Transformacion de

Vecindad:
Extraccion de
Bordes

4.1 Introduccin

El concepto para llevar a cabo esta operacin es el de la

derivada, ya que los bordes representan realmente cambios de
intensidad en una localizacin espacial determinada.

Desde el punto de vista una derivada detecta precisamente este

tipo de cambios. Se estudian correctamente dos ordenes de
derivadas, a saber: primera y segunda derivada.

La primera derivada tiene un fundamento en el concepto de

gradiente y la segunda viene a ser una realizacin de un filtro
paso alto , de suerte que las derivadas de segundo orden de una
imagen se puedan obtener mediante filtrado con la mascara
adecuada.

4.2 Concepto de derivada en la extraccin

de bordes

En la figura 4.1 se puede observar que los bordes (transicin de oscuro a

claro o viceversa ) se modelan como una rampa en lugar de hacerlo como un
cambio brusco de intensidad: esto es debido a que en la imagen original
suelen estar desdibujados como resultado del muestreo

Figura 4.1 concepto de 1ra y 2da derivada para la extraccin de bordes

Dentro de los operadores basados en la primera derivada veremos

los operadores gradiente de forma general .El concepto del
gradiente ha sido ampliamente estudiado en la literatura y a
originado diversos mtodos para su aplicacin en la extraccin de
bordes

4.3 Operadores Primera Derivada

Los operadores primera derivada tienen su fundamento en el
concepto del vector gradiente , que como tal vector posee una
magnitud o modulo y una direccin. La implementacin del concepto
de gradiente ha dado lugar a los operadores primera derivada que se
estudian a continuacin

4.3.1 Gradiente de una Imagen

El gradiente de una imagen f(x,y) en un punto (x,y) se define como

un vector bidimensional dado por al ecuacin (4.1) , siendo un vector
perpendicular al borde.

En una practica habitual aproximar la magnitud del gradiente con

valores absolutos:

4.3.2 Operadores de Sobel

Los operadores gradiente (derivada) en general tienen el efecto de

magnificar el ruido adyacente en la imagen. Para compensar este
efecto, tanto los operadores de Sobel como el resto de operadores de
vecindad, utilizados como extractores de borde, tienen la propiedad
aadida de suavizar la imagen ,eliminando parte del ruido subyacente
y , por tanto minimizando la aparicin de falsos bordes debido al
efecto magnificacin del ruido por parte de los operadores derivada.

a partir de la figura 4.3,las derivadas basadas en los operadores de

Sobel son:

4.3.3 Operador de Prewitt

El operador de Prewitt es similar al de Sobel diferencindose en los

coeficientes de las mascaras.

Figura 4.5 (a) mascar usada para obtener G, en el punto central de

una regin de dimensin 3x3 : (b) mascara usada para obtener G,
en el mismo punto. Esta mascara se denominan Operadores de
Prewitt

4.3.4 Operador de Roberts

El Operador de Roberts ,a diferencia de los dos anteriores ,marca

solamente los puntos de borde, sin informarnos sobre la orientacin
de estos. Es un operador muy simple que trabaja muy bien en
imgenes binarias. Opera segn las dos diagonales perpendiculares
mostrada en la figura 4.6 y definida por al ecuacin (4.7)

Figura 4.6 definicin de las Diagonales para el Operador de Roberts

Figura 4.6 definicin de las Diagonales para el Operador de Roberts

4.3.5 Mascara de Frei-Chen

Las mascaras de Frei-Chen forman el conjunto de las nueve

mascaras siguientes:

Figura 4.7 Mascara de Frei -Chen

4.3.6 Extensin de Operadores

la imagen contiene ruido el resultado de la deteccin de bordes

Si
es relativamente malo. Una forma de mitigar esto consiste en
procesar previamente la imagen para eliminar parte del ruido. Pero
tambin se puede conseguir por expiacin de los operadores de
Borde. Por ejemplo en el caso de los operadores de Prewitt y Sobel
tendramos las siguientes mascaras para poder obtener en el caso
de Prewitt, y , en el caso de Sobel:

Figura 4.10 Extensin de los Operadores de Prewitt y Sobel

En la figura 4.11 se muestran (a) y (b) los resultados utilizando los operadores

de Sobel extendidos respectivamente sobre la imagen dada en la figura 4.2

(a); en (c) la imagen de gradiente de gradiente segn la ecuacin (4.3) y en
(d) , el resultado de binarizar (c) con umbral T=200. obsrvese las diferencias
de grosor de los bordes con respecto a los resultados obtenidos en la figura 4.2
mediante los operadores de Sobel sin extender.

Figura 4.11 (a) y (b) imgenes gradiente y con Sobel extendido; (c) imagen
gradiente segn la ecuacin (4.3), (d) imagen binarizada con T=200

4.4 Operadores Segunda derivada

Hemos visto hasta el momento como por aplicacin del concepto de

primera derivada y gradiente es posible detectar la presencia de
bordes en las imgenes. Ahora veremos tambin como se pueden
detectar por medio de la segunda derivada.

4.4.1 Operador Laplaciana

La Laplaciana de una funcin 2-D f(x,y) en un operador segunda

derivada definido como :

Como en el caso de gradiente , la ecuacin (4.14) se puede

implementar en forma digital de varias formas, por ejemplo:

4.4.2 operador Laplaciana de la

gaussiana

El operador Laplaciana de la gaussiana (LG) tiene sus orgenes en

la biologa donde ciertos estudios han demostrado que la
organizacin espacial de los campos respectivos de las celular
retnales tiene una estructura simtrica circular con una regin
excitatoria central y una regin inhibitoria envolviendo a la
primera; algunas clulas llamadas on-center se excitan en el
centro de sus campos respectivos por una fuente de luz y otras
off-center se inhiben. Ciertos estudios describen los campos
respectivos como una diferencia de 2 gaussianas. Estas
funciones se asemejan mucho a la LG , que es la que
describiremos aqu:

El operador LG viene dado por la siguiente expresin.

Donde:

En la figura 4.14 se representa el operador dado (4.16); en (a) ,su

representacin unidimensional con Y=0 y en (b), su representacin
bidimensional ; en ambos casos con K=0.5 y con valores de los
mostrados en la figura 4.14

Figura 4.14 representacin del operador LG (a) unidimensional; (b)

bidimensional