Es la aproximacin ms comn para detectar

discontinuidades notables en valores de

intensidad. Estas discontinuidades son
detectadas usando derivadas de primer y
segundo orden.

La primera derivada en procesamiento
de imgenes es el gradiente.

El gradiente de una funcin (, ) es definido
como el vector:
=

en donde la magnitud del vector,
est dada por:

=

2
+

2
2


Estas aproximaciones se comportan
como derivadas, y sus valores son
proporcionales al cambio en la
intensidad en reas en las que los
valores de los pixeles varan.

Una propiedad fundamental del gradiente
es que apunta en la direccin del mximo
en el rango de cambio de en las
coordenadas (, ). El ngulo al cual el
mximo rango de cambio ocurre es:

, =
1

Las derivadas de segundo orden en
procesamiento de imgenes son normalmente
calculadas por medio del mtodo del laplaciano
que veremos a continuacin. Para esto el
laplaciano de una funcin (, ) de segundo
orden, es conformada por segundas derivadas
siguientes:

2
, =

2
(, )

2
+

2
(, )

2


Por ejemplo, a pesar de que los
dobles bordes son inapropiados
para la deteccin de bordes, esta
tcnica puede ser utilizada para la
localizacin de los bordes.
La idea bsica de la deteccin de bordes
es que nos ayuda a localizar el lugar en la
imagen en el que cambia rpidamente la
intensidad, utilizando dos criterios
generales:
Encontrar lugares donde la primera
derivada de la intensidad, es mayor en
magnitud que el umbral especificado.
Encontrar lugares en donde la segunda
derivada de la intensidad cruza en 0.
La Herramienta de Procesamiento de Imgenes
(IPT) de Matlab nos proporciona la herramienta
edge que mediante los criterios mencionados
proporciona estimadores derivativos.

Para estos estimadores es posible determinar
cmo se detectaran los bordes; si de manera
horizontal o vertical, o a ambos.

La sintaxis general de esta funcin es la
siguiente:

[g, t] = edge (f, mtodo, parmetros)

Donde f es la imagen de entrada, mtodo puede
ser cualquiera de estos:
Sobel, Prewitt, Roberts, LoG, Por races, Canny.

A la salida obtenemos un arreglo para g
donde cada valor es:
1 para puntos de borde
0 todo lo dems

El parmetro t es opcional, esto es el umbral
usado por el borde, para definir cul valor
de gradiente es lo suficientemente alto para
definir los puntos de borde.

Laplaciano de un detector Gaussiano (LoG)

Considerando la funcin gaussiana:

=

2
2
2


Donde
2
=
2
+
2
y la desviacin estndar.
Esta es una funcin que suaviza, si se hace la
convolucin con la imagen. El grado en que se
disuelve la imagen est definido por . El
laplaciano de esta funcin es:

2
=

2

2

2
2
2


Esta funcin es llamada as por el hecho de que
la segunda derivada al realizar una operacin
lineal, haciendo una convolucin (filtrando) a
una imagen con
2
, es lo mismo que
realizar una convolucin a la imagen con la g
(arreglo suavizado) y despus aplicar el
laplaciano al resultado.

Esta es la clave sobre el funcionamiento del
detector de bordes LoG.

Hacemos la convolucin con
2
sabiendo
que tiene dos efectos.

Suaviza la imagen (reduciendo el ruido)

Y calcula el laplaciano el cual proporciona una
imagen con dobles bordes. Despus de
localizar los bordes, consiste en encontrar
cruces con cero entre los bordes dobles.

La sintaxis general del laplaciano es:

*g, t+ = edge (f, log, T, sigma)

Donde sigma es la desviacin estndar y los otros
parmetros son los que se explicaron previamente.
El valor predeterminado para sigma es 2, edge
ignora cualquier borde que no sea lo suficiente alto
como T, si T no es definido edge asigna un valor a T
automticamente. Poniendo a T en 0 produce
bordes que forman contornos cerrados, una
caracterstica familiar del mtodo LoG.