UCSM-PPIE

UNIVERSIDAD CATÓLICA DE SANTA MARÍA

FACULTAD DE CIENCIAS E INGENIERÍAS FÍSICAS Y FORMALES

PROGRAMA PROFESIONAL DE INGENIERÍA ELECTRÓNICA

TEMA: Sexta Práctica

CURSO: Procesamiento digital de señales

INTEGRANTE:

Colcas Dueñas Jean Carlos

Grupo: martes 9:00-11:00am

AREQUIPA – 2015
 PROCESAMIENTO DIGITAL DE SEÑALES
SEXTA PRÁCTICA DE LABORATORIO
PROCESAMIENTO DE IMÁGENES

I. ACTIVIDADES

Visualización de imágenes

1. Vamos a usar imágenes de laboratorio de

http://www.mmnt.net/db/0/0/109.123.171.14/study/Tsoy/public/ImageProcessing/Images/
standard_test_images

>> a=imread('lena_gray_512.tif');
>> whos a
Name Size Bytes Class Attributes

a 512x512 262144 uint8

El tipo de dato para una imagen es uint8, es decir, un entero representado en 8 bits, por lo que existen
28=256 valores que se distribuyen en el rango de [0 255] para cada pixel. Para la visualización
podemos usar imshow, que tiene varias opciones

>> figure,imshow(a)
>> figure,imshow(a,'InitialMagnification',50,'Border','tight')
Extraer porciones
2. Se puede estraer una submatriz
>> lena_eye=a(252:284,318:350);
>> figure,imagesc(lena_eye)
>> colormap(gray)
>> axis image % Establece la relación de escala entre ejes
% para que los píxeles sean cuadrados
>> title('El ojo derecho de Lena')
El ojo derecho de Lena

10

15

20

25

30

5 10 15 20 25 30

3. Intente extraer la boca de lena

 lena_boca=a(330:380,250:330);
figure,imagesc(lena_boca) 5

colormap(gray) 10

15

20

25

30

35

40

45

50
10 20 30 40 50 60 70 80

4. Almacene la boca en un archivo

>> imwrite(lena_boca,'lena_boca.png');

5. Obtenga información de la imagen

>> imfinfo('lena_gray_512.tif')

Filename: 'D:\lena_gray_512.tif'
FileModDate: '28-ago-2008 15:03:30'
FileSize: 262598
Format: 'tif'
FormatVersion: []
Width: 512
Height: 512
BitDepth: 8
ColorType: 'grayscale'
FormatSignature: [73 73 42 0]
ByteOrder: 'little-endian'
NewSubFileType: 0
BitsPerSample: 8
Compression: 'Uncompressed'
PhotometricInterpretation: 'BlackIsZero'
StripOffsets: [1x32 double]
SamplesPerPixel: 1
RowsPerStrip: 16
StripByteCounts: [1x32 double]
XResolution: 72
YResolution: 72
ResolutionUnit: 'Inch'
Colormap: []
PlanarConfiguration: 'Chunky'
TileWidth: []
TileLength: []
TileOffsets: []
TileByteCounts: []
Orientation: 1
 FillOrder: 1
GrayResponseUnit: 0.0100
MaxSampleValue: 255
MinSampleValue: 0
Thresholding: 1
Offset: 262152

Convertir los tipos de imágenes

Los comandos para cambiar formatos son:

 im2uint8: de cualquier tipo a uint8,
 im2double: de cualquier tipo a double,
 im2bw: de cualquier tipo a logical,
 rgb2gray: RGB color a gray.

6. Convierta la boca de lena a datos double, muestre la matriz original y la matriz después de la
transformación
i=im2uint8(lena_boca); i=im2double(lena_boca);
figure,imagesc(i) figure,imagesc(i)
colormap(gray colormap(gray)

Unit8 double

5 5

10 10

15 15

20 20

25 25

30 30

35 35

40 40

45 45

50 50

10 20 30 40 50 60 70 80 10 20 30 40 50 60 70 80

7. Muestre la información del archivo luego de la conversión

double Unit8
Filename:'D:\
Filename: 'D:\lena_boca_double.png' lena_boca_unit8.png'
FileModDate: '25-May- FileModDate: '25-May-
2015 12:13:16' 2015 12:17:06'
FileSize: 2368 FileSize: 2368
Format: 'png' Format: 'png'
FormatVersion: [] FormatVersion: []
Width: 81 Width: 81
Height: 51
 Height: 51 BitDepth: 8
BitDepth: 8 ColorType: 'grayscale'
ColorType: FormatSignature: [137 80 78
'grayscale' 71 13 10 26 10]
FormatSignature: [137 80 78 Colormap: []
71 13 10 26 10] Histogram: []
Colormap: [] InterlaceType: 'none'
Histogram: [] Transparency: 'none'
InterlaceType: 'none' SimpleTransparencyData: []
Transparency: 'none' BackgroundColor: []
SimpleTransparencyData: [] RenderingIntent: []
BackgroundColor: [] Chromaticities: []
RenderingIntent: [] Gamma: []
Chromaticities: [] XResolution: []
Gamma: [] YResolution: []
XResolution: [] ResolutionUnit: []
YResolution: [] XOffset: []
ResolutionUnit: [] YOffset: []
XOffset: [] OffsetUnit: []
YOffset: [] SignificantBits: []
OffsetUnit: [] ImageModTime: '25 May
SignificantBits: [] 2015 17:17:06 +0000'
ImageModTime: '25 May Title: []
2015 17:13:16 +0000' Author: []
Title: [] Description: []
Author: [] Copyright: []
Description: [] CreationTime: []
Copyright: [] Software: []
CreationTime: [] Disclaimer: []
Software: [] Warning: []
Disclaimer: [] Source: []
Warning: [] Comment: []
Source: [] OtherText: []
Comment: []
OtherText: []

Máscaras
Una máscara es un filtro geométrico sobre la imagen. Para seleccionar una región de una imagen, se
multiplica la matriz de la imagen original por una matriz de igual tamaño que contenga unos en la
región que queremos conservar y cero en el resto.

8. Tomar la imagen inicial de lena y convertirlo a doublé

l=im2double(a);
9. Crear una matriz nula del mismo tamaño

n = zeros(512,512);

10. Modificar el centro de la matriz creando una matriz cuadrada llena de unos de 256*256

m=[zeros(128,512);zeros(256,128),ones(256,256),zeros(256,128);zeros(128,512)];
 50

100

150

200

250

300

350

400

450

500
50 100 150 200 250 300 350 400 450 500

11. Multiplicar la imagen por la máscara (recordar que son matrices).

12. Mostrar el resultado.

l=im2double(a);
m=[zeros(128,512);zeros(256,128),ones(256,256),zeros(256,128);zeros(128,512)]
;
lena=l.*m
figure,imagesc(lena)
colormap(gray)

50

100

150

200

250

300

350

400

450

500
50 100 150 200 250 300 350 400 450 500

Degradado
El degradado lineal es un efecto en el que se oscurece una imagen verticalmente (u horizontalmente).
Para ello se crea una máscara constante por columnas pero con valor decreciente por filas (o al
revés), desde 1 en la primera fila a cero en la última.
13. Construya una máscara horizontal ,Aplicarla sobre Lena y mostrar el resultado
 l=im2double(a);
c=linspace(1,0,512); 50
m2=ones(512,1)*c;
100
lenam2=l.*m2;
figure,imagesc(lenam2) 150
colormap(gray)
200

250

300

350

400

450

500
50 100 150 200 250 300 350 400 450 500

14. Repetir usando una máscara vertical

a=imread('lena_gray_512.tif'); 50
l=im2double(a);
y=linspace(1,0,512); 100
B=repmat(y,512,1);
150
P=l.*B';
figure,imagesc(P) 200
colormap(gray)
250

300

350

400

450

500
50 100 150 200 250 300 350 400 450 500

CUESTIONARIO FINAL

1. ¿Cómo se organiza una matríz asociada a una imagen en color?

 Primero se pasa la imagen del formato RGB al formato YIQ. El formato YIQ representa una
división entre la luminosidad (cantidad de luz percibida) y la información sobre el color.
Formatos de color RGB e YIQ .En el formato de color RGB, las imágenes a color se
almacenan en 3 canales independientes (rojo, verde y azul) que toman valores de 0 a 255
dependiendo de la intensidad .El formato de color YIQ representa una división entre la
luminosidad (Y) y el color (I, Q). La conversión entre RGB e YIQ .
El ojo humano es menos sensible a los matices de color que a la cantidad de luz percibida. Es
por ello que podemos reducir la información almacenada para los canales I y Q de una
imagen YIQ, por ejemplo, a la mitad: si tenemos una imagen 8 x 8 en formato YIQ, la
reduciremos a un canal Y de 8 x 8 y un canal I y otro Q de 4 x 4.

2. Describa aplicaciones asociadas al procesamiento de imágenes

Las imágenes obtenidas para radiografías

Analizar los recursos naturales
Las imágenes aéreas obtenidas para realizar exámenes del terreno
Las imágenes obtenidas con fines de diagnóstico medico

CONCLUSIONES

Emita al menos cinco conclusiones sobre las operaciones implementadas

 el procesamiento de imágenes mediante matlab consiste principalmente en obtener una

imagen y poder reconocer aspectos de ella y tratarlos. para poder realizar dichas tareas
tenemos que modificar la imagen original de diferentes formas

 el procesamiento de imágenes tiene como objetivo mejorar el aspecto de las imágenes y

hacer más evidentes en ellas ciertos detalles que se desean hacer notar.
  para el procesamiento de una imagen existen varias técnicas, las cuales se usan para
obtener información no visible, resaltar bordes, suavizarlos, quitar detalles irrelevantes,
agrupar objetos, eliminar el fondo, etc.

 la utilidad del procesamiento de imágenes es muy amplia y abarca muchos campos. un

ejemplo son las imágenes obtenidas con fines de diagnóstico médico. otro ejemplo son las
imágenes aéreas obtenidas para realizar exámenes del terreno. mediante este método se
pueden analizar los recursos naturales, las fallas geológicas del terreno, etc.

 podemos dividir el procesamiento digital de imágenes en 3 etapas principales:

1. captura y pre-procesamiento de las imágenes.
2. segmentación, extracción e identificación de los objetos y características de la imagen.
3. presentación de los resultados.