Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Nacional de Piura
Universidad Nacional de Piura
FACULTAD DE CIENCIAS
CURSO: PDS II
Cualquier persona que haya tomado una fotografía entenderá que capturar una
imagen exactamente como aparece en el mundo real es muy difícil.
Está el ruido contenido, que en el caso de una fotografía puede ser causado por
un movimiento de la cámara o el objeto, problemas de enfoque y una calidad
imperfecta empeoran hasta el mejor sistema de lentes. El resultado de todas
estas degradaciones hace que la imagen (fotografía) sea tan sólo una
aproximación de la escena.
Muy frecuentemente la imagen es suficientemente buena para el propósito para el
cual fue realizada. Por otra parte, hay algunos casos donde la corrección de la
imagen por ordenador es la única manera de obtener imágenes útiles.
La restauración de la imagen es el arte y ciencia de mejorar la calidad de una
imagen, en base a una medición absoluta. Implica generalmente algunos métodos
de deshacer una distorsión que ha sido impuesta, por ejemplo un movimiento
borroso o el grado de aspereza. Esto no se puede realizar de una manera
perfecta, pero las mejoras son posibles en algunas circunstancias.
1. Modelo del proceso degradación/ restauración de una imagen
Filtro
Restauración
d ( r , c )=h ( r , c )∗I ( r , c ) +n (r , c)
Donde:
*=denota el proceso de convolución
d(r, c)= imagen degradada
h(r, c)= función de degradación
I(r, c)= imagen original
n(r, c)= función ruido aditivo
d ( u , v )=I ( u , v ) + N (u , v )
2. Ruido
El ruido es una información no deseada que contamina a una imagen digital.
Representa cualquier información indeseable contenida en la imagen.
Típicamente, el ruido se genera durante el proceso de adquisición o durante el
proceso de transmisión.
Tipos principales de ruido:
2.1 Ruido aleatorio
Ruido aleatorio.
El ruido aleatorio se distribuye de forma aleatoria a lo largo del rango de brillo de la
imagen
En imágenes convencionales el ruido aleatorio puede ser modelado básicamente
con tres tipos de ruido comunes:
Otro tipo de ruido que ocurre sobre imágenes es el que afecta a las imágenes
basadas en láser, este es llamado ruido exponencial negativo.
Por otro lado, si la imagen anterior es filtrada con un paso-bajo, el ruido puede
ser modelado como un ruido Gamma.
2
−(g−m )
1 2σ
2
histograma gaussiano= e
√ 2 π σ2
donde:
g= nivel de gris
m=media
σ = distribución estándar (σ 2= varianza)
2.3.2 Distribución ruido uniforme
La distribución del ruido uniforme está definida como:
{
1
para a≤ g ≤ b
histogramauniforme = b−a
0 por otro lado
a+b
media=
2
2
(b−a)
varianza=
12
2.3.3 Distribución ruido sal y pimienta:
La distribución del ruido sal y pimienta está definida como:
{
histograma sal y pimienta = A para g=a (pimienta)
B para g=b ( sal)
{
2
− ( g−a )
2 ( g−a ) g≥ a
histogramarayleigh = e α
α
0 g<a
media=μ=
πα
√
4
( 4−π)
varianza=σ 2=α
4
.
−g
α
e
histogramaexponencial negativo =
α
2
varianza=σ
- Filtros máximos
- Filtros mínimos
punto medio= ❑
2
2
N −T
1
media alpha−trimmed= 2
N −T
∑ d i (r , c )
i=T−1
1
2 ∑
media aritmetica= d (r , c )
N (r , c ) ∈w
Donde
F-1[ ] representa la transformada inversa de Fourier.
1/H(u,v) es el filtro de restauración, tipo filtro inverso.
El filtro inverso puede considerarse como una forma de filtro paso alto. Esto
produce que desafortunadamente este filtro responda muy mal a cualquier ruido
que este presente en la imagen, debido a que el ruido tiende a ser de frecuencia
alta.Un problema de la ecuación anterior es cuando cualquiera de los puntos de
H(u,v) son ceros (división por cero).
Un método para resolver este problema consiste en limitar la restauración a un
radio específico cercano al origen del espectro, esto es llamado frecuencia de
corte de restauración. Para componentes espectrales mas allá de este radio,
podemos fijar la ganancia del filtro a 0 Î(u,v) = 0. En la práctica el valor de la
frecuencia de corte debe ser determinada experimentalmente, el cual es altamente
específico de la aplicación que se esté desarrollando.
Un ejemplo de usar el filtro tipo inverso es mostrado a continuación:
Otro ejemplo:
4.1.2 Filtro Wiener:
Este filtro se caracteriza porque mejora algunas de las dificultades inherentes en el
filtro inverso (eliminar ruido). La ecuación para el filtro tipo wiener viene definido
como:
H∗(u , v )
Rw(u,v)= Sn ( u , v )
[ H ( u , v ) ] 2+[ ]
Si (u , v )
De la ecuación anterior observamos que el filtro de Wiener tiene dos partes : una
parte que hace las veces de filtro inverso y otra parte de suavizado de ruido.
De esta forma, este filtro aplica filtro inverso (filtro paso alto) y además elimina el
ruido con una operación de compresión (filtro paso bajo).
La ecuación Rw(u,v) – filtro wiener – asume que la imagen es de tamaño cuadrado
NxN. La conjugada compleja, H*(u,v), puede ser hallada negando la parte
imaginaria de un número complejo.
Por tanto, la imagen restaurada es obtenida como:
I(u,v)= F-1[Î(u,v)]= F-1[R(u,v)D(u,v)]
Debido a que muchas veces la imagen original no está disponible (SI(u,v) es
desconocido), por tanto, el radio espectro de potencia es reemplazado por K, el
cual debe ser experimentalmente determinado.
H∗(u , v)
Rw(u,v)=
[ H ( u , v ) ] 2+ K
Donde:
p(r,c) transformada de Fourier inversa de P(u,v)
Nota: Antes de calcular P(u,v), p(r,c) debe ser extendida (completada) con ceros al
tamaño de la imagen.
De este modo, la imagen restaurada es determinada usando la siguiente
expresión:
I(u,v)= F-1[Î(u,v)]= F-1[Rcls(u,v)D(u,v)]
Ejemplo de los resultados obtenidos con el filtro de mínimos cuadrados restringido:
Resumen:
Los filtros del dominio de frecuencia trabajan bien para cantidades pequeñas de
degradación (emborronamiento), y cantidades moderadas de ruido aditivo.
El filtro inverso es inadecuado para imágenes con demasiado ruido.
El filtro wiener tiene tendencia a causar efectos indeseables en la imagen
resultante.
El filtro mínimo cuadrado restringido ayuda a minimizar los efectos indeseables
causados con el filtro wiener.
Los filtros wiener paramétrico y media geométrica, facilitan parámetros adicionales
a la ecuación de filtrado, los cuales pueden ser ajustados según aplicaciones
específicas.
El filtro notch:
Es una forma de filtro bandreject (rechazo de banda).
Este filtro en lugar de eliminar un anillo entero de frecuencias en el espectro,
únicamente selecciona una parte (muesca) de la frecuencia.
Estos filtros trabajan bien con ruido senoidal (ruido periódico), lo cual ocurre
normalmente en imágenes de televisión, o por sistemas mecánicos vibrantes o un
satélite.
Las siguientes gráficas muestran la imagen a restaurar usando el filtro notch:
Los resultados obtenidos después de aplicar el filtro notch son los siguientes:
REFRENCIAS BIBLIOGRAFICAS
https://slideplayer.es/slide/5482206/
http://biblioteca.usac.edu.gt/tesis/08/08_0203_EO.pdf
https://www.youtube.com/watch?v=Cn6cZ0XY2uM