Bioinstrumentación III:
INFORME DE LABORATORO 1
Santiago de Cali, Febrero 17 de 2016
RESUMEN
Este informe contiene el análisis realizado por medio de Matlab para el tratamiento de una imagen que
ha sido capturada en formato raw con el fin de conocer, distinguir y aprender sobre las diferentes
técnicas de interpolación y los efectos que pueden aplicarse para lograr obtener un mejor detalle y
calidad de la misma.
INTRODUCCIÓN
Las imágenes son representaciones graficas que
manifiestan la apariencia visual de un objeto o entorno.
Por medio de ellas es posible conocer detalles de
información que permiten realizar un análisis profundo de
los elementos que la conforman. El formato raw muestra la
foto tal y como el sensor la capturó, sin ningún filtro de
mejora. Se verán los colores más neutros, menos
saturados, un enfoque más blando y una iluminación que
dependerá de la exposición que se hizo, más visiblemente
sobre o subexpuesta si fuera el caso, es decir que el
formato raw es un archivo digital que contiene la
información de la imagen en “bruto” sin ninguna clase de
filtro, es por esto que es utilizada en este caso con el fin de
observar la imagen real de lo que logramos capturar y así
poder compararla a partir de un procesamiento para
obtener más información sobre esta por medio de la
mejora en su calidad.
MARCO TEORICO
Formato RAW: Contiene la totalidad de los datos de la
imagen captada por la cámara y una mayor profundidad de
color (por lo general 36 a 48 bits/píxel), sus ficheros
tienen un tamaño de archivo muy grande, a pesar de que,
generalmente, usan compresión.
Formato TIFF: es un formato de gráficos antiguo, que
permite almacenar imágenes de mapas de bits muy
grandes (más de 4 GB comprimidos) pero perdiendo
calidad y sin considerar las plataformas o periféricos
utilizados.
Filtro Bayer: Es una máscara o mosaico tipo matriz que se
sitúa sobre cada sensor digital con el fin de hacer llegar a
los fotodiodo la distinta información de luminosidad
captada que corresponde a la sección de los colores
primarios. Se genera una interpolación con las muestras de
cuatro fotodiodos vecinos, obteniéndose un pixel de color.
El mosaico de Bayer está formado por un 50% de filtros
verdes, un 25% de rojos y un 25% de azules.
Interpolando dos muestras verdes, una roja, y una azul
se obtiene un pixel de color.
Interpolación: es el proceso matemático consistente en
calcular nuevos datos a partir de los disponibles
procurando que compartan la misma forma; en
fotografía digital, supone crear nuevos píxeles a partir
de los existentes, de modo que la imagen resultante
venga a representar lo mismo que la original, sólo que
con más píxeles.
La interpolación se usa, para muchos procesos
relacionados con la imagen digital: Rotación de imagen,
deformación, etc.
DESARROLLO
Por medio de una cámara digital se capturó una imagen en
formato RAW. Dicho formato no es compatible ni puede
ser leído por medio de Matlab por lo cual se tuvo que
transferir al formato permitido TIFF modo documento ya
que se utilizó esta herramienta para lograr manipular la
imagen. La extracción de datos de la imagen en formato
RAW se realizó por medio de dcraw, el cual es un
programa portable de código libre que permite su
utilización en varios sistemas operativos, gracias a esto se
obtuvo la imagen en formato TIFF para ser leída en Matlab.
En Matlab se creó un script para realizar el código que
permitiera el desarrollo de este laboratorio. A
continuación (figura 1) se muestra una parte del código
que corresponde a la primer parte de esta práctica donde
se muestra el comando imread para leer la imagen y la
distribución del filtro Bayer separando los colores rojo,
verde y azul. Para esto se creó una matriz de ceros del
tamaño de la matriz de la imagen la cual es de 16 bits y se
concatenaron para mostrar la imagen reconstruida a partir
de los colores primarios. También se creó una matriz para
posicionar las imágenes obtenidas como resultado de esta
primer parte de la práctica, es decir que se pueden
visualizar todas las imágenes en una misma ventana: la
imagen original y la imagen reconstruida, el canal rojo, el
canal verde y el azul. En la figura 2 se puede observar el
resultado de la implementación del código mostrado.
por medio de Matlab con las respectivas pruebas en las
imágenes recortadas e interpoladas anteriormente.
(Figura 5).
'nearest' Nearest-neighbor interpolation; the output
pixel is assigned the value of the pixel that
the point falls within. No other pixels are
considered.

'bilinear' Bilinear interpolation; the output pixel

value is a weighted average of pixels in
the nearest 2-by-2 neighborhood

'bicubic' Bicubic interpolation (the default); the

output pixel value is a weighted average
of pixels in the nearest 4-by-4
neighborhood

'box' Box-shaped kernel

Figura 1. Primer parte del Código, Matriz de imagen RGB
'triangle' Triangular kernel (equivalent
Para implementar las cuatro técnicas de interpolación to 'bilinear')
sobre la imagen con la sé que trabajó, se realizó el corte
'cubic' Cubic kernel (equivalent to 'bicubic')
de la imagen para obtener una sección de la misma y
lograr observar más fácil las diferencias después de la 'lanczos2' Lanczos-2 kernel
interpolación, para esto se utilizó el comando imcrop y
por medio del comando imresize se obtuvieron los 'lanczos3' Lanczos-3 kernel
distintos métodos. El código implementado para esta Tabla 1. Métodos de interpolación en Matlab
sección se muestra en la figura 3.

En Matlab aparece la forma en la que debe escribirse el

método para ser aplicado (ver Tabla 1).

Al igual que en la primer parte de esta práctica se

organizaron los resultados de las imágenes obtenidas en
una matriz donde pudieran observarse juntas y lograr
compararlas. Figura 4.

En la Figura 4 pueden observarse las diferentes

imágenes incluyendo la imagen original, de la cual se
realizó el pequeño recorte para observar más fácil las
diferencias al interpolarlas.

Aunque la diferencia entre los tipos de interpolaciones

no es muy evidente, se puede comprobar que la técnica
del vecino más cercano es la que genera una imagen Figura 3. Segunda parte del Código. Interpolación implementada
menos definida, mientras el método bilineal y bicúbica en Matlab
ofrecen resultados muy similares, con una mejor
definición.
A partir de la imagen en formato RAW (.cr2), se análizo la
Para cuantificar las diferencias entre los recortes de las distribución del filtro de Bayer de la cámara. Esta se
muestra en la figura 6.
imágenes se conocen las ecuaciones de PSNR por medio
de las cuales se intuye que si su resultado es mayor que
40 quiere decir que no se encuentra una diferencia
perceptible. Para comprobar esto se realizó el código
 G

Figura 6. Distribución de filtro de Bayer identificada

CONCLUSIONES

En los ficheros RAW de las cámaras de fotos digitales se

guarda la información del patrón de Bayer de forma
directa, sin interpolaciones, lo cual puede ser
aprovechado posteriormente por los programas de
revelado digital para una decodificación de mayor
calidad que la que permiten los algoritmos internos
presentes en los dispositivos de captura.

Tambien observamos que al reconstruir la imagen a

partir de las capas RGB, se puede regresar a la misma
imagen original, sin pérdidas de información.

Acerca de los métodos de interpolación podemos decir

con mayor certeza que el método menos recomendable
es el de vecino mas cercano, sin embargo es difícil
distinguir entre la interpolación bicúbica y la bilineal, ya
que se dificulta identificar diferencias entre ambos
resultados. Los últimos se consideraron como los
mejores métodos.

Se dificultó tambien el procesamiento y análisis de las

imágenes obtenidas, ya que el tamaño de la imagen es
bastante grande.

REFERENCIAS

[1] Enciclopedia CMM, “El formato TIFF”, Publicación

Pagina Web, Disponible en:
http://es.ccm.net/contents/724-el-formato-tif

[2] Luis Eduardo García Capel,”APLICACIÓN DE MEDIDAS

ESTADÍSTICAS DE SIMILITUD AL REGISTRO DE IMAGEN
MULTIMODO”, UNIVERSIDAD POLITÉCNICA DE
CARTAGENA, febrero de 2007
Figura 2. Resultado imagen en canales RGB y reconstruida.
Figura 4. Sección de la imagen recortada y los diferentes métodos de interpolación implementados

Figura 5. Codigo de PSNR (Peak signall to Noise Radio) Comparación entre imagen original y bilinear