INSTITUTO DE INGENIERÍA Y TECNOLOGÍA

Departamento de Ingeniería Eléctrica y Computación

Licenciatura en Ingeniería Biomédica

Procesamiento de imágenes biomédicas

IEC-9908-17

PRÁCTICA #2: “Estiramiento del Histograma”

Amin Daniel Corral Salazar

Matrícula: 190306

Profesor: Alberto Davis Ortiz

07/Septiembre/2022
1. Introducción

Histograma.
Un histograma 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. En el
eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables,
normalmente señalando las marcas de clase.

Histograma de una imagen.

Los histogramas de imagen resumen visualmente la distribución de una variable numérica
continua midiendo la frecuencia con la que determinados valores aparecen en la imagen.
En el histograma de imagen, el eje x es una línea numérica que visualiza el rango de valores
de píxeles de la imagen que se ha dividido en rangos de números o bins. Se dibuja para
cada bin una barra en la que el ancho de la barra representa el rango de números de densidad
del bin y la altura de la barra representa el número de píxeles incluidos en ese rango.
Conocer la distribución de los datos es un paso importante en el proceso de exploración de
esos datos.

Estiramiento del histograma.

Este tipo de técnica, también llamada estiramiento de contraste es una operación de punto
lineal que expande el histograma de la imagen para llenar todo el rango de escala de grises
disponible. Un aspecto interesante de esta técnica es que hoy en día, casi todas las cámaras
de video comerciales de uso doméstico y profesionales aplican el estiramiento de
histograma a escala completa como una función básica antes de que las imágenes sean
incorporadas en la memoria. Esta técnica muestra ser una herramienta notable para eliminar
los problemas de contraste de una imagen que ha sido captada por un sensor que presenta,
por ejemplo, deficiencia en sus filtros.

Ecualización del histograma.

Una de las operaciones de punto no lineales más importantes es la ecualización por
histogramas, también llamada aplanamiento de histograma. La idea subyace en una
extensión del estiramiento de contraste visto en el punto anterior, en la cual no solo se llena
el rango completo de escala de grises, sino que también lo distribuye de una manera
uniforme en todo el rango. La demostración matemática en orden de explicar la
ecualización de histogramas es bastante extensa, por lo que solo nos enfocaremos en
definirla como un histograma normalizado. Al igual que el estiramiento de histograma, este
tipo de técnica es muy útil cuando las imágenes digitales presentan problemas de contraste,
siendo capaz de resaltar zonas que en su forma original son muy difíciles de detectar a
simple vista, solo basta mirar los detalles del mar en la imagen de la derecha.

2. Objetivo
 Realizar operaciones, el estiramiento y ecualización del histograma.

3. Materiales y Herramientas

• Software: Matlab
• PERICO.JPG
• Dados.png
• 1-006.dcm
• Función “histograma.m”
• Función “histograma2N.m”
• Función “histogramaneg.m”

4. Procedimiento

A continuación, para describir el procedimiento se colocaran imágenes del texto

comentadas para la explicación de cada sección del código, si no se posee una

Figura 1.1 Primera parte del código comentado para su explicación

 Figura 1.2 Segmento de código para graficar histogramas y regresar la imagen al formato
uint8

Figura 1.3 Segmento de código que muestra las imágenes en una sola pestaña

En este segmento de código se utiliza la función subplot que permite mostrar varias
imágenes cargadas en una sola pestaña.
Figura 1.4

Figura 1.5
Figura 1.6

Figura 1.7
Figura 1.8

Figura 1.9
5. Resultados

1.En una imagen jpg y en otra dicom, hacer las 4 transformaciones de histograma básicas
(suma, resta, multiplicación y división). Muestre las imágenes con sus histogramas,
compare y explique cada uno de los cambios.

Para iniciar observemos la imagen original , luego su histograma antes de realizar las
operaciones en las imágenes.

Figura 2. Imagen jpg PERICOS.

Figura 2.1 Histograma original antes de las operaciones.

El siguiente histograma corresponde a la suma en 20 valores en el histograma de la imagen
lo que resulta en desplazamiento en el histograma en 20 valores después del 0, como se
observa en la imagen 2.2

Figura 2.2 Histograma con 20 valores sumados.

El siguiente histograma corresponde a una Resta en 90 valores en el histograma, por lo cual

en este caso el histograma contendrá valores negativos en la imagen y se tendrá un pico en
el valor 90 del histograma que tendrá un equivalente de pixel en valor 0.

Figura 2.3 Histograma con 90 valores restados.

En este caso el siguiente histograma corresponde a una multiplicación por 4 de los valores
totales del histograma original resultando este en un histograma muchísimo mas amplio en
los valores como se observa en la figura 2.4

Figura 2.4 Histograma con valores multiplicados por 4.

Para el caso de la división sobre 5 del histograma , se redujeron significativamente los

valores, pues tal cual lo plantea la división son solo una quinta parte de los valores
originales, obteniendo el histograma de la figura 2.5

Figura 2.5 Histograma con los valores divididos sobre 5.

Para finalizar con los histogramas se graficaron todos en una sola imagen con el fin de
compararlos entre ellos como se muestra en la figura 2.7

Figura 2.7 Comparación de todos los histogramas obtenidos.

Por ultimo se creo una imagen por medio de la función subplot para comparar todas las
imágenes después de haberles aplicado las operaciones en el histograma. Dando como
resultado la figura 2.8, en esta se aprecia la imagen de la suma con los colores en blanco y
negro un poco mas brillantes por el recorrido en el histograma, en la resta los colores son
mas oscuros debido que contiene mas valores negativos, en la multiplicación los colores
aumentan significativamente el brillo ya que su histograma es mucho mas amplio y por
último la división que también se ve mas oscura debido a que los valores son muy
reducidos.

Figura 2.8 Comparación de las imágenes después de las operaciones.

Como segunda y última parte de esta sección se repite el mismo patrón que se observo en
los histogramas a los que se les realizo algún tipo de operación, obteniendo resultados
similares a los obtenidos en la png. Pues como se observa en la siguiente figura la imagen
de la suma en a escala de grises se percibe más brillante por el recorrido en el histograma,
en la resta los colores grises de la imagen original se eliminan debido que contiene más
valores negativos, en la multiplicación los colores aumentan significativamente el brillo ya
que su histograma es mucho más amplio y por último la división que también se ve más
obtenemos una imagen mucho más nítida y clara, pues esta imagen tenía 6097 valores en
el histograma y al dividirla nos quedamos con el rango más importante del histograma .

Figura 2.9 Comparación de las imágenes dicom después de las operaciones.

Estiramiento del histograma.

2.Aplique el código de estiramiento de histograma a dos imágenes

Para iniciar observemos la imagen original “dados”, luego su histograma antes de realizar
el estiramiento del histograma.

Figura 3.0 Comparación de las imágenes después de las operaciones.

Despues de aplicar el codigo de estiramiento obtenemos una imagen resultante con los
colores mas brillantes debido a que los valores aumentaron al estirar el histograma, un
resultado similar al obtenido en la multiplicacion del histograma. Siendo esta imagen
resultante la figura 3.1
 Figura 3.1 Imagen Dados.jpg después de realizar el estiramiento del histograma

Para esta última sección observemos la imagen original “1-006.dcm”

, luego su histograma antes de realizar la ecualización del histograma.

Figura 3.2 Imagen 1-006.dcm antes de realizar el estiramiento del histograma

Despues de aplicar el codigo de estiramiento obtenemos una imagen resultante con la

escala de grises mas brillantes debido a que los valores aumentaron al estirar el histograma,
un resultado similar al obtenido en la multiplicacion del histograma. Siendo esta imagen
resultante la figura 3.21
 Figura 3.21 Imagen 1-006.dcm después de realizar el estiramiento del histograma
Ecualización del histograma.

Cargamos la imagen tipo Dicom con el fin de aplicarle el codigo de ecualizacion, siendo
la imagen original la siguiente figura 4.1

Figura 4.1 Imagen 1-006.dcm antes de realizar el estiramiento del histograma

Despues de aplicar el codigo de ecualizacion obtenemos una imagen resultante con la

escala de grises mas brillantes debido a que los valores aumentaron al ecualizar el
histograma, un resultando en una imagen mucho mas clara y limpia similar al estiramiento
pero con mayor calidad en la imagen . Siendo esta imagen resultante la figura 4.2
 Figura 4.1 Imagen 1-006.dcm antes de realizar el estiramiento del histograma.

6. Conclusión

Me resulto muy útil e interesante, las técnicas aprendidas durante esta práctica, pues el
realizar operaciones, estiramientos y ecualizaciones facilitan la manipulación, trabajo al
momento de analizar las imágenes.
¿Para qué me sirven estas técnicas?
Nos permiten observar mejores contrastes en las imágenes, reducir factores que perturben
la calidad de la imagen, como lo es el ruido, o para observar o reducir valores no deseados
de la imagen También recordemos que cualquier tipo de imagen
¿En qué tipo de imágenes se pueden aplicar?
Son aplicables en todo tipo de imágenes

7. Referencias

Histograma de imágenes—ArcGIS Pro | Documentación. (n.d.). Retrieved September 4, 2022,

from https://pro.arcgis.com/es/pro-app/2.8/help/analysis/geoprocessing/charts/image-
histogram.htm

Catalán Urzúa, A. (n.d.). TÉCNICAS DE PROCESAMIENTO DIGITAL DE IMÁGENES.

Revista de Marina No, 969, 68–71.

Procesamiento de Imágenes 1 Tema 2. Procesamiento global de imágenes. PROCESAMIENTO

DE IMÁGENES Programa de teoría. (n.d.). Retrieved September 6, 2022, from
http://dis.um.es/profesores/ginesgm
https://youtu.be/EkljuLMplkY