Matemática

Computacional

Autoaprendizaje 1
• Filtros de agudizamiento
Logro de la sesión

Al finalizar la sesión, el estudiante conoce los

conceptos fundamentales de filtrado espacial de
agudizamiento y escalonamiento.
 Tipos de Filtrado Espacial
2. Filtrado de Agudizamiento: Para el aumento de la nitidez de una imagen realzando los
bordes.
 Filtrado espacial de agudizamiento con el Laplaciano
Las mascaras para aplicar el filtro Laplaciano son:
Filtrado espacial de agudizamiento con el Laplaciano
Imagen Original Filtro Laplaciano Imagen Filtrada
Filtrado espacial de agudizamiento

+ =

Imagen Aplicando el
Original Laplaciano Imagen Resultante
 Ejemplo de aplicación del filtro laplaciano
Supongamos que se tiene una imagen de 5x5 donde se han usado 3 bits por pixel y su
representación matricial se muestra en la figura, al igual que las máscaras del filtro
Laplaciano.

máscara 1 máscara 2

Imagen original
 Ejemplo de aplicación del filtro laplaciano
Pero si aplicamos los filtros Laplacianos dados obtenemos los siguientes resultados

máscara 2

Imagen original Usando la máscara 1 Usando la máscara 2

máscara 1
 Ejemplo de aplicación del filtro laplaciano
Al aplicarle los filtros Laplacianos dados obtenemos los siguientes resultados respectivos
usando la operación módulo para asegurarnos que los valores se mantengan en el intervalo
0; 𝐿 − 1 :

Imagen original Resultado de aplicar Resultado de aplicar

La máscara 1 La máscara 2
 Técnica de Re-escalamiento
Otra técnica para que los valores se mantengan en el intervalo deseado es la de cambio de
escala, que describiremos ahora:

1. Se calculan el mínimo y el máximo valor de los resultados obtenidos al aplicar la

máscara. Digamos que estos valores son 𝒙𝟏 y 𝒙𝟐 , respectivamente.

2. Se halla la recta que une los extremos 𝑥1 ; 0 y 𝑥2 ; 𝐿 − 1 . Esta recta será el cambio de
escala.

3. Se aplica la fórmula encontrada a cada punto resultante de la aplicación de la máscara y

los resultados son redondeados.
 Ejemplo de cambio de escala
Como vimos anteriormente, luego de aplicar el filtro Laplaciano
obtuvimos la matriz. Ahora vamos a cambiarle la escala.

Primero: el mínimo es -8 y el máximo es 3.

𝒙𝟏 = −𝟖 y 𝒙𝟐 = 𝟑

Segundo: Hallamos la recta que pasa por −8; 0 y 3; 7 ≈ 𝑥1 ; 0 y 𝑥2 ; 𝐿 − 1 ya que 𝐿 = 8

y lo que se quiere es re-escalar al intervalo 0; 𝐿 − 1 .
7 56
Dicha recta es: 𝑦 = 11 𝑥+11

Tercero: Aplicamos la función a cada uno de los puntos y resulta:

𝟕 𝟓𝟔
𝒚 = 𝟏𝟏 𝒙+
𝟏𝟏

Resultado original Resultado re-escalado

(valores de x) (valores de y)
Filtrado espacial de agudizamiento de Sobel
Las mascaras para aplicar el filtro de Sobel son:

𝑓𝑦 = 𝑓𝑥 =
 Ejemplo de aplicación del filtro de Sobel
Supongamos que una imagen de 4x4 usa 3 bits para cada píxel, y
que su representación matricial es la siguiente:

𝑔 0; 0 = 19 𝑔 2; 0 = 23

𝑔 0; 1 = −1 𝑔 2; 1 = −5

𝑔 0; 2 = −10 𝑔 2; 2 = −11
Aplique la máscara del
gradiente de Sobel, dada a
𝑔 0; 3 = −9 𝑔 2; 3 = −12
continuación, y re-escale

𝑔 1; 0 = 23 𝑔 3; 0 = 18

𝑔 1; 1 = −4 𝑔 3; 1 = −7

𝑔 1; 2 = −11 𝑔 3; 2 = −4

𝑔 1; 3 = −10 𝑔 3; 3 = −10
 Ejemplo de aplicación del filtro de Sobel
Ahora vamos a cambiarle a re-escalar:
Primero: el mínimo es -12 y el máximo es 23. ⇒ 𝒙𝟏 = −𝟏𝟐 y 𝒙𝟐 = 𝟐𝟑
Segundo: Hallamos la recta que pasa por 𝑥1 ; 0 y 𝑥2 ; 𝐿 − 1 , como 𝐿 = 8
tenemos que los puntos son: −12; 0 y 23; 7 .
Luego, la recta que paso por esos puntos es: 𝑦 = 15𝑥+12
5

Tercero: Aplicamos la función a cada uno de los puntos:

𝒚 = 𝟏𝟓𝒙+𝟏𝟐
𝟓

Resultado original Resultado re-escalado

(valores de x) (valores de y)
Conclusiones
• La resolución de la imagen depende principalmente de la cantidad de píxeles.
• La expansión de un histograma consiste en aumentar el rango de niveles de gris.

• La ecualización de un histograma consiste en obtener una distribución de

probabilidades uniforme de los niveles de gris en la imagen.