Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NDICE:
Proceso de digitalizacin
Imgenes a color. Modelos de
color
Almacenamiento y compresin
- x e y = coordenadas espaciales
- f (x,y) = nivel de gris de la imagen en el punto (x,y)
f (x,y)
f (0,0)
f (0,1)
. . .
f (0, N-1)
f (1,0)
f (1,1)
. . .
f (1, N-1)
f (M-1,0)
f (M-1,1)
. . .
f (M-1, N-1)
Pixel
Tema 1: Introduccin a las imgenes digitales
Muestreo
Cuatificacin con 64
niveles de grises
RESOLUCIN
La resolucin (el grado de detalle discernible) de una imagen depende
estrechamente de estos dos parmetros.
Resolucin de intensidad: cantidad de niveles de gris. (L = 2k, k =
nmero de bits)
Resolucin espacial: finura del mallado (M = 2m y N = 2n).
Tema 1: Introduccin a las imgenes digitales
-N=
2n
- L = 2k
muestreo
cuantificacin
Imgenes 2D
Matlab image processing toolbox:
http://es.mathworks.com/products/image/
ImageJ:
http://rsbweb.nih.gov/ij/
Imgenes 3D
Visualizacin:
Slicer 3D: http://www.slicer.org/
Modelos de color:
Un modelo de color es la especificacin de un sistema de
coordenadas tridimensional y de un subespacio de este sistema
en el que cada color quede representado por un punto. Un
espacio de color es una representacin matemtica del
conjunto de colores que permite la especificacin de un color
de manera estndar.
(28 )3 16,777,216
L
=
L
L
C
-
M
Y
0,299
0,587
0,114
0,596
-0,275
-0,321
0,212
-0,523
0,311
R
*
G
B
- su saturacin (S)
Tema 1: Introduccin a las imgenes digitales
distintas intensidades
Tema 1: Introduccin a las imgenes digitales
desarrollar
algoritmos
de
1.3. Almacenamiento
35
Ejemplo:
Redundancia de cdigo:
Cdigo en un sistema de smbolos usado para representar la
informacin. A veces, las longitudes de las palabras usadas en
el cdigo es mayor de lo necesario.
Redundancia entre pxeles:
Redundancia en el cdigo:
- Cdigo de Huffman
Redundancia entre pxeles:
- LZW
- Representacin por filas.
- Representacin por rbol cuaternario.
- Planos de bits.
Redundancia psicovisual:
- Transformadas de la imagen.
Redundancia en el cdigo:
- P = imagen de N pxeles es escala de grises con L niveles de gris.
- = cantidad de pxeles con el mismo nivel de gris k.
- = nmero de bits necesarios para almacenar el nivel de gris k.
Promedio de bits necesarios para representar cada pixel:
1
=0
()
=0
p(a6) = 0,3
Valor
Valor codificado
a1
000
a2
001
a3
010
a4
011
a5
100
a6
101
Smbolo
Probabilidad
a2
0,4
a6
0,3
a1
0,1
a4
0,1
a3
0,06
a5
0,04
p(a6) = 0,3
p(a6) = 0,3
Smbolo
Probabilidad
a2
0,4
0,4
0,4
0,4
0,6
a6
0,3
0,3
0,3
0,3
0,4
a1
0,1
0,1
0,2
0,3
a4
0,1
0,1
0,1
a3
0,06
0,1
a5
0,04
Probabilidad
a2
0,4
0,4
0,4
0,4
0,6
a6
0,3
0,3
0,3
0,3
0,4
a1
0,1
0,1
0,2
0,3
a4
0,1
0,1
0,1
a3
0,06
0,1
a5
0,04
1
0,4
0,6
0,3
0,3
0,2
0,1
0,1
0,1
0,06
0,04
Probabilidad
a2
0,4
0,4
0,4
0,4
0,6
a6
0,3
0,3
0,3
0,3
0,4
a1
0,1
0,1
0,2
0,3
a4
0,1
0,1
0,1
a3
0,06
0,1
a5
0,04
1
0,4
0,6
a2
0,3
0,3
a6
0,2
0,1
a1
0,1
0,1
a4
0,06
0,04
a3
a5
1
1
0,4
0,6
0
0,3
a6
0,2
0,1
0
0,1
a4
a1
0,1
0
0,06
a3
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
a2
0,3
Smbolo
1
0,04
a5
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
Mayor
probabilidad =
menor n de bits
Menor
probabilidad =
mayor n de bits
Promedio de bits:
Codificado
natural
Smbolo
Probabilidad
Cdigo
Huffman
a1
000
a1
0,1
011
a2
001
a2
0,4
a3
010
a3
0,06
01010
a4
011
a4
0,1
0100
a5
100
a5
0,04
01011
a6
101
a6
0,3
00
Codificado
natural
Smbolo
Probabilidad
Cdigo
Huffman
a1
000
a1
0,1
011
a2
001
a2
0,4
a3
010
a3
0,06
01010
a4
011
a4
0,1
0100
a5
100
a5
0,04
01011
a6
101
a6
0,3
00
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
cadena: 010100111100
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
cadena: 010100111100
a3
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
cadena: 010100111100
a3 a1
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
cadena: 010100111100
a3 a1 a2 a2
Probabilidad
Cdigo
Huffman
a1
0,1
011
a2
0,4
a3
0,06
01010
a4
0,1
0100
a5
0,04
01011
a6
0,3
00
cadena: 010100111100
a3 a1 a2 a2 a6
Redundancia en el cdigo:
- Cdigo de Huffman
Redundancia entre pxeles:
- LZW
- Representacin por filas.
- Representacin por rbol cuaternario.
- Planos de bits.
Redundancia psicovisual:
- Transformadas de la imagen.
CDIGO LZW:
Diccionario
Cdigo
AB
BA
AC
CA
AB
ABA
ABACABA = 010230
CDIGO LZW:
Diccionario
Cdigo
AB
BA
AC
CA
AB
ABA
39
126 126
39
39
126 126
39
39
126 126
39
39
126 126
Imagen binaria 2D
Correspondencia Runs
Fila
Valor
inicial de
la fila
Longitudes de las
secuencias alternadas
1 1 11 2
1 0 1 1 1 1 1 1 1 1 1 1 1 0 0
4 3 1 3 4
0 0 0 0 1 1 1 0 1 1 1 0 0 0 0
6 3 6
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0
4 3 1 3 4
2 3 5 3 2
Representacin matricial
0 0 0 0 1 1 1 0 1 1 1 0 0 0 0
0 0 1 1 1 0 0 0 0 0 1 1 1 0 0
Slo hay que indicar el primer elemento de la fila y las longitudes de las
secuencias alternadas: 1 +r log2 n bits / fila
plano a7
plano a6
plano a5
plano a4
binario
Cdigo
de Gray
0000
0000
0001
0001
0010
0011
0011
0010
0100
0110
0101
0111
0110
0101
0111
0100
1000
1100
Planos
de
los
4
bits
menos
significativos. La segunda fila de
imgenes corresponde a los planos de bits
usando el cdigo de Gray.
Redundancia en el cdigo:
- Cdigo de Huffman
Redundancia entre pxeles:
- LZW
- Representacin por filas.
- Representacin por rbol cuaternario.
- Planos de bits.
Redundancia psicovisual:
BIBLIOGRAFA
82
R.C. Gonzlez, R.E. Woods. Digital Image Proccesing, 3rd edition. Prentice
Hall, 2008.
Reinhard Klette. Concise Computer Vision. Springer, 2014.