Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actividad de Investigación
Nombre del profesor: Montes Martínez Josué Nombre del alumno: Alexander Olvera Lugo
Rafael
Materia: Sistemas de Visión Artificial Fecha Entrega: 02/03/2021
1.-Umbralización (Thresholding)
Si (viejo pixel>umbral)
Nuevo pixel=MAX
Sino
Nuevo pixel=MIN
A) B)
Fig. 7: A) Imagen con objetos claros sobre fondo oscuro; B) Histograma de la imagen.
Así, en la Figura 9 se pueden ver varios ejemplos de imágenes umbralizadas con distintos
valores.
Fig. 9: a) Lenna a 256 niveles de gris; b) Lenna con un umbral bajo; c) Lenna con un
umbral alto; d) Lenna con un umbral intermedio.
2.- - Segmentación de imágenes
Crecimiento de región
Umbralización
−1 −1 −1
[−1 8 −1]
−1 −1 −1
Ejemplo:
1 1 1 1 1 - - - - -
1 10 1 1 1 - 72 -9 0 -
-1 -1 -1
1 1 1 1 1 = - -9 -9 0 -
-1 8 -1
-1 -1 -1 1 1 1 1 1 - 0 0 0 -
1 1 1 1 1 - - - - -
-1 -1 -1 2 -1 -1 -1 2 -1 -1 -1 2
2 2 2 -1 2 -1 -1 2 -1 -1 2 -1
-1 -1 -1 -1 -1 2 -1 2 -1 2 -1 -1
Ejemplo, supongamos que estamos interesados en las líneas de la imagen con una
orientación de -45º
2 -1 -1
-1 2 -1
2 -1 -1
Valores absolutos de los resultados usando la máscara de detección de líneas con – 45º
y posterior umbralización.
PASO 1
Realizar una convolución a la imagen I con una matriz G que modeliza una función
gaussiana bidimensional:
1 𝑥 2 +𝑦 2
−
𝐺(𝑥, 𝑦) = 𝑒 2𝜎 2
2𝜋𝜎 2
1 4 7 4 1
1 4 16 26 16 4
173 7 26 41 26 7
4 16 26 16 4
1 4 7 4 1
Recuérdese que la convolución de una imagen con una función de esta forma
emborrona la imagen con un grado de emborronamiento proporcional a σ (por tanto,
se produce una reducción de ruido).
PASO 2
𝜕2 𝑓
2
𝜕2
∇ 𝑓= 2+ 2
𝜕𝑥 𝜕𝑦
Los pasos 1 y 2 se pueden aproximar mediante la convolución con la máscara: Se trata
del filtro Laplaciano del Gaussiano (Log). Existen otras aproximaciones alternativas que
modelizan este filtro.
0 0 1 0 0
0 1 2 1 0
1 2 −16 2 1
0 1 2 1 0
[0 0 1 0 0]
3.-Morfologia Matemática
La figura siguiente ilustra este procesamiento para una imagen en escala de grises. La
figura muestra el procesamiento de un píxel determinado en la imagen de entrada.
Observe cómo la función aplica la regla a la vecindad del píxel de entrada y utiliza el
valor más alto de todos los píxeles de la vecindad como el valor del píxel correspondiente
en la imagen de salida.
Esta tabla enumera las funciones de la caja de herramientas que realizan operaciones
morfológicas comunes basadas en la dilatación y la erosión.
bwhitmiss
Transformación de hit-miss binario. La
transformación hit-miss conserva los
píxeles de una imagen binaria cuyas
vecindades coinciden con la forma de un
elemento de estructuración y no
coinciden con la forma de un segundo
elemento de estructuración
desarticulado.
Las transformaciones hit-miss se pueden
utilizar para detectar patrones en una En este ejemplo se utiliza un elemento de
imagen. estructuración con una vecindad por encima y a la
derecha del centro, y un segundo elemento de
estructuración con una vecindad debajo y a la
izquierda del centro
imtophat transformación morfológica de
sombrero superior. La transformación
top-hat abre una imagen y, a
continuación, resta la imagen abierta de
la imagen original.
La transformación del sombrero superior
se puede utilizar para mejorar el
contraste en una imagen en escala de
grises con iluminación no uniforme. La
transformación también puede aislar
pequeños objetos brillantes en una
imagen.
imbothat La transformación del sombrero
inferior cierra una imagen y, a
continuación, resta la imagen
original de la imagen cerrada.