Preprocesado de Imágenes Digitales

PREPROCESADO DE
IMÁGENES DIGITALES
Técnicas de Imágenes
en Medicina
MÁSTER UNIVERSITARIO EN
INGENIERÍA BIOMÉDICA
Módulo I. Complementos formativos

4 ECTS
Rafael Ortiz Ramón

rafael.ortiz.r@campusviu.es 04/05/2022
PREPROCESADO DE
IMÁGENES DIGITALES
ÍNDICE
1. Objetivos del preprocesado
2. Procesado en el dominio espacial
3. Procesado en el dominio frecuencial

1.
Objetivos del preprocesado
Preprocesado de imágenes digitales 04/05/2022
¿En qué consiste el preprocesado?
Aplicación de técnicas de realce que buscan mejorar la apariencia visual de

una imagen con el objetivo de que resulte más adecuada para una
aplicación específica (observador humano / ordenador).
● Resaltar elementos: Transformar los valores de intensidad de los

píxeles para realzar las diferencias entre ciertos elementos de la imagen
● Eliminar ruido: Restaurar aquellos píxeles cuyo nivel de intensidad no se
corresponde con la realidad.
● Suavizar la imagen: Reducir la cantidad de variaciones de intensidad
entre píxeles vecinos.
● Detectar bordes o detalles: Detectar píxeles donde se produce un
cambio brusco en la función de intensidad, enfatizar las transiciones.
Preprocesado de imágenes digitales 4 04/05/2022

16/9/20
Dominios
DOMINIO ESPACIAL DOMINIO FRECUENCIAL
Se procesan directamente los puntos o Se modifican las componentes
píxeles de la imagen espectrales de la imagen

16/9/20
Conceptos básicos
Contraste Brillo
● Relacionado con la distribución del rango de los niveles de ● Valor global medio de los niveles de gris de la imagen.
gris (rango dinámico).
● Diferencia entre el valor del pixel mas brillante y el mas
oscuro.

16/9/20
Conceptos básicos
Ruido
● Información no deseada que contamina

y degrada la imagen.
● El origen del ruido puede estar:

o Proceso de adquisición
o Proceso de transmisión
o Procesamiento de la imagen.
SNR
Signal-to-noise ratio

16/9/20
2.
Procesado en el dominio espacial
Preprocesado de imágenes digitales 04/05/2022
Esquema
DOMINIO
ESPACIAL
Operaciones Operaciones
punto a punto locales o espaciales
Transformaciones básicas Procesado del

Filtros
de intensidad histograma

16/9/20
2. Procesado en el dominio espacial 00. Título capítulo
Operaciones punto a punto
Definición Técnicas
El valor de la imagen realzada en un píxel es función del valor  Transformaciones básicas de intensidad
de su píxel correspondiente en la imagen original.
 Procesado del histograma
Objetivos
 Resaltar elementos

Transformaciones básicas de intensidad
● Transformación lineal: identidad y negativa.

● Transformación logarítmica: log e inversa de log.
● Transformación potencia-raíz: potencia n-ésima y raíz n-ésima.
● Transformaciones definidas a trozos.
T: [0, L-1]  [A, B]

s = T(r)

16/9/20
Imagen negativa
● Invierte el orden de los valores de intensidad

para apreciar los detalles en las porciones
brillantes de una imagen
T(r) = L – 1 – r

16/9/20
Transformación log
● Se usa para visualizar bajos niveles de intensidad

con mayor contraste.
T(r) = c log(1 + r)

16/9/20
Transformación inversa de log
● Realiza la transformación opuesta: puede

mejorar la discriminación visual en zonas de alta
luminosidad.
T(r) = c er-1

16/9/20
Transformación de potencias-raíz
● Similar a la transformación log pero con la

ventaja de la variedad de transformaciones que
existen al varían el valor de n.
n = 0.6 n = 0.4
T(r) = c rn
n=3 n=5

16/9/20
Transformaciones definidas a trozos
● Contrast stretching: permite destacar un rango específico del nivel de gris de una imagen (aumentar su margen dinámico).

16/9/20
● Gray-level slicing (1): adjudica un valor alto a todos aquellos niveles de gris del rango de interés y un valor bajo al resto.

16/9/20
● Gray-level slicing (2): intensifica el rango de niveles de gris deseado, preservando el fondo y los tonos de gris de la imagen.

16/9/20
Control de brillo
● Sumar o restar un valor constante a cada píxel de la

imagen de entrada.
T(r) = r + c

16/9/20
Binarización o Umbralización
● Permite convertir imágenes con niveles de gris en una imagen binaria (blanco y negro) en función de un umbral
preestablecido.

16/9/20
¡ATENCIÓN!
● Es importante truncar los valores para que el rango de salida sea también el rango de niveles de
gris de 0 a L-1.
● Si el rango de salida [A,B] es superior al rango de entrada [0, L-1]

o Todos los valores menores que 0 se convierten en 0
o Todos los valores mayores que L-1 se convierten en L-1
PERDIDA DE INFORMACIÓN DE RESOLUCIÓN DE INTENSIDAD

16/9/20
¿Qué herramienta nos puede ayudar a decidir qué tipo de transformación de

intensidad es conveniente realizar a una imagen?
HISTOGRAMA

16/9/20
Procesado del histograma
● El histograma de la imagen consiste en una gráfica donde se muestra el número de píxeles, nk, de cada nivel de gris, rk,
que aparecen en la imagen.

16/9/20

16/9/20
Procesado del histograma multimodal
unimodal bimodal

16/9/20
● El histograma permite visualizar el efecto de las diferentes transformaciones de intensidad
Expansión del
histograma

16/9/20
● El histograma normalizado de la imagen consiste en una gráfica donde se muestra la probabilidad de que ocurra cada
nivel de gris rk (valores entre 0 y 1 que suman 1).
𝑛𝑘
𝑝 𝑟𝑘 =
𝑁
nk = número de píxeles con el nivel de gris rk
N = número total de píxeles de la imagen
Función de densidad de probabilidad discreta

16/9/20
Ecualización del histograma
● Objetivo: Mejorar el contraste de la imagen distribuyendo los valores del histograma de la forma más uniforme posible.
● Método: Obtener una distribución de probabilidades “uniforme” de los niveles de gris en la imagen.

16/9/20
● Dada una imagen M × N, con nk píxeles para cada nivel rk, la ecualización del histograma consiste en realizar la siguiente
transformación sobre los niveles de intensidad de la imagen:
Resultado: dispersión del histograma en un rango mayor dentro del intervalo [0,L-1].

16/9/20

16/9/20

16/9/20
2. Procesado en el dominio espacial 00. Título capítulo
Operaciones locales
Objetivos Técnicas
El valor de un píxel en la imagen realzada es función del valor  Filtros en el dominio espacial
de su píxel correspondiente en la imagen original y, también,
de los píxeles vecinos a este en la imagen original. Filtros de suavizado
Filtros de realce
Objetivos
 Eliminar ruido
 Suavizar la imagen
 Detectar bordes o detalles

Filtrado espacial
● Un filtro espacial utiliza una ventana (máscara, kernel…) que se desplaza píxel por píxel generando una imagen filtrada.
● Siendo la imagen a filtrar f(x, y), la ventana w y la imagen filtrada g(x, y), la ecuación que define el filtrado espacial es:
𝑎 𝑏
𝑔 𝑥, 𝑦 = 𝑤 ∗ 𝑓 𝑥, 𝑦 = ෍ ෍ 𝑤 𝑠, 𝑡 𝑓(𝑥 − 𝑠, 𝑦 − 𝑡)
𝑠=−𝑎 𝑡=−𝑏
CONVOLUCIÓN

16/9/20
𝑎 𝑏
Filtrado espacial 𝑔 𝑥, 𝑦 = 𝑤 ∗ 𝑓 𝑥, 𝑦 = ෍ ෍ 𝑤 𝑠, 𝑡 𝑓(𝑥 − 𝑠, 𝑦 − 𝑡)

Convolución
Tamaño
(2N + 1) × (2N + 1)
N = 1, 2, …

16/9/20
𝑎 𝑏

Convolución
2D
1D

16/9/20
𝑎 𝑏

Convolución

16/9/20
Tipos de filtros espaciales
Filtros Paso Bajo Filtros Paso Alto
● Filtros de suavizado ● Filtros de realce

● Atenúan las altas frecuencias ● Atenúan las bajas frecuencias
 Atenúan bordes y elimina ruido o detalles  Intensifican los detalles, bordes y cambios
pequeños de poco interés puesto que solo bruscos de intensidad, mientras que atenúa
afectan a zonas con cambios de intensidad. las zonas de tonalidad uniforme.
 Emborronan la imagen  Realzan el ruido

16/9/20
Filtros paso bajo
Filtro de la media
● Se obtiene un píxel de salida haciendo la media aritmética de los píxeles de la ventana elegida.
Propiedad de los filtros paso bajo:

la suma de todos sus valores debe
ser igual a la unidad.
Máscara 3 x 3:
Factor de normalización = 9
Factor de normalización: se divide
cada elemento 1 de la matriz por la
suma del número de elementos

16/9/20
Filtros paso bajo
Filtro de la media
Cuanto mayor sea la

ventana, mayor será el
efecto de difuminado.

16/9/20
Filtros paso bajo
Filtro de la media
● Ventajas:
o Es el más simple, intuitivo y fácil de implementar.
● Desventajas:
o Sensible a cambios locales
o Puede crear nuevas intensidades de grises que no
aparecían en la imagen.
o Emborrona bastante la imagen

16/9/20
Filtros paso bajo
Filtro sigma σ
● Operación no lineal: filtro de la media pero solo se incluyen en el promediado

aquellos píxeles vecinos que tienen un valor que no se desvía del píxel actual
en más de un rango determinado.
o La desviación estándar σ (sigma) es el parámetro que cuantifica la

intensidad que se puede desviar del promedio.
o Los outliers con un valor muy diferente del entorno no se incluyen en la

media y, por tanto, se eliminan.

16/9/20
Filtros paso bajo
Filtro gaussiano
● Similar al filtro media, pero aplicando una máscara diferente, donde los píxeles más cercanos al píxel actual tienen más
peso que los exteriores.
● Los pesos de los píxeles se calculan con una campana de Gauss dependiente de la distancia al píxel actual, y su varianza
indica el nivel de suavizado.
● Siendo σ2 la varianza, el kernel gaussiano se define como:
1 𝑠 2 +𝑡 2
−
𝑤 𝑠, 𝑡 = 𝑒 2𝜎2
2𝜋𝜎 2

16/9/20
2
𝑠 +𝑡 2
1
Filtros paso bajo 𝑤 𝑠, 𝑡 =
2𝜋𝜎 2
−
𝑒 2𝜎2
Filtro gaussiano

16/9/20
Filtros paso bajo
Filtro gaussiano

16/9/20
Filtros paso bajo
Filtro gaussiano
● Ventajas:
o Filtro separable: en lugar de usar una máscara
bidimensional, es posible usar dos máscaras 1D; una
vertical y otra horizontal (más eficiente).
o Mejoran la capacidad de suavizado (suavizado más
uniforme), introduciendo un parámetro (la varianza)
que es independiente del tamaño de la máscara.
● Desventajas:
o Similar al filtro de la media: disminución de la nitidez,
aumento de borrosidad, pérdida de detalles.

16/9/20
Filtros paso bajo
Filtro de difusión anisotrópico
● Banco de filtros Gaussianos con σ creciente aplicados sucesivamente a la imagen con un detector de bordes para evitar un
emborronamiento de los bordes.

16/9/20
Filtros paso bajo
Filtro de difusión anisotrópico
● Difumina regiones más homogéneas (los niveles de intensidad tienden a ser uniformes, elimina ruido) pero detiene la
difusión en los bordes de los objetos para evitar emborronarlos.

16/9/20
Filtros paso bajo
Filtros estadísticos ordenados
● Operación no lineal: Ordenar los valores en la vecindad de cada píxel de menor a mayor y obtener algún valor a partir de
la lista generada ordenada.
o Máximo: Elimina el ruido tipo pimienta (píxeles negros), aunque tiende a aclarar la imagen.
o Mínimo: Elimina el ruido tipo sal (píxeles blancos), aunque tiende a oscurecer la imagen
o Mediana: Elimina el ruido sal y pimienta (evita la influencia de los píxeles outliers)

16/9/20
Filtros paso bajo
Filtros estadísticos ordenados Mínimo Máximo

16/9/20
Filtros paso bajo
Media Mediana
Mejor que los filtros de

promedio en ruido impulsional
Gaussiano Mediana

16/9/20
Filtros paso bajo

Mediana
● Ventajas:
o Atenúa el ruido impulsional (sal y pimienta).
o Elimina efectos engañosos.
o Preserva bordes de la imagen.
● Desventajas:
o No es lineal: mediana(f+g) ≠ mediana(f) + mediana(g).
o Pierde detalles (puntos, líneas finas).
o Redondea las esquinas de los objetos.
o La etapa de ordenamiento tarda un tiempo
considerable.

16/9/20
Tipos de filtros espaciales
Filtros Paso Bajo Filtros Paso Alto
● Filtros de suavizado ● Filtros de realce

● Atenúan las altas frecuencias ● Atenúan las bajas frecuencias
 Atenúan bordes y elimina ruido o detalles  Intensifican los detalles, bordes y cambios
pequeños de poco interés puesto que solo bruscos de intensidad, mientras que atenúa
afectan a zonas con cambios de intensidad. las zonas de tonalidad uniforme.
 Emborronan la imagen  Realzan el ruido

16/9/20
Filtros paso alto
La derivada digital
● La derivada de una función digital se mide en términos de variaciones entre píxeles adyacentes. Existen varias formas de
definir estas diferencias pero todas deben cumplir:
La 1º derivada debe ser 0 en zonas de intensidad

constante y distinta de 0 en zonas de variaciones
(escalones o rampas).
La 2º derivada debe ser 0 en zonas de intensidad

constante y a lo largo de rampas con intensidad GRADIENTE
constante y debe ser distinta de 0 en escalones y
comienzo y fin de rampa.
LAPLACIANO

16/9/20
Sobel
Filtros paso alto
𝐺𝑥
2 2
𝐺= 𝐺𝑥 + 𝐺𝑦
Operadores gradiente
● Diferentes aproximaciones discretas de las derivadas parciales dan

lugar a operadores gradiente:
𝐺𝑥 𝐺𝑦
𝐺𝑦 𝐺
𝐺𝑦 𝐺𝑥 𝐺𝑦 𝐺𝑥

16/9/20
Filtros paso alto
Original Sobel Prewitt Roberts

16/9/20
Filtros paso alto
Original Sobel Prewitt Roberts

16/9/20
Filtros paso alto
Operadores Laplacianos
● Como en el caso del gradiente, la ecuación del Laplaciano puede implementarse en forma digital de varias maneras:
● Nótese que la suma de los coeficientes de la máscara debe ser cero

16/9/20
Filtros paso alto
● Existe el operador LoG (Laplaciano del Gaussiano) que no es más que la convolución previa de una máscara de suavizado
con los operadores del Laplaciano.
Original LoG
Original LoG

16/9/20
Filtros paso alto
● El Laplaciano no suele usarse directamente en la práctica por ser muy sensible al ruido.
● Se suele usar sumado o restado (según la máscara usada) con la imagen original para realzar contornos.
Original Laplaciano Original + Laplaciano

16/9/20
16/9/20
3.
Procesado en el dominio frecuencial
Preprocesado de imágenes digitales
Filtrado frecuencial
Introducción
● Transformación global: El total de datos de la imagen de entrada contribuye al resultado del valor del pixel a la salida.
● El filtrado de imágenes en el dominio de la frecuencia se basa en el teorema de convolución:
𝑔 𝑥, 𝑦 = 𝑓(𝑥, 𝑦) ∗ ℎ 𝑥, 𝑦 = 𝐹 −1 [𝐻 𝑢, 𝑣 𝐹(𝑢, 𝑣)]
F(u, v) es la Transformada de Fourier de f(x, y),

F-1 es la Transformada inversa de Fourier,
H(u, v) es una función de filtrado.

16/9/20
𝑔 𝑥, 𝑦 = 𝑓(𝑥, 𝑦) ∗ ℎ 𝑥, 𝑦 = 𝐹 −1 [𝐻 𝑢, 𝑣 𝐹(𝑢, 𝑣)]

16/9/20
representa el espectro o distribución

de frecuencias de la imagen

16/9/20
● Filtros Paso Bajo: Atenúan las altas frecuencias (suavizan).
● Filtros Paso Alto: Atenúan las bajas frecuencias (detectan bordes).
● Filtros Paso Banda: Atenúan bajas y altas frecuencias (realce de características).
● Filtros Elimina Banda: Atenúan banda especifica de frecuencias (atenuación local).

16/9/20
Filtros paso bajo
Filtro ideal
Corta abruptamente las frecuencias altas a

partir de una frecuencia de corte D0

16/9/20
Filtros paso bajo
Filtro Butterworth
n=1 n = 10
En la frecuencia de corte D0 la magnitud de

la señal decae 50 %:

16/9/20
Filtros paso bajo
Filtro Gaussiano
D0 = 10 D0 = 40
En la frecuencia de corte D0 la magnitud de

la señal decae 60.7 %:

16/9/20
Filtros paso alto
● De manera general, la construcción de un filtro paso alto se puede realizar a partir de un filtro paso bajo:
𝐻𝐻𝑃 𝑢, 𝑣 = 1 − 𝐻𝐿𝑃 (𝑢, 𝑣)

16/9/20
Filtros paso alto

16/9/20
Filtros elimina banda
Filtros Notch
● Rechazan frecuencias en un vecindario predefinido

simétricos respecto al origen del espectro (u0, v0).
Los filtros notch son útiles para

reducir ruido periódico

16/9/20
Filtros Notch



16/9/20
Filtros Notch



16/9/20
PREPROCESADO DE
IMÁGENES DIGITALES
Técnicas de Imágenes
en Medicina
MÁSTER UNIVERSITARIO EN
INGENIERÍA BIOMÉDICA
Módulo I. Complementos formativos

4 ECTS
Rafael Ortiz Ramón

rafael.ortiz.r@campusviu.es 04/05/2022

Preprocesado de Imágenes Digitales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Preprocesado de Imágenes Digitales

Cargado por

Copyright:

Formatos disponibles

PREPROCESADO DE

Módulo I. Complementos formativos

Rafael Ortiz Ramón

1. Objetivos del preprocesado

2. Procesado en el dominio espacial

3. Procesado en el dominio frecuencial

¿En qué consiste el preprocesado?

Aplicación de técnicas de realce que buscan mejorar la apariencia visual de

● Resaltar elementos: Transformar los valores de intensidad de los

Preprocesado de imágenes digitales 4 04/05/2022

Preprocesado de imágenes digitales 5 04/05/2022

Preprocesado de imágenes digitales 6 04/05/2022

● Información no deseada que contamina

● El origen del ruido puede estar:

Preprocesado de imágenes digitales 7 04/05/2022

Transformaciones básicas Procesado del

Preprocesado de imágenes digitales 9 04/05/2022

Operaciones punto a punto

Preprocesado de imágenes digitales 10 04/05/2022

Transformaciones básicas de intensidad

● Transformación lineal: identidad y negativa.

T: [0, L-1]  [A, B]

Preprocesado de imágenes digitales 11 04/05/2022

Transformaciones básicas de intensidad

● Invierte el orden de los valores de intensidad

Preprocesado de imágenes digitales 12 04/05/2022

Transformaciones básicas de intensidad

● Se usa para visualizar bajos niveles de intensidad

Preprocesado de imágenes digitales 13 04/05/2022

Transformaciones básicas de intensidad

Transformación inversa de log

● Realiza la transformación opuesta: puede

Preprocesado de imágenes digitales 14 04/05/2022

Transformaciones básicas de intensidad

● Similar a la transformación log pero con la

Preprocesado de imágenes digitales 15 04/05/2022

Transformaciones básicas de intensidad

Transformaciones definidas a trozos

Preprocesado de imágenes digitales 16 04/05/2022

Transformaciones básicas de intensidad

Transformaciones definidas a trozos

Preprocesado de imágenes digitales 17 04/05/2022

Transformaciones básicas de intensidad

Transformaciones definidas a trozos

Preprocesado de imágenes digitales 18 04/05/2022

Transformaciones básicas de intensidad

● Sumar o restar un valor constante a cada píxel de la

Preprocesado de imágenes digitales 19 04/05/2022

Transformaciones básicas de intensidad

Preprocesado de imágenes digitales 20 04/05/2022

Transformaciones básicas de intensidad

● Si el rango de salida [A,B] es superior al rango de entrada [0, L-1]

PERDIDA DE INFORMACIÓN DE RESOLUCIÓN DE INTENSIDAD

Preprocesado de imágenes digitales 21 04/05/2022

Transformaciones básicas de intensidad

¿Qué herramienta nos puede ayudar a decidir qué tipo de transformación de

Preprocesado de imágenes digitales 22 04/05/2022

Procesado del histograma

Preprocesado de imágenes digitales 23 04/05/2022

Procesado del histograma

Preprocesado de imágenes digitales 24 04/05/2022

Procesado del histograma multimodal

Preprocesado de imágenes digitales 25 04/05/2022