2. Procesamiento digital de imágenes.

Filtrado y transformaciones espaciales.

Espacio de color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 1
 2.1 Introducción al Procesamiento
digital de imágenes

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 2
 Procesamiento Digital de Imágenes:
Introducción
• Uno de los mecanismos más completos de procesamiento de imágenes
es el sistema visual humano.
• Este sistema puede detectar, analizar y almacenar imágenes con un alto
nivel de procesamiento.
• El sentido humano más empleado es sin duda el de la visión.
• El procesamiento de imágenes consiste en alterar la información visual
para obtener mejores resultados o para aislar algunas características
particulares de las imágenes.
• Este campo de conocimiento tiene un alto impacto en el desarrollo
tecnológico.
• Áreas de influencia son los sistemas de control, las comunicaciones, la
medicina, el entretenimiento, las telecomunicaciones, etc.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 3
 Procesamiento Digital de Imágenes: Historia
• Las primeras acciones de procesamiento de imágenes se realizaron en
1920, cuando se desarrolló un sistema de transmisión de fotografías a
través de un cable transatlántico usando códigos telegráficos.
• Este sistema permitía una codificación de la imagen en 5 niveles de gris.
En 1929 se mejoró a 15 niveles de gris.
• Este sistema redujo el tiempo de publicación de imágenes en los
periódicos de 2 semanas a 15 minutos.
• Las técnica de procesamiento mejoraron por el año 1964 con el “Ranger
4” que transmitía imágenes desde la Luna.
• El procesamiento inicial se realizó con la información de las imágenes que
se transmitía en la TV.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 4
 Procesamiento Digital de Imágenes: Historia
• Algunas de las acciones de procesamiento iniciales fueron las
siguientes:
• Corrección de la distorsión geométrica producida por la diferencia de
velocidades de barrido entre el vidicón en la sonda y el tubo
reproductor en la tierra.
• Recuperación de la linealidad fotométrica debida a una respuesta
irregular en el tubo.
• El ruido introducido debido a la contaminación de la señal de
televisión por los sistemas electrónicos de la sonda.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 5
 Procesamiento Digital de Imágenes: Definición
• Se define como el conjunto de técnicas y procesos para descubrir o hacer
resaltar información contenida en una imagen usando como herramienta
principal una computadora.
• Es un área de investigación muy específica en computación y se relaciona
con el procesamiento digital de señales.
• El procesamiento digital de imágenes es una extensión del procesamiento
digital de señales en dos o tres dimensiones.
• Existen dos áreas de aplicación fundamentales:
• El mejoramiento de la calidad de la información en la imagen con el fin de
que sea interpretada adecuadamente por las personas.
• El procesamiento de los datos contenidos en un escenario a través de una
máquina de percepción autónoma.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 6
 Procesamiento Digital de Imágenes:
Aplicaciones en mejoramiento de la resolución

Imagen original Imagen procesada

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 7
 Procesamiento Digital de Imágenes:
Aplicaciones en eliminación del ruido

Imagen original con ruido Imagen procesada

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 8
 Procesamiento Digital de Imágenes:
Aplicaciones eliminación características borrosa

Imagen original borrosa Imagen procesada

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 9
 Procesamiento Digital de Imágenes:
Aplicaciones en mejoramiento de la información

Imagen original borrosa Imagen procesada

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 10
Procesamiento Digital de Imágenes: Inpainting

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 11
Procesamiento Digital de Imágenes: Inpainting

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 12
 Procesamiento Digital de Imágenes:
Aplicaciones en aspectos artísticos

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 13
 Procesamiento Digital de Imágenes:
Seguimiento de las líneas de la carretera - autoconducción

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 14
 Procesamiento Digital de Imágenes: Sistemas
de automatización

Cámara
Motor de
pasos
Deslizador

Objeto

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 15
 2.2 Representación de las
imágenes

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 16
 Obtención de imágenes del mundo real
• Imagen – Es un arreglo bidimensional con la información capturada
de una escena del mundo real que representa un evento
momentáneo del mundo espacial 3D.

W2 W1

r
W3

F
r = función de (W1/W3);
s s = función de (W2/W3)

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 17
 Concepto de Imágenes
• Una imagen es una función de los niveles de intensidad sobre un
plano 2D: I(r, s).
• Existe una función de muestreo en intervalos discretos para
representar una imagen en formato digital.
• Existe una matriz de valores de intensidad para cada plano de color
• Los niveles de intensidad típicamente se representan con 8 bits (0 a
255)
• Los puntos muestreados se denominan píxeles.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 18
 Imágenes Digitales
• Muestras = píxeles
• Cuantización: número de bits por píxel
• Ejemplo: Para una imagen estándar de TV (525 líneas) en formato
VGA (Video Graphics Array):
• Se tiene una matriz de 640x480pixels
• Cada píxel está representado por enteros de 8 bits (256 niveles
de grises discretos).
• Imagen 4K: 3,840 x 2,160 pixeles.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 19
 Representación de las Imágenes
• Imagen en blanco y negro: Un
plano de un solo color con 2 bits.
• Imagen a escala de grises: Un
plano de un solo color con 8 bits.
• Imagen en color: tres planos de
color cada uno con 8 bits.
Representaciones RGB, CMY, YIQ,
etc.
• Imagen a color indexada: plano
único que indexa una tabla de
colores. 2 niveles de gris
4 niveles de gris
• Imágenes comprimidas: TIFF, JPEG,
BMP, etc.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 20
 Representación digital de una imagen
(3 Bits de Cuantización)

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 21
 Cuantización a color:
Ejemplo de imagen RGB de 24 bits

Esquema de 24-bits a color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 22
 Ejemplo de representación de imagen
Representación RGB de 24 bits (sin comprimir)

128 135 166 138 190 132

129 255 105 189 167 190
229 213 134 111 138 187

128 138 135 190 166 132

129 189 255 167 105 190
229 111 213 138 134 187
Planos de Color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 23
 Representación gráfica

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 24
 Propiedades de imagen (color)

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 25
 Histograma de color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 26
 Propiedades de imagen (textura)
• Textura – estructura superficial pequeña, ya sea natural o artificial,
regular o irregular
• Ejemplos de textura: cortezas de madera, patrones de punto.
• El análisis estadístico de texturas describe la textura en su conjunto
en función de atributos específicos: regularidad, tosquedad,
orientación, contraste, ...

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 27
 Ejemplos de texturas

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 28
 Dominios espaciales y de frecuencia
• Dominio espacial: se refiere a la
región plana de valores de
intensidad en el momento t
• Dominio de frecuencia: pensar
en cada plano de color como una
función que cambia los valores
de intensidad.
Se refiere a la organización de
píxeles de acuerdo con su
intensidad cambiante
(frecuencia).

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 29
 2.3 Filtrado

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 30
 Introducción
• Los filtros digitales representan una de los principales formas con
que se opera en el procesamiento de imágenes digitales.
• Se utilizan para distintos fines, pero generalmente el resultado sobre
cada píxel depende de los píxeles de su entorno.
• Un filtro en el dominio del espacio opera directamente sobre los
píxeles de la imagen
• Un filtro en el dominio de la frecuencia, considera la variación de
intensidad entre píxeles.
• En el dominio de la frecuencia se considera la transformada de
Fourier de la imagen .

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 31
 Funciones de los filtros
• Suavizar la imagen: reducir las variaciones de intensidad entre
píxeles vecinos.
• Eliminar ruido: modificar aquellos píxeles cuyo nivel de intensidad
es muy diferente al de sus vecinos.
• Realzar la imagen: aumentar las variaciones de intensidad, en los
lugares que se presentan.
• Detectar bordes: detectar lugares donde se produce cambio de los
niveles de intensidad.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 32
 Ruido
• Ruido: corresponde a información no deseada que altera las
características de una imagen.
𝑔 𝑥, 𝑦 = 𝑓 𝑥, 𝑦 + 𝑟(𝑥, 𝑦)
• El origen del ruido puede ser en el proceso de adquisición de la imagen
relacionado con los sensores, como en el de transmisión de la
información debido a interferencias en el canal de transmisión.
• Tipos de ruido en la imagen:
• Dependen de la distribución de probabilidad de la intensidad del error:
• Ruido gaussiano
• Ruido uniforme
• Ruido impulsivo (sal y pimienta)
• Otros
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 33
 Ruido
Ruido Gaussiano (o normal)
• Modela el ruido producido por los circuitos
electrónicos o ruido de los sensores por
falta de iluminación y/o altas temperaturas.
• La intensidad de todos los píxeles se ve
afectada.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 34
 Ruido
Ruido Impulsivo (o sal y pimienta)
• Se produce normalmente en la
cuantificación que se realiza en el
proceso de digitalización

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 35
 Ruido
Ruido Uniforme
• Toma valores en un determinado
intervalo de forma equiprobable.
• Se da en un menor número de
situaciones reales.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 36
 Filtros en el dominio del espacio
• Los filtros se clasifican:
• Los que operan en el dominio del espacio.
• Los que operan en el dominio de la frecuencia.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 37
 Filtros en el dominio del espacio
• Las operaciones de filtrado en el dominio del espacio se definen
considerando los vecinos del punto (x, y) a filtrar.
• Se clasifican en lineales y no lineales.
• En los límites se consideran valores “0”

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 38
 Filtros lineales
• Dada una imagen f(x, y) y una máscara w(x, y), la imagen resultante
g(x,y) consiste en realizar la operación:

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 39
 Filtro de la media
• El filtro de la media es el más sencillo de implementar.
• Se entiende su operación con facilidad.
• Permite suavizar imágenes reduciendo la cantidad de variaciones
de intensidad entre píxeles vecinos.
• Cada pixel se representa con la media de sus vecinos.
• Máscara ejemplo:
1 1 1
𝑤 = 1/9 1 1 1
1 1 1

¿cuál es la máscara de un filtro 4 x 4?

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 40
 Aplicación filtro de la media

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 41
 Desventajas del filtro de la media
• El filtro de la media es bastante sensible a cambios locales.
• El filtro de la media puede crear nuevas intensidades de grises que
no aparecían en la imagen.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 42
 Filtro Gaussiano
• El filtro gaussiano es utilizado para “empañar” (blur) y para eliminar
ruido.
• Es similar al filtro de media pero se usa una máscara diferente,
modelizando la función gaussiana:

• Ejemplo de máscara 5x5:

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 43
 Ejemplo Filtro Gaussiano

Imagen Original Aplicando filtro

Gaussiano

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 44
 Filtros no lineales
• Esencialmente se consideran los filtros estadísticos de un orden
determinado.
• Funcionan ordenando los valores en la vecindad de cada punto de
menor a mayor, y obteniendo algún valor a partir de la lista
ordenada.
• Tipos:
• Mínimo: selecciona el valor más pequeño de la lista.
• Máximo: selecciona el valor más alto de la lista.
• Mediana: selecciona el valor en la posición intermedia de la lista.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 45
 Filtro de la Mediana
• Se suele usar para eliminar ruido en la imagen.
• Cada píxel de la imagen se reemplaza por la mediana que se calcula
con los píxeles vecinos.
• La mediana se calcula ordenando los valores de los pixeles vecinos en
orden y seleccionado el que queda en medio.
• Para los datos 1, 7, 5, 5 , 3, la mediana es 5.
• Para los datos 1, 7, 5, 5 , 3, 2, la mediana es 4.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 46
 Filtro de la Mediana

Imagen Original Aplicando filtro

de la mediana

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 47
 2.4 Transformaciones
espaciales

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 48
 Transformaciones espaciales
• Las transformaciones espaciales se realizan directamente en los
píxeles de una imagen.
• Las operaciones espaciales se clasifican en tres grandes categorías:
• operaciones de un solo píxel
• operaciones de vecindad, y
• transformaciones espaciales geométricas.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 49
 Operaciones sobre un solo píxel
• La operación más sencilla que realizamos en una
imagen digital es alterar la intensidad de sus
píxeles individualmente utilizando una función
de transformación, T, de la forma:
s = T(z)
• donde z es la intensidad de un píxel en la imagen
original y s es la intensidad asignada del píxel
correspondiente en la imagen procesada.
• Un ejemplo es la transformación utilizada para
obtener el negativo (a veces llamado el
complemento) de una imagen de 8 bits.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 50
 Operaciones de vecindad
• Sea Sxy el conjunto de coordenadas de una vecindad centrado en un
punto arbitrario (x, y) en una imagen, f.
• El procesamiento de vecindad genera un píxel correspondiente en
las mismas coordenadas en una imagen de salida (procesada), g, de
modo que el valor de ese píxel viene determinado por una
operación especificada en la vecindad de píxeles en la imagen de
entrada con coordenadas en el conjunto Sxy.
• Por ejemplo, supongamos que la operación especificada consiste en
calcular el valor medio de los píxeles en una vecindad rectangular de
tamaño m × n centrada en (x, y) . Las coordenadas de los píxeles de
esta región son los elementos del conjunto Sxy.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 51
 Operaciones de vecindad
• Podemos expresar esta operación de cálculo del promedio como:

• donde r y c con las coordenadas de la fila y de la columna de los

píxeles cuyas coordenadas son parte del conjunto Sxy .
• La imagen g se crea variando las coordenadas (x, y) de tal manera que
el centro de la vecindad se mueva de píxel a píxel en la imagen f y se
repita la operación de vecindad en cada nueva ubicación.
• la imagen de la figura fue creada de esta manera usando una
vecindad de tamaño 41 × 41.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 52
 Operaciones de vecindad

Imagen Original Aplicando Operación de Vecindad

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 53
 Transformaciones Geométricas
• Utilizamos transformaciones geométricas para modificar la distribución
espacial de píxeles en una imagen.
• Estas transformaciones se denominan “transformaciones elásticas de
hojas” porque se consideran de manera análoga a la "impresión" de una
imagen en una hoja de caucho.
• Se puede estirar o reducir la hoja de acuerdo con un conjunto predefinido
de reglas.
• Las transformaciones geométricas de las imágenes digitales consisten en
dos operaciones básicas:
• Transformación espacial de coordenadas.
• Interpolación de intensidad que asigna valores de intensidad a los píxeles
que son parte de la transformación.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 54
 Transformaciones Geométricas
• La transformación de las coordenadas puede expresarse como:

• donde (x, y) son coordenadas de píxel en la imagen original y (x’, y') son
las coordenadas del píxel correspondientes de la imagen transformada.
• Por ejemplo, la transformación (x', y’) a (x/2, y/2) reduce la imagen
original a la mitad de su tamaño en ambas direcciones espaciales.
• Nuestro interés está en las llamadas transformaciones afines, que
incluyen escalado, desplazamiento, rotación y corte.
• La característica clave de una transformación afín en 2D es que conserva
puntos, líneas rectas y planos.
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 55
 Transformaciones Geométricas
• La característica clave de una transformación afín en 2D es que conserva
puntos, líneas rectas y planos.
• La ecuación a continuación se puede utilizar para expresar las
transformaciones indicadas, excepto el desplazamiento, que requeriría
que se agregue un vector 2D constante al lado derecho de la ecuación.
• Es posible utilizar coordenadas homogéneas para expresar las cuatro
transformaciones afines utilizando una sola matriz de 3 × 3 de la siguiente
forma general:

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 56
 Transformaciones Geométricas: Afines

Tomado de Digital Image Processing – R. Gonzalez – R. Woods, 2014

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 57
 Transformaciones Geométricas: Afines

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 58
 2.5 Espacio del Color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 59
 Imágenes en Color
• El color de la imagen es un descriptor que se puede utilizar para diversas
tareas, por ejemplo: segmentación, detección de objetos, seguimiento e
identificación.
• El ser humano puede distinguir miles de intensidades de color.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 60
 Fundamentos del color
Isaac Newton descubrió que cuando la luz del sol pasa a través de un prisma
óptico, el haz emergente se divide en espectro de colores.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 61
 Fundamentos del color
• El Sistema Visual Humano puede percibir el espectro electromagnético en
el rango de 400 a 700 nm.
• El ojo humano tiene de 6 a 7 millones de conos para identificar espectros
de color.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 62
 Fundamentos del color
• El sistema visual humano
percibe un objeto por la
luz reflejada del objeto.
• Un objeto rojo refleja la
luz con longitudes de Colores
onda de 600 – 700 nm Absorbidos

mientras que absorbe la

mayor parte de la
energía en otras
longitudes de onda.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 63
 Fundamentos del color

Absorción de luz para el

rojo, verde, y azul por
parte de los conos en el
ojo humano en función
de la longitud de onda.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 64
 Fundamentos del color

• Los colores primarios se

pueden combinar con otros
colores para producir los
colores secundarios.
• La combinación de los tres
colores primarios produce
blanco.
• Mezclar un secundario con
su primario opuesto produce
blanco (por ejemplo, rojo +
magenta).

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 65
 Fundamentos del color
• Consideraciones especiales:
• Los colores primarios de la luz son (verde, azul, rojo)
• Características de los colores primarios de pigmentos:
• Un color que absorbe o resta un color primario de luz y
refleja los otros dos.
• Estos son cian, amarillo y magenta (CMY).
• Una combinación adecuada de los pigmentos primarios
produce negro.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 66
 Cromaticidad CIE
• El diagrama de cromaticidad CIE (Commission
Internationale de l’Eclairage – Comisión Internacional
de la Luminosidad) proporciona valores de color
específico.
• Hay tres cosas que afectan la forma en que se percibe un
color:
• Características de la Iluminación.
• Objeto.
• Información de interpretación en el ojo humano.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 67
 Cromaticidad CIE
• Verde: 13% azul, 25% rojo, y 62%
verde.
• Rojo: 1% azul, 67% rojo y 32%
verde.
• El diagrama es útil para la mezcla
de colores.
• El eje x muestra la proporción roja
y el eje y muestra la proporción
verde utilizada para producir un
color específico.
• La proporción azul utilizada en un
color se define como:
z = 1 – (x + y)
Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 68
 Cromaticidad CIE

• Toda la gama de colores

no se puede mostrar
con tres colores.
• El triángulo muestra la
gama de colores típica
producida por los
monitores RGB.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 69
 Modelos de colores

Hay diferentes maneras de modelar el color:

• RGB
• CMY y CMYK
• HIS
• YUV/YCbCr

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 70
 Modelo RGB

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 71
 Modelo RGB

• Los espectros de color de los haces de luz rojo, verde y azul se saturan en
la superficie de la pantalla de proyección.
• Una imagen de color está representada por una matriz bidimensional de
tres vectores variables que se componen de los valores rojo, verde y azul
del píxel.
• Una verdadera imagen en color de 24 bits consta de 16.777.216 colores.
• Los colores RGB son ampliamente utilizados en el modelo de monitor,
pantallas LCD, televisión, etc.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 72
 Modelo RGB

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 73
 Modelo CMY

El modelo CMY se utiliza en impresoras y copiadoras

de color. Para convertir del espacio de color RGB a
CMY se define de la forma:

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 74
 Modelo HSI

• Prácticamente, los colores RGB no son útiles para el

reconocimiento y la especificación del usuario de los
colores.
• La intensidad, la saturación y el tono son útiles para
describir la percepción del color humano.
• HSI se utiliza para especificar colores utilizando la
noción artística de tintes, tonos e intensidades.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 75
 Modelo YUV / YCbCr

Conversión RGB a YCbCr, que se define con la relación:

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 76
 Verdadera imagen en color y sus diversos
espacios de color.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 77
 Ejemplo de RGB

(a) Imagen a color RGB

(b) Canal Rojo
(c) Canal Verde
(d) Canal Azul

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 78
 Elementos HIS de la imagen a color RGB

(a) Tono (b) Saturación (c) Intensidad

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 79
 Imagen en Pseudo Color

• El pseudocolor (color falso) está

asignando colores de valores de
escala de grises según un
criterio específico.
• La imagen pseudocolor se utiliza
para la visualización humana.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 80
 Corte de Intensidad
El corte de intensidad adopta el proceso de imagen
pseudocolor. A cada intensidad se le asigna un color

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 81
 Ejemplo de Corte de Intensidad

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 82
 Procesamiento de Imágenes a Color

Selección del espacio de color adecuado

Procesamiento de canales independientes

Procesamiento multicanal

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 83
Referencias
• R.C. Gonzalez and R.E. Woods, 2016. Digital Image Processing, Pearson Education
India; Third edition.
• A.K. Jain, 2015. Fundamentals of Digital Image Processing, Pearson Education India;
First edition.
• R.C. Gonzalez, R.E. Woods and S.L. Eddins, 2017. Digital Image Processing Using
MATLAB. McGraw Hill Education; 2 edition.
• S. Jayaraman, T. Veerakumar, S. Esakkirajan, 2017.Digital Image Processing, McGraw
Hill Education; 1 edition.

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 84
 Fin de tema

Universidad Técnica de Ambato - Maestría en Electrónica y Automatización – Mención Sistemas de Control - Ing. Eddie Galarza . MSc. No. 85