Mejora de imágenes mediante transformación de la intensidad

Ruben Eduardo Acosta

Resumen
En el presente trabajo se describen algunos de los métodos para mejorar el contraste de
una imagen, se presenta su formulación matemática y luego se aplican en la mejora de
calidad para 4 imágenes concluyendo cual método se comporto mejor para cada una.

1 Introducción

En muchas ocasiones tenemos imágenes que no son suficientemente claras, ya sea porque
están muy oscuras o con los detalles borrosos. Uno de los métodos mediante los cuales
podemos aumentar la calidad de estas imágenes es la mejora del contraste, para ello
contamos con varias transformaciones como lo son el negativo de la imagen, la
transformación logarítmica, la transformación gama y la ecualización del histograma.

Veamos entonces en que consiste cada una de estas transformaciones.

1.1 Negativo de la imagen.

Es una imagen con los valores de intensidad invertidos, muy útil para resaltar detalles que
están envueltos en entornos oscuros. Esta transformación tiene la siguiente forma
matemática:

𝑇(𝑢) = 𝐿 − 𝑢 ; 𝐿 → 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑖𝑛𝑡𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑜

1.2 Transformación logarítmica.
Esta transformación emplea la función logaritmo para mapear las intensidades de la
imagen, lo cual expande el rango de intensidades de los pixeles oscuros y equipara entre si
los pixeles mas claros. Su forma matemática es:
𝑇(𝑢) = 𝑐 ∗ log(𝑢 + 1)
Donde c es una constante de escala que en el caso de imágenes RGB puede ser calculada
como:
255
𝑐=
max(log(1 + 𝑢))

1.3 Transformación Gamma.

Esta transformación es similar a la logarítmica en cuanto a su comportamiento, pero es más
versátil ya que podemos controlar el estiramiento de los pixeles oscuros por medio del
parámetro gamma. La transformación tiene la siguiente forma matemática:
𝑇(𝑢) = 𝑐 ∗ 𝑢𝛾

Donde c es una constante de escala que en el caso de imágenes RGB puede ser calculada
como:
255
𝑐=
max(𝑢𝛾 )

A continuación, comparamos ambas transformaciones:

1.4 Ecualización del histograma.
Cuando una imagen es muy oscura, su histograma de intensidades tiende a esta acumulado
al lado izquierdo, (valores de baja intensidad). La ecualización lo que hace es redistribuir los
valores de intensidad para hacer que su histograma sea mas uniforme lo que mejora el
contraste de la imagen.

2 Desarrollo
Ahora aplicaremos estas transformaciones para cuatro imágenes de ejemplo con las cuales
podremos entender mejor de que manera mejoran su calidad siguiendo los siguientes
pasos.
1 Imagen original y su histograma por colores.
2 Imagen original y el resultado de aplicar ecualización del histograma.
3 Comparación de ambos histogramas.
4 Aplicación de transformación gamma para 4 valores distintos de gamma.
5 Aplicación de transformación logaritmo y comparación de los resultados, teniendo en
cuenta el mejor gamma.

Vemos que su histograma esta bastante

acumulado entre 0 y 50, por ello la
imagen se ve tan oscura. Ahora veamos
como se ve si aplicamos la ecualización
del histograma.

Los detalles se pueden apreciar mucho

mejor, pero no es una imagen muy
bonita. Veamos como cambio su
histograma.
Efectivamente el histograma ahora es mas uniforme, pero notamos un pico cerca de 250,
por esto es que el resultado esta muy luminoso. Ahora veamos como cambia para distintos
valores de gamma.

Al lado izquierdo tenemos el resultado de la transformación gamma para distintos valores,

considero que el mejor resultado lo obtenemos con un gamma de 0.6.

Después aplicamos la transformación logaritmo y comparamos todo. Esto lo vemos en la

imagen del lado derecho donde podemos notar que para esta imagen el mejor resultado lo
obtuvimos con la transformación gamma en 0.6.
 Para esta imagen vemos que le
histograma solo presenta un canal
ya que es a blanco y negro, también
notamos que la mayor parte de sus
pixeles están del lado oscuro.

Cuando aplicamos la
ecualización del histograma
vemos que mejora mucho, pero
aun no tiene buena calidad.
Veamos como se ve para
distintos valores de gamma.

De nuevo, parece que el mejor resultado lo obtenemos con un gamma de 0.6, entonces
aplicamos la transformación logaritmo y comparamos todo, como vemos en la imagen de
la derecha.
Con la transformación logaritmo la imagen también queda muy blanquecina, por lo que
considero que el mejor resultado es con la transformación gamma para un gamma de 0.6
 En este caso vemos como se
distinguen las tres capaz de color en el
histograma. A continuación, vemos el
resultado de la ecualización del
histograma.

Vemos como la claridad de la imagen mejora notablemente y como su histograma es mucho

más uniforme después de aplicar la transformación. Ahora aplicaremos la transformación
gamma.
En este caso considero que el mejor resultado lo presenta gamma 0.8, entonces tomo este
para la comparación, aplicamos la transformación logaritmo y comparamos todo como se
ve en el lado derecho.

Aunque esta imagen tiene los tres canales se percibe como si solo tuviera uno por lo que
me pareció interesante aplicar el negativo para comprobar si podíamos notar más detalles.

Vemos que efectivamente mejora

mucho. En este caso el mejor resultado
lo obtenemos aplicando la ecualización
del histograma y luego el negativo a su
resultado pues con ello se resaltan
muchos más detalles.
Esta es la última imagen del ejercicio, es muy interesante pues esta muy oscura, y su
histograma tiene los tres canales acumulado en valores menores a 50. Apliquemos la
ecualización del histograma.

La mejora es muy notable, ahora podemos distinguir muchos mas detalles y colores que en
la imagen original. Ahora aplicamos las trasformaciones gamma y logaritmo.

Considero que en este caso el mejor resultado lo obtenemos con la transformación gamma
con un gamma de 0.4
3 Conclusiones
Para las imágenes de prueba que usamos, el mejor resultado en su mayoría lo obtuvimos
empleando la transformación gamma, pero con la tercera imagen encontramos que el
mejor resultado se daba combinando dos métodos, ecualizar el histograma y luego negativo
de la imagen.

En todos los casos se noto una gran mejora con todos los métodos, aunque el del logaritmo
fue el que menor calidad presento. Pienso que es debido a que es muy estático, no
podemos manipular parámetros para adaptarlo mejor a cada imagen.