VISIÓN POR

COMPUTADORA

Wilmer Sanz 1
VISIÓN POR COMPUTADORA

CAPTACIÓN
PREPROCESAMIENTO
SEGMENTACIÓN
DESCRIPCIÓN

Wilmer Sanz 2
VISIÓN POR COMPUTADORA

PREPROCESAMIENTO

Wilmer Sanz 3
PREPROCESAMIENTO
CONTENIDO

1.- Operaciones Aritméticas y Lógicas

2.- Realce de Imágenes
. Histograma
. Modificación del Contraste
. Ecualización
3.- Ventanas Deslizantes
4.- Filtrado de Imágenes en el Dominio Espacial
Wilmer Sanz 4
OPERACIONES ARITMÉTICAS Y LOGICAS

Las operaciones entre imágenes generan una nueva

imagen con información combinada de ellas.

P
Operación R
Q

P y Q son imágenes de M líneas y N columnas, con

píxeles : p (x, y) Є P y q (s, t) Є Q
1  (x, s)  M , 1  (y, t)  N.
Wilmer Sanz 5
OPERACIONES ARITMÉTICAS

Las operaciones se hacen con píxeles en la misma posición.

Es necesario reescalar el resultado de las operaciones para

mantener el rango de los niveles digitales.

Suma: s (x, y) = p (x, y) + q (x, y) ;  (x, y)

Resta: d (x, y) = p (x, y) – q (x, y) ;  (x, y)
Multiplicación: m (x, y) = p (x, y) * q (x, y) ;  (x, y)
División: c (x, y) = p (x, y) / q (x, y) ;  (x, y)

Wilmer Sanz 6
OPERACIONES ARITMÉTICAS

P+Q

Q P-Q
Wilmer Sanz 7
OPERACIONES LÓGICAS

Se ejecutan sobre imágenes binarias

AND
p (x, y) AND q (x, y) = 1 si p (x, y) = 1 y q (x, y) = 1
OR
p (x, y) OR q (x, y) = 1 si p (x, y) = 1 o q (x, y) = 1
Complemento
NOT p (x, y) = 1 si p (x, y) = 0
NOT p (x, y) = 0 si p (x, y) = 1
Wilmer Sanz 8
OPERACIONES LÓGICAS

P Q

P OR Q P AND Q P XOR Q

Wilmer Sanz 9
REALCE DE IMÁGENES

“Enhancement”

Es la modificación de la apariencia de una imagen con el

objetivo de que la información contenida en ella pueda
ser mejor interpretada visualmente respecto a su uso
específico.

Wilmer Sanz 10
HISTOGRAMA

Número de píxeles

0 9 65 255
Nivel digital
Wilmer Sanz 11
HISTOGRAMA

Imagen con 256 x

384 pixeles y 256
niveles.

Wilmer Sanz 12
MODIFICACIÓN DEL CONTRASTE
Histograma
de una
Histograma de una
Imagen
imagen oscura con
brillante con
poco contraste
poco
contraste
0 255 0 255

Imagen con buen

contraste, utiliza
todo el rango de
niveles.
0 255
Wilmer Sanz 13
 MODIFICACIÓN DEL CONTRASTE

4000
3500 4000
3500
3000 3500
3000
3000
2500
2500
2500
2000
2000 2000
1500
1500 1500

1000 1000
1000
500 500
500

0 0
0
0 50 100 150 200 250 0 50 100 150 200 250
0 50 100 150 200 250

Wilmer Sanz 14
MODIFICACIÓN DEL CONTRASTE
s
clara 1

sk = T [rk] T[r]
sk

oscura 0
0 rk 1 r Niveles original
oscura clara
s s s s
Negativo Binarización Tramos
1

0 r r r r
0 1 0 1 0 1 0 1
Wilmer Sanz 15
MODIFICACIÓN DEL CONTRASTE
Imagen de salida Niveles Imagen salida

255

Y1

X1 Niveles
X2 255
Imagen original

Lineal :
y  Y1 si x  X1
 Y2 - Y1 
y  X -X   * x - X1   Y1 si X1  x  X 2
 2 1 

y  Y2 si x  X 2
Imagen original
Wilmer Sanz 16
 MODIFICACIÓN DEL CONTRASTE

Nivel digital; [0, L-1]

Negativo:
s=L–1-r
Logarítmico:
s = c log(1 + r)

Exponencial:
s = c exp(1 + r)

Wilmer Sanz 17
MODIFICACIÓN DEL CONTRASTE

Nivel digital [0, L-1]

Potencia:
s = c rγ

Wilmer Sanz 18
MODIFICACIÓN DEL CONTRASTE

Fotografía c =1
aérea γ =3

c =1 c =1
γ =4 γ =5
Wilmer Sanz 19
MODIFICACIÓN DEL CONTRASTE

Imagen
original

r2 = max r2 = media
s2 = L-1 s2 = L-1
r1 = min r1 = media
s1 = 0 s1 = 0
Wilmer Sanz 20
ESPECIFICACIÓN DEL HISTOGRAMA
Se especifica la forma que debe poseer el histograma de la imagen
resultante.

Uniformización o ecualización: trata de obtener un histograma lo más

plano posible# píxeles/N S
1

s(k)
i
0 1 Nivel/(L-1) 00 1 Nivel/255
k
k rj
N: Total de píxeles
sk  T [rk ]  
rj : # píxeles en el nivel j j 0 N
Wilmer Sanz 21
ECUALIZACIÓN

Wilmer Sanz 22
VENTANAS DESLIZANTES
Las ventanas constituyen subimagenes, generalmente de
pequeñas dimensiones, cuyos elementos contienen factores de
ponderación. La ventana se hace recorrer por toda la imagen
para modificar el valor del píxel central de la ventana.
10 12 12 11 8 6 Ventana: v Imagen salida: q
12 15 13 10 9 9 i
.1 .1 .1
10 12 14 15 12 11 12 13
.1 .2 .1
j
13 12 12 14 8 10 .1 .1 .1
15 8 10 12 9 9

v(i, j), - k  i  k; - m  j  m
Imagen original: p
q ( x, y )   v(i, j ) * p(x  i, y  j)
i j

Wilmer Sanz 23
VENTANA DESLIZANTE

0 -1 -0
-1 4 -1
0 -1 0

Wilmer Sanz 24
FILTRADO DE IMÁGENES
Convolución en Matlab de una imagen A (5 x 5) con un filtro h (3x 3)
A = [17 24 1 8 15
23 5 7 14 16 h = [8 1 6
4 6 13 20 22 357
10 12 19 21 3 4 9 2]
11 18 25 2 9]
Ventana deslizante
Imfilter (A, h)
Píxeles
de la Píxel 1 x2 + 8 x9 + 15x4 + 7x7 + 14x5 +
imagen central 16 x 3 + 13x6 + 20x1 + 22x8 = 575

Wilmer Sanz 25
FILTRADO DE IMÁGENES

FILTRO ESPACIAL: herramienta para el realce de

imágenes basados en una ventana deslizante cuyos
coeficientes toman en consideración los píxeles
vecinos al píxel que se está procesando
FRECUENCIAS BAJAS: en el dominio espacial corresponden
a cambios leves de intensidad por unidad de distancia

Wilmer Sanz 26
FILTRADO DE IMÁGENES

DOMINIO ESPACIAL: Filtros pasa bajos

FILTROS PASA BAJOS
Lineales: promedio, gausiano
No lineales: mediana, moda, popularidad,
FILTROS DE PROMEDIO 1 1 1 1 1 1 1
7X7 1 1 1 1 1 1 1
1 1 1
1 1 1 1 1 1 1
1 1 1
1/9 1/49 1 1 1 1 1 1 1
1 1 1
1 1 1 1 1 1 1
3X3 1 1 1 1 1 1 1
1 1 1 1 1 1 1

Wilmer Sanz 27
FILTRADO DE IMÁGENES

fspecial genera la ventana

Imfilter aplica el filtro a la imagen
>> h = fspecial ('average', 7)
h=
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
0.0204 0.0204 0.0204 0.0204 0.0204 0.0204 0.0204
Wilmer Sanz 28
FILTRADO DE IMÁGENES

>> h = fspecial ('disk', 3)

h=

0 0.0003 0.0110 0.0172 0.0110 0.0003 0

0.0003 0.0245 0.0354 0.0354 0.0354 0.0245 0.0003
0.0110 0.0354 0.0354 0.0354 0.0354 0.0354 0.0110
0.0172 0.0354 0.0354 0.0354 0.0354 0.0354 0.0172
0.0110 0.0354 0.0354 0.0354 0.0354 0.0354 0.0110
0.0003 0.0245 0.0354 0.0354 0.0354 0.0245 0.0003
0 0.0003 0.0110 0.0172 0.0110 0.0003 0

Wilmer Sanz 29
FILTRADO DE IMÁGENES
Ruido gausiano
3x3

Disco 7x7 7x7

Wilmer Sanz 30
 FILTRADO DE IMÁGENES Promedio 3x3
Ruido sal y pimienta

Prom Gaus
7x7 7x7

Wilmer Sanz 31
FILTRADO DE IMÁGENES

Original

Ruido sal y pimienta

Wilmer Sanz 32
FILTRADO DE IMÁGENES
Promedio 3 x 3

Promedio 7 x 7

gausiano 7 x 7

disco radio 3

Wilmer Sanz 33
FILTRADO DE IMÁGENES
FILTROS DE ORDENAMIENTO
Los filtros de promedio modifican la información en el borde de los
elementos presentes en la imagen.
Los filtros de ordenamiento son filtros no lineales que permiten
reducir el ruido sin alterar el contorno de los objetos.
Principio:
•Ordenar los píxeles de una ventana de acuerdo a su valor digital
•Seleccionar el valor de acuerdo a la definición del filtro
Filtro de mediana: selecciona como nuevo valor del píxel el valor
central de la serie ordenada.
80 93 74 [ 74 78 80 80 85 85 93 98 120 ]
80 120 98
78 85 85
Wilmer Sanz 34
FILTRADO DE IMÁGENES

medfilt2

Filtro mediana 3 x 3 Filtro mediana 7 x 7

Wilmer Sanz 35
FILTRADO DE IMÁGENES

Algunas variantes
• La ventana de vecinos utilizada para la determinación
de la mediana puede ser definida de manera selectiva

Hibrido
•Mediana de píxeles en X
•Mediana de píxeles en +
•Mediana de resultados
anteriores y píxel central

Wilmer Sanz 36
FILTRADO DE IMÁGENES
Filtro mediana
3x3

Imagen con ruido

Filtro híbrido
Wilmer Sanz 37
FILTRADO DE IMÁGENES

Otros filtros de ordenamiento

• Popularidad: se escoge el mas común dentro de la ventana
• Olímpico: de la ventana se eliminan los valores máximo y
mínimo y se promedian los otros para generar el nuevo
píxel
• Apertura : se escoge el valor mas alto de la ventana como
nuevo píxel para generar una primera imagen. Se repite el
proceso pero seleccionando esta vez el valor mas bajo para
generar la imagen filtrada.

Wilmer Sanz 38
FILTRADO DE IMÁGENES

FRECUENCIAS ALTAS: en el dominio espacial corresponden

a cambios frecuentes de intensidad por unidad de distancia

Wilmer Sanz 39
FILTRADO DE IMÁGENES

Filtro Laplaciano -
0
-1 -1 -1
-1 8 -1 0
+
-1 -1 -1
- +
+
Otras configuraciones
0 -1 0 1 1 1
-1 4 -1 1 -8 1
0 -1 0 1 1 1

Wilmer Sanz 40
FILTRADO DE IMÁGENES

1 1 1
1 -8 1
1 1 1

Wilmer Sanz 41