INSTITUTO TECNOLÓGICO SUPERIOR DE

IRAPUATO

Práctica No. 7
“Filtrado Espacial”
MATERIA:
PROCESAMIENTO DIGITAL DE
IMÁGENES

CARRERA:
Ing. Mecatrónica

ALUMNO:
Rocha Solis Edgar Vladimir
No de Control:
IS16111570
GRUPO:
ISHC55A
PROFESOR:
Dr. Gerardo Trejo Caballero

FECHA DE ENTREGA:
09/12/20
ÍNDICE

RESUMEN..................................................................................................................................................................... 3
MARCO TEÓRICO.....................................................................................................................................................3
¿Qué Es El Filtrado De Imágenes En El Dominio Espacial?...............................................................................3
Filtros De Suavizado (Lineales)....................................................................................................................................6
Filtrado Pasa Baja Triangulares.............................................................................................................................7
Filtros Gaussianos...................................................................................................................................................7
Consideraciones.......................................................................................................................................................7
Filtros De Suavizado (No Lineales)..............................................................................................................................7
Filtro De Kuwahara.................................................................................................................................................8
OBJETIVOS..................................................................................................................................................................9
Objetivos Generales................................................................................................................................................9
Objetivos Específicos..............................................................................................................................................9
MATERIALES, EQUIPO Y SOFTWARE.................................................................................................................9
DESARROLLO...........................................................................................................................................................10
PRUEBAS Y RESULTADOS.....................................................................................................................................15
DISCUSIÓN................................................................................................................................................................18
CONCLUSIONES.......................................................................................................................................................18
REFERENCIAS..........................................................................................................................................................18
ANEXO........................................................................................................................................................................ 19
 Códigos Empleados....................................................................................................................................19
Código para el procesamiento 1.................................................................................................................................19
Código para el procesamiento 2.................................................................................................................................20
Código para el procesamiento 3.................................................................................................................................21
 RESUMEN

El presente trabajo consiste en una descripción teórica de la operación de procesamiento por

grupo de pixeles conocida como Filtrado Espacial y una práctica en donde se aplicará este
tipo de procesado de imágenes. Aquí se incluirán conceptos básicos de lo que son los filtros
espaciales lineales y no lineales, también veremos cómo si es algo común de utilizar y
algunos ejemplos de la utilización de estos filtros en aplicaciones tecnológicas.

Posteriormente se explicará un poco el funcionamiento y después el desarrollo de la práctica

realizada y algunas de las comparaciones entre los distintos métodos.

Finalmente terminaremos con la discusión y una conclusión, anexando el código al final del
documento.

MARCO TEÓRICO

¿Qué Es El Filtrado De Imágenes En El Dominio Espacial?

Las operaciones de contraste descritas en la sección previa no alteran los datos de la imagen,
simplemente modifican su visualización. En el filtrado espacial, en cambio, los datos de la
imagen son modificados. En efecto, el valor de un pixel en una dada ubicación es cambiado
en función de los valores de los pixeles vecinos.
El filtrado es una técnica para modificar o mejorar una imagen. Por ejemplo, puede filtrar una
imagen para enfatizar ciertas entidades o eliminar otras entidades. Las operaciones de
procesamiento de imágenes implementadas con filtrado incluyen suavizado, nitidez y mejora
de bordes.
El filtrado es un valor en el que el valor de un píxel determinado en la imagen de salida se
determina aplicando algún algoritmo a los valores de los píxeles en la vecindad del píxel de
entrada correspondiente.
Operación vecinal, La vecindad de un píxel es un conjunto de píxeles, definido por sus
ubicaciones en relación con ese píxel. (Véase para una discusión general sobre las
operaciones de vecindario.) es un filtrado en el que el valor de un píxel de salida es una
combinación lineal de los valores de los píxeles de la vecindad del píxel de entrada.
En percepción remota las imágenes se caracterizan por un parámetro denominado frecuencia
espacial. Esta puede definirse como el número de cambios que ocurren en el valor del pixel (o
brillo) por unidad de distancia para alguna región particular de la imagen. Si sobre una dada
área de la imagen ocurren pocos cambios de brillo se considera como un área de baja
frecuencia (ej. grandes extensiones agrícolas, cuerpos de agua extensos, etc.)
Si, por otra parte, los cambios de brillo son numerosos y notorios tendremos un área de alta
frecuencia (calles o caminos en zonas urbanas, parcelas agrícolas pequeñas, etc.). En las
imágenes de percepción remota la frecuencia espacial puede realzarse o deprimirse según la
conveniencia del analista utilizando el filtrado espacial.
Este no es sino una aplicación de la operación general de procesamiento de imágenes
denominada convolución y que implica el siguiente procedimiento:
1. Se define una ventana móvil que contiene un arreglo de coeficientes o factores
ponderales. Estos arreglos se definen como operadores o kernels, cuyo tamaño es
normalmente el de un número impar de pixeles (3x3, 5x5, 7x7, etc).
2. Dicho kernel se mueve a través de la imagen original, y el valor del pixel central del
kernel en la imagen de salida se obtiene multiplicando cada coeficiente del kernel por el
correspondiente valor del pixel en la imagen original y sumando el resultado de todos los
productos resultantes. La operación se repite para cada pixel de la imagen original.

Figura 1. Se esquematiza el concepto de ventana móvil.

VENTANA MOVIL IMAGEN PROYECCION DE LA VENTANA MOVIL SOBRE LA

IMAGEN A PROCESAR

Figura 2. Esquematización de la operación de un filtro de baja frecuencia

Este filtro puede considerarse un filtro de media ya que el resultado es el valor promedio de
todos los pixeles cubiertos por la ventana móvil. Existen muchos tipos de filtros de
convolución.
En las siguientes imágenes se dan ejemplos de los efectos obtenidos con algunos de dichos
filtros (Figuras. 3 a, b y c, y Figuras 4. bis a, b y c.)
 Figuras. 3 a, b y c. Figuras 4. bis a, b y c.

Los filtros de baja frecuencia reducen las desviaciones respecto al promedio local de la
imagen y ésta aparece como más difusa, efecto que aumenta al aumentar el tamaño de la
ventana (5x5, 7x7, etc.).
Este filtro suele ser útil para reducir ciertos patrones de ruido, como por ejemplo los efectos de
“salt-and-pepper” de algunas imágenes. Los filtros de alta frecuencia deprimen los
componentes de baja frecuencia reteniendo los de alta frecuencia (variaciones locales).
Pueden ser utilizados para realzar bordes entre distintos objetos de una imagen, así como
para hacer ésta más nítida.
El empleo de máscaras espaciales para el procesamiento de las imágenes se denomina
frecuentemente filtrado espacial.
La forma de operar estos filtros, como ya se explicó, es por medio de la utilización de
máscaras que recorren toda la imagen centrando las operaciones sobre los pixels que se
encuadran en la región de la imagen original que coincide con la máscara y el resultado se
obtiene mediante una computación entre los pixels originales y los diferentes coeficientes de
las máscaras.
Entonces los Filtros Espaciales:
 Modifican la contribución de ciertos rangos de frecuencia (bajas, medianas, altas)
 Se aplican directamente a la imagen (espacio) y no a una transformada de ella
(frecuencia)
 El nivel de gris de un pixel se obtiene de los valores de sus vecinos
 El filtrado se realiza por convolución de la imagen con los filtros espaciales

Categorías Según Los Rangos De Frecuencia:

 Filtros Paso-Bajas (LPF) , Smoothing Filters
o Reducción de ruido
o Suavizado
o Pérdida de nitidez
 Filtros Paso-Banda (BPF)
o Detección de patrones de ruido
o Eliminan demasiado contenido de la imagen
 Filtros Paso-Altas (HPF), Sharpening Filters
o Detección de cambios de luminosidad
o Detección de patrones (bordes y contornos)
o Resaltado de detalles finos

Filtros De Suavizado (Lineales)

La imagen de salida está basada en una media local del filtro de entrada donde los
coeficientes tienen distintos pesos.

Figura 5.

El empleo de máscaras como las anteriores se denomina a menudo como promediado en el

entorno.
 Filtrado Pasa Baja Triangulares
La imagen de salida está basada en una media local del filtro de entrada donde los
coeficientes tienen distintos pesos.

Figura 6.

Filtros Gaussianos
La imagen de salida está basada en una media local del filtro de entrada donde los
coeficientes se ajustan a una gaussiana dependiente de s.

Consideraciones
En la práctica no existe mucha diferencia entre los resultados obtenidos por las distintas
funciones de peso, aunque el suavizado Gaussiano es el más utilizado.
Todos ellos tienen la particularidad que reducen o atenúan las altas frecuencias de la imagen.
Utilizando un suavizado gaussiano que las frecuencias son modificadas de una manera suave.

Filtros De Suavizado (No Lineales)

Los filtros de suavizado lineales (vistos anteriormente) tienden a "difuminar los ejes" a causa
de que las altas frecuencias de una imagen son atenuadas.
Cuando el objetivo es más la reducción del ruido que el difuminado, el empleo de los filtros de
mediana representan una posibilidad alternativa. En este caso, el nivel de gris de cada pixel
se reemplaza por la mediana de los niveles de gris en un entorno de este pixel, en lugar de
por la media. Este método es particularmente efectivo cuando el patrón de ruido consiste en
componentes fuertes y de forma picuda, y la característica que se desea preservar es la
agudeza de los bordes.

Figura 7.
 Filtro De Kuwahara

Lo mismo que para el filtro anterior, éste tiene como objetivo suavizar imágenes sin distorsionar los
detalles y si es posible la posición de los bordes. A ambos filtros se les denomina filtros de suavizado
preservando bordes.

La idea consiste en lo siguiente: se parte de una ventana de tamaño J=K=4L+1 donde L es un

entero. La ventana se parte en cuatro regiones.

Para cada una de las regiones se mide el nivel de gris medio y la varianza (desviación típica).

El valor de salida asociado al pixel central de la ventana es el valor medio de la región que tiene una
varianza más pequeña.
OBJETIVOS
Objetivos Generales
 Obtener el filtrado espacial de una imagen.
 Desarrollar el procedimiento abajo descrito, a fin de obtener las imágenes como se
piden.

Objetivos Específicos
 Procesamiento 1. Importe la información asociada a la imagen de entrada del archivo
Salt&Pepper01.bmp y obtenga y compare las imágenes de salida resultantes a partir de
filtrar la imagen de entrada previamente importada con filtros de suavizado basados en
máscaras promediadoras y gaussianas de 3 x 3 y 5 x 5.

 2. Procesamiento 2. Importe la información asociada a la imagen de entrada del archivo

NAO-ITESI.jpg y obtenga los bordes mediante el empleo de los filtros direccionales de
Roberts. Compare y discuta los resultados de utilizar las máscaras de detección
horizontal, vertical, a 45° y -45° de forma individual y de forma tal que la detección sea
en ambas transiciones (positiva y negativa). Finalmente, integre en una única imagen,
los bordes detectados en todas las direcciones empleadas.

 Procesamiento 3. Importe la información asociada a la imagen de entrada del archivo

NAO-ITESI.jpg y obtenga mediante una sucesión de diversos procesamientos, 3
versiones diferentes del efecto “dibujo a lápiz”.
MATERIALES, EQUIPO Y SOFTWARE
 Computadora
 Software Matlab
 Imágenes otorgadas

DESARROLLO
Lo primero que haremos es abrir el software de Matlab y nos colocamos en la carpeta en la
que tenemos ubicadas las imágenes que nos proporcionó el profesor y una vez ahí abriremos
un nuevo Script donde crearemos el código.

La Imagen 1 es la imagen original con la cuál vamos a realizar el procesamiento 1 con las
especificaciones de los objetivos.

Imagen 1. Imagen otorgada.

Lo que obtenemos como resultado en las imágenes de salida a partir de filtrar la imagen
original qué fue la imagen de entrada, es un proceso con filtros de suavizado basado en
máscaras promediadoras y gaussianas de 3x3 y 5x 5.

Imagen 2. Máscara Gaussiana de 3x3. Imagen 3. Máscara Gaussiana de 5x5.

En las siguientes dos imagenes ( imagen 4 e imagen5), se muestran los resultados de los
procesamientos para las imagenes con Máscara Promediadora de 3x3 y 5x5.

Imagen 4 Máscara Promediadora de 3x3. Imagen 5. Máscara Promediadora de 5x5.

Lo que proseguiremos a hacer según lo mencionado en los objetivos será obtener los bordes
de la imagen mediante el empleo de los filtros direccionales de Roberts de la imagen NAO-
ITESI.jpg.

En la imagen 6, se muestra la imagen original otorgada por el profesor, la cual es con la que se
va a trabajar en este procesamiento.
 Imagen 6. Imagen Original
.

En las imágenes posteriores podremos observar cómo nos muestran los resultados de
utilizar las máscaras de detección horizontal, vertical, a 45° y -45° de forma individual y de
forma tal que la detección sea en ambas transiciones (positiva y negativa).

Podrá parecer las imágenes siguientes (7, 8, 9, 10, 11, 12, 13 y 14) contienen solamente el
fondo de color negro, pero en realidad si tienen pues amiento que a la vista humana no le es
posible distinguir.

Imagen 7. Imagen 8.

Imagen 9. Imagen 10.

 Imagen 11. Imagen 12

Imagen 13. Imagen 14.

Ya fue hasta la imagen siguiente (imagen 15) que finalmente le integramos en una única
imagen, los bordes detectados en todas las direcciones empleadas, nos da una mayor
diferencia a la vista.

Imagen 15. Detección de bordes mediante filtros Roberts

Finalmente, ya para él último procesamiento a realizar debemos obtener tres versiones

diferentes del procesamiento del Efecto “dibujo a lápiz” como lo muestran las imágenes 16,
17 y 18.

En la Imagen 16 se muestra el efecto de dibujo a lápiz de filtros Roberts.

 Imagen 16. Efecto “Dibujo a lápiz” mediante filtros Roberts.

La siguiente imagen representa el procesado de la imagen de detección de bordes mediante

filtros Sharpen.

Imagen 17. Detección de bordes mediante filtros Sharpen

En la siguiente imagen se muestra el efecto de dibujo a lápiz mediante el filtro de

agudizamiento.
 Imagen 18. Efecto "Dibujo a lápiz" mediante el filtro de agudizamiento.

Y finalizamos con el ultimo procesamiento, el efecto “Dibujo a lapiz” este efecto se llama
filtros Sobel, es el que se muestra en la Imagen 19.

Imagen 19. Efectos "Dibujo a lápiz" mediante filtros Sobel.

PRUEBAS Y RESULTADOS
Comparación entre los resultados de las Máscaras Promediadoras de 3x3 y 5x5.

Imagen 20. Original Imagen 21. Máscara Imagen 22. Máscara

Promediadora 3x3 Promediadora 5x5

Comparación de resultados de Máscaras Gaussianas de 3x3 y de 5x5.

Imagen 23. Original Imagen 24. Máscara Imagen 25. Máscara

Gaussiana 3x3 Gaussiana 5x5

Las siguientes imágenes son los resultados de la obtención de bordes mediante el empleo de
los filtros direccionales de Roberts y máscaras de detección horizontal, vertical, a 45° y -45°
de forma individual y de forma tal que la detección sea en ambas transiciones (positiva y
negativa).

Estas imágenes siguientes, parecieran ser una simple imagen en color negro, ya que el ojo
humano no alcanza a distinguir la pequeña diferencia de valores, pero aun así todas ellas
tienen diferente valor de iluminación.

Imagen 26. Comparación de imágenes

Hasta que finalmente integramos en una única imagen, los bordes detectados en todas las
direcciones empleadas, nos da una gran diferencia a la vista ( Imagen 27).

Imagen 27. Detección de bordes mediante filtros Roberts

Comparación de la imagen Original con los resultados del efecto “Dibujo a lápiz” mediante
filtros Roberts.
 Imagen 28. Comparación de Original y Efecto Lápiz

Comparación entre las imágenes Original, Efecto "Dibujo a lápiz" mediante el filtro de
agudizamiento.

Imagen 29. Efecto "Dibujo a lápiz" mediante el filtro de agudizamiento.

Resultados de imagen con Efectos "Dibujo a lápiz" mediante filtros Sobel.

Imagen 30. Efectos "Dibujo a lápiz" mediante filtros Sobel.

DISCUSIÓN
Al principio me fue complicado entender lo que se estaba haciendo, pero después pude ver
como estos procesos nos ayudan a aclarar la imagen, pero de una manera que la imagen se
ve un poco suavizada y posteriormente también obtener los bordes de la imagen no importa si
son claros u oscuros. Y también aprendí como sacar el efecto de “dibujo a lápiz”. Fue algo
extraño al inicio, pero después me pude familiarizar un poco mas con el modo de emplearlo,
aunque aun tengo muchas cosas que me gustaría conocer al respecto.

CONCLUSIONES
El desarrollo de esta práctica se me complico ya que a pesar de tener la clase y checar
varias veces no llegue a comprender completamente lo que bebería sabe, sin embargo, a
pesar de todo el sufrimiento al momento de realizarla, logre completar correctamente lo que
se pedía en los objetivos, y fue un alivio que todo saliera bien. Tendré que investigar un poco
más para poder comprender con mayor claridad todo lo que es necesario aprender sobre
este tema.

REFERENCIAS
[1] TELEDET “PROCESAMIENTO DE LAS IMAGENES SATELITALES: FILTRADO ESPACIAL”
Obtenido de:
https://teledet.com.uy/tutorial-imagenes-satelitales/filtrado-espacial.htm

[2] MathWorks Centro de ayuda MATLAB “¿Qué es el filtrado de imágenes en el dominio espacial?”
Obtenido de:
https://la.mathworks.com/help/images/what-is-image-filtering-in-the-spatial-domain.html

[3] B. Aldalur y M. Santamaría. (enero 2005) “Procesamiento Digital de Imágenes”

Obtenido de:
http://www.aet.org.es/?q=revista17-4

[4] Turmero Pablo (7 May, 2019) “Filtrado Espacial en imágenes”

Obtenido de:
https://www.monografias.com/trabajos108/filtrado-espacial-imagenes/filtrado-espacial-imagenes.shtml

ANEXO

 Códigos Empleados

Código para el procesamiento 1.

I=imread('Salt_Pepper01.bmp');
imshow(I);
I1= SuavizaGauss(I,3);
figure, imshow(I1);
title('Máscara Gaussiana 3x3')
I2=SuavizaGauss(I,5);
figure, imshow(I2);
title('Máscara Gaussiana 5x5')

figure;
subplot (1,3,1); imshow (I);
title('Imagen Original')
subplot (1,3,2); imshow (I1);
title('Máscara Gaussiana 3x3')
subplot (1,3,3); imshow (I2);
title('Máscara Gaussiana 5x5')

I=imread('Salt_Pepper01.bmp');
imshow(I);
I1= SuavizaPromedio(I,3);
figure, imshow(I1);
title('Máscara Promediadora de 3x3')
I2=SuavizaPromedio(I,5);
figure, imshow(I2);
title('Máscara Promediadora de 5x5')

figure;
subplot (2,3,1);
imshow (I);
title('Imagen Original')
subplot (1,3,2); imshow (I1);
title('Máscara Promediadora 3x3')
subplot (2,3,3); imshow (I2);
title('Máscara Promediadora 5x5')

function[I] = SuavizaGauss(A,N)
if (N==3)
M= (1/16)*[1 2 1;2 4 2;1 2 1];
else
N=5;
M= (1/273)*[1 4 7 4 1;
4 16 26 16 4;7 26 41 26 7;
4 16 26 16 4;1 4 7 4 1];
end
I = A(:,:,1);
[r,c] = size(I);
a = (N+1)/2 ; b = (N-1)/2;
for i = a : r-b
for j = a : c-b
g = double(I(i-a+1:i+b, j-a+1:j+b)); z = sum(sum(g.*M));
I(i,j) = uint8(z);
end
end
function[I] = SuavizaPromedio(A,N)
M = (1/N^2)*ones(N); Imagen=A;
I=A;
[r,c] = size(Imagen);
a = (N+1)/2 ; b = (N-1)/2;
for i = a : r-b
for j = a : c-b
g = double(Imagen(i-a+1:i+b, j-a+1:j+b));
z = sum(sum(g.*M));
I(i,j) = uint8(z);
end
end
end

Código para el procesamiento 2.

I=imread('NAO- ITESI.jpg');figure,imshow(I);
M1=[-1 0 0; 1 0 0; 0 0 0];%Roberts Horizontal
M2=[-1 1 0; 0 0 0; 0 0 0];%Roberts Vertical
M3=[0 0 0; 0 0 1; 0 -1 0];%Roberts 45°
M4=[-1 0 0; 0 1 0; 0 0 0];%Roberts -45°
I1=FiltroMascara(I,M1);figure,imshow(I1);
I2=FiltroMascara(I,-M1);figure,imshow(I2);
I3=FiltroMascara(I,M2);figure,imshow(I3);
I4=FiltroMascara(I,-M2);figure,imshow(I4);
I5=FiltroMascara(I,M3);figure,imshow(I5);
I6=FiltroMascara(I,-M3);figure,imshow(I6);
I7=FiltroMascara(I,M4);figure,imshow(I7);
I8=FiltroMascara(I,-M4);figure,imshow(I8);
figure,imshow(I1+I2+I3+I4+I5+I6+I7+I8);
title('Deteccion de bordes mediante filtros Roberts')
figure;
subplot (4,4,1); imshow(I1);
subplot (4,4,2); imshow(I2);
subplot (4,4,3); imshow(I3);
subplot (4,4,4); imshow(I4);
subplot (4,4,5); imshow(I5);
subplot (4,4,6); imshow(I6);
subplot (4,4,7); imshow(I7);
subplot (4,4,8); imshow(I8);
subplot (4,4,9); imshow(I1+I2+I3+I4+I5+I6+I7+I8);

function [I]= FiltradoMascara (A,M)

N=3;
I= A(:,:,1);
Imagen= I; [r,c]=size (Imagen);
a = (N+1)/2; b = (N-1)/2;
for i = a :r-b
for j = a : c-b
g= double (Imagen (i-a+1:i+b, j- a+1:j+b));
z= sum (sum(g.*M));
I(i,j)= uint8 (z);
end
end
end
Código para el procesamiento 3.
I=imread('NAOITESI.jpg');
figure, imshow(I);
M1 = [-1 0 0; 1 0 0; 0 0 0];%Roberts Horizontal
M2 = [-1 1 0; 0 0 0; 0 0 0];%Roberts Vertical
M3 = [0 0 0; 0 0 1; 0 -1 0];%Roberts 45°
M4 = [-1 0 0; 0 1 0; 0 0 0];%Roberts -45°
I1= FiltroMascara(I, M1);
I2= FiltroMascara(I,-M1);
I3= FiltroMascara(I, M2);
I4= FiltroMascara(I,-M2);
I5= FiltroMascara(I, M3);
I6= FiltroMascara(I,-M3);
I7= FiltroMascara(I, M4);
I8= FiltroMascara(I,-M4);
figure, imshow(255-(I1+I2+I3+I4+I5+I6+I7+I8));
title('Efecto "Dibujo a lapiz "mediante filtros Roberts')

figure;
subplot (1,2,1), imshow (I);
subplot (1,2,2), imshow (255- (I1+I2+I3+I4+I5+I6+I7+I8));

I=imread('NAO-ITESI.jpg');
M=[1 -2 1; -2 5 -2; 1 -2 1]; %Detección de bordes-Filtro Sharpen
I1=FiltroMascara(I,M);
figure,imshow(I);
title('Imagen original')
figure, imshow(I1);
title('Detecciónde bordes mediante filtros Sharpen')
figure, imshow(255-I1);
title('Efecto "Dibujo a lapiz" mediante filtro de agudizamiento')
figure;
subplot (2,3,1), imshow (I);
subplot (2,3,2), imshow (I1);
subplot (2,3,3), imshow (255-I1);

I=imread('NAO- ITESI.jpg');
figure,imshow(I);
M1=[-1 -2 -1; 0 0 0; 1 2 1];%Sobel Horizontal
M2=[-1 0 1; -2 0 2; -1 0 1];%Sobel Vertical
I1=FiltroMascara(I,M1);
I2= FiltroMascara(I,-M1);
I3= FiltroMascara(I, M2);
I4= FiltroMascara(I,-M2);
figure, imshow(255-(I1+I2+I3+I4));
title('Efecto "Dibujo a lapiz" mediante filtros Sobel')

figure;
subplot (2,1,1), imshow (I);
subplot (2,1,2), imshow (255 (I1+I2+I3+I4));