Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introduccin
2. Mtodos basados en derivadas primeras
Gradiente
3. Mtodos basados en derivadas segundas
Laplaciano
4. Detector de Canny
5. Realzado de bordes
Laplaciano
Unsharp
Introduccin
3
1. Introduccin
4
Eventos geomtricos
Discontinuidades en una
superficie
Discontinuidades por
Discontinuidad
profundidad superficie
Discontinuidades de color Discontinuidad
y textura profundidad
Discontinuidad
Eventos no geomtricos color
Cambios de iluminacin Sombra
Reflexiones especulares
Sombras
Direccin
Perpendicular al cambio
en intensidad
Fuerza
relacionada con el
contraste local a lo largo
de la normal
Localizacin
Deteccin de bordes: etapas
9
Suavizado
Reducir el ruido en la medida de lo posible sin destruir los
bordes
Realzado
Derivar para realzar los bordes (sharpening)
Localizacin
Deteccin de bordes a partir de derivadas
10
fy
r
f
f x fy
T
q * atan
fx
f fx f y
2 2
r
max f r
T
fx fy
2 2
07/11/2017
Aproximaciones discretas de la derivada en 1D
14
[-1, 0, 1] (centrado en x)
07/11/2017
Aproximaciones discretas de la derivada en 2D
15
1
1
hx = [1 -1] hx = [1 0 -1] hy = hy = 0
-1 -1
07/11/2017
Estimacin del Gradiente mediante los
operadores de Prewitt y Sobel
16
-1 -1 -1 -1 0 1
fx = 0 0 0 fy = -1 0 1
1 1 1 -1 0 1
-1 -2 -1 -1 0 1
fx = 0 0 0 fy = -2 0 2
1 2 1 -1 0 1
Deteccin de bordes mediante gradiente:
Clculo del mdulo del gradiente: 2 mscaras h1 y h2 aproximan
las derivadas de la imagen en dos direcciones ortogonales.
Pueden utilizarse mscaras de Roberts, Prewitt, Sobel
El umbral, U, se elige de modo que solamente el 5-10% de los
pxeles lo superen. Para ello:
Se calcula el histograma acumulado del mdulo del gradiente, P(uU)
Se elige U tal que P( uU)=0.90-0.95.
fx(x,y
)
1 , g(x, y) > U
z(x, y) =
hx(x,y) g(x,y) 0 , g(x, y) U
f x2 + f y2
hy (x,y) U
I(x,
y)
fy(x,y)
17
Derivadas y ruido
18
Qu podemos hacer?
Los pxeles vecinos se parecen
f ( x)
df ( x )
dx
FDM/JMLM/JSC-DTSC_UC3M
Filtrado con derivada de Gaussiana
20
Gauss d/dt
d/dt(Gauss)
Deteccin de bordes mediante
laplaciano
21
Deteccin de bordes mediante la derivada segunda:
Laplaciano
22
x y
2
f 2
f
f = 2 + 2 =0
2
x y
Los detectores basados en el Laplaciano
Aproximan el Laplaciano mediante operadores discretos
Detectan cruces por cero.
Aproximacin discreta del Laplaciano:
Aproximando las derivadas primeras por diferencias
f
f ( x + 12 , y) - f ( x - 12 , y)
x
resulta
2 f
f x 1, y 2 f x, y f x 1, y
x 2
24
Deteccin de cruces por cero
Para cada pixel (x,y), se analizan los
pxeles en una vecindad 3x3:
Si el signo de al menos dos vecinos opuestos
es diferente, hay un cruce por cero.
2
1 1 2 1 1 2
1 -1 1 -1 -1 1
-1 1 0 -1 1 0 Detector de
Sin cruce por 0 Cruce por 0 cruces por cero
Para reducir la sensibilidad al ruido, se
contabilizan solamente los vecinos de signo
opuesto y diferencia superior a un umbral
prefijado.
h
2
x 2 y 2 2 2 x2 y 2
exp g x, y
2
4
2
la secuencia filtro-gradiente es equivalente a aplicar un filtro que sea el
laplaciano del filtro gaussiano: es el operador laplaciano generalizado,
tambin denominado filtro LoG
Detector de
g(x,y) cruces por 0
z(x,y
)
f(x,y) Matlab: H = fspecial('gaussian',hsize,sigma)
H = fspecial(laplacian',alpha)
Filtro LoG H = fspecial(log',hsize,sigma)
26 J=imfilter(I,H)
Ejemplo:
Filtro LoG, con = 2.
Detector de cruces por cero con umbral = 2.
Detector de
cruces por 0
g(x,y)
27
Sin prefiltrado paso-bajo
28
11/7/2017
Con prefiltrado paso-bajo
29
11/7/2017
Gradiente vs. Laplaciano
32
Imagen
original
Filtro paso-
I bajo
I
I -I
Realzado de bordes: Unsharp
44
Extensiones
45