APIC Lecture2 ImageProc. Caste

Traducido del inglés al español - www.onlinedoctranslator.
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))
• Eliminación de ruido altura

Preprocesamiento
• Resta de fondo
• Procesando
• Segmentación de imagen
• Extracción de características Procesando
• Caracterización M (S (E (F)))
• Selección de características
• Aprendizaje automático Caracterización
K (F)
APIC
Imágenes y procesamiento de imágenes
3
Debate
• ¿Qué es una imagen?

• ¿Cómo mejorar una imagen?
• ¿Qué es la convolución?
4
¿Qué es una imagen?
1 11 67 121 155 96 0 12 105

0 41 91 156 137 27 0 77 135
23 65 129 159 82 1 47 118 163
56 84 152 138 19 6 103 150 179
71 118 156 87 0 50 130 177 187
84 143 134 26 0 95 149 199 178
114 156 88 0 39119177197168
156 152 35 0 89147193179177
184 115 0 24131185187176172
181 51 0 78151191176165143113165180
127 7 7 171161138
5
6
Que es una ima
7
• Una imagen es una matriz de píxeles.

• MxN píxeles
• Cada píxel corresponde a un valor de intensidad

• Dependiendo del espacio de color, el valor tendrá diferentes rangos.
• Cada píxel puede contener uno o varios valores

• RGB, HSV…
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.
• El sensor convierte la luz en una señal digital usando muestreo y cuantificación.
[The Tarragon Times, filtros de color

del sensor de la cámara digital]
9
Muestreo
• El muestreo es la reducción de una señal de tiempo continuo a una señal de tiempo

discreto.
pie)
t 10
Muestreo

discreto.
• Toma de muestras en diferentes instantes de tiempo
pie)
t 11
Muestreo

discreto.
• Toma de muestras en diferentes instantes de tiempo

• Obtenemos el valor de la señal en
esos instantes
pie)
t 12
Cuantización
• Convierte los valores de entrada de un conjunto continuo a valores de salida en un conjunto

discreto más pequeño.
• Limitaciones en la precisión de los datos
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
• También se utiliza para reducir el tamaño de los datos.

• Lineal
• Interpolación bilineal
• Basado en características 10 12 20 22 15 17
22 24
10 20 15
20 19
20
18
Muestreo

• Lineal
• Basado en características 300
900
200
600
19
Muestreo

• Lineal
• Basado en características 300
900
200
600
Dividimos por 3. Muestreamos de 3 en 3.

20
Muestreo

• Lineal
• Basado en características
300
200
21
Muestreo

• Lineal
• Basado en características
[Wikipedia]
22
• Señal
• Ruido
• Perturbación desconocida de la señal.
• Producido durante el adquisición, almacenamiento, transmisión, procesamiento o conversión.
23
• Ruido
[Simon Paonessa]
24
• Ruido
25
26
• Señal
• Ruido
• Perturbación desconocida de la señal.
• Producido durante la adquisición, almacenamiento, transmisión, procesamiento o conversión.
• Valores atípicos
• Valores que se alejan de la observación media. ¿Qué preferimos?

• Ración de señal a ruido (SNR)
• Medición de la relación de la señal en comparación con el ruido en esa señal.
27
Espacios de color
28
Espacios de color
• Un espacio de color define la gama de colores que se pueden representar.
• Además, define la relación entre los componentes que

forman el color.
29
Espacios de color
• Las imágenes pueden ser multidimensionales (MxNxD) donde D es el número de

dimensiones / componentes del espacio de color utilizado.
• Hay dos categorías principales en las imágenes médicas:

• Luz visible
• Adquirido con una cámara normal y visualizado sin equipo especial.
• Comúnmente multidimensional
• Luz invisible
• Exigir equipamiento especial, como la tomografía, para adquirir los datos.
• Comúnmente monocromo, es decir, escala de grises
30
Espacios de color multidimensionales
• Un espacio de color multidimensional es un espacio de color que tiene múltiples

dimensiones o componentes para ser representados.
rojo Verde Azul
31
• RGB: rojo-verde-azul
• RGB estándar (sRGB)
• Adobe RGB
• RGB normalizado: divide el valor de cada píxel por

la suma del valor del píxel en todos los canales Espacio RGB
• R '= R / S
• G '= G / S
• B '= B / S
• donde S = R + G + B.
RGB normalizado 32
• CMYK: cuatro colores
33
Espacio de color multidimensional
• Cilíndrico
• HSI: Intensidad de saturación de tono
• HSV / HSL: valor de saturación de tono / luminancia
• Matiz describe el color en ángulo [0,360].

• Saturación describe cómo el color está contaminado con
blanco en la gama [0,1]
• Intensidad: Promedio RGB: (1/3)⋅ (R + G + B)
• 0 significa negro, 1 significa blanco
• Ligereza: promedia los valores mínimo y máximo

para RGB: (1/2)⋅ (máx (R, G, B) + mínimo (R, G, B))
• Valor: máximo de RGB: máximo (R, G, B)
• V = 0 significa negro (H y S son irrelevantes), S = 0 y V = 1 es blanco
34
Imágenes de cromatica monocromática
• Normalmente se llama escala de grises.

• Las imágenes en blanco y negro tienen solo dos intensidades.
• Describe la imagen con un valor de tono o color.
• Este tipo de imágenes son las habituales en las imágenes de “luz invisible” en
medicina.
35
Importancia de los espacios de color
• ¿Por qué es importante conocer diferentes espacios de color?
36
Transformaciones
37
Transformaciones
• Conserva las líneas rectas
38
Transformaciones
• NO conserve las líneas rectas
39
Transformaciones
• ¿Qué tipo de transformación necesitamos?

• Afín
• No afín
40
Transformar: afín
• Transformación afín:
• Conserva puntos, rectas y planos
• Las líneas paralelas permanecen paralelas
• Incluir: traslación, rotación, escalado, cizallamiento
[Mathieu Lacage y Raph Levien,

La biblioteca libart]
41
Transformar: traducción
• Básicamente, mueve los datos de un punto a otro.

• En la traducción afín, todos los datos se mueven por igual.
• Punto : -> traducir -> ′ = +
= (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
• Gira todos los datos en un ángulo específico

• Usamos una matriz de rotación de 2x2.
-
• Punto : -> girado -> ′ = ∗
43
Transformar: rotación
-
• Punto : -> girado -> ′ = ∗
1= 2,3
2= 3,4
= /2 = 90 grados
porque (90) - pecado (90) 2

′1 = ∗
pecado (90) porque (90) 3
2cos 90 - 3 pecados (90) -3
= =
2 pecado 90 + 3c (90) 2
-4
′2 =
3
44
Transformar: escala / reflexión
• 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
0
0
0 1
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
0
0
0 1
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
0
0
0 1
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
• Las combinaciones de transformadas se describen más fácilmente en términos de operaciones

matriciales.
• Para usar operaciones matriciales presentamos coordenadas homogéneas.

• Estos permiten que todas las operaciones afines se expresen como una
multiplicación de matrices, incluyendo traducción.
51
• Punto : -> homogéneo -> =

1
• La ecuación afina se describe como:
• =
0 0 1
• '= ∗
52
• La transformación afín RST incluye traducción, escalado y rotación en este

orden.
• ∗ ( ∗ ( ∗ )) ∗
∗ ′
∗ ′′
0 0 00 + 11
= - 1 1 - 00 + 11 1
0 0
53
Transformar: Resumen
• La traducción en 2D utiliza una matriz

de 2x1
• Rotación, escalado, reflexión y

cizallamiento utilizan matrices 2x2
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
• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

para cada píxel para obtener una versión modificada del píxel.
• En convolución el núcleo se gira 180 grados antes de ser aplicado.

• En correlación los núcleo permanece como está.
59

para cada píxel para obtener una versión modificada del píxel
25 30 29 19 Convolución = valor medio de la

26 35 22 27 vecindad 3x3
28 32 40 40
22 56 29 30
20 18 50 22
60


26 2395 22 27 vecindad 3x3
28 32 40 40
22 56 29 30
20 18 50 22
61


26 35 3202 27 vecindad 3x3
28 32 40 40
22 56 29 30
20 18 50 22
62


26 35 22 27 vecindad 3x3
28 32 40 40
22 56 29 30
20 18 50 22
63


26 35 22 27 vecindad 3x3
28 32 3440 40
22 56 29 30
20 18 50 22
64
• 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
• El filtro Media / Mediana reemplaza un valor de píxel por la media o mediana de la

vecindad.
• Desdibujan la imagen eliminando el ruido o el grano en la imagen.
• Suavizan los bordes haciendo que la imagen esté menos definida.
• El efecto vecino se puede equilibrar usando el peso

• Distancia al centro de la convolución
66
Filtros suavizantes
MATLAB: mri_meanFilt = medfilt2 (mri_noise, [5 5]);
67
Filtros suavizantes
• El filtro Media / Mediana reemplaza un valor de píxel por la media o mediana de la

vecindad.
• Desdibujan la imagen eliminando el ruido o el grano en la imagen.
• Suavizan los bordes haciendo que la imagen esté menos definida.
• El efecto vecino se puede equilibrar usando el peso
• Distancia al centro de la convolución
• Winer
• Bilateral
• Filtro gaussiano
• Kumar, N. y Nachamai, M. (2017). Técnicas de eliminación y filtrado de ruido utilizadas en imágenes médicas.
Revista Oriental de Ciencias de la Computación y Tacnología, 103-113.
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
• 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
• 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
• Después de filtrar, algunos valores ons:
• Valor absoluto (no ideal)
• Cambio de escala. Mueve todo el valor
72
Detector de funciones
• Las características contienen información relevante del contenido de los datos.

• En visión artificial existen muchas técnicas para
• extracción de características
• clasificación de características
• Ejemplos de
• Gabor
• Edge (Sobel, Canny, Prewitt, Roberts)
• Esquina (Harris)
73
• Detector de borde Sobel
74
%%% Matlab %%%%

[~, umbral] = borde (a, 'sobel');
fudgeFactor = 0.5;
BWs = edge (a, 'sobel', umbral * fudgeFactor, 'vertical');
75
%%% Matlab %%%%

fudgeFactor = 0.5;
76
%%% Matlab %%%%

fudgeFactor = 0.5;
BWs = edge (a, 'sobel', umbral * fudgeFactor, 'horizontal');
77
%%% Matlab %%%%

fudgeFactor = 0.5;
BWs = edge (a, 'sobel', umbral * fudgeFactor, 'horizontal');
BWs = edge (a, 'sobel', umbral * fudgeFactor);
78
• Filtro Gabor
0º
45º
90
135º
[Rubiyah Yusof Nenny Ruthfalydia, diciembre de 2013]

79
• Filtro Gabor
80
Detector de funciones Wikipedia:
Detección de características (visión por computadora)
Detector de funciones Borde Esquina Gota

Astuto X
Sobel X
Kayyali X
Harris y Stephens /
X X
Plessey / Shi – Tomasi
SUSAN X X
Shi y Tomasi X
Curvatura de la curva de nivel X
RÁPIDO X X
Laplaciano de Gauss X X
Diferencia de gaussianos X X
Determinante de arpillera X X
MSER X
PCBR X
Manchas de nivel gris X
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.
• La aplicación principal de la morfología ocurre en imágenes binarias.

• Las dos operaciones morfológicas básicas son:
• Dilatación
• Erosión
84
Elemento estructurante
• El elemento estructurante define la forma de la operación aplicada.

• El elemento estructurante básico es un 'disco'. Diamante
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
• Intuitivamente, dilatación ⊕ expande los elementos de la imagen.

• El valor del píxel de salida es el valor máximo de todos los píxeles de
la vecindad.
• En una imagen binaria, un píxel se establece en 1 si alguno de los píxeles vecinos tiene el
valor 1.
• La dilatación morfológica hace que los objetos sean más visibles y rellena pequeños
agujeros en los objetos.
Dilatar
86
Erosión
• Intuitivamente, erosión ⊖ encoge los elementos de la imagen.

• El valor del píxel de salida es el valor mínimo de todos los píxeles de
la vecindad.
• En una imagen binaria, un píxel se establece en 0 si alguno de los píxeles vecinos tiene el
valor 0.
• La erosión morfológica elimina islas y objetos pequeños de modo que solo

quedan objetos sustantivos.
Erosionar
87
Ejemplo: dilatar
88
Efectos de cancelación
• En general, la cancelación exacta no ocurrirá:

• ≠
• ≠
• ⊇
• ⊆
89
Abrir y cerrar
• los apertura A o B = (A⊖B)⊕B es una combinación de erosión seguida de
dilatación.
• los clausura A • B = (A⊕B)⊖B es una combinación de dilatación seguida de

erosión.
90
Transformada de Fourier
91
• ¿Qué es?
92
• La transformada de Fourier descompone una función en frecuencias.

• La transformada de Fourier es una representación de una imagen como una suma de
exponenciales complejas de diferentes magnitudes, frecuencias y fases.
• 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
• 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).
• La frecuencia en las imágenes es una tasa de cambio

de intensidad. La imagen de alta frecuencia tiene
píxeles cambiantes uno al lado del otro. La imagen de
baja frecuencia tiene un brillo uniforme
• La alta frecuencia puede corresponder a
bordes,informacion util
• Las imágenes normales tienen frecuencias
altas y bajas
94
• Transformada de Fourier
∞
መ =න −2
-∞
• Transformada inversa de Fourier permite volver al dominio espacial

original. ∞
=න መ 2
-∞
95
• 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
• Optimización de la transformada discreta de Fourier.

• Utiliza algunas restricciones, como que el número de muestras debe ser potencia de
dos.
• Algoritmo Cooley-Tukey FFT

• Esto es un divide y conquistaras algoritmo que descompone de forma recursiva una DFT de cualquier tamaño
compuesto N = N1N2 en muchas DFT más pequeñas
• 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
cos (18 * pi / 256)
99
Ejemplos de
cos (50 * pi / 256)
100
Ejemplos de
cos (50 * pi / 256)
cos (3 * pi / 256) 101

Ejemplos de
cos (50 * pi / 256)
cos (128 * pi / 256)
cos (3 * pi / 256) 102

Ejemplo
103
• Aplicaciones
• Filtrado de ruido
• Filtro de paso bajo
• Detector de bordes
• Filtro de paso alto
• 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
• Aplicaciones
• Filtrado mediante filtro de paso bajo
%%% Matlab %%%% %%% Matlab %%%%

a = imread ('cameraman.tif'); af1 = afn. * c1;
af2 = afn. * c2;
an = imnoise (a, 'gaussiano', 0,0.01); af3 = afn. * c3;
afn = ffthift (fft2 (an)); a1 = ifft2 (af1);

a2 = ifft2 (af2);
[x, y] = cuadrícula de malla (-128: 127, -128: 127); z = raíz a3 = ifft2 (af3);
cuadrada (x. ^ 2 + y. ^ 2);
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
• Aplicaciones
• Detección de bordes con filtro de paso alto
%%% Matlab %%%% %%% Matlab %%%%

a = imread ('cameraman.tif'); af4 = af. * c4;
af5 = af. * c5;
af = ffthift (fft2 (a)); af6 = af. * c6;
[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
• Visualización de Matlab
%%% Matlab %%%% %%% Matlab %%%%

función [] = fftShow (ft) función [] = ifftShow (ft)
af = log (1 + abs (pies)); m = min (abs (pies (:)));
fm = max (af (:)); M = máx. (Abs (pies (:)));
imshow (im2uint8 (af / fm)); imshow (abs (pies), [mM]);

fin fin
107
Clasificación de imágenes
108
Clasificación de imágenes
[Swinburne Commons]
109
Compresión
• Reducir el tamaño del archivo para poder enviar, almacenar y visualizar la

imagen.
• Existen múltiples métodos de compresión:
• Submuestreo
• Reducción de Fourier
• Muestreo de croma
• ...
• El objetivo principal es preservar la calidad de la imagen.
• Sin pérdida
• Pérdida
110
Compresión
111
Compresión
112
Algo sobre lo que pensar
113
Cómo leer un QR
114

APIC Lecture2 ImageProc. Caste

Cargado por

Información del documento

Descripción 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

APIC Lecture2 ImageProc. Caste

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

• Eliminación de ruido altura

• ¿Qué es una imagen?

1 11 67 121 155 96 0 12 105

• Una imagen es una matriz de píxeles.

• Cada píxel corresponde a un valor de intensidad

• Cada píxel puede contener uno o varios valores

• El sensor convierte la luz en una señal digital usando muestreo y cuantificación.

[The Tarragon Times, filtros de color

• El muestreo es la reducción de una señal de tiempo continuo a una señal de tiempo

• El muestreo es la reducción de una señal de tiempo continuo a una señal de tiempo

• Toma de muestras en diferentes instantes de tiempo

• El muestreo es la reducción de una señal de tiempo continuo a una señal de tiempo

• Toma de muestras en diferentes instantes de tiempo

• Convierte los valores de entrada de un conjunto continuo a valores de salida en un conjunto

• También se utiliza para reducir el tamaño de los datos.

• También se utiliza para reducir el tamaño de los datos.

• También se utiliza para reducir el tamaño de los datos.

Dividimos por 3. Muestreamos de 3 en 3.

• También se utiliza para reducir el tamaño de los datos.

• También se utiliza para reducir el tamaño de los datos.

• El sensor convierte la luz en una señal digital usando muestreo y cuantificación.

• El sensor convierte la luz en una señal digital usando muestreo y cuantificación.

• Valores que se alejan de la observación media. ¿Qué preferimos?

• Un espacio de color define la gama de colores que se pueden representar.

• Además, define la relación entre los componentes que

• Las imágenes pueden ser multidimensionales (MxNxD) donde D es el número de

• Hay dos categorías principales en las imágenes médicas:

• Un espacio de color multidimensional es un espacio de color que tiene múltiples

rojo Verde Azul

• RGB normalizado: divide el valor de cada píxel por

• CMYK: cuatro colores

• Matiz describe el color en ángulo [0,360].

• Ligereza: promedia los valores mínimo y máximo

• Normalmente se llama escala de grises.

• Describe la imagen con un valor de tono o color.

• ¿Por qué es importante conocer diferentes espacios de color?

• Conserva las líneas rectas

• NO conserve las líneas rectas

• ¿Qué tipo de transformación necesitamos?

[Mathieu Lacage y Raph Levien,

• Básicamente, mueve los datos de un punto a otro.

• Punto : -> traducir -> ′ = +

• Gira todos los datos en un ángulo específico

porque (90) - pecado (90) 2

• Las combinaciones de transformadas se describen más fácilmente en términos de operaciones

• Para usar operaciones matriciales presentamos coordenadas homogéneas.

• Punto : -> homogéneo -> =

• La transformación afín RST incluye traducción, escalado y rotación en este

• La traducción en 2D utiliza una matriz

• Rotación, escalado, reflexión y

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

• En convolución el núcleo se gira 180 grados antes de ser aplicado.

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

25 30 29 19 Convolución = valor medio de la

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

25 30 29 19 Convolución = valor medio de la

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

25 30 29 19 Convolución = valor medio de la

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

25 30 29 19 Convolución = valor medio de la

• A circunvolución en el procesamiento de imágenes consisten en aplicando a función

25 30 29 19 Convolución = valor medio de la