Practica 2, Mejoramiento de imgenes

Universidad Tecnolgica de Ciudad Jurez

Materia: Control de procesos de manufactura Carrera: TSU en Mecatronica Catedrtico: M.I. Dulce Torres Nombres: Larissa Yazmin Caldern Ros Jess Arturo Hernndez Domnguez Alejandro Corrales Arrizo Alonso Santiago Pizarro David Fernando Lpez Lpez Grupo: MTM43 Fecha de entrega: 29 de septiembre de 2011

1. Introduccin.
El mejoramiento de imgenes es la modificacin de una imagen para lograr una mejora en su apariencia, por esto se implementan distintos programas en los cuales por medio de cdigos se logran estos resultados 2. Estado del arte Binarizacion La binarizacion es una herramienta del procesamiento de imgenes en el cual se deja una imagen en dos colores: blanco y negro. Para hacer esto se debe primero pasar la imagen a escala de grises, despus fijar un valor de umbral entre 0 y 255, y convertir todos los valores de la imagen superiores a este umbral a 255 y los menores a 0, Con esto nos queda una imagen en blanco y negro.

Contraste de una imagen: El realce del contraste ha sido uno de los primeros problemas atacado por los especialistas en procesamiento digital de imgenes, debido a que existen muchas aplicaciones en las que se pudiera pensar en estas tcnicas para mejorar la visin de una imagen, siendo un clsico la aplicacin orientada hacia imgenes mdicas. Principalmente puede conseguirse una mejora en la definicin de los bordes, un realce de las zonas intermedias de detalle, un enfoque relativo o un aumento del contraste general de la imagen. Luego todas aquellas aplicaciones en la que se desee ver ms detalles de los que la propia imagen permite percibir son candidatos para este tipo de tcnicas. El desarrollo de los algoritmos de realce est fundamentado en algunos principios bsicos. Es conocido que la visin humana es sensible a las altas frecuencias,

y aunque stas normalmente corresponden a detalles, su perceptibilidad decae rpidamente si estos detalles estn incluidos dentro de una zona de seales de baja frecuencia. Luego amplificando convenientemente las componentes de media y alta frecuencia, se amplificara tambin su perceptibilidad. Existen dos tcnicas que han tenido un notable xito en la resolucin de este problema: la ecualizacin del histograma global y la transformacin lineal del contraste [1,2]. Ambos mtodos son muy simples y con una gran efectividad en sus resultados, puesto que amplan las distancias mediante una transformacin de escala en aquellos niveles de grises que poseen mayor peso en el histograma (ecualizacin del histograma mediante funcin de probabilidad constante), o bien realizan una funcin lineal de transformacin que ample en cierta forma aquellos puntos que se consideren de inters. Sin embargo estas tcnicas se aplican sobre el global de la imagen y no tienen en cuenta los detalles locales que se quisieran resaltar selectivamente, adems de la facilidad con que se pueden resaltar ruidos indeseados.

modificar las imgenes por medio de un algoritmo. Se procesaron 10 imgenes a las cuales se les aumento la intensidad y las cuales fueron binarizadas, en la figura 1.0 se muestran las imgenes de la 1 a la 5 a las cuales se les aplico el primero proceso, y de igual manera a la figura 2.0 donde se encuentras las imgenes de la 6 a la 10.

Figura 1.0: Imgenes de la 1 a la 5 con aumento de intensidad y binarizadas.

3. DESARROLLO
3.1 Aumento binarizacion. de intensidad y

Las siguientes imgenes fueron mejoradas por medio del programa Matlab el cual nos da una manera fcil de

Figura 2.0:Imgenes de la 6 a la 10 con aumento de intensidad y binarizadas.

3.2 Contraste de imgenes y su reas. A las mismas imgenes tambin se les hizo otras modificaciones, se les cambio el contraste y se les busco el rea, en las figuras 3.0 y 4.0 se muestra la imagen original, la imagen con contraste y la imagen binarizada con sus las reas mayores a 400 juntas. a1=imadjust(a, [ ], [ ],2.5); a2=rgb2gray(a); a3=graythresh(a2); subplot(5,2,2); a4=im2bw(a2); imshow(a4);title('Binarizada (bn)') subplot(5,2,3) b=imread('2.jpg'); imshow(a);title('Original') b1=imadjust(b, [ ], [ ],2); b2=rgb2gray(b); b3=graythresh(b2); subplot(5,2,4); b4=im2bw(b2); imshow(b4);title('Binarizada (bn)') subplot(5,2,5) c=imread('3.jpg'); imshow(c);title('Original') c1=imadjust(c, [ ], [ ],3); c2=rgb2gray(c); c3=graythresh(b2); subplot(5,2,6); c4=im2bw(c2); imshow(c4);title('Binarizada (bn)') subplot(5,2,7) d=imread('4.jpg'); imshow(a);title('Original') d1=imadjust(d, [ ], [ ],3.5); d2=rgb2gray(d); d3=graythresh(d2); subplot(5,2,8); d4=im2bw(d2); imshow(d4);title('Binarizada (bn)') subplot(5,2,9) e=imread('5.jpg'); imshow(e);title('Original') e1=imadjust(e, [ ], [ ],2.7); e2=rgb2gray(e); e3=graythresh(e2); subplot(5,2,10); e4=im2bw(e2); imshow(a4);title('Binarizada (bn)')

Figura 3.0: Imgenes de la 1 a la 5, Original, Contrastada y con reas.

Figura 4.0: Imgenes de la 6 a la 10 , Original, Contrastada y con reas.

3.2 Cdigo A continuacin se muestra el cdigo de las imgenes mostradas anteriormente: subplot(5,2,1) a=imread('1.jpg'); imshow(a);title('Original')

figure; %Figura 1 subplot(5,2,1) f=imread('6.jpg'); imshow(f);title('Original') f1=imadjust(f, [ ], [ ],1.5); f2=rgb2gray(f); f3=graythresh(a2); subplot(5,2,2); f4=im2bw(f2); imshow(f4);title('Binarizada (bn)') subplot(5,2,3) g=imread('7.jpg'); imshow(g);title('Original') g1=imadjust(g, [ ], [ ],1.9); g2=rgb2gray(g); g3=graythresh(g2); subplot(5,2,4); g4=im2bw(g2); imshow(g4);title('Binarizada (bn)') subplot(5,2,5) h=imread('8.jpg'); imshow(h);title('Original') h1=imadjust(h, [ ], [ ],3.7); h2=rgb2gray(h); h3=graythresh(h2); subplot(5,2,6); h4=im2bw(h2); imshow(h4);title('Binarizada (bn)') subplot(5,2,7) i=imread('9.jpg'); imshow(i);title('Original') i1=imadjust(i, [ ], [ ],2.3); i2=rgb2gray(i); i3=graythresh(i2); subplot(5,2,8); i4=im2bw(i2); imshow(i4);title('Binarizada (bn)') subplot(5,2,9) j=imread('10.jpg'); imshow(j);title('Original')

j1=imadjust(j, [ ], [ ],1.8); j2=rgb2gray(j); j3=graythresh(j2); subplot(5,2,10); j4=im2bw(j2); imshow(j4);title('Binarizada (bn)') figure; %Figura 2 subplot(5,3,1) k = imread('1.jpg'); imshow(k);title('Original') k1=rgb2gray(k); k2= histeq(k1); k3= imadjust(k2);%contraste subplot(5,3,2) imshow(k3);title('Contraste') k4=im2bw(k1); [L1 Ne1]=bwlabel(k4); props1=regionprops(L1,'Area'); areas1=find([props1.Area]>400); k5=ismember(L1,areas1); subplot(5,3,3); imshow(k5);title('Areas') subplot(5,3,4) m = imread('2.jpg'); imshow(m);title('Original') m1=rgb2gray(m); m2= histeq(m1); m3= imadjust(m2); subplot(5,3,5) imshow(m3);title('Contraste') m4=im2bw(m1); [L2 Ne2]=bwlabel(m4); props2=regionprops(L2,'Area'); areas2=find([props2.Area]>400); m5=ismember(L2,areas2); subplot(5,3,6); imshow(m5);title('Areas') subplot(5,3,7) n = imread('3.jpg'); imshow(n);title('Original') n1=rgb2gray(n); n2= histeq(n1); n3= imadjust(n2);

subplot(5,3,8) imshow(n3);title('Contraste') n4=im2bw(n1); [L3 Ne3]=bwlabel(n4); props3=regionprops(L3,'Area'); areas3=find([props3.Area]>400); mayores que 100 n5=ismember(L3,areas3); subplot(5,3,9); imshow(n5);title('Areas') subplot(5,3,10) o = imread('4.jpg'); imshow(o);title('Original') o1=rgb2gray(o); o2= histeq(o1); o3= imadjust(o2); subplot(5,3,11) imshow(o3);title('Contraste') o4=im2bw(o1); [L4 Ne4]=bwlabel(o4); props4=regionprops(L4,'Area'); areas4=find([props4.Area]>400); o5=ismember(L4,areas4); subplot(5,3,12); imshow(o5);title('Areas') subplot(5,3,13) p= imread('5.jpg'); imshow(p);title('Original') p1=rgb2gray(p); p2= histeq(p1); p3= imadjust(p2); subplot(5,3,14) imshow(p3);title('Contraste') p4=im2bw(p1); [L5 Ne5]=bwlabel(p4); props5=regionprops(L5,'Area'); areas5=find([props5.Area]>400); p5=ismember(L5,areas5); subplot(5,3,15); imshow(p5);title('Areas') Figure; %Figura 3

subplot(5,3,1) q = imread('6.jpg'); imshow(q);title('Original') q1=rgb2gray(q); q2= histeq(q1); q3= imadjust(q2);%contraste subplot(5,3,2) imshow(q3);title('Contraste') q4=im2bw(q1); [L6 Ne6]=bwlabel(q4); Props6=regionprops(L6,'Area'); Areas6=find([props6.Area]>400); q5=ismember(L6,areas6); subplot(5,3,3); imshow(q5);title('Areas') subplot(5,3,4) r = imread('7.jpg'); imshow(r);title('Original') r1=rgb2gray(r); r2= histeq(r1); r3= imadjust(r2); subplot(5,3,5) imshow(r3);title('Contraste') r4=im2bw(r1); [L7 Ne7]=bwlabel(r4); Props7=regionprops(L7,'Area'); Areas7=find([props7.Area]>400); r5=ismember(L7,areas7); subplot(5,3,6); imshow(r5);title('Areas') subplot(5,3,7) s= imread('8.jpg'); imshow(s);title('Original') s1=rgb2gray(s); s2= histeq(s1); s3= imadjust(s2); subplot(5,3,8) imshow(s3);title('Contraste') s4=im2bw(s1); [L8 Ne8]=bwlabel(s4); Props8=regionprops(L8,'Area'); Areas8=find([props8.Area]>400); s5=ismember(L8,areas8); subplot(5,3,9); imshow(s5);title('Areas')

subplot(5,3,10) t = imread('9.jpg'); imshow(t);title('Original') t1=rgb2gray(t); t2= histeq(t1); t3= imadjust(t2); subplot(5,3,11) imshow(t3);title('Contraste') t4=im2bw(t1); [L9 Ne9]=bwlabel(t4); Props9=regionprops(L9,'Area'); Areas9=find([props9.Area]>400); t5=ismember(L9,areas9); subplot(5,3,12); imshow(t5);title('Areas') subplot(5,3,13) u= imread('10.jpg'); imshow(p);title('Original') u1=rgb2gray(u); u2= histeq(u1); u3= imadjust(u2); subplot(5,3,14) imshow(u3);title('Contraste') u4=im2bw(u1); [L10 Ne10]=bwlabel(u4); Props10=regionprops(L10,'Area'); Areas10=find([props10.Area]>400); u5=ismember(L10,areas10); subplot(5,3,15); imshow(u5);title('Areas')

CONCLUSIONES
Las imgenes a las que se les mejoro el contraste, al momento de buscar sus reas de igual tamao las redefini y mostro las figuras ms resaltantes de la imagen.

REFERENCIAS
[1] Enrique Martnez de Salazar ,Miguel A.
Jaramillo, J. lvaro Fernndez, Escuela de Ingenieras Industriales. Universidad de Extremadura, Realce del contraste de

imgenes a travs de la curva de ganancia generalizada., http:// www.ceaifac.es/actividades/jornadas/XXI /documentos/ja00_051/ja00_051.pdf