEL PROBLEMA

La necesidad de salvaguardar el patrimonio fotogrfico del Carnaval de Barranquilla es
una de las alternativas que los historiadores de esta ciudad y los investigadores de la
Cultura tienen olvidado y aunque son muchos los hacedores pocos han sido los
resultados en lo que al histrico fotogrfico respecta y en torno a las ciencias exactas, es
nulo su aporte en ese sentido, por ello se plantea la siguiente interrogante: Cul sera
el mtodo adecuado para el tratamiento digital de imgenes usando transformadas de
Fourier que permita la recuperacin de Imgenes Monocromticas del Carnaval de
Barranquilla?
3. OBJETIVOS.
3.1. Objetivo General.

Analizar el comportamiento de tres fotografas del Carnaval de Barranquilla usando
tratamiento digital de imgenes con Transformada de Fourier y otras tcnicas de
mejoramiento de imgenes usando MATLAB.
3.1. Objetivos Especficos
Diagnosticar el estado actual de las imgenes
Aplicar diferentes tcnicas de Filtrado de imgenes del Carnaval de Barranquilla
Analizar los resultados de este proceso
4. JUSTIFICACIN.
A partir del ao 2001 cuando el Carnaval de Barranquilla fue declarado Patrimonio
Cultural de la Nacin otorgada por el Congreso de Colombia y posteriormente en el
2003, cuando la UNESCO lo proclam Obra Oral e intangible de la Humanidad, se ha
notado un creciente inters por grupos de investigadores de diferentes mbitos
humansticos por recuperar diversos aspectos relacionados con el carnaval, pero pocos
se han preocupado por rescatar su pasado fotogrfico, siendo este un importante
asunto para su salvaguarda, actualmente no se cuenta con un adecuado registro
histrico de estas imgenes, y los esfuerzos por hacer un trabajo de restauracin
fotogrfica son pocos o aislados.
Ante la problemtica planteada, las ciencias exactas no pueden permanecer ajenas a

ella, ms bien deben constituirse en una herramienta que contribuya a resolver la
situacin. En la actualidad existen estudios relacionados con el tema del tratamiento
digital de imgenes, procesos de filtrado y reconocimiento de patrones desde la
inteligencia computacional y las matemticas avanzadas entre otras, logrando algunos
avances significativos en la materia.
Aunque en el mercado existen herramientas comerciales que podran hacer el trabajo

de recuperacin de fotografas con un cierto grado de calidad, o son de muy alto costo y
de difcil acceso o no arrojan los resultados esperados.
Esta es la razn de ser de esta propuesta, en la que se pretende hacer una revisin del
estado del arte, en lo que respecta al Tratamiento digital de imgenes usando
transformadas de Fourier, tcnicas de Filtrado en el dominio de la frecuencia y en el
dominio del espacio, para identificar cul de todas estas tcnicas se ajustan
dependiendo del nivel de deterioro de las fotografas, para rescatar 3 de ellas
relacionadas con el carnaval como pilar del proceso de recuperacin del pasado
histrico.
5. ESTADO DEL ARTE.

Actualmente, los estudios, anlisis y aplicaciones del procesamiento de imgenes
apuntan a tcnicas frecuentes de visualizacin computacional, segmentacin de
imgenes, identificacin de patrones para la restauracin visual, tcnicas de
colorimetra de imgenes, entre otros estudios. Este creciente avance en el desarrollo
de un sistema automtico de visin autnoma, ha generado la necesidad de
especialistas en este campo, por ello se ha incluido en muchos cursos de pregrado,
especializacin y maestra en reas de la computacin y de electrnica.
Entre muchos de los estudios relacionados con tratamiento de imgenes a nivel mdico,
podemos destacar al artculo escrito por Manuel Martnez Robles en el ao 2006,
titulado Deteccin de Astrocitoma Cerebral infantil aplicando segmentacin de
imgenes y morfologa matemtica [1]. En este trabajo se propone una alternativa al
proceso de segmentacin tradicional empleando separacin de canales y las
operaciones bsicas de morfologa matemtica, adems de proponer una modificacin
al sistema de color YIQ denominado R1G1B1, empleando operaciones como mezcla y
multiplicacin de imgenes, adems de una ordenacin vectorial por pixel, que permite
la eliminacin de ruido y la deteccin exacta de zonas de inters, basadas en umbrales
obtenidos mediante una fase de experimentacin en imgenes cromticas.
El aporte de este trabajo a esta investigacin radica en como a partir el mtodo de
segmentacin se hace un anlisis matemtico de alto nivel en lo que respecta al
tratamiento digital de imgenes mdicas.
Otro aporte en el contexto internacional es el planteado por los autores Hernn Bentez,
Clemente Ibarra-Castanedo, Abdelhakin Bendada, Xavier Maldague, Humberto Loaiza y
Eduardo Caicedo, titulado Procesamiento de imgenes infrarrojas para la deteccin de
defectos en materiales del ao 2007 [2], en donde se plantea el Ensayo Termogrfico
No Destructivo (ETND) es una tcnica de la evaluacin no destructiva de materiales en la
cual la superficie de una muestra de material es estimulada trmicamente para producir
una diferencia de temperatura entre las reas no defectuosas y las reas eventualmente
defectuosas. Estos cambios de temperatura son adquiridos mediante una cmara
infrarroja y posteriormente se aplican etapas de procesamiento, dada la distorsin
generada por el ruido, para detectar y/o caracterizar los defectos en el material. En este
artculo se analizan y comparan experimentalmente varios de estos mtodos de
procesamiento y se profundiza en la tcnica CAD (Contraste Absoluto Diferencial)

modificado por Cuadrupolos Trmicos.
En este caso el aporte de este trabajo a la investigacin radica en la utilidad del
procesamiento de imgenes y su aplicacin a anlisis termogrfico es decir a los grficos
a partir de temperaturas.
Para el ao 2008 Elas Garca Santilln public su tesis titulada Deteccin y clasificacin
de objetos dentro de un saln de clases empleando tcnicas de procesamiento digital de
imgenes [3], quien describe las tcnicas empleadas para realizar un sistema de
reconocimiento automtico de objetos. Inicialmente, este sistema se plante para
ayudar a personas invidentes en el reconocimiento de objetos en su entorno; pero
debido a la problemtica existente en el diseo de algoritmos generales para el
reconocimiento, se propuso la implementacin del proyecto dentro de un saln de
clases, limitndose a reconocer 10 objetos pequeos.
La importancia de este trabajo para la investigacin radica en como las tcnicas de
tratamiento digital de imgenes pueden aplicarse tambin para el reconocimiento de
objetos, es decir, para la visin computacional.
Otro artculo revisado fue el propuesto por los autores P. Arndiga, P. Cohen, P. Mulet,
D.F. Yez. Titulado Nuevas tcnicas de multiresolucin utilizando procesos
estadsticos de aprendizaje del ao 2009 [4], en donde los autores comentan que la
compresin de imgenes ha permitido el desarrollo de tcnicas matemticas en anlisis
funcional aplicndolo a la multiresolucin usando dos tipos de interpolacin: de
aproximacin y prediccin a partir de tcnicas de aprendizaje estadstico, dando as un
nuevo enfoque al problema. Se mostraron los avances en este tratamiento y su uso en
la compresin de imgenes digitales.
El aporte de este trabajo radica en mostrar otro aspecto matemtico en torno a una de
las tcnicas de anlisis del procesamiento de imgenes, la compresin.
En el mbito nacional, la bsqueda de informacin tambin permiti encontrar la tesis
de maestra publicada en el 2011 titulada Representacin Eficiente de Imgenes
Volumtricas de Resonancia Magntica Cardiaca (CMR) Usando JPEG2000 [5], quien
comenta que el alto impacto de las imgenes en el mbito mdico ha permitido: a los
especialistas brindar un mejor diagnstico, la creacin de nuevas aplicaciones para el
aprendizaje y transmisin de conocimientos y el soporte al diagnstico en lugares
apartados. El desarrollo de diferentes mtodos para la adquisicin de este tipo de
imgenes ha generado una enorme cantidad de informacin mdica disponible. Sin
embargo, el manejo de este gran volumen de datos es complejo y requiere el desarrollo
de mtodos de compresin que no solo optimicen el espacio, sino que describan
representaciones flexibles que permitan acceder de forma eficiente a porciones

particulares de inters. Estas caractersticas hacen parte fundamental del estndar
JPEG2000 (J2K), el cual ha demostrado ser una de las estrategias con mayor eficiencia en
la reduccin de tamao de los datos generados por los sistemas de captura. Esta tesis
presenta una extensin ptima del estndar J2K para volmenes de imgenes mdicas,
que mejora las tasas de compresin hasta en un 14 %, manteniendo los tiempos de
codificacin y decodificacin similares a las implementaciones bidimensionales ya
existentes. Esta extensin fue realizada sobre una implementacin convencional de
estndar J2K en dos dimensiones (JJ2000), y evaluada en dos data set de imgenes de
Resonancia Magntica, el primero con 8 estudios de corazn y el segundo con 40
volmenes de cerebro.
El aporte de este trabajo a esta investigacin radica en como a partir de tcnicas de
compresin se pueden manejar volmenes de informacin ms altos a la hora de hacer
capturas por procesos de digitalizacin, mostrando una vez ms la trascendencia de los
estudios de procesamiento de imgenes.
6. MARCO TERICO
6.1. Introduccin.
En esta seccin se mencionan algunos de los aspectos trascendentes a considerar del
tratamiento digital de imgenes a partir de transformadas de Fourier, sus elementos
matemticos, conceptualizacin de tratamiento de imgenes, algunas tcnicas con sus
programas respectivos.
6.2. Elementos Matemticos

6.2.1. De la serie de Fourier a la Transformada de Fourier.
Segn lo planteado por Ricardo Arteaga en su Tesis: Reflexiones sobre la aplicacin de

la transformada de Fourier al procesamiento Digital de Imgenes [6] , para poder
hablar de Transformadas de Fourier se hace necesario empezar hablando de Series de
Fourier, pasando por Integral de Fourier, integral compleja de Fourier para llegar por
ltimo a la Transformada de Fourier.
Serie de Fourier: Considrese f una funcin de Riemman integrable en un intervalo
cerrado
[-L, L], la serie:
[
Se denominar la serie de Fourier de f en [-L,L], con

[-L,L], cuyos valores son:
( )
( )
( )
)]
coeficientes de Fourier en
10
Teorema: Convergencia de las series de Fourier. Sea ( )una funcin peridica con
periodo 2 y continua por partes en el intervalo [-,]. Adicional, se asume que ( )
tiene derivadas por la izquierda y la derecha en cada punto de este intervalo. Entonces
la serie de Fourier de ( ) converge. Su suma es ( ), excepto en los puntos donde
( ) es discontinua. All la suma de la serie es el promedio de los lmites izquierdo y
derecho de ( ) en .
Demostracin: Integrando por partes se tiene que:
( )
( )
( )
Evaluando el primer trmino se observa que es 0 e integrando por partes el segundo

trmino se tiene que:
( )
( )
El primer trmino es cero a raz de la periodicidad de ( ). Como la segunda derivada

de la funcin ( ( )) es continua en el intervalo de integracin se tiene que:
( )|
Siendo M una constante apropiada. Adems, |
( )
Haciendo el mismo procedimiento para
. Esto implica que:
se obtiene que: |
para cualquier n.
Esto significa que el valor absoluto de cada trmino de la serie de Fourier de la funcin
( ) es como mximo igual al correspondiente trmino de la serie:
11
Lo cual es convergente. Por lo tanto la serie de Fourier es Convergente.
Integral de Fourier: Dennis G Zill en su libro de Matemticas Avanzadas para Ingeniera

Vol 2.[7] Encuentra el valor de la integral de Fourier partiendo de la siguiente situacin:
Supongamos que una funcin f est definida en un intervalo [-L,L]. Si partimos de las
definiciones de los valores de , , de la serie de Fourier de una funcin f en dicho
intervalo se tiene que:
( )
( )
( )
[( ( )
Si consideramos
( ( )
entonces la expresin ( ) se convierte
en:
( )
( )
( ( )
[( ( )
( ( )
Ahora al expandir el intervalo [-L,L] haciendo que L
entonces el limite tiene la forma

( )
la integral
( )
. Por lo tanto si
( )
(2) es cero y el lmite de la suma se convierte en:
implica entonces que

,
, la cual sugiere la definicin de
existe, el lmite del primer trmino de
12
( ) ( )
[( ( )
( ( )
A este resultado se la llama integral de Fourier de f en (
).
Con base en este resultado podemos afirmar que:
La integral de Fourier de una funcin f definida en (
( )
( )
[ ( )
) est dada por:
( )
Dnde:
( )
( )
( )
( )
( )
( )
Teorema de las condiciones de convergencia de la integral de Fourier: Sean

continuas en cada intervalo finito, y sea absolutamente integrable en el intervalo
(
) ( es decir que la integral | ( )|
converge). Entonces la integral de Fourier
de en el intervalo converge hacia ( ) en un punto de continuidad. En un punto de

discontinuidad, la integral de Fourier converger hacia el promedio:
(
Donde ( ) y (
respectivamente.
) expresan el lmite de en x desde la derecha y desde la izquierda,
13
), entonces
Integrales seno y coseno: Cuando es una funcin par en el intervalo (
el producto ( )
lo es tambin, mientras que ( )
es una funcin impar.
Como consecuencia de la propiedad
( )
cuando ( ) es par entonces, la
expresin (6) es cero, por lo que se convierte en:
( )
( ( )
o ms formalmente:
( )
( )
Dnde:
( )
( )
A esta expresin se llama integral Coseno de Fourier. De forma similar, cuando es una
) , los productos ( )
funcin impar en (
y ( )
son funciones
( )
impares
y
pares,
respectivamente
por
lo
tanto
y
( )
( ( )
o ms formalmente:
( )
Dnde:
( )
14
( )
( )
A esta expresin se llama integral Seno de Fourier.

Forma Compleja de la Integral de Fourier: La integral de Fourier (4) puede reformularse
en forma compleja o en formulacin exponencial reemplazando los valores de (5) y (6)
en (4), resultando la siguiente expresin:
( )
( )[
()
()
Esto debido a que el integrando es una funcin par de

integrando obtenemos:
( )[
)]
Esto debido a que:
()
Por lo tanto:
y sumndole un cero al
15
()
( ()
Ahora como el integrando es una funcin impar de

como:
( )
estre resultado puede expresarse
( )
Que es la forma compleja de la Integral de Fourier dnde:

( )
( )
Transformada de Fourier (TF): Esta se obtiene a partir de la forma compleja de la

integral de Fourier y la podemos definir de la siguiente manera:
Sea una funcin suave a trozos y absolutamente integrable en todo x, la transformada

de Fourier de se define como:
( )
( )
La transformada es el coeficiente de la integral compleja de Fourier y adems esta

expresin acompaa a las funciones seno y coseno debido a que
,
esta representa la componente sinusoidal de una seal. Por ello es que la TF se usa para
la generacin de espectros de frecuencia de seales. Por otro lado la magnitud del
coeficiente complejo, lo que representa es la amplitud y el ngulo fase de las
componentes respectivas.
16

6.2.2. De la Serie Compleja de Fourier a las FFT y DFT
Serie de Fourier Compleja: Se refiere a reformular a la serie de Fourier pero en trminos

de variables complejas.
Partiendo del hecho de que es una funcin definida en el campo de los Reales y que
tiene un periodo L entonces la serie de Fourier es:
)]
Consideremos que esta expresin es integrable en un intervalo [
] y llamemos
entonces:
)]
Por otro lado la forma de exponencial compleja de las funciones seno y coseno es:
Entonces:
)]
17
Reorganizando la expresin:
[ (
Tomemos ahora:
Remplazando en la serie resulta:
As:
()
Para
tenemos que:
(
18
( )
( )[
( )
)]
( )
Por lo tanto para:
( )
( )
Con base en esto se tiene que:
( )
( )
( )
Que corresponde a la forma compleja de la serie de Fourier. Formalmente la definimos

de la siguiente manera:
19
Sea una funcin con periodo fundamental L. Sea
. Entonces la serie de Fourier
compleja de es:
Dnde:
( )
Con
valores de
son los coeficientes complejos de .
Transformada Discreta de Fourier (DFT): Como lo que se requiere es calcular los

coeficientes complejos que representan la transformada de Fourier de una secuencia de
nmeros reales (seal discreta), es decir si
son puntos uniformemente
] entonces los valores funcionales correspondientes son:
espaciados en el intervalo [
( ) ( ) ( )
( ) como lo indica la figura:
Figura1. Muestreo de una funcin contina
que son los que representan el muestreo de la funcin . Para que esto se verifique
supongamos que tiene un periodo L. Entonces la serie compleja de Fourier es:
20
Con
y coeficientes complejos:
( )
Haciendo un cambio de lmites de integracin, aprovechando la periodicidad de la

funcin y se reemplaza el valor de
Entonces el valor de
0 y se obtiene:
( )
puede ser cualquier real, por conveniencia tomemos como valor
( )
Para
Ahora, aproximando a
efecto se hace una equiparticin del intervalo [
.
con una suma de Riemann, para tal

] entre N subintervalos de longitud
( )
Debido a que
es un punto en cada subintervalo [
de este intervalo y se obtiene:
] se escoge el lmite inferior
21
( )
( )
A este trmino se le conoce como DFT. Se acostumbra a definirla sin usar
Formalmente se puede definir como sigue:
Sea
. Definamos a
transformada discreta de
{ }
una secuencia de nmeros complejos. Entonces la
es la secuencia
definida por:
Para
La Transformada Rpida de Fourier (FFT): FFT es la abreviatura usual (del ingls Fast
Fourier Transform) de un eficiente algoritmo que permite calcular la transformada de
Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia
variedad de aplicaciones, desde el tratamiento digital de seales y filtrado digital en
general a la resolucin de ecuaciones diferenciales parciales o los algoritmos de
multiplicacin rpida de grandes enteros. El algoritmo pone algunas limitaciones en la
seal y en el espectro resultante.
Este es Uno de los algoritmos aritmticos ms ampliamente utilizados es la

transformada rpida de Fourier, un medio eficaz de ejecutar un clculo matemtico
bsico y de frecuente empleo. La transformada rpida de Fourier es de importancia
fundamental en el anlisis matemtico y ha sido objeto de numerosos estudios. La
aparicin de un algoritmo eficaz para esta operacin fue una piedra angular en la
historia de la informtica.
22
Las aplicaciones de la transformada rpida de Fourier son mltiples. Es la base de

muchas operaciones fundamentales del procesamiento de seales, donde tiene amplia
utilizacin. Adems, proporciona un medio oportuno para mejorar el rendimiento de los
algoritmos para un conjunto de problemas aritmticos comunes.
6.2.3. Transformas de Fourier en dos dimensiones
Sea una funcin
) de variables discretas espaciales con
y sea
valores:
la Transformada discreta de Fourier en
2D, est dada por:

(
Para u= 0,1,2,3,,M-1 y v= 0, 1,2,3,, N-1 y adems la Transformada Inversa de Fourier

en 2D es:
(
Para
6.3. Conceptos Preliminares

Para hablar de procesamiento digital de imgenes, se definirn algunos conceptos
previos:
Imagen: Todos tenemos un preconcepto de lo que es una imagen, entendindose como
el hecho u objeto que percibe el sentido de la vista, sin embargo una definicin ms
formal puede ser la planteada por Martn Sanabria, en su libro Informacin audiovisual:
teora y tcnica de la informacin radiofnica y televisiva[8]:
Desde el punto de vista fsico como la reproduccin de la estructura fsica de un objeto,
su apariencia exterior, que por tanto representa algo de lo que conserva su presencia,
gracias a lo cual puede reconocerse y memorizarse. Es la forma la que realmente se
memoriza y permite la identificacin posterior. Por lo que sin una experiencia previa no
resultara reconocible
23
Este concepto implica que la imagen es el resultado de la ejercitacin del sentido de la

vista, nuestro cerebro de forma natural descifra la estructura simple que la compone,
pero necesita hacer un esfuerzo mayor cuando esta no es reconocida tornndose en
compleja. Por lo anterior, todas las imgenes estn creadas para ser percibidas y por lo
tanto mediadoras entre el receptor y la realidad.
Imagen Digital: Podemos definir la como la representacin binaria (0 y 1) en una matriz
de una imagen. Esto depende habitualmente de la resolucin y de si esta es esttica o
dinmica, pueden ser grficos rasterizados (bitmaps) o grficos vectoriales.
Segn Jorge Vettorazzi en su tesis Restauracin de imgenes distorsionadas mediante
tcnicas de procesamiento digital y comparacin entre dos mtodos de restauracin de
2007, comenta que una imagen puede representarse matemticamente como una
funcin de 2 variables, (
) que equivale a la intensidad de la luz, donde x e y son las
posiciones en
y el valor de es proporcional a la intensidad de brillo o al nivel de gris
de la imagen en dicho punto, para imgenes monocromticas.
A una imagen se le llama Digital cuando los valores de amplitud de
son
discretos. Esto puede ser visualizado solo al muestreo y la cuantizacin de una
imagen, o simplemente digitalizacin de la imagen.
Por ejemplo, en este caso se tiene una matriz cuadrada de orden 5 que representa una
variacin que al ser mostrada como imagen:
Figura 2. Los valores de 1 representan el color blanco y los ceros representan el color negro. [1]
Pixel: Es el acrnimo formado por 2 palabras en ingls Picture (imagen) y element

(elemento) y representa a la mnima unidad de una imagen o al elemento ms pequeo
de una imagen.
Ruido de una Imagen: Es la distorsin que puede sufrir una imagen al momento de ser
digitalizada, es decir cuando el valor de un pxel no corresponde al correcto.
Imagen a blanco y negro: Este es el resultado de combinar en una matriz, pixeles
blancos y negros que se ordenan para formar la adecuada tonalidad de grises, a este
proceso se le llama dithering.
24
Imagen a escala de grises: En este caso, el valor que tiene cada pixel corresponde a
algunos de las variaciones de los 256 valores de gris, pasando desde el valor del color
negro (cero), hasta el blanco (255). Habitualmente la imagen va mostrando pequeos
cambios de tonalidad con la variacin de valores de gris. La calidad de una
representacin grfica en estos tonos, es decir la nitidez, es lo que marca la pauta para
la magnitud de los pxeles y por ende el nmero total de ellos de una imagen, aparte de
ello cuanta ms alta sea la resolucin, las variaciones de tonalidades de gris sern ms
sutiles y por lo tanto mayor calidad de la misma, una mejor representacin, mejor
resolucin, pero computacionalmente implica mayor recuso de mquina.
Empleando MATLAB, una imagen en escala de grises con un foco central puede ser
construida como sigue:
%Coordenadas del foco (a,b)
a=150;
b=150;
%Construccin imagen MxN
M=300; N=300;
for x=1:M;
for y=1:N;
I(x,y)=(255-sqrt((x-a)^2+(y-b)^2))/255;
end
end
imshow(I)
El resultado es el siguiente:
Figura 3. Iluminacin por focos
25
Histograma de una Imagen: Se refiere al nmero de pxeles con igual valor de la escala
de gris. Este aspecto calcula la probabilidad de distribucin P(b) de diferentes niveles de
gris de una representacin grfica. Matemticamente se define como:
( )
b corresponde al nivel de gris y L el posible nmero de niveles de gris.

Se puede calcular el valor de la probabilidad P(b) dividiendo el nmero de pxeles con
niveles de gris entre el total de pxeles de la imagen, es decir:
( )
( )
Entre las caractersticas que se pueden evidenciar con el histograma estn el tipo de
fondo de la imagen y el contraste.
A continuacin se mostrar un ejemplo y el cdigo en MATLAB del histograma de una
imagen en escala de grises :
clc
I=imread('antonia.tif');
imshow(I)
figure, imhist(I)
Figura 4. Imagen de Toa Primera Reina de 1926.
26
Figura 5. Histograma de la imagen de Toa Primera en MATLAB.
6.4. Tcnicas Bsicas del Procesamiento Digital de Imgenes (Restauracin)

La intencin de usar las tcnicas de procesamiento de imgenes es buscar la forma de
transformar su apariencia; para lograr esto se hace necesario analizar las condiciones
iniciales en que se encuentra la imagen e identificar cul de estas es la que mejor se
ajusta para mejorar la calidad. Estos mtodos se clasifican en dos grandes campos:
Primero en el Dominio de la Frecuencia y segundo en el Dominio del Espacio. Los
primeros se basan en la aplicacin de la transformada de Fourier y los segundos en la
manipulacin de los pixeles de la imagen.
A continuacin se describir algunas de las tcnicas empleadas
Modificacin del Histograma: Esta es una tcnica que va enfocada hacia la mejora
de la calidad de la imagen de forma global. En el eje de las x se representa el nmero de
pxeles de la imagen y en el de las y los valores del rango de estos pxeles.
Expansin de Contraste: Se refiere a
que dada una diferencia de tonos de grises (
) con respecto a la
diferencia que se tiene con el dispositivo de visualizacin de la imagen digital (ya sea el
monitor o una impresin fotogrfica (laser, burbuja, matriz de puntos, etc.,) en
diferentes tipos de papel (
). Esto genera una prdida del nivel de
contraste, es decir no hay mucha variacin de las tonalidades claras y oscuras.
Matemticamente se transforman estos valores de grises en otros de mayor rango que
se adapte a la capacidad del medio de visualizacin.
27
Estiramiento Lineal: Es de los mtodos ms sencillos de efectuar contraste. La idea

consiste en encontrar alguna funcin que se ajuste a la variacin de grises
y
se pueda convertir en los valores de la visualizacin
y
, debido a
que
=
y
=
el resto de los valores del rango se transformarn
de acuerdo a la siguiente expresin lineal:
Donde a es un valor peso o compensatorio (offset) y una ganancia. Se puede hacer

algunos procesos de transformaciones lineales haciendo ajustes en las tonalidades de
grises, por ejemplo:
{
[
(
]
]
que es una de las transformaciones lineales ms simples, en donde a que es la

pendiente que se determina por la relacin: T(160)=255, esto indica que a*160=255
entonces a = 255/160 y a toma el valor de 1,59375. Como la pendiente tiende a un valor
de pequeo que se acerca a 1 disminuye su contraste en el intervalo entre [0, 160]
I=imread('Antonia.tif');imshow(I);
I1=im2double(I);I2=I1;
for n=1:256,
for m=1:256,
I2(m,n)=I1(m,n)*255/160;
if I2(m,n)>1,
I2(m,n)=1;
end
end
end
figure, imshow(I2)
Figura 6. Imagen de Toa Primera sin proceso de Transformacin.
28
Figura 7. Imagen de Toa Primera Transformada con Estiramiento Lineal y su histograma respectivo
Filtrado en el dominio del espacio: Consiste en aplicar a una imagen rster (o matriz
rasterizada, es decir es una matriz regular de celdas de un rea determinada) una
operacin que permite suprimir detalles no deseados con la intencin de mejorar su
representacin visual. Por ejemplo, estn los que hacen reparacin de los bordes, o
reduccin de los patrones de ruido de la misma. La operacin modifica el valor de cada
pxel con base en los valores de los pxeles circundantes; se transforman tonos de gris de
la imagen, de forma que sean similares o un poco diferentes a los que lo rodean.
Frecuencia Espacial: Es una de las caractersticas de las imgenes rasterizadas,

indica que la magnitud de los cambios por unidad de distancia en una zona en particular
de la imagen. Cuando se han hecho pequeos cambios en algunas reas de la imagen,
se denominan reas de bajas frecuencias. Las reas a las que se le han hecho cambios
notorios o transiciones rpidas, son llamadas reas de altas frecuencias. Los filtros en el
dominio del espacio se pueden clasificar como siguen:
1. Filtros Paso Bajo: Este Filtro resalta las frecuencias bajas, suaviza las imgenes y
reduce el ruido de la imagen. El objetivo es hacer que cada pixel tenga un tono de gris
similar al de los pxeles vecinos, esto hace que se reduzca la variabilidad del espacio
entre cada pixel de la imagen y adems reduce la intensidad de los bordes, perdiendo
nitidez pero se gana homogeneidad.
En el siguiente ejemplo se hace un proceso de deteccin de bordes de una imagen con
tres tipos de filtros paso bajo: Sobel, prewitt y canny.
29
Figura 8. Imagen de Olga Heilbrun de 1926 sin procesos de filtrado.
Figura 9. Imagen de Olga Heilbrun con Filtro Sobel para detectar bordes.
Figura 10. Imagen de Olga Heilbrun con Filtro Prewitt para detectar bordes.
30
Figura 11. Imagen de Olga Heilbrun con Filtro Canny para detectar bordes.
El cdigo en MATLAB respectivo para estos filtros es el siguiente:
I=imread('olga.tif');
imshow(I)
B1=edge(I,'sobel');
B2=edge(I,'prewitt');
B3=edge(I,'canny');
imshow(B1)
figure,imshow(B2)
figure, imshow(B3)
2. Filtros Paso Alto: Estos filtros hacen nfasis en las altas frecuencias, mejoran las
caractersticas de tipo lineal (calles, carreteras, edificios, etc). Es el proceso opuesto a
los filtros paso bajo, debido a que reducen al mximo las bajas frecuencias.
3. Filtros Detectores de Bordes: En este caso las operaciones con los datos de los pxeles,
hacen mayor nfasis en los bordes que rodean a la imagen, facilitando su proceso de
anlisis. Normalmente estos filtros lo que hacen es crear una imagen en fondo negro y
lneas blancas y grises, rodeando los bordes de la figura y otros elementos de la imagen.
Entre los filtros detectores de bordes estn

direccional, Canny entre otros.
Roberts, Sobel, Prewitt, Laplaciano,
31
a. Filtro Roberts. Usa la derivada para calcular el grado de separacin de los diferentes
niveles de grises vecinos. Especficamente usan derivada parcial en dos dimensiones.
La expresin matemtica que verifica este comportamiento es la siguiente:
| (
| (
)|
)|
Este borde es funcional para bordes diagonales y para posicionamiento de pxeles. De

sus principales inconvenientes es su sensibilidad a los niveles de ruido, dificultando el
perfilado de la imagen.
b. Filtro Sobel. Tiene el siguiente comportamiento matemtico:
(
Donde los valores de
Y los valores de
vienen dados por:
los valores de la matriz:
Que representan a una matriz de convolucin y viene dada por los siguientes gradientes:
32
Gradiente Fila:
Gradiente Columna
Este se verifica para cuando K=2 y lo que proporciona es una inmunidad al ruido
involucrando a los vecinos adyacentes de filas y columnas, Este filtro es mucho ms
sensible a los bordes diagonales que el de Prewitt (K=1), pero visualmente no es muy
notoria la diferencia entre ellos.
c. Filtro Laplaciano. Este filtro aplica la segunda derivada a partir de la expresin del
Laplaciano:
(
(
)
(
(
)
)
(
Cuyo Kernel es:
Este mtodo se fundamenta en la creacin de una mscara que hace destacar el

aumento de los niveles de gris, cuya variacin respecto a su vecindad, es significativa.
Tambin es llamado filtro Sharpening, es decir enfoque de la imagen, debido al resalte
de detalles finos, bordes y otros aspectos como resultado de su aplicacin.
d. Filtros Direccionales. Son usados para determinar estructuras que siguen una
direccin en el espacio destacando los pxeles que estn en los lados de la estructura de
la imagen.
33
En los procesos de filtrado en el dominio del espacio, se usa frecuentemente, procesos

de convolucin y kernel de convolucin. Consiste en lo siguiente:
Una matriz rectangular bidimensional conocida con el nombre de ventana, contiene

unos valores ponderados respecto a la imagen en cada posicin del pixel. Se hace un
clculo a partir del pixel que est en el centro de la ventana (posicin central de la
matriz), de acuerdo a los otros que lo rodean con sus respectivos valores de
ponderacin. Luego se desplaza la ventana sobre el siguiente pixel, repitiendo el mismo
procedimiento. A estos clculos de evaluar la vecindad ponderada se denomina
convolucin bidimensional y a la matriz de filtro, kernel de convolucin.
Filtrado en el Dominio de la Frecuencia: En este Dominio tambin se hacen

procesos de filtrado con un nivel ms alto de comprensin que en el Dominio del
espacio, debido a que en este, se conoce en donde estn ubicados los distintos rangos
de frecuencia. De forma que en vez de usar la convolucin se efecta un producto:
(
Donde (
) es la imagen en el dominio de la frecuencia (es decir, es la transformada
de Fourier discreta de la imagen original en dos dimensiones), sin embargo es un
problema encontrar el valor de (
) (o filtro atenuador de frecuencias) debido a la
dependencia del filtro que se quiera usar.
Este procedimiento permite hacer prcticas tales como: mejoramiento de la imagen,
restauracin, compresin y reconocimiento de patrones.
El esquema de cmo se realiza el filtrado de una imagen se muestra a continuacin:
34
Existen tres tipos de filtrados en el dominio de la frecuencia: filtro paso bajo, filtro
paso alto, filtro paso banda.
1. Filtro Paso bajo. Se caracteriza por atenuar las frecuencias ms altas sin modificar
las bajas. En el dominio de la frecuencia tambin es reconocido como filtro de suavizado,
en el que las frecuencias altas filtradas son equivalentes a cambios altos de intensidad.
A continuacin se mostrar un ejemplo de un filtro paso bajo ideal con su codificacin
en MATLAB:
clc
[u,v]=freqspace(25,'meshgrid');
H=sqrt(u.^2+v.^2)<0.5;
meshz(u,v,H)
Figura 12. Espectro de un filtro paso bajo ideal en MATLAB.
A continuacin se muestra un filtro paso bajo ideal con su respectiva codificacin en

Matlab, con la imagen original, la imagen filtrada, su espectro original y el espectro de la
imagen filtrada.
clc
A=double(imread('fiesta.tif','tif'));
DFT_A=fft2(A);
% Centro el espectro
DFT_A=fftshift(DFT_A);
% Se coonstruye un filtro ideal pasabajos
D0=f/1/3;
PasabajosIdeal=zeros(f,c);
for i=1:f
35
for j=1:c
D=sqrt((i-f/2)^2+(j-c/2)^2);%
Se
determina
la
distancia al centro del
% punto (i,j)
if D<D0
PasabajosIdeal(i,j)=1;
end
end
end
% Se multiplica la transfomada de la imagen por el filtro
ideal
DFT_A_filtrada=DFT_A.*PasabajosIdeal;
% Se
Multiplica elemento a elemento
% SE aplica la DFT inversa
A_filtrada=ifft2(DFT_A_filtrada);
% Se toma el modulo para descartar cualquier residuo de
tipo complejo
A_filtrada=abs(A_filtrada);
figure, imshow(uint8(A))
title('Imagen original')
figure, mesh(abs(log(DFT_A+1)))
title('Espectro de la imagen original')
figure, mesh(abs(log(DFT_A_filtrada+1)))
title('Espectro de la imagen filtrada')
figure, imshow(uint8(A_filtrada))
title('Imagen filtrada')
figure, imshow(PasabajosIdeal)
title('Filtro pasabajos ideal')
Figura 13. Imagen de un Filtro Paso bajo ideal
36
Figura 14. Imagen original de La gran fiesta de 1926 organizada bajo el mandato de la
Reina Olga Heilbrun de 1926 y la misma imagen con Filtro Paso bajo ideal.
Figura 15. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
Veamos una aplicacin de un tipo de filtro paso bajo en el dominio de la frecuencia

llamado sal y Pimienta con su cdigo en Matlab:
clc
I0=imread('fiesta.tif');
I=imnoise(I0,'salt & pepper',0.02);
imshow(I)
I=im2double(I);[M,N]=size(I);
F=fft2(I);
Hb=lpfilter('btw',M,N,25);
G=Hb.*F;
I1=real(ifft2(G));
figure,imshow(I1)
.
37
Figura 16. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
2. Filtro Paso Alto. Se caracteriza por atenuar las bajas frecuencias sin cambiar las altas.
Esto se debe a que las frecuencias altas son los cambios bruscos a nivel de densidad. Las
ventajas de este tipo de filtros radican en las mejoras que ofrecen en la deteccin de
bordes en el dominio del espacio, debido a la gran cantidad de estas frecuencias,
fortaleciendo el contraste de la imagen.
El cdigo correspondiente en Matlab y sus grficas se muestran a continuacin:
%%%%% FILTRO PASO ALTO %%%%%

clear all; % Elimina variables utilizadas en otras rutinas
% Rango de frecuencias
d1 = 0; d2 = 6; puntos = 10000;
w = logspace(d1, d2, puntos);
% Funcin de transferencia
R = 1; L = 0.001;
s = i*w;
H = s./(s + (R/L));
% Clculos
modulo = abs(H);
atenuacion = -20*log10(modulo);
fase = (180/pi)*unwrap(angle(H));
Hc = max(modulo)/sqrt(2);
bandapaso = find(modulo<=Hc); n = length(bandapaso); wc =
w(n);
% Representacin grfica
subplot(3, 1, 1);
semilogx(w, modulo, 'b', 'LineWidth', 2);
grid on;
38
xlabel('Frecuencia angular (rad/s)', 'FontName', 'Times',

'Fontsize', 14);
ylabel('Mdulo', 'FontName', 'Times', 'Fontsize', 14);
axis([w(1), w(puntos), -(1/4)*max(modulo),
(3/2)*max(modulo)]);
set(gca, 'xtick', [w(1) wc w(puntos)], 'FontName', 'Times',
'Fontsize', 12);
set(gca, 'ytick', [0 Hc max(modulo)], 'FontName', 'Times',
'Fontsize', 12);
title ('Filtro paso alto', 'FontName', 'Times', 'Fontsize',
24);
subplot(3, 1, 2);
semilogx(w, atenuacion, 'b', 'LineWidth', 2);
grid on;
'Fontsize', 14);
ylabel('atenuacion', 'FontName', 'Times', 'Fontsize', 14);
axis([w(1), w(puntos), min(atenuacion), max(atenuacion)]);
'Fontsize', 12);
set(gca, 'ytick', [0 atenuacion(n)], 'FontName', 'Times',
'Fontsize', 12);
subplot(3, 1, 3);
semilogx(w, fase, 'b', 'LineWidth', 2);
grid on;
'Fontsize', 14);
ylabel('Fase ()', 'FontName', 'Times', 'Fontsize', 14);
axis([w(1), w(puntos), -(3/2)*max(abs(fase)),
(3/2)*max(abs(fase))]);
'Fontsize', 12);
clear all; % Elimina las variables utilizadas en esta
rutina
39
Figura 17. Imagen de Filtro ideal Paso alto en Matlab.
3. Filtro paso-banda. Este filtro se caracteriza por tomar un solo tipo de frecuencia, si
toma un valor de frecuencia muy alta, se observar un valor mayor parte de la
informacin de la imagen; de igual manera si toma una frecuencia muy baja se ver solo
la informacin que las frecuencias permitan pasar manteniendo una banda de rango
medio
Existen otros tipos de filtros tales como filtrados morfolgicos, de textura, geomtricos
que sern temas para investigaciones futuras.
40
7. DELIMITACIN
7.1. Delimitacin Espacial.
El estudio se centraliza en el anlisis de fotografas relacionadas con el carnaval de
Barranquilla
7.2. Delimitacin Cronolgica

El tiempo de desarrollo de este proceso de investigacin implica el periodo
comprendido entre los meses de marzo y noviembre del ao 2011.
41
8. DISEO METODOLGICO
8.1. Objetos de Investigacin.
Los objetos de investigacin son tres imgenes escaneadas, recortadas y reducidas a
tamao de 256 x 256 pixeles, estas fotos fueron facilitadas por el Museo Romntico de
la ciudad de Barranquilla.
Imagen de Toa Primera Reina del Carnaval de Barranquilla de 1924, esta imagen no
fue tomada de papel fotogrfico, sino de un recorte de peridico de la poca. En l se
observa un nivel de deterioro en diferentes zonas, sobre todo en los bordes superior
derecho, debajo del rostro y del borde inferior izquierdo.
Imagen de Olga Heilbrun, Reina del Carnaval de Barranquilla de 1926, esta imagen
muestra un nivel de deterioro en el borde izquierdo y en algunas zonas, debajo de la
42
firma que aparece en la fotografa, por otro lado tiene tambin un nivel de deterioro en
el fondo, debido al mal proceso de conservacin de la imagen.
Imagen de la gran fiesta organizada en 1926 por el mandato de la Reina del Carnaval
de esa poca Olga Heilbrun.
8.2. Fases de la Investigacin.

las fases de esta investigacin son las siguientes:
Fase 1. Entrevista con el actual director del Museo Romntico de Barranquilla ALFREDO
DE LA ESPRIELLA para la consecucin de 3 fotografas deterioradas y explicarle la
importancia del proyecto.
Fase 2. Revisin del Estado del arte en torno al tema de digitalizacin, tratamiento y
restauracin de imgenes y sus aplicaciones en otras reas del saber.
Fase 3. Realizacin de un estudio del deterioro de las fotografas de muestra y
seleccionar que mtodos se ajustan para su recuperacin.
Fase 4. Aplicacin de pruebas piloto de programacin en MATLAB para visualizar el
comportamiento de forma que:
Se Suavice la imagen: reducir la cantidad de variaciones de intensidad entre

pxeles vecinos.
43
Se Elimine ruido: eliminar aquellos pxeles cuyo nivel de intensidad es muy

diferente al de sus vecinos y cuyo origen puede estar tanto en el proceso de
adquisicin de la imagen como en el de transmisin.
Fase 5. Validacin de los resultados obtenidos de las pruebas piloto y sistematizacin de

la experiencia.
44
9. ANLISIS DE RESULTADOS
Despus de haber aplicado las tcnicas ya mencionadas a lo largo de este trabajo, en
cada fotografa se observa en el caso Toa Primera el Estiramiento Lineal mejor la
iluminacin, el rostro se ve con mucha ms claridad siendo que no es papel fotogrfico
sino un recorte de peridico de 1924, sin embargo se nota mucho ms el deterioro de
los bordes y de las zonas con dao a raz del mal proceso de conservacin que se lleva
en el museo, por otro lado, el histograma respectivo muestra el cambio generado en la
tonalidad de grises (Ver figura 7).
Por otro lado, la imagen de Olga Heilbrun que se le aplic Filtrado en la frecuencia del
espacio, con el fin de resaltar los bordes present, inconvenientes a pesar de haber
usado 3 tcnicas a esta fotografa. Con el perfilado Sobel y Prewitt se observan algunos
de los bordes respectivos de la imagen, se notan en escala de grises tenues sin rasgos
bien definidos, tampoco son muchas las diferencias observadas entre estas dos tcnicas
(Ver Figura 9 y 10). Con el filtro Cany los bordes se resaltan con mayor detalle, sin
embargo la imagen luce confusa y se pierde (Ver Figura 11.)
Para la imagen de la gran fiesta se us filtro paso-bajo ideal, en este caso se nota un
cambio de atenuacin de los niveles de gris, pero se perdi un poco el brillo de la
imagen y para el filtro de paso bajo sal y pimienta se recuper el brillo de la imagen,
pero el resultado no fue el esperado, debido a que se aument el ruido de la imagen, se
observan pequeos puntos en el contenido de la fotografa deteriorandola an ms
(Ver Figura 14).
45
10. CONCLUSIONES Y RECOMENDACIONES

Luego de Experimentar con diferentes tcnicas de mejoramiento (Inpainting) de
imgenes podemos afirmar que la calidad y resolucin de estas mejor en algunos
aspectos, pero no en todos los requeridos, debido a que algunos de los mtodos
empleados no se ajustaron a las necesidades de recuperacin de las fotografas. Se hara
necesario ampliar el barrido del estado del arte en tcnicas de tratamiento digital de
imgenes con Matlab o en su defecto con otras herramientas para este objetivo.
Sin embargo no se puede desconocer el nivel de utilidad de Matlab para el tratamiento
de imgenes ya que en lo que corresponde a las tcnicas de Estiramiento Lineal, Filtrado
de Cany y Filtro paso-bajo Ideal, se ven cambios notorios en lo que respecta a la
recuperacin de las fotografas.
Con base a los comentarios mencionados en las conclusiones se hacen las siguientes
recomendaciones:
Consecucin de material bibliogrfico especializado en el manejo de la

herramienta Matlab para indagar mucho ms en su manejo y utilizacin
orientado al tratamiento digital de imgenes.
Desarrollar una investigacin en torno a restauracin de imgenes en color.
Ofrecer a estudiantes de ingeniera de sistemas y electrnica, como asignatura
electiva, un curso bsico de tratamiento digital de imgenes.
Crear un semillero de investigacin en esta lnea, con el apoyo del grupo
MATINCUC.
Ampliar esta investigacin y solicitar apoyo de Colciencias y el Ministerio de
Cultura para cimentar las bases de la creacin del primer museo histrico
fotogrfico de la ciudad de Barranquilla.
Solicitar propuestas de colaboracin conjunta con otras universidades a nivel
local, regional y nacional.
46
11. LISTA DE REFERENCIAS

[1] Martnez Robles Manuel. Deteccin de astrocitoma
cerebral infantil aplicando
segmentacin de imgenes y morfologa matemtica de 2006. Artculo publicado en la revista
electrnica Medigraphic Artemisa. Revisado el 8 de agosto de 2011. desde:
http://www.medigraphic.com/pdfs/revmexneu/rmn-2006/rmn065h.pdf
[2] Benitez Hernn et al. Procesamiento de imgenes infrarrojas para la deteccin de defectos
en materiales de 2007. Artculo revisado el 15 de agosto de 2011 desde:
http://objetos.univalle.edu.co/files/Procesamiento_de_imagenes_infrarrojas_para_la_deteccio
n_de_defectos_en_materiales.pdf
[3]Garca Santilln Elas. Deteccin y clasificacin de objetos dentro de un saln de clases
empleando tcnicas de procesamiento digital de imgenes de 2008. Tesis. revisada

desde http://matematicas.uclm.es/cedya09/archive/textos/118_Yanez-Avendano-D.pdf
[4] Arndiga P. Nuevas tcnicas de multiresolucin utilizando procesos estadsticos de

aprendizaje de 2009. Artculo revisado el 22 de agosto de 2011 desde:
http://matematicas.uclm.es/cedya09/archive/textos/118_Yanez-Avendano-D.pdf
[5]Norea O. Paula. Representacin Eficiente de Imgenes Volumtricas de Resonancia

Magntica Cardiaca (CMR) Usando JPEG2000. Tesis de maestra publicada en el ao
2011.
Tomada
desde:
http://www.bdigital.unal.edu.co/4228/1/PaulaTatianaNore%
C3%B1aOspina.2011.pdf
[6] Arteaga B. Ricardo. REFLEXIONES SOBRE LA APLICACIN DE LA TRANSFORMADA DE

FOURIER AL PROCESAMIENTO DIGITAL DE IMGENES. Tesis publicada en noviembre de
2010.
Revisada
en
Junio
de
2011
desde:
http://www.konradlorenz.edu.co/images/investigaciones/matematicas/procesamiento
_imagenes_fourier.pdf
47
[7] Zill Dennis G. et al. Matemticas Avanzadas para Ingeniera Vol 2. Clculo Vectorial,
Anlisis de Fourier y Anlisis Complejo. Tercera Edicin. Editorial Mc Graw Hill. Mxico.
2008.
[8] Sanabria Martn. Informacin Audiovisual: Teora tcnica de la informacin

radiofnica y televisiva. Bosch Editores. Barcelona Espaa 1994.
[9] Garca L. Victor Manuel. Introduccin al procesamiento digital de imgenes.

Artculo
publicado
en
el
ao
2008.
Tomado
desde
http://www.slideshare.net/IDVicMan/fundamentos-de-la-imagen-digital.
[10] Gonzlez Rafael C. et al. Digital Image Processing using Matlab. Second Edition.
Editorial Pearson-Prentice Hall. USA. 2004.
[11] Velazquez Aguilar J. G. et al. Herramienta de Apoyo para cursos de Procesamiento

Digital de Imagen. Artculo publicado en el ao 2006. Consultado el 27 de Julio de 2011
desde: http://campusv.uaem.mx/cicos/memorias/5tocic2006/Articulos/articulo8.pdf
[12] Prcticas de Robtica y Visin Artificial. Prctica 3. Prcticas de Procesado de

Imgenes.
Tomado
desde:
http://www.elai.upm.es:8009/spain/Asignaturas/Robotica/PracticasROVA/pr3ROVAPro
cesado.pdf.
[13] Procesado de Imgenes en el Dominio de la Frecuencia. Material de estudio del

Departamento de Electrnica de la Universidad de Alcal. Espaa. Tomado desde:
http://193.146.57.132/depeca/repositorio/asignaturas/1/t5-procesado.pdf.
[14] Bradsky Gary et al. Learning Open CV. Computer Vision with the Open CV library.
Oreilly Editors. USA. 2008.
48
[15] Filtrado en el Dominio de la Frecuencia. Material de Clase de Visin Artificial de

Ingeniera en Automatizacin y Control Industrial. Universidad Nacional de Quilmes.
Argentina. Publicado en 2005. Tomadado desde: http://iaci.unq.edu.ar/materias/vision/
archivos/apuntes/Filtrado%20en%20el%20Dominio%20de%20la%20Frecuencia.pdf.
[16] Madrigal Carlos et al. Diseo de un Sistema Biomtrico de Identificacin usando

sensores capacitivos para huellas Dactilares. Revista Electrnica de la Universidad de
Antioquia. 2007. Tomado desde: http://redalyc.uaemex.mx/pdf/430/43003903.pdf
[17] Reduccin de Ruido en una Imagen Digital. Material de clase. Departamento de

Ingeniera electrnica, Telecomunicacin y Automtica. Universidad de Jaen. Espaa.
2005. Tomado desde: http://www4.ujaen.es/~satorres/practicas/practica2.pdf
[18] Deteccin de bordes en una Imagen. Material de clase. Departamento de Ingeniera

electrnica, Telecomunicacin y Automtica. Universidad de Jaen. Espaa. 2005.
Tomado desde: http://www4.ujaen.es/~satorres/practicas/practica3_vc.pdf
[19] Alba Jose Luis et al. Realzado de Imgenes. Tcnicas de Preprocesado. Material de
Clase. Universidad de Vigo. Publicado en el ao 2006. Tomado desde:
http://www.gts.tsc.uvigo.es/pi/Realzado_de_imagenes.pdf.
[20] Gonzlez Javier. Deteccin y asociacin automtica de puntos caractersticos para

diferentes aplicaciones. Artculo Publicado el 24 de Julio de 2009. Tomado desde:
http://upcommons.upc.edu/pfc/bitstream/2099.1/8052/1/memoria.pdf.
[21] Surez B. Alvaro. Anlisis de mtodos de procesamiento de imgenes

estereoscpicas forestales. Tesis de Maestra. Universidad Complutense de Madrid.
Publicada
en
el
ao
2008.
Tomado
desde:
http://eprints.ucm.es/9875/1/An%C3%A1lisis_de_M%C3%A9todos_de_Procesamiento_
de_Im%C3%A1genes_Estereosc%C3%B3picas_Forestales__%C3%81lvaro
_Su%C3%A1rez_Bravo.pdf
49
[22]
Math
Works
Product
http://www.mathworks.com/help/techdoc/ref/fft.html?BB=1
Documentation.
[23] Ramirez P. Javier. Introduccin a Matlab y Simulink. Tutorial. Universidad de

Granada.
Espaa.
Publicado
en
el
2009.
Tomado
desde:
http://www.ugr.es/~javierrp/master_files/Seminario%20de%20Matlab.pdf.
[24] Guardado M. Ramn. Transformada de Fourier en aplicacin en el diseo de filtros

digitales para el procesamiento de imgenes.. Artculo publicado el 10 de Junio de 2010.
Arequipa.
Per.
Tomado
desde:
http://cybertesis.urp.edu.pe/ponencias/LACCEI_2010/Papers/Papers_pdf/IT161_Guard
ado.pdf.
50

Restauracion Imagenes Trans. Fourier PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Restauracion Imagenes Trans. Fourier PDF

Cargado por

Copyright:

Formatos disponibles

Restauracin de Imgenes a partir de

ERNESTO VARELA ARREGOCS

Restauracin de Imgenes a Partir de Transformadas de Fourier

Restauracin de Imgenes a Partir de Transformadas de Fourier

Restauracin de Imgenes a Partir de Transformadas de Fourier

Restauracin de Imgenes a Partir de Transformadas de Fourier

2. PLANTEAMIENTO DEL PROBLEMA

Restauracin de Imgenes a Partir de Transformadas de Fourier

3.1. Objetivo General.

3.1. Objetivos Especficos

Diagnosticar el estado actual de las imgenes

Aplicar diferentes tcnicas de Filtrado de imgenes del Carnaval de Barranquilla

Analizar los resultados de este proceso

Restauracin de Imgenes a Partir de Transformadas de Fourier

Ante la problemtica planteada, las ciencias exactas no pueden permanecer ajenas a

Aunque en el mercado existen herramientas comerciales que podran hacer el trabajo

Restauracin de Imgenes a Partir de Transformadas de Fourier

5. ESTADO DEL ARTE.

Restauracin de Imgenes a Partir de Transformadas de Fourier

procesamiento y se profundiza en la tcnica CAD (Contraste Absoluto Diferencial)

Restauracin de Imgenes a Partir de Transformadas de Fourier

representaciones flexibles que permitan acceder de forma eficiente a porciones

Restauracin de Imgenes a Partir de Transformadas de Fourier

6.2. Elementos Matemticos

Segn lo planteado por Ricardo Arteaga en su Tesis: Reflexiones sobre la aplicacin de

Se denominar la serie de Fourier de f en [-L,L], con

Restauracin de Imgenes a Partir de Transformadas de Fourier

Evaluando el primer trmino se observa que es 0 e integrando por partes el segundo

El primer trmino es cero a raz de la periodicidad de ( ). Como la segunda derivada

Siendo M una constante apropiada. Adems, |

Haciendo el mismo procedimiento para

. Esto implica que:

Restauracin de Imgenes a Partir de Transformadas de Fourier

Lo cual es convergente. Por lo tanto la serie de Fourier es Convergente.

Integral de Fourier: Dennis G Zill en su libro de Matemticas Avanzadas para Ingeniera

entonces la expresin ( ) se convierte

Ahora al expandir el intervalo [-L,L] haciendo que L

entonces el limite tiene la forma

(2) es cero y el lmite de la suma se convierte en:

implica entonces que

existe, el lmite del primer trmino de

Restauracin de Imgenes a Partir de Transformadas de Fourier

A este resultado se la llama integral de Fourier de f en (

Con base en este resultado podemos afirmar que:

La integral de Fourier de una funcin f definida en (

) est dada por:

Teorema de las condiciones de convergencia de la integral de Fourier: Sean

) ( es decir que la integral | ( )|

converge). Entonces la integral de Fourier

de en el intervalo converge hacia ( ) en un punto de continuidad. En un punto de

) expresan el lmite de en x desde la derecha y desde la izquierda,

Restauracin de Imgenes a Partir de Transformadas de Fourier

cuando ( ) es par entonces, la

expresin (6) es cero, por lo que se convierte en:

Restauracin de Imgenes a Partir de Transformadas de Fourier

A esta expresin se llama integral Seno de Fourier.

Esto debido a que el integrando es una funcin par de

Esto debido a que:

Restauracin de Imgenes a Partir de Transformadas de Fourier

Ahora como el integrando es una funcin impar de

estre resultado puede expresarse

Que es la forma compleja de la Integral de Fourier dnde:

Transformada de Fourier (TF): Esta se obtiene a partir de la forma compleja de la