04 TransformacionesImagenes HC

VISIÓN POR COMPUTADOR
TRANSFORMACIONES
DE UNA IMAGEN
Ingeniería en Mecatrónica
Universidad de Fuerzas Armadas

ESPE
Tema 4 Transformaciones de una Imagen 2
INTRODUCCIÓN
• Se plantea una aplicación: p.e. Encontrar las monedas
en la siguiente imagen:
• Diseñar un sistema de visión que sea capaz de hacer
eso implica:
• Diseño de cada una de las etapas del esquema siguiente.
INTRODUCCIÓN
Iluminación
Cámara Digitalizador Computador
• Es decir: elegir el tipo de iluminación

• Cámara: b/n, color, resolución de la imagen.
Sensibilidad, velocidad.
• Diseñar un algoritmo que haga lo que
Escena
deseamos.
4
Tema 4 Transformaciones de una Imagen
INTRODUCCIÓN
• Diseño de las operaciones a realizar

sobre las imágenes.
• En este tema comenzaremos a ver qué
operaciones se pueden realizar. Computador
• Este conocimiento nos dará lugar a que,
al final del curso, seremos capaces de
diseñar un algoritmo de inicio a fin.
Tabla de Contenidos
• Operaciones Puntuales
• Operaciones Locales
• Operaciones Globales
• Operaciones Geométricas
Operaciones Puntuales
• Definición:
• El resultado de aplicarlas a un pixel depende
únicamente del valor de intensidad de ese pixel
• Pueden ser:
• Independientes de las características globales
• Con una sola imagen
• Transformaciones de una imagen según una función
• Entre varias imágenes
• Dependientes de las características globales de la
imagen
• Independientes de las Características Globales
• Operaciones de UNA imagen con una CONSTANTE
• Suma: g(x, y)=f(x,y) + K
• Resta: g(x, y)=f(x,y) - K
• Multiplicación: g(x, y)=f(x,y) * K
• División: g(x, y)=f(x,y)/K
• Máximo: g(x, y)=máx(f(x,y),K)
• Mínimo: g(x, y)=mín(f(x,y),K)
• Inversa: g(x, y)=255 - f(x,y)
0 si f(x, y) < K
• Umbralización: g(x, y) =
255 si f(x, y) >= K
• Ejemplo
+100
¿Brillo? →Aumenta
¿Contraste? →Igual /disminuye
x1.5
¿Brillo? →Aumenta
¿Contraste? →Aumenta
• Ejemplo
Original Inversa
• Ejemplo: deseamos extraer los objetos del fondo…
• ¿qué operación?
Umbral 70
Umbral 100
• Independientes de las Características Globales
• Transformaciones según una FUNCIÓN
• Transformación logarítmica
• Transformación exponencial
• Operaciones entre varias imágenes

• suma, resta, multiplicación, división
• máximo, mínimo
• AND, OR, XOR
• Ejemplo
Original Original con

Ruido
Gaussiano
Resta Resta x 6
• Ejemplo
Umbralizada
128
Min(Original,
Umbralizada)
Original
14
Operaciones Puntuales: Booleanas
A B
A OR B
15
A B
A AND B
16
A B
A XOR B
17
A B
A OR
not(B)
• Dependientes de las Características Globales
• Manipulación del Histograma
• La ecualización del histograma persigue obtener una distribución
uniforme del histograma de la imagen.
• Autoescalados de la imagen / LUT
Original
Ecualización
Histograma
19
Transformaciones de laImagen
• Ecualización del histograma
Ecualización
20
Operaciones Puntuales:Autoescalado de la imagen
Origen Origen
Máx: 182 - 55
Mín: 55
Escalada
¿Cuál es la transformación?
f (x, y) − f (x, y)min
g(x, y)= MAX − MIN+MIN
f (x, y)max − f (x, y)min
¿Qué tipo de transformación es? ¿Por qué?

• Ejemplo:
• La imagen de la izquierda tiene el siguiente histograma.
• ¿Cómo es el histograma de la imagen I2?, con
• I2 = max(I, 90)
• ¿Cómo es el histograma de la imagen I3?, con
• I3 = min(I, 90)
Operaciones Globales
• Look Up Table (LUT)
• Es una transformación de la distribución de intensidades de la
imagen
• Aplicaciones: Umbralizaciones, Realce, escalados, ….
• Se rellena una tabla cuyo tamaño coincide el espacio de intensidades ( p.e en
imágenes de 8 bits -> 28 =256)
• El valor de intensidad de cada pixel de la imagen de entrada se utiliza como índice
(i) de la tabla.
• El valor de intensidad para ese pixel en la imagen de salida es el valor de la tabla
LUT para ese índice:
0 186
1 170
2 172
3 168
Imagen Entrada 4 167 Imagen Salida
Intensidad Pixel . Intensidad Pixel
. .
.
.
…
.
.
252 21
253 20
254 20
255 20
Tabla de Contenidos
Operaciones Locales
• La imagen se transforma en función de los niveles de gris
de cada píxel considerado y de los de su entorno.
• Pueden ser:
• Lineales:
• Media en un entorno del pixel.
• Convolución.
• No lineales:
• Estadísticas: Mediana
• Analíticas
•
Transformación por cualquier función
• Media geométrica, armónica, contraarmónica ....
• Morfológicas
Operaciones Locales
• Convolución:
g(x,y) = w1*f(x-1,y-1)+ w2*f(x,y-1)+ w3*f(x+1,y-1)+
w4*f(x-1,y)+ w5*f(x,y)+ w6*f(x+1,y)+
w7*f(x-1,y+1)+ w8*f(x,y+1)+ w9*f(x+1,y+1)
0,0 1,0 2,0 3,0 4,0 5,0
w1 w2 w3 0,1 1,1 2,1 3,1 4,1 5,1
w4 w5 w6 0,2 1,2 2,2 3,2 4,2 5,2
w7 w8 w9 0,3 1,3 2,3 3,3 4,3 5,3
Máscara 0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5
Imagen
Operaciones Locales
• Convolución f(1,1)*w1+
0,0 1,0 2,0 3,0 4,0 5,0 f(2,1)*w2+
0,1 w1
1,1 w2
2,1 w3
3,1 4,1 5,1 f(3,1)*w3+
0,2 w4
1,2 w5
2,2 w6
3,2 4,2 5,2 f(1,2)*w4+
0,3 w7
1,3 w8
2,3 w9
3,3 4,3 5,3 G(2,2) = f(2,2)*w5+
0,4 1,4 2,4 3,4 4,4 5,4 f(3,2)*w6+

f(1,3)*w7+
0,5 1,5 2,5 3,5 4,5 5,5
f(2,3)*w8+
f(3,3)*w9
Operaciones Locales
• Convolución
1 1 1
1/9 1 1 1
1 1 1
-1 0 1
-1 0 1
-1 0 1
Operaciones Locales
• Convolución (Problemas):
• Contornos: no se dispone de suficiente información
• Se asume un valor constante
• Se considera transparente
w1 w2 w3
w4 w5
0,0 w6
1,0 2,0 3,0 4,0 5,0
w7 w8
0,1 w9
1,1 2,1 3,1 4,1 5,1
0,2 1,2 2,2 3,2 4,2 5,2
0,3 1,3 2,3 3,3 4,3 5,3
0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

Operaciones Locales
• Convolución (Problemas):
• Saturaciones:
• El resultado de la convolución puede superar el valor máximo o mínimo
que podemos almacenar en un pixel (8 - 16 bits)
1 1 1
1/9 1 1 1
1 1 1
1 1 1
1/4 1 1 1
1 1 1
Operaciones Locales
• Ejercicios rápidos: Plantee una máscara que haga:
• Máscara para extraer bordes:
• Verticales.
• Horizontales.
• Diagonales.
• Máscara para hallar el Brillo de una imagen.
• Máscara para hallar la media en un entorno de 7x7.
• Máscara para desplazar una imagen (x, y) pix.
• Suponiendo que tenemos una imagen digital (1 y
ceros).
• Plantear una máscara que me permita detectar pixeles
aislados (no tienen vecinos, en conexión a 8).
• Plantear una máscara que me permita detectar un patrón.
Tiempos de cálculo
• Asuma:
• Una imagen de 640x480 pixels se convoluciona.
• Suponga que se usa una máscara de convolución de 3x3 pixels, como la
siguiente
• Una operación de suma de dos enteros (byte) tarda 1ns en nuestro
procesador.
• Una operación de multiplicación de dos enteros (byte) tarda 5ns en
nuestro procesador.
• Una operación de asignación tarda 0.5 ns.
• Calcule el número total de operaciones necesarias de cada tipo.
• Realice una predicción del tiempo total necesario para el procesado de la
imagen.
1 2 1
2 4 2
1 2 1
34
• Operaciones no lineales
11
• Analíticas
• Media geométrica
Geom. =
MGeom.  d(r, c)
d(r,c) N22
N
(r,c)W
(r ,c)W
• Media armónica
• Media contra-armónica N2
• Media de potencia M Harmónica ==
 1
d(r,c)
(r ,c)W d(r, c)
• Estadísticas
• Mediana
Operaciones Locales
• No Lineales
• Mediana
10 90 30
25 50 67
26 28 80
10 25 26 28 30 50 67 80 90
Operaciones Locales
• No Lineales
• Estadísticas
Filtro
Mediana
(no lineal)
Filtro
Original + Media
Ruido Aleatorio (lineal!)
Operaciones Locales
• No Lineales
• Morfológicas
• Relacionadas con la estructura geométrica de los objetos

• Depende del ’elemento estructurante’
• En imágenes binarias:
• Erosión
• Dilatación
• Adelgazamiento y esqueletización
• Opening
• Closing
• En imágenes multinivel:
• Extensión de las mismas operaciones
Operaciones Locales
• Erosión y dilatación:
• Dependen de la forma del elemento estructurante y de la imagen
0,0 1,0 2,0 3,0 4,0 5,0
0,1 1,1 2,1 3,1 4,1 5,1
0,2 1,2 2,2 3,2 4,2 5,2
0,3 1,3 2,3 3,3 4,3 5,3
0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

Elemento estructurante
Imagen
39
• Erosión y dilatación
0,0 1,0 2,0 3,0 4,0 5,0
0,1 1,1 2,1 3,1 4,1 5,1 Erosión: Min
0,2 1,2 2,2 3,2 4,2 5,2
0,3 1,3 2,3 3,3 4,3 5,3 Dilatación: Max

0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

Operaciones Locales
• Erosión de imágenes binarias
Operaciones Locales
• Dilatación de imágenes binarias
Operaciones Locales
• Erosión de una imagen multinivel
Operaciones Locales
• Dilatación de una imagen multinivel
44
• Opening y Closing
• Encadenamiento de pares de operaciones
• Erosión
• Dilatación
• El orden de aplicación no es siempre el mismo
• Opening
• Erosión + Erosión + Dilatación + Dilatación
• Closing
• Dilatación + Dilatación + Erosión + Erosión
Tabla de Contenidos
• Operaciones globales
• La imagen se transforma globalmente sin considerar
los pixeles de forma individual, realizándose un cambio
de dominio
• Entre las más empleadas:
• Transformada de Fourier
• Filtrado de ruido
• Frecuencias altas y bajas de la imagen
• Transformada discreta del coseno
• Transformada de Hough
• Cambio entre modelos de color
• También se definen sus transformadas inversas
• Transformada de Fourier
Dominio
h(x,y) Espacio
f(x,y) g(x,y)=
f(x,y)*h(x,y)
TF TF-1
H(u,v) Dominio
G(u,v)=
F(u,v) Frecuencia
F(u,v)H(u,v)
1 N−1 N−1 − j(ur+vc)2

F(u,v)=
N
I(r,c)e N
r=0 c=0
• Ejemplo: Frecuencia baja
• Ejemplo: Frecuencia alta
1 1 1 F[]
h(x,y) 1/9
1 1 1
1 1 1
f’(x,y)=f(x,y)*h(x,y)
f’(x,y)=F-1[F(u,v)*H(u,v)]
¿Qué tipo de
filtro es H(u,v)?
51
-1 -1 -1
F[]
h(x,y) -1 8 -1
-1 -1 -1
f’(x,y)=f(x,y)*h(x,y)
f’(x,y)=F-1[F(u,v)*H(u,v)]
¿Qué tipo de
filtro es H(u,v)?
Tabla de Contenidos
Operaciones Geométricas
• Operaciones geométricas
• La posición de cada pixel en la imagen resultado depende de la
posición en la imagen origen
• Las más usadas:
• Homotecia, zoom (ampliar una zona de la imagen)
• Traslación
• Rotación
• Warping, corrección de distorsiones
• Morphing, transformación suave entre varias imágenes
• Warping
• Correspondencia entre las posiciones de los pixels en la imagen de entrada y
posiciones de los pixels en la imagen de salida
Transformación
Geométrica
I(r,c) D(r’, c’)
r’= R(r,c)
c’= C(r,c)
▪ Para determinar las ecuaciones es necesario identificar un conjunto de puntos

de la imagen de entrada que tengan correspondencia con un conjunto de
puntos de la imagen de salida (tiepoints)
▪ Estas ecuaciones suelen ser bilineales
• Warping
1. Definir los cuadriláteros sobre la imagen con unos puntos ‘tiepoints’ conocidos
2. Encontrar las ecuaciones R(r,c) y C(r,c) para estos puntos
3. Establecer una correspondencia entre los puntos dentro de este cuadrilátero y la
imagen final
I(r,c)
d(r̂,ĉ)
Warping
58
Operaciones Geométricas: Interpolación

• Consideremos p.e. una rotación
Pixel Pixel
Pixel (i, j),
(i’, j’) (x,y)
intersección
• Las nuevas coordenadas no “caen”sobre ningún pixel en particular.

Las nuevas coordenadas transformadas no son enteras. ¿Cómo se
forma la imagen resultado? ¿?
Operaciones Geométricas:
• Por ejemplo, para el pixel (x,y) podemos tomar el valor del pixel
(i’,j’)más próximo (rápido)
Pixel
(x,y)
Otra solución es calcular el valor medio de los pixeles que

rodean a (x, y)
Tema 4 Transformaciones de una Imagen ISA-UMH 60

• Procedimiento:
• Determinar las coordenadas (i’, j’) de los pixeles transformados.
• Calcular los valores de los pixeles (su nivel de gris) a partir de
los valores conocidos de los píxeles (i’, j’) →Interpolación
• P. e. interpolación bilineal
• x, y, coordenadas de pixeles de la imagen final (enteros)
• i’,j’,coordenadas de pixeles de la imagen transformada
p(x, y) = a1 p(i', j') + a2 p(i', j'+1) + a3 p(i'+1, j') + a4 p(i'+1, j'+1)

a1 = (1− dx)(1− dy) p(x, y)
a2 = dx(1− dy)
a3 = (1− dx)dy dy
a4 = dxdy
p(i’, j’)
p(i’+1, j’+1)
61
• Ventajas
• Inconvenientes
Operaciones: Resumen
Indep. de Una imagen Suma, resta, mult, Inversa
Puntuales división por cte.
caract.
globales umbralización Cualquier función
Varias Suma, resta, Máximo, mínimo.
mult, división. Lógicas: AND,
imágenes
OR, NOT, XOR
Dep. de Una imagen Ecu. Del Autoescalado
histograma.
caract.
globales
Locales lineales Una imagen Convolución Media en un
entorno
No lineales Mediana Op. Morfológicas.
Erosión, dilatación
Globales Cambio de Una imagen Tr. Fourier.

Tr. Hough
dominio
Geométricas Cambio en pos Una imagen Zoom, Traslación, Warping

del pixel Rotación
Cambios en la Morphing
posición y el valor
Ejemplo: tren delaminación
• Ilumina ción difusa no coherente

a) Muestra Correcta b) Defecto Baja Frecuencia c) Defecto Alta Frecuencia
• Patrón de Interferencia: luz coherente

Análisis Frecuencial
a) Muestra Correcta b) Defecto Baja Frecuencia c) Defecto Alta Frecuencia

5
5
dp dp
4
4
3
F F T s p ect ru m
FFT spectrum
3
2 2
1 1
0 0
-64 -48 -32 -16 0 16 32 48 64 -64 -48 -32 -16 0 16 32 48 64
Distance t o t he FFT center (pixels) Distance to the FFT center (pixels)
(a) (b)
4
FFT spectrum
0
-64 -48 -32 -16 0 16 32 48 64
Distance to the FFT center (pixels)
Muestra correcta
Ejemplo
• Deseamos extraer la posición en la cámara de la siguiente marca.
¿Qué operación debemos realizar?
Ejemplo
• Deseamos extraer la posición en la cámara de la siguiente marca.
• ¿Qué operación debemos realizar?.
• ¿Qué tipo de operación es?
• ¿Qué precisión puedo obtener en la detección del punto?
• ¿Qué ocurre si acerco/alejo la cámara?
• ¿Qué ocurre si cambia la iluminación de la escena?
• ¿Qué ocurre si la cámara rota sobre su eje óptico?
• SLAM

04 TransformacionesImagenes HC

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

04 TransformacionesImagenes HC

Cargado por

Copyright:

Formatos disponibles

VISIÓN POR COMPUTADOR

Universidad de Fuerzas Armadas

Cámara Digitalizador Computador

• Es decir: elegir el tipo de iluminación

• Diseño de las operaciones a realizar

¿Contraste? →Igual /disminuye

• Operaciones entre varias imágenes

Original Original con

Operaciones Puntuales: Booleanas

Operaciones Puntuales: Booleanas

Operaciones Puntuales: Booleanas

Operaciones Puntuales: Booleanas

Operaciones Puntuales:Autoescalado de la imagen

¿Qué tipo de transformación es? ¿Por qué?

0,0 1,0 2,0 3,0 4,0 5,0

w1 w2 w3 0,1 1,1 2,1 3,1 4,1 5,1

w4 w5 w6 0,2 1,2 2,2 3,2 4,2 5,2

w7 w8 w9 0,3 1,3 2,3 3,3 4,3 5,3

Máscara 0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

0,0 1,0 2,0 3,0 4,0 5,0 f(2,1)*w2+

0,4 1,4 2,4 3,4 4,4 5,4 f(3,2)*w6+

0,2 1,2 2,2 3,2 4,2 5,2

0,3 1,3 2,3 3,3 4,3 5,3

0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

• Relacionadas con la estructura geométrica de los objetos

0,0 1,0 2,0 3,0 4,0 5,0

0,1 1,1 2,1 3,1 4,1 5,1

0,2 1,2 2,2 3,2 4,2 5,2

0,3 1,3 2,3 3,3 4,3 5,3

0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

0,0 1,0 2,0 3,0 4,0 5,0

0,1 1,1 2,1 3,1 4,1 5,1 Erosión: Min

0,2 1,2 2,2 3,2 4,2 5,2

0,3 1,3 2,3 3,3 4,3 5,3 Dilatación: Max

0,5 1,5 2,5 3,5 4,5 5,5

1 N−1 N−1 − j(ur+vc)2

▪ Para determinar las ecuaciones es necesario identificar un conjunto de puntos

Operaciones Geométricas: Interpolación

• Las nuevas coordenadas no “caen”sobre ningún pixel en particular.

Otra solución es calcular el valor medio de los pixeles que

Operaciones Geométricas: Interpolación

p(x, y) = a1 p(i', j') + a2 p(i', j'+1) + a3 p(i'+1, j') + a4 p(i'+1, j'+1)

Operaciones Geométricas: Interpolación

Globales Cambio de Una imagen Tr. Fourier.

Geométricas Cambio en pos Una imagen Zoom, Traslación, Warping

Ejemplo: tren delaminación

• Ilumina ción difusa no coherente

• Patrón de Interferencia: luz coherente

a) Muestra Correcta b) Defecto Baja Frecuencia c) Defecto Alta Frecuencia

También podría gustarte