Está en la página 1de 15

Pimentel. TIFE.

TRANSFORMACIONES DE INTENSIDAD Y FILTRADO ESPACIAL


Pimentel, Carlos Daniel. carlosdpimenteld@gmail.com Ingeniera Electrnica. Unidades Tecnolgicas de Santander.

ResumenEl presente artculo muestra el desarrollo del


segundo laboratorio de la ctedra Procesamiento Digital de Imgenes, donde se ponen a prueba los mtodos para realizar transformaciones en intensidad y filtrado espacial de las imgenes. De igual manera, se conocen nuevos trminos como iluminacin, contraste y rango dinmico de una imagen; se analiza cada imagen por medio de su respectivo histograma; se aplican los comandos que posee MATLAB para el procesamiento de imgenes; y se observan las variaciones que tiene estas segn la calidad, el brillo, el contraste junto con otros factores que hacen que estas sufran cambios. Por ltimo, se analizan las transformaciones lineales y las no lineales, las transformaciones Gama y los cambios que generan sobre la imagen.

mltiples componentes, la tcnica de niveles de gris ha de modificarse para manejar ms de una componente y su histograma asociado. Como podemos suponer, no es apropiado ecualizar las componentes de una imagen en color de forma independiente, pues el resultado sera un color errneo. Una aproximacin ms lgica es expandir las intensidades de manera uniforme, mientras que los colores (tono) permanecen sin modificar.

III. CONTENIDO DEL ARTCULO


A. DEFINICIN DE ILUMINACIN, CONTRASTE Y RANGO DINMICO DE UNA IMAGEN

ndice de Trminos Binarizacion, Ecualizacin, Pixel,


Segmentacin.

I. NOMENCLATURA EG Escala de Grises. II. INTRODUCCIN En el procesamiento de seales e imgenes se utilizan algunas tcnicas sustentadas en el conocimiento de los operadores lineales y no lineales. El avance de las tecnologas de comunicacin e informacin permiten hoy en da la aplicacin de imgenes (matrices) y transformaciones del lgebra lineal a diversas reas de las ciencias puras y aplicadas as como de la ingeniera. La ecualizacin del histograma es un proceso de transformacin de niveles de gris que busca producir imgenes monocromas con histogramas de intensidad uniforme. La funcin de transformacin apropiada es la funcin de distribucin acumulativa (CDF o histograma acumulado) de los niveles de gris de la imagen de entrada. Como las imgenes en color tienen
Las imgenes con dinmica baja, media y alta presentadas en el ttulo B, fueron editadas especialmente para el desarrollo de este laboratorio por medio del programa Picnik de Picasa V.3; por tal motivo, no poseen un cdigo de MATLAB especfico que identifique como se obtuvieron.

Iluminacin Viene del latn illuminato, es la accin y efecto de iluminar. Este verbo hace referencia a alumbrar o dar luz a un lugar u objeto. Segn lo anterior, la iluminacin es el conjunto de luces que se instala en un determinado lugar con la intencin de iluminarlo, con el fin de conseguir, un nivel de iluminacin adecuado. Sin embargo, se corre el riego de confundir iluminacin con iluminancia, pues los dos significados son diferentes. Teniendo en cuenta esto, podemos decir que la iluminancia es la cantidad de flujo luminoso que incide sobre una superficie por unidad de rea. Contraste Se puede definir como los cambios abruptos de la frecuencia relativa del nmero de pxeles para distinto niveles de gris; o como la diferencia relativa en intensidad entre un punto de una imagen y sus alrededores, permitiendo que se incremente el cambio de luminosidad entre las zonas ms oscuras

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen con baja iluminacin Imagen Escala de Grises

o ms claras de una fotografa, simulando a su vez, un mejor enfoque y claridad de imagen. En una imagen siempre se busca que tenga contrastes altos. Rango Dinmico de una Imagen Son todos los niveles de gris que estn presentes en una imagen, esto quiere decir que el rango dinmico de una imagen es el rango de diferencia tonal entre la parte ms clara y la ms oscura de una imagen. Cuanto ms alto sea el rango dinmico, se pueden representar ms matices.
B. ANLISIS DE DIFERENTES IMAGENES CON SUS RESPECTIVOS HISTOGRAMAS

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma 15000 10000 5000 0 0 50 100 150 200 250

Fig. 2: Anlisis de un imagen con baja iluminacin.

Imagen original
Imagen Original Imagen Escala de Grises

El cdigo usado fue el siguiente:


P=imread('peppers.png'); P=P-100; PG=rgb2gray(P); subplot(2,2,1),subimage(P),title('Imagen con baja iluminacin'); subplot(2,2,2),subimage(PG),title('Image n Escala de Grises'); subplot(2,1,2),imhist(PG),title('Histogr ama');

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma 3000 2000 1000 0 0 50 100 150 200 250

Imagen con alta iluminacin


Imagen con alta iluminacin Imagen Escala de Grises

100 200

100 200 300 100 200 300 400 500 Histograma 100 200 300 400 500

Fig. 1: Anlisis de la imagen original.


300

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PG=rgb2gray(P); subplot(2,2,1),subimage(P),title('Imagen Original'); subplot(2,2,2),subimage(PG),title('Image n Escala de Grises'); subplot(2,1,2),imhist(PG),title('Histogr ama');

3000 2000 1000 0 0 50 100 150 200 250

Imagen con baja iluminacin

Fig. 3: Anlisis de un imagen con alta iluminacin.

El cdigo usado fue el siguiente:

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE. P=imread('peppers.png'); P=P+100; PG=rgb2gray(P); subplot(2,2,1),subimage(P),title('Imagen con alta iluminacin'); subplot(2,2,2),subimage(PG),title('Image n Escala de Grises'); subplot(2,1,2),imhist(PG),title('Histogr ama');
Imagen con alto contraste Imagen Escala de Grises

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma

Imagen con bojo contraste


Imagen con bajo contraste Imagen Escala de Grises

3000 2000 1000

100 200 300 100 200 300 400 500

100

0
200 300 100 200 300 400 500

50

100

150

200

250

Fig. 5: Anlisis de un imagen con alto contraste.

Histograma 4000 3000 2000 1000 0 0 50 100 150 200 250

El cdigo usado fue el siguiente:


P=imread('peppers.png'); P=P*2; PG=rgb2gray(P); subplot(2,2,1),subimage(P),title('Imagen con alto contraste'); subplot(2,2,2),subimage(PG),title('Image n Escala de Grises'); subplot(2,1,2),imhist(PG),title('Histogr ama');

Fig. 4: Anlisis de un imagen con bajo contraste.

El cdigo usado fue el siguiente:


P=imread('peppers.png'); P=P/2; PG=rgb2gray(P); subplot(2,2,1),subimage(P),title('Imagen con bajo contraste'); subplot(2,2,2),subimage(PG),title('Image n Escala de Grises'); subplot(2,1,2),imhist(PG),title('Histogr ama');

Imagen con dinmica baja

Imagen con alto contraste

Fig. 6: Imagen con dinmica baja.

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.

2500

Fig. 9: Histograma de la imagen con dinmica media.

2000

Imagen con dinmica alta

1500

1000

500

0 0 50 100 150 200 250

Fig. 7: Histograma de la imagen con dinmica baja.

Imagen con dinmica media


Fig. 10: Imagen con dinmica alta.

2500

2000

1500

1000

500

Fig. 8: Imagen con dinmica media.

0 0 50 100 150 200 250

2500

Fig. 11: Histograma de la imagen con dinmica alta.

2000

Gama de rojos de la imagen original

1500

1000

500

0 0 50 100 150 200 250

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.

5 subplot(2,2,1),subimage(P),title('Imagen original'); subplot(2,2,2),subimage(PimG),title('Gam a de verde de la imagen original en EG'); subplot(2,1,2),imhist(PimG),title('Histo grama');

Imagen original

Gama de rojo de la imagne original en EG

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Gama de azules de la imagen original


Imagen original Gama de azul de la imagen original en EG

Histograma 3000 2000 1000 0 0 50 100 150 200 250

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Fig. 12: Anlisis de la gama de rojos de la imagen original.

Histograma 3000 2000

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PimR=P(:,:,1); subplot(2,2,1),subimage(P),title('Imagen original'); subplot(2,2,2),subimage(PimR),title('Gam a de rojo de la imagen original en EG'); subplot(2,1,2),imhist(PimR),title('Histo grama');

1000 0 0 50 100 150 200 250

Fig. 14: Anlisis de la gama de azules de la imagen original.

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PimB=P(:,:,3); subplot(2,2,1),subimage(P),title('Imagen original'); subplot(2,2,2),subimage(PimB),title('Gam a de azul de la imagne original en EG'); subplot(2,1,2),imhist(PimB),title('Histo grama'); C. CUL ES LA DIFERENCIA DE SUMAR UN MISMO VALOR O UN VALOR DISTINTO A CADA CANAL?

Gama de verdes de la imagen original


Imagen original Gama de verde de la imagne original en EG

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma 3000 2000 1000 0 0 50 100 150 200 250

Para resolver esta duda, primero observemos los cambios que ocurren en una imagen cuando se le suma un valor a su respectiva gama de colores por medio de las siguientes figuras: Imagen original + 100

Fig. 13: Anlisis de la gama de verdes de la imagen original.

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PimG=P(:,:,2);

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen original Imagen original + 100

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma 3000 2000 1000 0 0 50 100 150 200 250

P=imread('peppers.png'); PimR=P(:,:,1); PimRn=PimR+100; subplot(2,2,1),subimage(PimR),title('Gam a de rojo de la imagen original'); subplot(2,2,2),subimage(PimRn),title('Ga ma de rojo + 100'); subplot(2,1,2),imhist(PimRn),title('Hist ograma');

Gama de verde de la imagen original +100


Gama de verde de la imagen original Gama de verde + 100

100 200

100 200 300 100 200 300 400 500 Histograma 100 200 300 400 500

Fig. 15: Anlisis de la imagen original + 100.


300

El cdigo usado fue el siguiente:


P=imread('peppers.png'); Pn=P+100; PG=rgb2gray(Pn); subplot(2,2,1),subimage(P),title('Imagen original'); subplot(2,2,2),subimage(Pn),title('Image n original + 100'); subplot(2,1,2),imhist(PG),title('Histogr ama');
4000 3000 2000 1000 0 0

50

100

150

200

250

Gama de rojo de la imagen original +100


Gama de rojo de la imagen original Gama de rojo + 100

Fig. 17: Anlisis de la imagen de la gama de verde de la imagen original + 100.

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PimG=P(:,:,2); PimGn=PimG+100; subplot(2,2,1),subimage(PimG),title('Gam a de verde de la imagen original'); subplot(2,2,2),subimage(PimGn),title('Ga ma de verde + 100'); subplot(2,1,2),imhist(PimGn),title('Hist ograma');

100 200 300 100 200 300 400 500

100 200 300 100 200 300 400 500

Histograma 8000 6000 4000 2000 0 0 50 100 150 200 250

Gama de azul de la imagen original +100

Fig. 16: Anlisis de la imagen de la gama de rojo de la imagen original + 100.

El cdigo usado fue el siguiente:


UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen original 50
100 200 300 100 200 300 400 500 Histograma 100 200 300 100 200 300 400 500

Gama de azul de la imagen original

Gama de azul + 100

100 150 200 250 50 100 150 200 Histograma 1500

3000 2000 1000 0 0 50 100 150 200 250

1000 500 0 0 50 100 150 200 250

Fig. 18: Anlisis de la imagen de la gama de azul de la imagen original + 100.

Fig. 19: Imagen original a transformar con su histograma.

El cdigo usado fue el siguiente:


P=imread('peppers.png'); PimB=P(:,:,3); PimBn=PimB+100; subplot(2,2,1),subimage(PimB),title('Gam a de azul de la imagen original'); subplot(2,2,2),subimage(PimBn),title('Ga ma de azul + 100'); subplot(2,1,2),imhist(PimBn),title('Hist ograma');

1) Transformacin lineal o estiramiento Ejemplo 1; con m=75 y M=186.


Imagen original 50 100 150 200 250 50 100 150 200 Imagen original transformada 50 100 150 200 250 50 100 150 200

De esta manera concluimos que cuando se suma el mismo valor a a la imagen RGB este valor se suma a toda la gama de los 3 colores que componen la imagen al mismo tiempo. Cuando se suma el mismo valor a a cada canal, ese canal especfico recibe el cambio de la suma, mientras que los otros canales permanecen intactos.
D. TRANSFORMACIONES DEL HISTOGRAMA

Histograma imagen transformada 1500 1000 500 0 0 50 100 150 200 250

Fig. 20: Anlisis de la imagen original a transformada con m=75 y M=186.

Imagen original a transformar

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nest=(N-75)*2.2972973; %Con m=75 y M=186 subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(Nest),title('Ima gen original transformada'); subplot(2,1,2),imhist(Nest),title('Histo grama imagen transformada');

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen original Imagen original transformada 50 100 150 200 250 50 100 150 200 50 100 150 200

Ejemplo 2; con m=78 y M=164.


Imagen original 50 100 150 200 250 50 100 150 200 Imagen original transformada 50 100 150 200 250 50 100 150 200
2000 1500 1000 500 0 0

50 100 150 200 250

Histograma imagen transformada

Histograma imagen transformada 1500 1000 500 0 0 50 100 150 200 250

50

100

150

200

250

Fig. 22: Anlisis de la imagen original transformada con C1=0.01, C2=0.5, C3=1.

Fig. 21: Anlisis de la imagen original transformada m=78 y M=164.

El cdigo usado fue el siguiente:


N=imread('pout.tif'); NP=(0.01*N.^2) + (0.5*N) + 1; %Con C1=0.01, C2=0.5, C3=1. subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(NP),title('Image n original transformada'); subplot(2,1,2),imhist(NP),title('Histogr ama imagen transformada');

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nest= (N-78)*2.9651162; %Con m=78 y M=164. subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(Nest),title('Ima gen original transformada'); subplot(2,1,2),imhist(Nest),title('Histo grama imagen transformada');

Ejemplo 2; con C1=0.5, C2=0.9, C3=10.


Imagen original Imagen original transformada 50 100 150 200 250 50 100 150 200 50 100 150 200

2) Transformacin parablica Ejemplo 1; con C1=0.01, C2=0.5, C3=1.

50 100 150 200 250

Histograma imagen transformada 3000 2000 1000 0 0 50 100 150 200 250

Fig. 23: Anlisis de la imagen original transformada con C1=0.5, C2=0.9, C3=10.

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen original Imagen original transformada 50 100 150 200 250 50 100 150 200 50 100 150 200

El cdigo usado fue el siguiente:


N=imread('pout.tif'); NP=(0.5*N.^2) + (0.9*N) + 10; %Con C1=0.5, C2=0.9, C3=10. subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(NP),title('Image n original transformada'); subplot(2,1,2),imhist(NP),title('Histogr ama imagen transformada');

50 100 150 200 250

Histograma imagen transformada 2000 1500 1000

3) Transformacin de raz Ejemplo 1; con C1=0.06, C2=0.02.


Imagen original 50 100 150 200 250 50 100 150 200 Imagen original transformada 50 100 150 200 250 50 100 150 200

500 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Fig. 25: Anlisis de la imagen original transformada con C1=0.03, C2=0.09.

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nnew=double(N); NR=(0.03*sqrt(Nnew)) + 0.09; %Con C1=0.03, C2=0.09. subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(NR),title('Image n original transformada'); subplot(2,1,2),imhist(NR),title('Histogr ama imagen transformada');
1

Histograma imagen transformada 2000 1500 1000 500 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

4) Transformacin Gamma Qu representa la transformacin Gamma? Es el ajuste de los valores de intensidad de una imagen con el objetivo de compensar las variaciones de los dispositivos de salida. Esto se puede ver en los ejemplos que se vern ms adelante. Para gamma = 1 no hay ninguna correccin. Para gamma > 1 hay una gran correccin en el contraste para valores pequeos del color de entrada mientras que una pequea correccin en el contraste para valores grandes. El brillo aumenta ms para valores intermedios del color de entrada. Para gamma < 1 hay una pequea correccin en el contraste para valores pequeos del color de entrada mientras que una gran correccin en el contraste

Fig. 24: Anlisis de la imagen original transformada con C1=0.06, C2=0.02.

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nnew=double(N); NR=(0.06*sqrt(Nnew)) + 0.02;%Con C1=0.06, C2=0.02. subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(NR),title('Image n original transformada'); subplot(2,1,2),imhist(NR),title('Histogr ama imagen transformada');

Ejemplo 2; con C1=0.03, C2=0.09.

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen original 50 100

10
Imagen original transformada 50 100 150 200 250 50 100 150 200 50 100 150 200

para valores grandes. El brillo disminuye ms para valores intermedios del color de entrada. Ejemplo 1; con Gamma=3.
Imagen original 50 100 150 200 250 50 100 150 200 Imagen original transformada 50 100 150 200 250 50 100 150 200

150 200 250

Histograma imagen transformada 1500 1000 500 0 0 50 100 150 200 250

Histograma imagen transformada 2000 1500 1000 500 0 0 50 100 150 200 250

Fig. 27: Anlisis de la imagen original transformada con Gamma=1. N=imread('pout.tif'); Nnew=double(N); %Se transforma a doubl para poder utilizarse. NG=255*(Nnew./255).^(1/1); %Con Gamma=1 P=uint8(NG); subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(P),title('Imagen original transformada'); subplot(2,1,2),imhist(P),title('Histogra ma imagen transformada');

Fig. 26: Anlisis de la imagen original transformada con Gamma=0.3.

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nnew=double(N); %Se transforma a doubl para poder utilizarse. NG=255*(Nnew./255).^(1/0.3);%Con Gamma=0.3. P=uint8(NG); subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(P),title('Imagen original transformada'); subplot(2,1,2),imhist(P),title('Histogra ma imagen transformada');

Ejemplo 3; con Gamma=4.


Imagen original 50 100 150 200 Imagen original transformada 50 100 150 200 250 50 100 150 200 50 100 150 200

Ejemplo 2; con Gamma=1.

250

Histograma imagen transformada 2000 1500 1000 500 0 0 50 100 150 200 250

Fig. 28: Anlisis de la imagen original transformada con Gamma=4.

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.

11 subplot(2,1,2),imhist(K),title('Histogra ma de la imagen equalizada'); F. UMBRALIZACIN DE LA IMAGEN (EJEMPLO)

El cdigo usado fue el siguiente:


N=imread('pout.tif'); Nnew=double(N); %Se transforma a doubl para poder utilizarse. NG=255*(Nnew./255).^(1/4); %Con Gamma=4 P=uint8(NG); subplot(2,2,1),subimage(N),title('Imagen original'); subplot(2,2,2),subimage(P),title('Imagen original transformada'); subplot(2,1,2),imhist(P),title('Histogra ma imagen transformada'); E. ECUALIZACIN DEL HISTOGRAMA (EJEMPLO)

Imagen original
Imagen original 50 100 150 200 250 100 200 300 400 Imagen original en escala de grises 50 100 150 200 250 100 200 300 400

Histograma de la imagen en escala de grises

Imagen original Para ver al anlisis de la imagen original, remitirse a la Fig. 1, que se encuentra en la pgina 2 de este artculo con su respectivo cdigo. Imagen original ecualizada
Imagen equalizada

1500 1000 500 0 0 50 100 150 200 250

Fig. 30: Anlisis de la imagen original.

El cdigo usado fue el siguiente:


I=imread('gantrycrane.png'); IG=rgb2gray(I); subplot(2,2,1),subimage(I),title('Imagen original'); subplot(2,2,2),subimage(IG),title('Image n original en escala de grises'); subplot(2,1,2),imhist(IG),title('Histogr ama de la imagen en escala de grises');

100 200 300 100 200 300 400 500

Histograma de la imagen equalizada 4000 3000 2000 1000 0 0 50 100 150 200 250

Ejemplo 1; valor de Umbralizacin U=90.

Fig. 29: Anlisis de la imagen original transformada con Gamma=4.

El cdigo usado fue el siguiente:


K = histeq(PG); %Ecualiza la imagen en escala de grises. figure,subplot(2,1,1),subimage(K),title( 'Imagen equalizada');

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen umbralizada 50 100 150 200 250 100 x 10 10
4

12

B=IG>=110; %Valor de umbralizacin U=110 figure,subplot(2,1,1),subimage(B),title( 'Imagen umbralizada'); subplot(2,1,2),imhist(B),title('Histogra ma de la imagen umbralizada'); G. PROGRAMA QUE PERMITE SEGMENTAR OBJETOS

200

300

400

Histograma de la imagen umbralizada

Imagen original
5

0 0 1

Fig. 31: Anlisis de la imagen original umbralizada con U=90.

El cdigo usado fue el siguiente:


B=IG>=90; %Valor de umbralizacin U=90. figure, subplot(2,1,1),subimage(B),title('Imagen umbralizada'); subplot(2,1,2),imhist(B),title('Histogra ma de la imagen umbralizada');

Fig. 33: Imagen original.

Ejemplo 2; valor de Umbralizacin U=110.


Imagen umbralizada 50 100 150 200

Procedemos a binarizar, a umbralizar y a negar la imagen que representa la mscara


Imagen combinada de todos los planos RGB binarizados Imagen morfolgica de todos los planos RGB

200 400 600

200 400 600

250 100 x 10
4

200

300

400

200

400

600

800

1000

200

400

600

800

1000

Histograma de la imagen umbralizada

Imagen negada de la imgen umbralizada

10

200 400

5
600

0 0 1

200

400

600

800

1000

Fig. 32: Anlisis de la imagen original umbralizada con U=110.

Fig. 34: Imgen binarizada, ubralizada y negada de la mscara.

El cdigo usado fue el siguiente: El cdigo usado fue el siguiente:


UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE. A=imread('Lighthouse.jpg'); figure, imshow(A),title('Imagen original'); AplanoR=A(:,:,1); AplanoG=A(:,:,2); AplanoB=A(:,:,3); levelR=graythresh(AplanoR); levelG=graythresh(AplanoG); levelB=graythresh(AplanoB); UmplaR=im2bw(AplanoR,levelR); UmplaG=im2bw(AplanoG,levelG); UmplaB=im2bw(AplanoB,levelB); bw=UmplaR.*UmplaG.*UmplaB; bw1=bwareaopen(bw,10000); figure, subplot(2,2,1),subimage(bw),title('Imagen combinada de todos los planos\nRGB binarizados'); subplot(2,2,2),subimage(bw1),title('Imag en morfolgica de todos los planos RGB'); mu=im2uint8(bw1); % Sacamos la gama de colores de la imgen umbralizada y las ponemos en M M(:,:,1)=mu; M(:,:,2)=mu; M(:,:,3)=mu; mn=not(mu); % Negacin de la imgen umbralizada subplot(2,1,2),subimage(mn),title('Image n negada de la imgen umbralizada'); Mnot(:,:,3)=mn; Mnot=im2uint8(Mnot); T1=A.*(Mnot/255); figure, imshow(T1), title('Imagen segmentada');

13

Imgenes originales
Imagen fontral (mscara)

200 400 600 200 400 600 800 1000

Imagen de fondo para la mscara

200 400 600

Imagen segmentada final


Imagen segmentada de la mscara

200

400

600

800 1000

Fig. 33: Imgenes a segmentar.

El cdigo usado fue el siguiente:


A=imread('Lighthouse.jpg'); B=imread('face.jpg'); subplot(2,1,1),subimage(A),title('Imagen fontral (mscara)'); subplot(2,1,2),subimage(B),title('Imagen de fondo para la mscara');

Procedemos a binarizar, a umbralizar y a negar la imagen que representa la mscara


Fig. 35: Imgen segmentada.

El cdigo usado fue el siguiente:


% Sacamos la gama de colores de la imgen negada y las ponemos en Mnot Mnot(:,:,1)=mn; Mnot(:,:,2)=mn;

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.
Imagen combinada de todos los planos RGB binarizados Imagen morfolgica de todos los planos RGB

14
Imagen segmentada de la mscara Imagen segmentada del fondo

200 400 600

200 400

200 400

200 400 600 200 400 600 800 1000 200 400 600 800 1000

600

600
200 400 600 800 1000 200 400 600 800 1000

Imagen negada de la imgen umbralizada

Imgen segmentada resultante


200 400 600

200 400
200 400 600 800 1000

600 200 400 600 800 1000

Fig. 34: Imgen binarizada, ubralizada y negada de la mscara.

Fig. 35: Imgenes segmentadas y resultante.

El cdigo usado fue el siguiente:


AplanoR=A( :, :,1); AplanoG=A( :, :,2); AplanoB=A( :, :,3); levelR=graythresh(AplanoR); levelG=graythresh(AplanoG); levelB=graythresh(AplanoB); UmplaR=im2bw(AplanoR,levelR); UmplaG=im2bw(AplanoG,levelG); UmplaB=im2bw(AplanoB,levelB); bw=UmplaR.*UmplaG.*UmplaB; bw1=bwareaopen(bw,10000); figure, subplot(2,2,1),subimage(bw),title('Imagen combinada de todos los planos RGB binarizados'); subplot(2,2,2),subimage(bw1),title('Imag en morfolgica de todos los planos RGB'); mu=im2uint8(bw1); % Sacamos la gama de colores de la imgen umbralizada y las ponemos en M. M(:,:,1)=mu; M(:,:,2)=mu; M(:,:,3)=mu; mn=not(mu); % Negacin de la imgen umbralizada. subplot(2,1,2),subimage(mn),title('Image n negada de la imgen umbralizada');

El cdigo usado fue el siguiente:


% Sacamos la gama de colores de la imgen negada y las ponemos en Mnot. Mnot(:,:,1)=mn; Mnot(:,:,2)=mn; Mnot(:,:,3)=mn; Mnot=im2uint8(Mnot); T1=A.*(Mnot/255); figure, subplot(2,2,1),subimage(T1),title('Imagen segmentada de la mscara'); T2=B.*(M/255); subplot(2,2,2),subimage(T2),title('Image n segmentada del fondo'); R=T1+T2; subplot(2,1,2),subimage(R),title('Imgen segmentada resultante');

IV. CONCLUSIONES El correcto entendimiento del histograma de una imagen, permite al manipulador conocer las principales caractersticas que esta posee; permitindole hacer las modificaciones que crea necesarias. La calidad de la imagen a manipular depender exclusivamente del correcto y adecuado uso de los comandos bsicos aprendidos por el operario. Cuando de tratamiento digital de imgenes se habla, existen un nmero considerable de operaciones bsicas que le permiten a la persona

Imgenes segmentadas de la mscara y del fondo y la imagen combinada resultante

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA

Pimentel. TIFE.

15

manipular la imagen a su gusto de las cuales se obtiene un resultado especfico. Las diferentes transformaciones aplicables en el tratamiento digital de imgenes permiten modificar los diferentes aspectos que posee una imagen por defecto, como el histograma, la escala de colores RGB, la luminosidad, el contraste, etc. En la umbralizacin, se convierte la imagen en binaria para poder realizar cortes en el rango de valores y por medio de esta, poder realizar la segmentacin o separacin de la imagen del fondo. Para poder segmentar una imagen es necesario descomponerla en las diferentes gamas de colores que la constituyen para que pueda ser tratada.
REFERENCIAS

[1] C. J. Erik, N. Daniel. Visin por computador utilizando MATLAB y el toolbox de procesamiento digital de imagines. [En lnea]. Disponible en: <http://es.scribd.com/doc/23371/Procesamiento-deimagenes-con-Matlab>. [2] M. D. Oscar. (2010). Segmentacin de imagen a color con distancia euclidiana y mximos y mnimos. [En lnea]. Disponible en: <http://es.scribd.com/doc/37184939/Segmentacion-Deuna-Imagen-a-Color> [3] C. P. Percy. (2011, Febrero). Procesamiento digital de imagines con MATLAB. [En lnea]. Disponible en: <http://www.slideshare.net/lonely113/procesamientodigital-de-imgenes-con-matlab> [4] C. Erik, Z. Daniel, P. Marco. Procesamiento Digital de Imgenes con MATLAB y Simulink. Primera Edicin. Mxico D.F.: Editorial Alfa Omega, 2011.

UNIDADES TECNOLGICAS DE SANTANDER - INGENIERA ELECTRNICA