Reporte Laboratorio 4, histogramas y dominio de frecuencia.

Luis Manco Luis Payares

IMTR 3013 - Visión Artificial Prof. A. Marrugo
Fecha: 23/03/2021
Dept. mecánica y mecatrónica Universidad tecnológica de bolívar
1. Introducción
En el presente informe se implementarán
histogramas en forma de barras para
representar imágenes, de modo que las barras
en el histograma sean proporcionales a la
frecuencia para determinar los desfases que
Resultados
tiene una imagen y aplicar de forma correcta
- Histogramas obtenidos a partir de imágenes.
los filtros para obtener la señal original
2. Marco teórico
a) histograma [1]
Es una representación gráfica de una variable
en forma de barras, donde la superficie de
cada barra es proporcional a la frecuencia de
los valores representados. Sirven para
obtener una "primera vista" general, o
panorama, de la distribución de la población,
o de la muestra, respecto a una característica,
cuantitativa y continua.
b) dominio de la frecuencia [2]
Es un término usado para describir el análisis
de funciones matemáticas, señales o
movimiento periódico respecto a su
frecuencia. histograma imagen tire.tif.
Un gráfico del dominio temporal muestra la
evolución de una señal en el tiempo,
mientras que un gráfico frecuencial muestra
las componentes de la señal según la
frecuencia en la que oscilan dentro de un
rango determinado. Una representación
frecuencial incluye también la información
sobre el desplazamiento de fase que debe ser
aplicado a cada frecuencia para poder
combinar las componentes frecuenciales y
poder recuperar de nuevo la señal original.
3. Procedimiento
para este laboratorio se hará la ejecución en matlab
del laboratorio de histogramas y frecuentas, la
intención es probar y varias parametros del código, histograma imagen pout.tif
asi como dar respuestas a la preguntas expuestas
en base a los datos y resultados obtenidos en los
diferentes puntos de la simulacion
 histograma imagen eight.tif
a. ¿Qué imagen esperas que sea la más
oscura? ?La más clara?

Con los tres histogramas se espera que la la imagen pout.tif

imagen tire.tif sea la mas oscura debido a la
gran concentracion en los valores de negro en
histograma, asi como se espera que la imagen
mas clara sea eight.tif debido a que concentra
sus valores.
se observa que la imagen pout, está
mayormente en una escala de grises, tal como
muestra su histograma .

- Confirmación de análisis del

histograma

imagen eight.tif
se observa claramente que es la imagen más
clara debido a la concentración de valores en
blanco.

- Ecualización de imágenes

imagen tire.tif
se observa claramente que la imagen tire es la
más oscura, debido a la concentracion de
valores en negro .
 ecualización imagen tire.tif

ecualización imagen pout.tif

histograma ecualizado tire. tif

histograma ecualizado pout.tif

 - umbralización de imágenes

ecualización imagen pout.tif

imagen coin.png

histograma coin.png
histograma ecualizado pout.tif
¿En cuál imagen se ven más detalles?

para la imagen tire.tif la imagen mejoró en

contraste mostrando mas detalles que antes no
eran percibidos por la cantidad de valores en
negro.

para la imagen pout.tif no se mostraron más

detalles, pero sin embargo debido a la
ecualización se hizo más fácil la percepción de
los detalles de la imagen.

para la imagen eight.tif paso que se perdieron

muchos detalles en la imagen hasta tal punto
que de no percibir los detalles de la imagen
antes de la ecualización. imagen coin.png umbral 50
 - Pruebe con la siguiente imagen
I = imread('rice.png');

imagen coin.png umbral 100

se segmenta de manera adecuada?

no ya que no percibe el objetos, intentando con
valores diferente utiliza un valor de umbral
doble a puesto inicialmente y si se segmenta
de mejor manera

- Pruebe con la funcion graythresh(I)

umbral = graythresh(I)

¿Qué dificultades observa?

se generan pequeños puntos blanco entres los
granos de arroz y no se toman como si fueran
en fondo en la imagen.

segmentación usando función graythresh

- mejora?
mejora significativamente debido que en esta
si se segmentan la forma de los objeto, pero
sigue teniendo un problema con una de las
monedas.
- procesamiento de frecuencias

filtro de gauss a utilizar.

fft fil, pad to same size as image

should be order of 2 and include padding

multiply fft images

fft im with padding

 - submuestrear por un factor de 2.

inverse fft2

imagen original.

remove padding from fft2

muestreo cada dos pixeles.

 consulta: 22:36, abril 9, 2021 desde
https://es.wikipedia.org/w/index.php?title=Hist
ograma&oldid=134078846.

[2]Dominio de la frecuencia. (2020, 6 de

octubre). Wikipedia, La enciclopedia libre.
Fecha de consulta: 22:36, abril 9, 2021 desde
https://es.wikipedia.org/w/index.php?title=Do
minio_de_la_frecuencia&oldid=129841537

filtrado pasa bajo - muestreo cada dos píxeles

Comparando ambas imágenes vemos que

pierden ambas detalles, pero la pasada por
filtro pierde menos, se ve mejor las letras
pequeñas se pueden entender en cambio en la
que no tenía filtro las letras son legibles

4. 5. Conclusiones
De la práctica podemos entender cómo un
histograma de una imágen nos puede ayudar a
inferir si una imagen es oscura o si es clara
debido a los valores que presente, aunque no
podemos saber claramente de qué se trata la
imágen, a su vez por medio de estos
histogramas y la implementación de otros
filtros como el gaussiano podemos oscurecer o
esclarecer una imagen lo puede resultar
bastante útil en algunos casos para visualizar
mejor los detalles (en especial las imágenes
oscuras), de acuerdo a los valores presentados
en el histograma podemos saber cuál de los
dos filtros mencionados anteriormente utilizar
para tener una visión más clara de la imágen
5. 6. Referencias

[1]Histograma. (2021, 18 de marzo).

Wikipedia, La enciclopedia libre. Fecha de