lineales transformaciones matemáticas que hacemos a
cada uno de los elementos presentes en la función
RESUMEN: En el trabajo presentado a continuación,
Eliminación de ruido de Imagen Digitales, se
estudiará como disminuir el ruido utilizando varios
tipos de filtros. Además, se realizó una comparación
de los tipos de filtros utilizando el programa
MATLAB para poder evaluar los resultados
obtenidos.
INTRODUCCIÓN
El ruido en fotografía es probablemente
uno de los efectos menos deseados y más
susceptibles en nuestras imágenes perdiendo su
calidad. Una fotografía con ruido desvía totalmente la
atención del espectador, haciendo que la vista se
dirija hacia las zonas granuladas en lugar de hacia el
resto de los elementos de nuestra imagen. Con este
trabajo trabajaremos el funcionamiento de dos tipos
de filtros: Filtro de Wiener y Filtro de Mediana.
DESSAROLLO DE CONTENIDOS
En principio un concepto clave para el estudio de este
trabajo es la definición de una imagen como una
función discreta compuesta de un número finito de
elementos, llamados comúnmente como píxeles,
donde cada uno tiene una localidad y valor específico,
siendo cada píxel el término comúnmente utilizado
para denotar la unidad de medida mínima para una
imagen digital. La imagen al ser una función se
puede representar matemáticamente como de dos
dimensiones de f(x,y) donde los parámetros discretos
x e y son las coordenadas del plano que contiene a
todos los puntos, y donde la función refleja la
amplitud, intensidad o nivel de gris. En general, sería
correcto definir los filtros o cualquier otro proceso
que recurra al uso de máscaras para operaciones
g(x,y)=T[f(x,y)] siendo g(x,y) la imagen a la salida
de la transformación y T como el operador que le
estamos aplicando a la imagen.
TIPOS DE DEGRADACIÓN O DISTORSION
QUE CONTAMINAN LAS IMÁGENES:
Se entiende por distorsión la diferencia entre la señal
que entra a un equipo o sistema y la señal que sale
del mismo. Por tanto, puede definirse como la
"deformación" que sufre una señal tras su paso por un
sistema. Existen dos tipos de este fenómeno:
distorsión lineal y no lineal.
La distorsión lineal es aquella que no modifica las
componentes espectrales de la señal sobre la que se
aplica, esto es, la banda ocupada por la señal es la
misma con y sin distorsión.
La distorsión no lineal es aquella que genera
componentes de frecuencias nuevas que no formaban
parte de la señal original que se transmitió.
TIPOS DE FILTROS PARA RESTAURAR
IMÁGENES SEGÚN SU DEGRADACIÓN:
Filtro de mediana: Es una técnica de filtrado digital
no lineal, que a menudo se usa para eliminar el ruido
de una imagen o señal. Se encarga de realizar obtener
la mediana estadística de los píxeles de la máscara,
ordenándolos de menor a mayor intensidad, para
luego tomar el valor del punto medio de la máscara
para luego tomarlo como el píxel de salida.
Filtro de Wiener: es uno de los más recientes y
mejores métodos que aproxima la restauración lineal
de imágenes, con él se busca obtener una imagen
estimada, Su propósito principal es el de retirar el
ruido que ha contaminado determinada señal
utilizando como base la estadística, el Filtro de
Wiener pretende obtener una imagen estimada, tal
que se minimice el error cuadrático medio.
Se le llama Error Cuadrático Medio al estimador que esto es, la banda ocupada por la señal es la
indica el valor esperado del “error” al cuadrado, misma con y sin distorsión.
donde el “error” en este caso representa la cantidad
por la cual la imagen estimada difiere de la imagen
original, esta diferencia ocurre en el proceso de
restauración de imágenes debido a que existen ciertos RESULTADOS PRACTICOS
parámetros que no se conocen
Con el funcionamiento de Matlab, realizamos los
TIPOS DE RUIDO APLICADOS siguientes comandos para obtener los siguientes
resultados:
● Ruido Gaussiano: Es el modelo más
conocido caracterizado por estar presente en Primero, transformamos nuestra imagen a utilizar en
mucho de los fenómenos naturales, inclusive Escala de Grises para luego proceder a agregarle
representando el ruido producido por los ruido:
circuitos electrónicos o de los sensores por
fallas relativas a falta de iluminación y/o
altas temperaturas.

● Ruido impulsivo (sal y pimienta): Este

tipo de característico es producido por los
cambios perturbaciones bruscas que produce
a la imagen digital. Se presentan
visualmente como pixeles blancos y negros
dispersos en la imagen.

● Distorsión lineal: distorsión lineal es

aquella que no modifica las componentes
espectrales de la señal sobre la que se aplica,
 Luego procedemos a agregarle ruido:
Para cada tipo de ruido obtuvimos los siguientes
resultados:
Con el ruido Gaussiano y con el Ruido Sal y
Pimienta utilizamos una intensidad de ruido de: 0.05
Mientras que, con la Distorsión Lineal, utilizamos
una intensidad de movimiento de: 40. Realizando una
distorsión en los pixeles del eje horizontal

Al aplicar los 2 tipos de filtros, con las

modificaciones anteriores obtuvimos los
siguientes resultados:

Filtrado de Wiener para cada caso:

A. Ruido Gaussiano:

Al intensificar los valores de ruido a 0.5 podemos ver

los siguientes resultados de nuestras imágenes B. Ruido Sal y Pimienta:
contaminadas, para el caso de el Ruido Sal y
Pimienta y Ruido Gaussiano. Para el caso de
Distorsión, redujimos la alteración de los pixeles a 10.
 C. Distorsión Lineal:

ANALISIS DE RESULTADOS

ENCUESTA GENERAL

Filtro de Mediana:
A. Ruido Sal y Pimienta
¿Qué método de
N. restauración cree usted que
encuestados brinda un mejor resultado?
Filtro Wiener Filtro Mediana
1 x
2 x
3 x
4 x
5 x
6 x
7 x
8 x
9 x
10 x

En conclusión, las personas que presentaron la

B. Ruido Gaussiano encuenta, concidieron en que les parece que el filtro
Wiener generó mejores resultados, a continuación
presentaremos los valores de error cuadrático medio
arrojados por Matlab y verificaremos si coinciden.

D. Distorsión Lineal
A continuacion presentaremos los valores del error Aquí bajamos la varianza del error del sal y pimienta
cuadratico medio si dejamos el ruido con una y el gaussiano a 0.005 y la de distorsión se aumentó
intensidad de 0.5 en el sal y pimienta y el gaussiano, 30 y se obtuvieron los siguientes resultados:
y dejando la distorsion en 10

Error1= Comparacion entre la imagen en escala de

grises y la imagen filtrada con el filtro de mediana
usando ruido sal y pimienta

Error2= Comparación entre la imagen en escala de

grises y la imagen filtrada con filtro de mediana
usando el ruido gaussiano

Error3= Comparación entre la imagen en escala de

grises y la imagen filtrada con el filtro de Wiener
contaminada con sal y pimienta

Error4= Comparación entre la imagen en escala de
grises y la imagen filtrada con el filtro de Wiener con
ruido Gaussiano
CONCLUSION:
Luego de haber analizado los diversos tipos de
distorsiones y los filtros utilizados para la
recuperación de dichas imágenes, con la ayuda de la
encuesta se logró confirmar que en efecto el filtro que
mejor recuperación muestra, es el filtro Wiener,
como lo enuncia la teoría, ya que obtuvo el 60% de
las votaciones.

Error5= Comparador entre la imagen en escala de Este estudio se logró realizar gracias a la ayuda del
grises y la imagen filtrada con el filtro de mediana y software matemático MATLAB, el cuál permite
con distorsión lineal trabajar con claridad diversos factores y estudios en
señales como lo es el procesamiento digital.