Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Procesamiento de imágenes
T2 - Procesamiento
Canal de procesamiento
E (F)
• Adquisición
• Video - imagen Adquisición
• Formato
• Preprocesamiento si ancho> x entonces tumor
S (E (F))
• Caracterización M (S (E (F)))
• Selección de características
• Aprendizaje automático Caracterización
K (F)
APIC
Imágenes y procesamiento de imágenes
3
Debate
4
¿Qué es una imagen?
5
¿Qué es una imagen?
6
Que es una ima
7
¿Qué es una imagen?
8
¿Cómo se forma una imagen?
• Señal
• Una señal es una "función que transmite información sobre los comportamientos o atributos de
algún fenómeno", definición estándar (de Wikipedia).
• Una imagen es una señal luminosa adquirida por un sensor.
9
Muestreo
pie)
t 10
Muestreo
pie)
t 11
Muestreo
pie)
t 12
Cuantización
pie)
t 13
Quan
• Convierte inp discreto
más pequeño
• Limitaciones en
• Profundidad del color
[Wikipedia,
profundidad del color]
14
Muestreo y cuantificación
15
Muestreo y cuantificación
dieciséis
Muestreo y Cuantización
17
Muestreo
18
Muestreo
200
600
19
Muestreo
200
600
200
21
Muestreo
[Wikipedia]
22
¿Cómo se forma una imagen?
• Señal
• Una señal es una "función que transmite información sobre los comportamientos o atributos de
algún fenómeno", definición estándar (de Wikipedia).
• Una imagen es una señal luminosa adquirida por un sensor.
• Ruido
• Perturbación desconocida de la señal.
• Producido durante el adquisición, almacenamiento, transmisión, procesamiento o conversión.
23
¿Cómo se forma una imagen?
• Ruido
[Simon Paonessa]
24
¿Cómo se forma una imagen?
• Ruido
25
¿Cómo se forma una imagen?
26
¿Cómo se forma una imagen?
• Señal
• Una señal es una "función que transmite información sobre los comportamientos o atributos de
algún fenómeno", definición estándar (de Wikipedia).
• Una imagen es una señal luminosa adquirida por un sensor.
• Ruido
• Perturbación desconocida de la señal.
• Producido durante la adquisición, almacenamiento, transmisión, procesamiento o conversión.
• Valores atípicos
27
Espacios de color
28
Espacios de color
29
Espacios de color
• Luz invisible
• Exigir equipamiento especial, como la tomografía, para adquirir los datos.
• Comúnmente monocromo, es decir, escala de grises
30
Espacios de color multidimensionales
31
Espacios de color multidimensionales
• RGB: rojo-verde-azul
• RGB estándar (sRGB)
• Adobe RGB
• R '= R / S
• G '= G / S
• B '= B / S
• donde S = R + G + B.
RGB normalizado 32
Espacios de color multidimensionales
33
Espacio de color multidimensional
• Cilíndrico
• HSI: Intensidad de saturación de tono
• HSV / HSL: valor de saturación de tono / luminancia
34
Imágenes de cromatica monocromática
• Este tipo de imágenes son las habituales en las imágenes de “luz invisible” en
medicina.
35
Importancia de los espacios de color
36
Transformaciones
37
Transformaciones
38
Transformaciones
39
Transformaciones
• No afín
40
Transformar: afín
• Transformación afín:
• Conserva puntos, rectas y planos
• Las líneas paralelas permanecen paralelas
• Incluir: traslación, rotación, escalado, cizallamiento
41
Transformar: traducción
= (3, −1)
1= 2,3
2= 3,4 ′1 = (2 + 3,3 - 1)
= (5, 2)
′2 = (3 + 3, 4 −1)
= (6, 3) 42
Transformar: rotación
-
• Punto : -> girado -> ′ = ∗
43
Transformar: rotación
-
• Punto : -> girado -> ′ = ∗
1= 2,3
2= 3,4
= /2 = 90 grados
• El escalado hace que los datos sean más grandes o más pequeños.
• La reflexión es una transformación isométrica similar a un espejo.
• Ambos usan una matriz de 2x2
0
• Escalar con factores , ≠ 0 =>
0
0 1
• Reflexión en la línea de = =>
1 0
• Recordar: la multiplicación de matrices es asociativa ( ) = ( ) ,
pero no conmutativo ) ≠ ( )
45
Transformar: escala / reflexión
0
• Escalar con factores , ≠ 0 =>
0
0 1
• Reflexión en la línea de = =>
1 0
•( )=( ) |( ) ≠( )
=> = 2; = 3
1= 2,3
2= 3,4 2 0 2 2∗2+0∗3 4
′1 = ∗ = =
3= 3,2 0 2 3 0∗2+3∗3 9
6
2′ =
12
6
3′ =
6
46
Transformar: escala / reflexión
0
• Escalar con factores , ≠ 0 =>
0
0 1
• Reflexión en la línea de = =>
1 0
•( )=( ) |( ) ≠( )
1= 2,3
2= 3,4 0 1 2 0∗2+1∗3 3
′1 = ∗ = =
3= 3,2 1 0 3 1∗2+0∗3 2
4
2′ =
3
2
3′ =
3
47
Transformar: escala / reflexión
0
• Escalar con factores , ≠ 0 =>
0
0 1
• Reflexión en la línea de = =>
1 0
•( )=( ) |( ) ≠( )
y ≠ y
1= 2,3
2= 3,4 0120 03 1′ = 9,4
′ = =
3= 3,2 1003 20 2′ = 12,6
3 3′ = 6,6
=
2
2 001 02 1′ ′= 6,6
′′ = = 2′ ′ = 8,9
0310 30
2 3′ ′ = 4,9
= 48
3
Transformar: cizalla
• “Todos los puntos a lo largo de una línea L determinada permanecen fijos mientras que otros puntos se
desplazan paralelos a L una distancia proporcional a su distancia perpendicular desde L ”
- WolframMathWorld
1
• El corte en la dirección x con un factor s aplica una matriz de 2x2
0 1
1
• Punto : -> cizallado -> ′ = ∗
0 1
49
Transformar: cizalla
1
• Punto : -> cizallado -> ′ = ∗
0 1
ℎ : =2
1= 2,3
2= 3,4 1 2 2 1∗2+2∗3 8
′1 = ∗ = =
3= 3,2 0 1 3 0∗2+1∗3 3
11
2′ =
4
9
3′ =
2
50
Transformar: combinación
51
Transformar: combinación
52
Transformar: combinación
0 0 00 + 11
= - 1 1 - 00 + 11 1
0 0
53
Transformar: Resumen
54
Transformar: afín
• Problemas con
???
55
Transformar: afín
• Problemas
• Los resultados de la transformación son píxeles que no se encuentran en el espacio discreto de la imagen.
56
Transformar: afín
• Problemas
• Los resultados de la transformación son píxeles que no se encuentran en el espacio discreto de la imagen.
• Solución, inverso transformación con interpolación bilineal
57
Convoluciones
58
Convolución / correlación
59
Convolución / correlación
60
Convolución / correlación
61
Convolución / correlación
62
Convolución / correlación
63
Convolución / correlación
64
Convolución / correlación
• Filtros suavizantes
• Mediana Media
• Winer
• Bilateral
• Mejora de filtros
• Paso alto
• Operador discreto de Laplace
• Detector de funciones
• Gabor
• Borde
• Esquina
sesenta y cinco
Filtros suavizantes
66
Filtros suavizantes
67
Filtros suavizantes
68
Traducido del inglés al español - www.onlinedoctranslator.com
Mejora de filtros
• Filtro de mejora
• Paso alto
-1 -1 -1
1/9 * -1 9 -1
-1 -1 -1
• Laplaciano
-1 -1 -1
1/9 * -1 8 -1
-1 -1 -1
69
Mejora de filtros
• Filtro de mejora
• Paso alto
-1 -1 -1
1/9 * -1 9 -1
-1 -1 -1
• Laplaciano
-1 -1 -1
1/9 * -1 8 -1
-1 -1 -1
70
Mejora de filtros
• Filtro de mejora
• Después de filtrar, algunos valores pueden ser negativos. Existen diferentes soluciones:
• Valor absoluto (no ideal)
• Cambio de escala. Mover todos los valores entre [-128,128] a [0,255]
71
Mejora de fil
• Filtro de mejora
• Después de filtrar, algunos valores ons:
• Valor absoluto (no ideal)
• Cambio de escala. Mueve todo el valor
72
Detector de funciones
• clasificación de características
• Ejemplos de
• Gabor
• Edge (Sobel, Canny, Prewitt, Roberts)
• Esquina (Harris)
73
Detector de funciones
74
Detector de funciones
fudgeFactor = 0.5;
75
Detector de funciones
fudgeFactor = 0.5;
76
Detector de funciones
fudgeFactor = 0.5;
77
Detector de funciones
fudgeFactor = 0.5;
78
Detector de funciones
• Filtro Gabor
0º
45º
90
135º
• Filtro Gabor
80
Detector de funciones Wikipedia:
Detección de características (visión por computadora)
81
Ejemplos de
• Convoluciones
• https://setosa.io/ev/image-kernels/
• Aprendizaje profundo: redes neuronales convolucionales (CNN / ConvNets)
• https://cs231n.github.io/convolutional-networks/#layers
82
Morfología
83
Morfología matemática
• Herramienta para extraer componentes de imagen que son útiles para la
representación y descripción.
• Además, los operadores morfológicos persiguen el objetivo de eliminar las
imperfecciones teniendo en cuenta la forma y estructura de la imagen.
• También es útil para muchas técnicas de procesamiento previo y posterior, especialmente en el
adelgazamiento y poda de bordes.
84
Elemento estructurante
1
• Otros elementos estructurantes:
1 1 1
• Cuadrado Disco
1 1 1 1 1
• Cruz 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1
• Diamante (cuadrado girado) 1 1 1 1 1
1 1 1 1 1 1 1
• ... 1 1 1
1 1 1 1 1 1 1
1
1 1 1 1 1 1 1
1 1 1 1 1
1 1 1
85
Dilatación
• La dilatación morfológica hace que los objetos sean más visibles y rellena pequeños
agujeros en los objetos.
Dilatar
86
Erosión
Erosionar
87
Ejemplo: dilatar
88
Efectos de cancelación
89
Abrir y cerrar
• los apertura A o B = (A⊖B)⊕B es una combinación de erosión seguida de
dilatación.
90
Transformada de Fourier
91
Transformada de Fourier
• ¿Qué es?
92
Transformada de Fourier
• los importancia de la transformada de Fourier son las propiedades que puede ser útil en el
procesamiento de imágenes
• los multiplicación de dos transformadas de Fourier corresponde a la circunvolución de las
funciones espaciales asociadas.
• La eliminación de altas frecuencias suele corresponder a eliminar el ruido.
• Quitar cualquier frecuencia permite compresión de datos.
93
Transformada de Fourier
• Frecuencia
• En el sonido, la alta frecuencia es un tono alto (por
ejemplo, violín), y la baja frecuencia es un tono bajo
(por ejemplo, voz profunda).
94
Transformada de Fourier
• Transformada de Fourier
∞
መ =න −2
-∞
95
Transformada de Fourier
• Dado que estamos estudiando imágenes, nuestro dominio espacial tiene dos dimensiones.
Podemos modificar la ecuación de la transformada de Fourier en un espacio de frecuencia
bidimensional:
∞ ∞
መ 1, 2 = , − 1 − 2
= −∞ = −∞
96
Transformada discreta de Fourier
• Transformada discreta de Fourier (DFT) permite trabajar con valores discretos, que es
conveniente para la manipulación por computadora.
• Además, las imágenes son datos discretos, lo que encaja mejor con DFT.
መ , = , −2 / −2 /
=1 =1
97
Transformada rápida de Fourier
• DFT toma O (N2) operaciones aritméticas, mientras que una FFT puede calcular la
misma DFT solo en operaciones O (N log N).
98
Ejemplos de
99
Ejemplos de
100
Ejemplos de
103
Transformada de Fourier
• Aplicaciones
• Filtrado de ruido
• Filtro de paso bajo
• Detector de bordes
• Circunvoluciones / correlación
• En el espacio de frecuencias, una multiplicación equivale a una convolución en el espacio espacial.
• Clasificación de imágenes
• Orientación del texto
• Clasificación de letras
104
Transformada de Fourier
• Aplicaciones
• Filtrado mediante filtro de paso bajo
figura; esperar;
% Filtro de paso bajo subparcela (3,2,1); imshow (an);
c1 = z <45; subparcela (3,2,2); fftShow (afn);
c2 = z <15; subparcela (3,2,3); ifftShow (a1);
c3 = z <5;
105
Transformada de Fourier
• Aplicaciones
• Detección de bordes con filtro de paso alto
[x, y] = cuadrícula de malla (-128: 127, -128: 127); z = raíz a4 = ifft2 (af4);
cuadrada (x. ^ 2 + y. ^ 2); a5 = ifft2 (af5);
a6 = ifft2 (af6);
% Filtro de paso alto
c4 = z> 45; figura; esperar;
c5 = z> 15; subparcela (3,2,1); imshow (a);
c6 = z> 5; subparcela (3,2,2); fftShow (af);
subparcela (3,2,3); ifftShow (a4);
106
Transformada de Fourier
• Visualización de Matlab
107
Clasificación de imágenes
• Clasificación de letras
108
Clasificación de imágenes
• Clasificación de letras
[Swinburne Commons]
109
Compresión
• Pérdida
110
Compresión
111
Compresión
112
Algo sobre lo que pensar
113
Cómo leer un QR
114