UNIVERSIDAD NACIONAL MAYOR DE

SAN MARCOS

FILTROS LINEALES Y NO LINEALES

DE IMÁGENES SATELITALES

ALUMNO: KEVIN CRUCES OSCATE

CODIGO: 17160203
CICLO: 7mo CICLO
PROFESOR: ING. CRISTIAN RAINALDO, CABELLO ANTONIO
INTRODUCCIÓN

La detección de bordes en general es un elemento importante para la visión espacial, hoy en día
existen muchas aplicaciones en robótica móvil, procesamiento de imágenes y reconocimiento de
patrones, por mencionar algunas. La extracción de bordes o simplemente bordes, son pixeles con
alta variación en la escala de grises que se encuentran en la imagen a procesar, o simplemente la
imagen tiene esa variación a causa de ruido. Es por eso que existe esta extracción de bordes,
contorno o esquinas con diferentes algoritmos. El ruido también genera bordes o contornos, pero
es por eso que un buen algoritmo puede ser capaz de eliminarlo.
OPERADOR SOBEL

Los operadores de Sobel al igual que los operadores de gradiente tienen la

tarea de suavizar la imagen de tal manera que se elimina un poco de ruido de
la imagen si es que lo tiene, por lo consiguiente se puede desaparecer falsos
bordes.
CARACTERISTICAS

✓ Usa mascaras de 3x3

✓ Hace uso de las gradientes para derivar la gradiente de primer orden.
✓ Los bordes son más predominantes que el filtro Laplaciano.

DEMOSTRACIÓN
(Gradientes de una imagen operador de primera derivada)

El gradiente de una imagen en cualquier punto se define como un vector bidimensional dado por
la siguiente ecuación (1), siendo un vector perpendicular al borde.

1)
Donde el vector G apunta en la dirección de variación máxima de f en el punto (x, y) por unidad
de distancia con la magnitud y dirección dadas por

2
)
Una práctica habitual es aproximar la magnitud del gradiente con valores absolutos.

3)
Cualquiera de las ecuaciones (2) y (3) se puede utilizar para obtener la magnitud del gradiente,
ya que va en relación a un determinado umbral, si el valor de la magnitud supera el umbral este
punto se considera como un borde.

Para calcular la derivada en (1) se pueden utilizar las diferencias de primer orden entre dos
pixeles adyacentes, este es:

4)
Esta es la forma más elemental de obtener el gradiente en un punto.
Para obtener el gradiente de una imagen se puede observar en la siguiente relación como
podemos obtener los bordes de la misma.

5)
Donde T es un valor de umbral no negativo, solo los pixeles de borde que excedan el valor de T
se consideran importantes.

(Operador Sobel)

Para dicha tarea existen 2 mascaras de 3x3, una para el gradiente horizontal Gx y una para el
gradiente vertical Gy, que se utilizan como operadores de Sobel. A partir de eso las derivadas
basadas en los operadores de Sobel son:

6)
Donde los valores de Z en la figura 1 son los pixeles evaluados por las máscaras en cualquier
localización de la imagen. Para obtener los valores del gradiente de la imagen se utilizan las
expresiones 6, con lo que la magnitud se puede obtener con la expresión 2 y 3. Con esas
expresiones obtenemos el valor del gradiente en dichos pixeles, para obtener el siguiente valor,
las máscaras se mueven al pixel siguiente, es decir, la nueva posición. Una vez que se ha obtenido
la magnitud del gradiente, se puede decir si un pixel es un borde o no, con la expresión 5,
obteniendo una imagen binaria en la salida.

7)
OPERADOR LAPLACIANO

OPERADORES DE BORDES
➢ El gradiente da lugar al concepto de borde
➢ Un borde en una imagen es una curva a lo largo de la cual el gradiente es máximo

Los bordes de una escena son invariantes a cambios de luminosidad, color de la fuente de luz,
etc.Una variante en forma más sencilla (aproximada) es usar máscaras de convolución adecuadas,
por ejemplo de Laplace.
✓ La función de Laplace es la segunda derivada de la gaussiana.
✓ La mascara Laplaciana se define usando la función de Laplace
OPERADOR LAPLACIANO
El operador Laplaciano tiene su base en el análisis de las segundas derivadas de la función que
los Niveles Digitales definen y la detección de puntos donde esta se anule. Cumple la función de
detectar los bordes, se refiere en su base matemática en la suma de las segundas derivadas
calculadas en las direcciones x e y, tal como se observa en la siguiente ecuación.

(1)
En otra forma de expresarse se define como una función bidimensional f es un operador de
derivación isotrópico (independiente de la dirección de la discontinuidad en la imagen).
El cálculo de la segunda derivada permite tener una respuesta mucho mas fuerte antes detalles
como puntos aislados o líneas, por consiguiente, se aplica el operador Laplaciano para la
detección de estas discontinuidades.
La forma como encuentra los bordes de una imagen este operador, consiste en detectar los cruces
por cero de la segunda derivada. Estos cruces por cero se dan en los puntos donde el valor de
pixeles adyacentes cambia de signo.
Por el hecho de que las imágenes son tratadas digitalmente, la ecuación anterior se puede
implementar tomando las segundas derivadas en filas y columnas. Esto consiste en realizar las
diferencias de los gradientes como si indica a continuación:

(2)

(3)

Ahora se procede a sumar los componentes de la ecuación ∇2 x con los componentes de

ecuación ∇2 y:

(4)

De las ecuaciones (2) y (3) se obtienen, el vector filas y el vector columnas respectivamente:

Finalmente, al sumar los vectores; fila y columna se obtiene la máscara Laplaciano: (5)
Permite localizar las zonas donde se producen transiciones bruscas de intensidad. Aplicado esto
al análisis de imágenes en un contexto geográfico, puede emplearse este tipo de filtros como
herramientas para identificar zonas y fronteras entre distintas formaciones de un área de estudio.
Un operador habitual para la detección de bordes es el denominado filtro Laplaciano.
FILTRO DE PASO ALTO
La transformada de Fourier, denominada así por Joseph Fourier, es una transformación
matemática empleada para transformar señales entre el dominio del tiempo (o espacial) y
el dominio de la frecuencia, que tiene muchas aplicaciones en la física y la ingeniería. Es
reversible, siendo capaz de transformarse en cualquiera de los dominios al otro. El propio término
se refiere tanto a la operación de transformación como a la función que produce.
En el caso de una función periódica en el tiempo (por ejemplo, un sonido musical continuo pero
no necesariamente sinusoidal), la transformada de Fourier se puede simplificar para el cálculo de
un conjunto discreto de amplitudes complejas, llamado coeficientes de las series de Fourier. Ellos
representan el espectro de frecuencia de la señal del dominio-tiempo original.

LA TRANSFORMADA DE FOURIER EN DOS DIMENSIONES

La transformada de Fourier para una imagen de tamaño finito M × N vendrá dada por:

La transformada de Fourier F(U, V ) es una función continua que tendremos que discretizar. Su
inversa es:

𝑢 𝑢
Haciendo un cambio de variable 𝑈 = ,𝑉 =
𝑀 𝑁
La Transformada de Fourier inversa en forma discreta sería:

donde ahora los índices van desde 0 < u < M − 1, 0 < v < N − 1.

Sabemos que 0 < U < 1, entonces muestreamos M valores. Como u = UM, obtenemos que u =
1, . . ., M.
Simplemente tenemos que ver la transformada de Fourier como una transformación de un dominio
(el del espacio) a otro dominio (el de frecuencia) sin perder información de la imagen. El
representar la información de la imagen en el dominio de la frecuencia tiene ventajas a la hora de
aplicar algunos algoritmos y de determinar ciertas propiedades de la imagen. Cada armónico va
a recoger un nivel de detalle, de cómo es la variación de los niveles de gris espacialmente. La
transformada de Fourier es una función compleja.
𝐹(𝑈, 𝑉 ) = 𝑅(𝑈, 𝑉 ) + 𝑗𝐼(𝑈, 𝑉 )
Donde

Los algoritmos se suelen aplican sobre el espectro de magnitud

La fase se calcula:

Normalmente no se usa la información de la fase en el análisis de imagen, porque suele tener

valores aleatorios, aunque su información es crucial para reconstruir la imagen original. Como la
transformada de Fourier es una función periódica, un periodo de M × N es suficiente para
representarla. recordad que M y N era el tamaño de la imagen.
VISUALIZACIÓN DE LA TRANSFORMADA DISCRETA DE FOURIER:
DFT
Si construimos una imagen cuyo nivel de gris sea proporcional a la magnitud de la transformada
de Fourier podemos representar gráficamente la transformada de Fourier. La forma del espectro
revela información sobre la naturaleza de la imagen.

• Zonas homogéneas en la imagen dará lugar a que la energía del espectro esté
concentrada mayoritariamente en las bajas frecuencias.
• Zonas con muchos bordes, transiciones frecuentes de los niveles de gris dará lugar a un
especto con componentes de alta frecuencia.
• Si en la imagen existe alguna regularidad (patrones que se repiten) dará lugar a picos de
igual intensidad separados una distancia regular.

PROCESAMIENTO ROBERT
En este trabajo se presenta la detección de bordes de una imagen convencional con
tres diferentes operadores de primera derivada, los cuales son; el operador de Sobel,
Prewitt y Roberts. Para ello primero se requiere obtener el gradiente con su respectiva
magnitud y dirección, posteriormente aplicando el algoritmo de cada uno de los
operadores podremos obtener el valor del pixel que se evalúa con una relación de un
umbral determinado.

¿QUÉ ES?
La detección de bordes en general es un elemento importante para la visión artificial,
hoy en día existen muchas aplicaciones en robótica móvil, procesamiento de imágenes y
reconocimiento de patrones, por mencionar algunas. La extracción de bodes o
simplemente bordes, son pixeles con alta variación en la escala de grises que se
encuentran en la imagen a procesar, o simplemente la imagen tiene esa variación a causa
de ruido. Es por eso que existe esta extracción de bordes, contorno o esquinas con
diferentes algoritmos. El ruido también genera bordes o contornos, pero es por eso que
un buen algoritmo puede ser capaz de eliminarlo.

Gradiente de una imagen (operadores de primera derivada)

El gradiente de una imagen en cualquier punto se define como un vector bidimensional
dado por la siguiente ecuación (1), siendo un vector perpendicular al borde.

Donde el vector G apunta en la dirección de variación máxima de f en el punto (x,y) por

unidad de distancia con la magnitud y dirección dadas por

Una práctica habitual es aproximar la magnitud del gradiente con valores absolutos
Cualquiera de las ecuaciones (2) y (3) se puede utilizar para obtener la magnitud del
gradiente, ya que va en relación a un determinado umbral, si el valor de la magnitud
supera el umbral este punto se considera como un borde.
Para calcular la derivada en (1) se pueden utilizar las diferencias de primer orden entre
dos pixeles adyacentes, estos es:

Esta es la forma más elemental de obtener el gradiente en un punto.

Para obtener el gradiente de una imagen se puede observar en la siguiente relación como
podemos obtener los bordes de la misma.

Donde T es un valor de umbral no negativo, solo los pixeles de borde que excedan
el valor de T se consideran importantes.

El operador de Prewitt es similar al de Sobel, es decir, obtiene el gradiente para los bordes.
Aunque la máscara es diferente.

Coeficientes Roberts
Ejemplo Roberts

El operador de Roberts a diferencia de los dos anteriores, solo marca dos

puntos en cada mascara, es más simple y funciona bastante bien para
imágenes binarias.
Coeficientes Roberts

Ejemplo Roberts
BIBLIOGRAFIA

https://inaoe.repositorioinstitucional.mx/jspui/bitstream/1009/597/1/GarciaAA.pdf

https://www.yumpu.com/es/document/read/14324080/analisis-de-filtros-laplaciano-
gradiente-sobel-gradiente-roberts-y-

https://sites.google.com/site/lemared/filtrado-espacial-agudizamiento

http://www.boletin.upiita.ipn.mx/index.php/ciencia/669-cyt-numero-55/1293-extraccion-de-
bordes-operadores-sobel-prewitt-y-roberts