Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CURSO
Procesamiento Avanzado de Señales e Imágenes
TEMA
UNIDAD 2: Procesamiento Digital de Imágenes
Mejora y Filtrado Espacial de la Imagen
PROFESOR(ES)
Ing. MSc. Christian del Carpio Damián / Dr. Guillermo Kemper Vásquez
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Y FILTRADO ESPACIAL
2
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Y FILTRADO ESPACIAL
Procedimiento
que opera
directamente con
pixeles
3
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Y FILTRADO ESPACIAL
s = T (r )
4
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Y FILTRADO ESPACIAL
5
TRANSFORMACIONES
BÁSICAS
DE
INTENSIDAD
6
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
s = L −1− r
7
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
8
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación Logarítmica
En general una transformación logarítmica es
s = c log(1 + r )
Donde
“c” es una constante
10
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación Logarítmica
11
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación Logarítmica
Transformación de potencias
En general una transformación de potencia es
s = cr
Donde:
“c” y gamma son constantes positivas
13
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación de potencia
14
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación de potencia
15
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación de potencia
16
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación de potencia
17
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación de potencia
18
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
19
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
20
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación Lineal a tramos
Aumento del
contraste
21
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
22
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Fraccionamiento
de niveles de
gris
23
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
24
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
26
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
Transformación Lineal a tramos
Fraccionamiento de los planos de bits
27
TRANSFORMACIONES BÁSICAS DE INTENSIDAD
28
PROCESAMIENTO
DE
HISTOGRAMAS
29
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
h(rk ) = nk
Donde:
rk es el kth valor de intensidad
nk es el número de píxeles en la imagen con intensidad rk
30
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
31
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del histograma
Sea r una variable que represente los niveles de gris de
la imagen a mejorar. Inicialmente se considera que los
píxeles son cantidades continuas que han sido
normalizadas que pertenecen al intervalo [0, 1].
r
s = T(r) =
0
p r (w)dw 0 r 1
32
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del histograma
La forma discreta de la ecuación anterior
n
nj
s k = T(rk ) =
j =0
k
sk = p (r )
j =0
r j 0 r k 1 y k = 0,...., L − 1
33
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del histograma
34
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del histograma
35
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del histograma
36
PROCESAMIENTO DE HISTOGRAMAS
Procesamiento de Histogramas
Ecualización del
histograma
37
ECUALIZACIÓN DE HISTOGRAMA
255 r
T(r ) = round
M.N his (i) , r : tonalidad original,
T(r) : tonalidad resultante (función de correspondencia)
i =0
IMAGEN ECUALIZADA
HISTOGRAMA RESULTANTE
FILTRADO
ESPACIAL
39
CONVOLUCIÓN BIDIMENSIONAL
Convolución 1-D
L−1 P−1
n=0,1,…,P+L-2
40
CONVOLUCIÓN BIDIMENSIONAL
Convolución 2-D
Imagen Resultante
Z x, y = I i, j h x − i, y − j = h i, j I x − i, y − j
i=0 j=0 i=0 j=0
x=0,1,…,M+P-2
y=0,1,…,N+Q-2
FILTRADO ESPACIAL
Costo computacional de la convolución
Imagen Original
N Filtro (Máscara)
M P
42
FILTRADO ESPACIAL
43
FILTRADO ESPACIAL
Convolución Gráfica 2-D
Imagen Resultante
Filtro (Máscara) Imagen Original
h(x, y) I(x, y) Z(x, y)
x x x
1 0 50 10 50 10 20 0
20
0 2 P=2 * 100 150 50 M=3
= 100 250 70 40
M+P−1 =4
y
50 10 250 320 100
Q =2 10 20
0 20 100 40
y
N=3 y
2 2
N+Q−1= 4
Z x, y = I i, j h x − i, y − j
i=0 j=0 x=0, y=0 x=0, y=3
x=0,1,…,3 , y=0,1,…,3 h(0 − i, 0 − j) h(0 − i, 3 − j)
x=0, y=0 2 0 2 0
I(i, j) 1
h(0 − i, 0 − j) 0 50 10 0 1
i 20
i 50 10 20
2 0 100 150 50
0 1 * 100 150 50 x=3, y=0 0
2 10 2
50 20 0 x=3, y=3
h(3 − i, 0 − j) h(3 − i, 3 − j)
j 10 50 20 0 1 0 1
44
j
FILTRADO ESPACIAL
Convolución Gráfica 2-D (continuación)
Imagen Resultante
Z(x, y)
Filtro (Máscara Activa)
h(x, y) x
50 10 20 0
x
1 0 100 250 70 40
P=2 M+P−1 =4
0 2
10 250 320 100
y
Q =2 0 20 100 40
y
N+Q−1= 4
Valor fuera de rango debido a que la máscara era activa. Es decir la suma de sus valores absolutos era mayor a 1.
Para que esto no ocurra, la suma de los valores absolutos de la máscara debe ser igual a 1. Esto con el objetivo de
conservar en la salida el mismo rango de valores de la imagen entrada.
1 1 0 1/3 0
× =
3 0 2 0 2/3
FILTROS ESPACIALES DE SUAVIZADO
Filtros de Suavizado Lineales
▪ Es el promedio de píxeles contenidos en la vecindad
de la máscara del filtro.
▪ Son llamados filtros promediadores.
▪ Son filtros pasa bajas.
▪ Pérdida de nitidez
46
FILTROS ESPACIALES DE SUAVIZADO
Filtros de Suavizado Lineales
47
FILTROS ESPACIALES DE SUAVIZADO
Filtros de Suavizado Lineales
48
FILTROS ESPACIALES DE SUAVIZADO
49
PASA-BAJAS : MÁSCARA PROMEDIADORA
MASCARA PROMEDIADORA
(FILTRO SUAVIZANTE - PASA-BAJAS)
1 1 1 .. 1 P −1 Q −1
1
1 1 .. 1 I F ( x , y) = M (i, j)I(x − i, y − j)
p
1 i = 0 j= 0
Mp = 1 1 1 .. 1 P filas
P.Q x = 0,...,M + P − 2, y = 0,...,N + Q − 2 , I(x, y) : Imagen Original
: : : .. :
1 1 1 .. 1
IMAGEN ORIGINAL IMAGEN FILTRADA
Q columnas
•Reducción de contraste.
•Reducción de ruido.
•Introducción de efecto de borde
400x260 406x266
FILTROS ESPACIALES DE SUAVIZADO
Filtros de rango
Los filtros de rango son filtros espaciales no lineales
cuya respuesta está basada en el ordenamiento de los
píxeles que están contenidos en la imagen por la
máscara del filtro, y luego se reemplaza el valor del píxel
central de la máscara con el valor determinado por el
resultado del ordenamiento.
El filtro más conocido de este tipo es el filtro de mediana.
51
FILTROS ESPACIALES DE SUAVIZADO
Filtro de mediana
▪ Se utilizan para eliminar ruido impulsivo.
▪ Menor efecto de difuminado que los filtros
promediadores lineales.
▪ Son filtros pasa bajas.
52
FILTROS ESPACIALES DE SUAVIZADO
10 20 20
15 100 25 Vecindad 20
3x3
20 20 20
valor de pixel resultante Valor escogido
pixel analizado : p(m,n) en la posición : (m,n)
Esta técnica es basada en detectar e impedir que en una vecindad pequeña de pixeles
exista cambios radicales de tonalidad o intensidad.
Sea un pixel p(m,n) en la imagen original (m, n: son la coordenadas de posición del
pixel). El valor del mismo pixel en la imagen resultante se determina almacenando en
un vector temporal, el valor de p(m,n) y los valores de los pixeles vecinos. La
vecindad de un pixel puede ser de 3x3, 5x5, 7x7, etc.
56
FILTROS ESPACIALES DE SUAVIZADO
Filtro Gaussiano
▪ Tiene efecto de suavizado sobre la imagen
▪ El grado de suavizado puede ser controlado por la
desviación estándar .
▪ Se comporta como un filtro pasa bajas si su
desviación estándar es alta.
▪ Su transformada de Fourier es una función
gaussiana.
57
FILTROS ESPACIALES DE SUAVIZADO
Filtro Gaussiano
x2 + y2
−
1 2 2
f ( x, y ) = e
2 2
En discreto
x2 + y2
−
2 2
G ( x, y ) = c e
58
FILTROS ESPACIALES DE SUAVIZADO
Filtro Gaussiano
(a) Imagen original, (b) imagen con ruido sal y pimienta, (c) imagen con ruido
gaussiano
60
FILTROS ESPACIALES DE SUAVIZADO
Filtro Gaussiano
Filtro Gaussiano con una máscara de 5X5 y desviación=2 aplicado a las imágenes
(a) original, (b) ruido sal y pimienta, (c) imagen con ruido gaussiano
61
FILTROS ESPACIALES DETECTORES DE BORDE
62
FILTROS ESPACIALES DETECTORES DE BORDE
63
FILTROS ESPACIALES DETECTORES DE BORDE
Operadores derivativos
64
FILTROS ESPACIALES DETECTORES DE BORDE
65
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
• Se tienen 3 operadores clásicos: Roberts, Prewitt y
Sobel como los detectores de bordes.
• Se consideran los filtros derivativos para la detección
de bordes en una imagen.
• Es una combinación de dos máscaras, derivada en
“x” y derivada en “y”.
66
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
Kernel de Roberts
▪ Es el primer método usado para detectar bordes
▪ Sensible al ruido
▪ Maximiza los bordes en ±45°
▪ La magnitud |G| y orientación θ de la gradiente de la
imagen es:
−1 G y
| G |= G x2 + G y2 = tan +
Gx 4
67
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
Kernel de Roberts
0 -1 -1 0
1 0 0 1
68
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
Kernel de Prewitt
▪ Reducción de ruido utilizando filtro promediador
▪ Aproximación central para gradiente
▪ Factor de normalización de 1/6
1 0 -1 1 1 1
1 0 -1 0 0 0
1 0 -1 -1 -1 -1
69
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
Respuestas de
magnitud de borde
de Roberts,
Prewitt y Sobel
70
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de primer orden
Kernel de Sobel (Filtro de Gradiente)
▪ Reducción de ruido utilizando filtro gaussiano
▪ Aproximación central para gradiente
▪ Factor de normalización de 1/8
1 0 -1 1 2 1
2 0 -2 0 0 0
1 0 -1 -1 -2 -1
71
FILTRAJE DE GRADIENTE : MÁSCARAS DE SOBEL
MÁSCARAS DE SOBEL
(FILTROS DE GRADIENTE- RESALTADOR DE BORDES DIRECCIONAL)
− 1 − 2 − 1 − 1 0 1 IMAGEN ORIGINAL
M v = 0 0 0 M h = − 2 0 2
1 2 1 − 1 0 1
IMAGEN FILTRADA CON Mv
IMAGEN RESULTANTE
IMAGEN FILTRADA CON Mh
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de segundo orden
Kernel Laplaciano
2 f 2 f
f ( x, y ) = 2 + 2
2
x y
En discreto
2 f = f ( x + 1, y ) + f ( x − 1, y ) − 4 f ( x, y ) + f ( x, y + 1) + f ( x, y − 1)
73
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de segundo orden
Kernel Laplaciano
▪ Produce bordes más finos
74
Kernel Laplaciano
PASA-ALTAS : MÁSCARA REALZANTE
MASCARA REALZANTE - PASA-ALTAS
Ejemplo : Mascara de 5x5 IMAGEN ORIGINAL
−1 -1 −1 −1 −1
−1 -1 − 1 − 1 − 1
1
Mh = − 1 - 1 24 − 1 − 1 5 filas
25
− 1 -1 − 1 − 1 -1
− 1 - 1 − 1 − 1 − 1
5 columnas
P −1 Q −1
I F ( x , y) = M (i, j)I(x − i, y − j)
i = 0 j= 0
h
76
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de segundo orden
77
FILTROS ESPACIALES DETECTORES DE BORDE
Detección de bordes de segundo orden
78
FILTROS DE MEJORA DE BORDES
Filtrado Unsharp masking
Un proceso para poder afilar los bordes de una
imagen consiste en restar una versión suavizada de
una imagen de la propia imagen. Esto proceso, se
denomina enmascaramiento de enfoque
f s ( x, y ) = f ( x, y ) − f ( x, y )
79
FILTROS DE MEJORA DE BORDES
Filtrado High-Boost
Una generalización del unsharp masking es el
high-boost
f hb ( x, y ) = Af ( x, y ) − f ( x, y )
f hb ( x, y ) = ( A − 1) f ( x, y ) + f ( x, y ) − f ( x, y )
f hb ( x, y ) = ( A − 1) f ( x, y ) + f s ( x, y )
Donde es 𝐴 ≥ 1
80
FILTROS DE MEJORA DE BORDES
Filtrado High-Boost
Si se elige usar el Laplaciano para obtener la imagen
𝑓𝑠 (𝑥, 𝑦). Entonces
81
FILTADO HIGH BOOST
− 1 −1 − 1
= − 1 (9 A − 1) − 1
1
M hb 3 filas
9
− 1 −1 − 1
3 columnas
P −1 Q −1
I F ( x , y) = M
i = 0 j= 0
hb (i, j) I( x − i, y − j)
83
FILTROS DE MEJORA DE BORDES
Filtrado de High Boost
84
FILTROS DE MEJORA DE BORDES
Filtrado Laplaciano de Gaussiano (LoG)
Para contrarrestar la alta sensibilidad al ruido del filtro
Laplaciano, se puede combinar este, con el filtrado
con el núcleo Gaussiano, para producir un método de
filtrado más robusto.
85
FILTROS DE MEJORA DE BORDES
Detector de cruce por cero
La propiedad de cruce por cero del Laplaciano (y el
LoG) también permite otro método de detección de
borde: el método de cruce por cero.
86
FILTROS DE MEJORA DE BORDES
Detector de cruce por cero
Es mejor utilizar este método de cruce por cero como
un tipo de detector de características en lugar de
como un detector de borde específico.
87
FILTROS DE MEJORA DE BORDES
Detector de cruce por cero
88
FILTROS DE MEJORA DE BORDES
Laplaciano del Gaussiano
89
FILTROS DE MEJORA DE BORDES
Filtrado de Canny
90
FILTROS DE MEJORA DE BORDES
Filtrado de Canny
91
FILTROS DE MEJORA DE BORDES
Filtrado de Canny
92
FILTROS DE MEJORA DE BORDES
Filtrado de Canny
93
EJERCICIOS
EJERCICIO 1
94
EJERCICIOS
SOLUCIÓN EJERCICIO 1
95
EJERCICIOS
EJERCICIO 2
96
EJERCICIOS
SOLUCIÓN EJERCICIO 2
97
EJERCICIOS
EJERCICIO 3
98
EJERCICIOS
SOLUCIONARIO EJERCICIO 3
99
EJERCICIOS
EJERCICIO 4
100
EJERCICIOS
SOLUCIONARIO EJERCICIO 4
101
FUENTE:
102