Procesamiento digital de imágenes: Restauración

y detección de bordes
Carlos de Jesús Ávila González
Cristian Aldo Sandoval Suárez
Jorge Antonio Castilla Valdez
Naomi Padilla Mora

Instituto Tecnológico y de Estudios Superiores de Monterrey

Resumen—El artı́culo en cuestión expresa una definición de Í NDICE

lo que es el procesamiento de imágenes ası́ como dos de sus
aplicaciones más destacadas en los últimos tiempos una de ellas es I. Introducción 2
la restauración de imágenes, que con fundamentos matemáticos
y computacionales se puede recuperar información perdida de II. Metodologı́a 2
la imagen que se puede deber a distintos factores, también se
exponen ejemplos en los que la restauración de imágenes ha II-A. Restauración de imágenes . . . . . . . . 2
sido extremadamente útil, para finalizar con esta técnica se II-B. Filtro de detección de bordes : Roberts 3
muestra cómo se lleva a cabo el proceso de una restauración y II-C. Filtro de detección de bordes : Prewitt . 3
el resultado este. Por otra parte, se muestra otra aplicación, que
es la detección de bordes en las imágenes, se explica el trasfondo III. Resultados 4
de los métodos que fueron aplicados para realizar el estudio y
como resultado una imagen seleccionada por el equipo y a la IV. Conclusiones 4
que se le aplicaron los métodos en cuestión con el objetivo de
compararlos.
Keywords - Procesamiento de imágenes, restauración, Pre-
witt, Roberts.
 Procesamiento digital de imágenes: Restauración y detección de bordes
I. I NTRODUCCI ÓN
El procesamiento de imágenes consiste en mejorar o
realizar correcciones en las imágenes, incluso, hacer resaltar
ciertos elementos de estas [3]. Estos procesos se pueden
llevar a cabo tanto en fotografı́as como en imágenes
digitales utilizando el procesamiento correrto, es decir, un
procesamiento óptico o un procesamiento digital. Cabe
mencionar, que el procesamiento de imágenes es un campo
muy extenso de abarcar, puesto que tiene impacto incluso
en los diagnósticos médicos, por lo cual, en este artı́culo, se
dirigirá al proceso de image restoration.
A lo largo de este trabajo se expondrá respecto al
procesamiento de imágenes, con un enfoque en image
restoration y sus principales caracterı́sticas. Con el objetivo
de partir de estos temas para presentar el método de detección
de bordes. Especialmente el método de Roberts y Prewitt,
para que posteriormente a su explicación, se exponga un
análisis comparativo de los resultados de cada uno. Incluso,
con el objetivo de expander el panorama respecto al tema, se
presentará una breve explicación de elementos importantes
como las matrices, el elemento estructural y la convolución.
Además, se abordará en qué consiste el método de detección
de bordes y los diversos métodos de los que se dispone.
Integrando a esto una breve explicación respecto al método
Roberts y al método Prewitt. Además, con ayuda del software
Matlab se aplicarán ambos métodos de detección de bordes a
una misma imagen para finalmente realizar una comparativa
que permita definir cuál de los dos métodos es más efectivo.
Antes de abordar en qué consiste el proceso de image
restoration, se deben explicar un par de elementos importantes
sobre las imágenes. Una imagen está compuesta por cientos
o miles de pı́xeles, según sea su tamaño. Sin embargo, estos
pı́xeles son en realidad matrices compuestas por elementos
según sea su escala de color. Es decir, una imagen en RGB
está compuesta por matrices 3D, mientras que una imagen
en escala de grises está en 2D y con valores menores a 255,
de igual forma, una imagen en blanco y negro también se
encuentra en 2D pero todos sus valores son 0 o 1.
Por otra parte, otro elemento muy relevante para el
desarrollo de este trabajo, es el elemento estructural; ”Son
duales en morfologı́a de máscaras o kernels en filtros. Son
también imágenes binarias”[2]. Por último, para continuar
con el desarrollo del trabajo, se debe explicar qué es la
convolución. Más conocida como matriz de convolición,
consiste en el proceso donde una matriz de entrada (en este
caso la imagen) es tratada con el elemento estructural o
kernel, este proceso permite la creación de diversos filtros
destinados al mejoramiento de imágenes, la restauración o
incluso, para la detección de bordes.
II. M ETODOLOG ÍA
II-A. Restauración de imágenes
El objetivo principal de image restoration se basa en la
recuperación eficaz de cualquier imagen que de alguna forma
se haya desenfocado. Generalmente en el procesamiento
computacional de imágenes es modelado el desenfoque por
medio de una convolución de la matriz de la imagen a tratar
y algún núcleo de desenfoque. Los núcleos borrosos son
una matriz bidimensional que describe la respuesta de algún
sistema de imágenes a una fuente de luz puntual u objeto
puntual. Otro término que usualmente es escuchado para
referirse a esto es la función de dispersión de puntos o PSF [1].
Las aplicaciones de esta técnica son variadas, como por
ejemplo podemos encontrar:
Quitar manchas de polvo en las pelı́culas de cine.
Revertir deterioro de imágenes.
Recuperar bloques de código perdidos a la hora de
codificar y transmitir una imagen.
Quitar ojos rojos de las fotografı́as.
Eliminar objetos que afecten la calidad de la imagen.
Estos son los más comúnes, sin embargo, aún existen más
aplicaciones en las que la restauración de imágenes es un
paso esencial. [3]
Es importante recalcar que existe una gran diferencia entre
lo que es mejoramiento de imágenes y restauración de imáge-
nes, la diferencia entre estos radica en que el primer método
presentado tiende a ser muy subjetivo y respetar estándares
de las personas, mientras que el segundo es un proceso que
se debe llevar a cabo para obtener resultados satisfactorios. A
continuación se muestra un breve resumen del proceso de la
restauración de una imagen:
Figura 1. Proceso de degradación / restauración de una imagen.
Como se puede observar en la figura 1, f (x, y) es la imagen
original y a esta se le agrega H la cual es la función de
degradación, al igual que n(x, y) el cual es el ruido agregado
y posteriormente dará como resultado la función g(x, y).
Finalmente se llega a la función f 0 (x, y) que representa a la
imagen degradada y con un filtro de restauración aplicado.
[4].Dos de los filtros más utilizados son:
Inverse Filtering: consta de aplicar lo inverso al filtro
para hacer la imagen borrosa asumiendo que la imagen
no tiene más ruido.
Wiener Filtering: el cual minimiza el error entre la
imagen original y la restaurada. [4]
A continuación, se expone una imagen que recibió la técnica
de restauración de imágenes:
2
 Procesamiento digital de imágenes: Restauración y detección de bordes
Figura 2. Ejemplo de restauración de imágenes. [5]
II-B. Filtro de detección de bordes : Roberts
Este método fue uno de los primeros para la detección de
bordes,este mismo fue propuesto por Lawrence Roberts en el
año 1963. El propósito del algoritmo de Roberts consistı́a en
producir bordes que sean bien definidos,en donde el fondo
produjera la menor cantidad de ruido posible y, además, que
la intensidad de los bordes corresponda a las capacidades de
percepción de los humanos.
Este mt́odo puede aproximar el gradiente (también nombra-
do ”diferencia”) de una imagen a partir de una diferenciación
discreta, esta misma se obtiene al calcular la raı́z cuadrada
de la suma de los cuadrados de las diversas diagonales de
pixeles que se encuentran más próximios. Se usan 2 Kernels,
uno para ”x”(Gx ) y otro para ”(Gy ), esto se puede observar
2
en las ecuaciones siguientes:
Cuadro I
K ERNEL G X M ÉTODO ROBERTS
1 0
0 -1
Cuadro II
K ERNEL G Y M ÉTODO ROBERTS
0 1
-1 0 coordenadas (Gx, Gy) las que se utilizarán para el cálculo
A partir de los kernels mostrados, se puede empezar a
realizar el proceso de detección de bordes. Primero se define
I(x, y), esta misma se refiere a un punto en la imagen
original. Posteriormente, a dicho punto se le aplica 2 procesos
de convolución con los kernels de los cuadros 1 y 2. Con
estas ecuaciones anteriores, se obtendrá 2 valores, Gx (x, y) y
Gy (x, y), estos se refieren a los puntos obtenidos a través del
proceso de convolución de las matrices 1 y 2 respectivamente.
Finalmente se debe calcular el gradiente, en ese punto a
través de la raı́z cuadrada de la suma de los cuadrados de los
puntos Gx (x, y) y Gy (x, y), como se observa en la siguiente
ecuación:
p
∇I(x, y) = G(x, y) = Gx(x, y)2 + Gy(x, y)2
Es necesario aplicar este proceso a todos los puntos de la
imagen original con el fin de conseguir la nueva imagen con
las difenrencias en las luces. Y a pesar de que este método
de reconocimiento de bordes tiene sus respectivas ventajas
como su relativa facilidad y rapidez (ya que sus operaciones
únicamente son sumas y restas y el número de operaciones es
bajo debido a que el kernel cuenta únicamente con 4 pixeles),
también cuenta con algunas desventajas que consisten en que
es muy sensible al ruido y no existe una gran respuesta para los
bordes reales. Y este método puede modificarse para cambiar
el sentido por donde sequieran enfocar los bordes, para esto
únicamente es necesario cambiar los kernels y continuar con
el mismo procedimiento.
II-C. Filtro de detección de bordes : Prewitt
Al igual que el método Roberts, el objetivo de Prewitt es
obtener de manera aproximada el gradiente que representa
la intensidad en cada punto de la imágen para que ası́, se
realice la detección de bordes. Este método fue propuesto
por Judith M. S. Prewitt. Consiste en utilizar la operación de
convolución usando dos kernels, uno para la coordenada Gx
y otro para la coordenada Gy.
Cuadro III
K ERNEL G X M ÉTODO P REWITT
1 0 -1
1 0 -1
1 0 -1
Cuadro IV
K ERNEL G Y M ÉTODO P REWITT
1 1 1
0 0 0
-1 -1 -1
Cada par de coordenadas se modifica puesto que al cálculo
del gradiente estas obtienen el punto máximo donde se persive
el cambio de intensidad de luz en la imágen y son estas nuevas
del gradiente en base a la raı́z cuadrada de la suma de los
cuadrados de Gx y Gy, como se muestra en la ecuación 1.
Al repetir este paso con cada uno de los puntos, se va
formando el borde del objeto correspondiente, cumpliendo ası́
el objetivo del método.
(1)
3
 Procesamiento digital de imágenes: Restauración y detección de bordes
III. R ESULTADOS
Contando ahora con las bases teóricas, para poder realizar
la comparativa se someterá una imagen en escala de grises a
cada uno de estos métodos, con ayuda del software matlab,
en el cual utilizando principalmente el comando edge, el cual
recibe la imagen de entrada(imagen original) y el método que
se aplicará (Roberts o Prewitt) para llevar a cabo la detección
de bordes. Al realizar este paso con cada uno de los métodos,
estos son los resultados:
(a)
(b)
(c)
Figura 3. Comparación de métodos utilizando una imagen seleccionada por
el equipo.
Comparando estos resultados se puede observar lo siguiente:
El método Roberts de la figura 3(c) pierde pequeñas
partes de los objetos esto debido a que su objetivo es
evitar el ruido en la imagen en medida de lo posible,
mientras que en el método Prewitt en la figura 3(b) se
observa como la mayor parte de los bordes son continuos
e incluso restaca bordes que Roberts no, como se observa
en el vapor que emite el tren.
De igual manera, también es muy visible que el método
Prewitt regresa bordes más definidos y detallados mien-
tras que los bordes en Roberts son menos claros y no
todos son continuos.
IV. C ONCLUSIONES
Como conclusión podemos decir que actualmente el pro-
cesamiento de imágenes está teniendo un gran impacto en
la actividad cotidiana de las personas, como es el caso de
la restauración de imágenes la cual, aunque sea un proceso
complicado y que requiera de conocimientos de matemáticas
y computación, es un proceso que ha facilitado la recuperación
de información visual, eliminando aquellas anomalı́as que
pueden deberse al tiempo, descuidos o pérdidas a la hora
de la codificación de la imagen, además nos abre las puertas
para mejorar aún más el contenido visual y hacerlo que sea
interpretado con sencillez.
Otro de los métodos discutidos a lo largo del reporte fue
la detección de bordes en las imágenes, este proceso también
impacta de sobremanera en la sociedad pues nos puede ayudar
a la hora de querer extraer cierta información de una imagen
o detectar ciertos elementos que no corresponden a la imagen
principal. Como pudimos ver existen diversas formas de
realizar este proceso con procedimientos ya establecidos, como
pueden ser los discutidos Prewitt y Roberts, sin embargo estos
no son los únicos que se conocen, ya que el resultado de
estos procesos tiende a ser subjetivo y la persona o grupo de
personas en cuestión pueden aplicarlo para obtener diversas
metas.
R EFERENCIAS
[1] Introduction to Image Restoration Methods - Part 1.
Feb. de 2021. URL: https://www.abtosoftware.com/blog/
image-restoration.
[2] Morfologı́a. 2017. URL: https : / / www. tec . ac . cr / sites /
default/files/media/doc/lec09.1.pdf.
[3] Stanley J. Reeves. Image Restoration: Fundamentals
of Image Restoration. Feb. de 2014. URL: https :
/ / www . sciencedirect . com / science / article / pii /
B9780123965011000066.
[4] US 2020/0090306 A1 - Method And Apparatus For
Restoring Image The Lens - Free amp; Open Patent and
Scholarly Search. 2020. URL: https://www.lens.org/lens/
patent/129-422-634-675-797/fulltext.
[5] US 2020/0164679 A1 - Method Of Restoring Paintings
The Lens - Free amp; Open Patent and Scholarly Search.
2020. URL: https://www.lens.org/lens/patent/155- 330-
519-105-582/fulltext.