III PreprocesamientoDesarrollo

Visión por computador
Sumario
 Características de la imagen
 Transformaciones de la imagen
 Reducción del ruido
 Realce de la imagen
 Detección de bordes
 Transformaciones geométricas
 Transformaciones morfológicas
Características de la
Imagen
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
 Tamaño de la imagen
 Vecindad y Conectividad
 Diferencia cuadrática de dos
imágenes
Características de la Imagen
 Histograma
 Distribución de niveles de gris en una imagen
 Función de densidad de probabilidad de niveles de gris
 Coordenadas
 Abscisas: rango posible de intensidades de gris
 Ordenadas: número de pixeles para cada nivel de gris
Nº de pixeles
Niveles de gris
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
 Diferencia cuadrática de dos imágenes
 Nivel de ruido
 Variación en el nivel de gris que sufre un pixel no debida a la
aportación lumínica de la escena
 Tipos
 Correlados: La variación del nivel de gris depende de la posición
espacial del pixel afectado
 No correlados: La variación del nivel de gris no depende de la
posición espacial del pixel afectado
 Gaussiano: La distribución del ruido se asemeja a una

distribución gaussiana de una determinada media y varianza
 Aleatorio: También llamado de sal y pimienta. El número de
pixeles afectados y la intensidad del mismo son variables
aleatorias independientes
 Ejemplos de imágenes con ruido
Imagen sin ruido Imagen con ruido correlado

Gaussiano
Aleatorio
Original
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
 Brillo
 Nivel medio de gris de una imagen

 Brillo
 Nivel medio de gris de una imagen
B=122
B=ó1
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Contraste
 Variación en los niveles de gris
ez
 Contraste
 Variación en los niveles de gris
C=52,38
C=2ó,19
ez
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Nitidez
 Respuesta en nivel de gris de la imagen ante cambios
bruscos en la iluminación de la escena captada.
 Nitidez
 Nitidez

 Nitidez
 Nitidez
 Nitidez
Nitidez= 18.24 %
 Nitidez
Nitidez= 18.24 %
Nitidez= 9.77 %
 Nitidez
Nitidez= 18.24 %
Nitidez= 9.77 %
Nitidez= 8.51 %
 Nitidez
 La baja nitidez puede estar provocada por:
 Objetos fuera del rango de enfoque de la óptica
 Deficiencias del elemento sensor
 Efectos de algoritmos de tratamiento de imágenes
 La medición de la nitidez es una tarea compleja, pues
depende de:
 Los objetos presentes en la imagen
 La presencia de ruido
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Color. Ojo humano
 Las diferentes longitudes de onda del espectro visible son
percibidas por el ojo humano como colores
 3 tipos de fotoconversores retinianos:
 Azul, verde y rojo
 La mezcla, en proporción adecuada, de estas franjas de
longitudes de onda, permite la reproducción de toda la gama
de colores
 Síntesis aditiva
 Colores primarios
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Textura
 Medida de la disposición espacial de lo niveles de gris de
los píxeles de la imagen
 Cuantifica propiedades como suavidad, rugosidad y
regularidad
 Independiente de la posición, orientación, forma, tamaño,
nivel de brillo ...
 Textura
 Medida de la disposición espacial de lo niveles de gris
de los píxeles de la imagen
regularidad
 Independiente de la posición, orientación, forma,
tamaño, nivel de brillo
 Textura
regularidad
 Independiente de lasipo ción, orientación, forma, tamaño,
nivel de brillo ...
 Textura
regularidad
 Independiente de la posición, orientación, forma, tamaño,
nivel de brillo ...
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes
 Vecindad
Vecindad a cuatro
Vecindad a ocho
 Sea una imagen en donde
se desea saber si un
conjunto de píxeles forma
una región conectada (o
conexa)
 Los píxeles pi y pj están
conectados si existe
una secuencia {pi,... pk,... pj}
tal que píxeles consecutivos
pk y pk+1 son vecinos y
comparten una cierta
propiedad (ej: nivel de
gris)
 Sea una imagen en pi

donde se desea saber si
un conjunto de píxeles
forma una región
conectada (o conexa)
 Los píxeles pi y pj están
conectados si existe
una secuencia {pi,... pk,... pj}
tal que píxeles consecutivos
pk y pk+1 son vecinos y
comparten una cierta
propiedad (ej: nivel de gris) pj
 Sea R la región de una
imagen formada por todos
los pixeles que comparten
una característica dada
 Dicha región está
conectada si toda pareja de
pixeles pi y pj en R están
conectados.
 El tipo de vecindad usado
determina el tipo de
conectividad de la región R.
conectados.
conectividad de la región
R.
conectados.
conectividad de la región R.
Región no conectada
 Histograma
 Nivel de ruido
 Brillo
 Contraste
 Nitidez
 Color
 Textura
imágenes

 Error cuadrático total
 Error cuadrático normalizado

Tabla de Contenidos
 Características de la
imagen
 Transformaciones de la
imagen
 Transformaciones
geométricas
morfológicas
Transformaciones de la Imagen
 Operaciones puntuales
 Operaciones locales
 Operaciones globales
 Operaciones geométricas
 El resultado de aplicarlo a un pixel depende
principalmente de su valor
Imagen de entrada Imagen de
salida
 El resultado de aplicarlo a un pixel depende
principalmente de su valor
 Pueden ser:
 Independientes de las características globales
 Con una sola imagen
 suma, resta, multiplicación,
división
 máximo y mínimo respecto a
una constante
 umbralización
 inversa
 transformaciones según una
función racional o irracional
(logarítmicas, exponenciales, ...)
 Operaciones puntuales. División entre una constante
Imagen original Imagen dividida por 2

 Operaciones puntuales. Umbralización
Imagen original Imagen umbralizada

Valores de salida
255
Valores de
entrada
 Operaciones puntuales. Inversa
Imagen original Imagen inversa

 Pueden ser:
 Independientes de las características globales
 Entre varias imágenes
 suma, resta,
multiplicación, división
 máximo, mínimo
 AND, OR, XOR
 El resultado de aplicarlo a un pixel depende princi-
palmente de los valores en las imágenes de entrada
Imágenes de entrada
Imagen de salida
Diferencia
Diferencia
Diferencia
Diferencia
Multiplicada
por 1ó
 Pueden ser:
 Independientes de las características
globales
 Entre varias imágenes
 Dependientes de las características
globales
 manipulación del histograma
 escalado de la imagen
 Operaciones puntuales. Manipulación del Histograma
Imagen original Imagen ecualizada

 Operaciones puntuales. Manipulación del Histograma

 El resultado de aplicar la función a un pixel depende de
su nivel de gris y del de los pixeles del entorno
Imagen de entrada Imagen de salida


 Pueden ser:
 Lineales
 La imagen resultante es la convolución de la imagen inicial
con una función local denominada máscara
 Convolución
g(i, j) = ω1 f (i − 1, j − 1) + ω2 f (i, j − 1) + ω1 f (i + 1, j − 1)+
+ω4 f (i − 1, j) + ω5 f (i, j) + ωó f (i + 1, j)+
+ω7 f (i − 1, j + 1) + ω8 f (i, j + 1) + ω9 f (i + 1, j + 1)+
0 0 0 0 0
0, 1, 2, 3, 4, 5,0
1 1 1 1 1
w1 w2 w3 0, 1, 2, 3, 4, 5,1
2 2 2 2 2
w4 w5 wó 0, 1, 2, 3, 4, 5,2
3 3 3 3
7 8 I
0, 1, 2,3 3, 4, 5,3
w w w9 4 4 4 4 magen
0,5 1,5 2,4

2,5 3,5 4,5 5,4
5,5
Máscara
Transformaciones de la imagen
 Convolución
-1 -1 -1
* 0 0 0 =
1 1 1
Transformaciones de la imagen
 Convolución
-1 -1 -1
* 0 0 0 =
1 1 1
 Pueden ser:
 Lineales
 No lineales:
 Estadísticas (mediana, mediana ponderada)
 Pueden ser:
 Lineales
 No lineales:
Filtro Mediana
 Pueden ser:
 Lineales
 No lineales:
Filtro Mediana
 Pueden ser:
 Lineales
 No lineales:
 Estadísticas
 Morfológicas: están relacionadas con la estructura
geométrica de los objetos
 Erosión, dilatación
 Openings, closings
 Adelgazamiento
 Hit-or-Miss
 Adelgazamiento
 Adelgazamiento
 Pueden ser:
 Lineales
 No lineales:
 Estadísticas
 Morfológicas
 Analíticas (función analítica no lineal)
 Media geométrica
 Media armónica
 Media contraarmónica
 Media de potencia
 La imagen se transforma globalmente sin considerar los
pixeles de forma individual, realizándose un cambio de
dominio
Global
 La imagen se transforma globalmente sin considerar los
pixeles de forma individual, realizándose un cambio de
dominio
 Entre las más empleadas:
 Transformada de Fourier
 Transformada de Hadamard-Walsh
 Transformada de Karhunen-Lòeve
 Transformada discreta del coseno
 Transformada de Hough
 Cambio entre modelos de color
 También se definen sus transformadas inversas
 La posición de cada pixel en la imagen resultado
depende de su posición en la imagen origen
 Las más usadas son:
 Homotecia, zoom
 Traslación
 Rotación, transformada de
Hotelling
 Warping, corrección de
distorsiones
 Morphing
 Ejemplos de operaciones geométricas
Zoom
Rotación
Warping
Tabla de Contenidos
 Características de la imagen
imagen
geométricas
morfológicas
Reducción del Ruido

 Algoritmos más frecuentes
 Filtros lineales
 Convolución de una imagen con una máscara predefinida
 Filtros no lineales
 Operación no lineal con los pixeles del entorno de vecindad
 Filtros temporales
 Análisis de varias imágenes de la misma escena tomadas en
instantes diferentes de tiempo

 Filtros lineales
 Indicados en el caso de ruido gaussiano
 Promediado del entorno de vecindad
1 1 1

1 1 1 1
9 1 1 1
onvolución
 Distribución gaussiana de la función de c
1 1 2 1
3 ó 8 ó 3
4 9 4
2 4 2
1ó 1 8 ó 191 251 119 8ó
4 9 4
1 2 1 249
Media Gaussiano
Gaussiano
Aleatorio
Media Gaussiano
Gaussiano
Aleatorio
Media Gaussiano
Gaussiano
Aleatorio
Media Gaussiano
Gaussiano
Aleatorio
Media Gaussiano
Gaussiano
Aleatorio

 Filtros no lineales
 Filtro de la mediana
 Los pixeles de la nueva imagen se generan calculando la
mediana del conjunto de pixeles del entorno de vecindad del
pixel correspondiente a la imagen origen
 Se homogeneizan los pixeles de intensidad muy diferente
con respecto a la de los vecinos
 Indicado en el caso de ruido aleatorio
Reducción de Ruido
Mediana Media
Gaussiano
Aleatorio
isión por computador
Reucción de Ruido
Mediana Media
Gaussiano
Aleatorio
Reducción de Ruido
Mediana Media
Gaussiano
Aleatorio

 Filtros temporales
 Se basan en la continuidad temporal de la información
 El ruido varía con el tiempo, la escena no
 Se realiza el promedio de varias imágenes de la misma
escena en distintos instantes
 No hay movimientos relativos escena - cámara
 La escena no cambia en el tiempo


 Ejemplo de filtro temporal

 Ejemplo de filtro temporal
Tabla de Contenidos
 Características de la
imagen
imagen
geométricas
morfológicas
Realce de la Imagen
 Aumento de la nitidez de la imagen
 Ventajas:
 Bordes más definidos
 Inconvenientes:
 Aumenta el nivel de ruido de la imagen
 Se producen “artifacts”: niveles de gris fuera del rango
definido por el entorno de vecindad
 “Sharpening” (Filtro lineal)
-a -a -a
-a 1+8a 8a-a Con 0 ≤ a ≤ 1
-a -a -a
Autor: S. Domínguez
Realce de la Imagen
Nitidez: 18.24 %
Realce de la Imagen
a=1.0
Nitidez: 18.24 %
Nitidez: ó3.51 %
Realce de la Imagen
a=1.0
a=0.3
Nitidez: 18.24 %
Nitidez: ó3.51 %
Nitidez: 38.70 %
Realce de la Imagen
Imagen con ruido Imagen filtrada Imagen realzada

Realce de la Imagen
 Realce de la imagen
 Aumento de la nitidez de la
imagen
 Manipulación del
histograma:
 Adecúa el rango de niveles
de gris de la imagen.
 Modifica el contraste.
 Aumenta el nivel de ruido
 Sea el histograma h(k)
 Función de distribución
Realce de la Imagen
 Manipulación del histograma
 Ecualización.
Histograma Inicial Histograma Final

Realce de la Imagen
 Ecualización.

Realce de la Imagen
 Ecualización.
Histograma Final
Realce de la Imagen
 Manipulación del Histograma. Ecualización

Realce de la Imagen
 Manipulación del Histograma. Ecualización

Realce de la Imagen
 Manipulación del Histograma. Ecualización

Realce de la Imagen
 Manipulación del Histograma. Stretching

Realce de la Imagen
 Manipulación del
histograma
 Ecualización.
 Stretching o
alargamiento.
 Autoescalado:
 se persigue que los extremos del histograma
se correspondan con unos valores prefijados.
 El resto se distribuye linealmente.
 Uniformiza imágenes tomadas en distintas condiciones o
por diversas cámaras
 Otras transformaciones:
 se persigue que h(g(l)) se asemeje alguna función
determinada: polinómica, exponencial,
logarítmica, ...
Tabla de
Contenidos
 Características de la
imagen
 Transformaciones de la
imagen
 Reducción del ruido
 Detección de bordes
 Transformaciones
geométricas
morfológicas
Detección de Bordes
 Borde:
 Cualquier discontinuidad que sufre alguna función de
intensidad sobre los puntos de la misma
 Tipos de bordes:
 Cambio brusco en la distancia cámara-objeto (dc)
 Cambio en la normal del objeto (n)
 Cambio en la reflectancia del objeto (r)
 Cambio en la proyección de la luz incidente (s)
f(x,y) f1(x,y) g(x,y) b(x,y) y=p(x)
o . l
Filtrad Extrac Umbra Local.
 Filtrado + Extracción = Detección de bordes

 Umbralización:
 Selecciona pixeles etiquetados como bordes
 Localización:
 Suministra información exacta de la posición y orientación
del borde
 En el dominio espacial
 Operadores derivada de los niveles de intensidad
 Comparaciones de funciones locales de intensidad
 Comparación con máscaras orientadas,
previamente definidas (template matching)
sión por computador
 Operadores basado s en la derivada
 Operadores derivada
 Discretización de las componentes del Gradiente
Gradiente de Roberts
)
δf (i, j -1 1 δf (i, j) -1 -1 0 0 -1
δi δj 0 1 1 0
1
 Detectores
Horizontal Vertical Diagonales
-1 -1 -1 -1 0 1 1 1 0 0 1 1
0 0 0 -1 0 1 1 0 -1 -1 0 1
1 1 1 -1 0 1 0 -1 -1 -1 -1 0
 Operadores derivada
Operador de Prewitt Operador de Sobel
-1 -1 -1 -1 0 1 -1 -2 -1 -1 0 1
0 0 0 -1 0 1 0 0 0 -2 0 2
1 1 1 -1 0 1 1 2 1 -1 0 1
 Estos operadores suministran dos componentes, que

permiten:
 Extraer la componente horizontal o vertical
 Obtener la raíz cuadrada de los cuadrados (norma dos)
 Obtener el máximo módulo (norma infinito)
 Obtener la suma de los módulos (norma uno)
 Obtener el argumento
Detector horizontal
Detector horizontal
Detector vertical
Detector horizontal
Detector vertical
Detector de Sobel
 Umbralización
 Etiquetado de los pixeles de borde
 Problemas
 Pérdidas de conectividad:
 bordes poco definidos
 filtrados muy fuertes
 umbral muy exigente
 Generación de bordes de
anchura múltiple:
 efectos del filtrado
 umbral poco exigente
 Existencia de falsos
bordes:
 presencia de ruido
 Tipos de Umbralización
 Operadores basados en la primera derivada
 Umbralización simple
 Umbral T único, define la existencia de borde
 g(x, y)>T entonces BORDE
 g(x, y)<T entonces NO BORDE
 Umbralización múltiple
 Dos o más umbrales, que definen dos imágenes resultado
 Determinación de máximos locales del gradiente.
Supresión de los no máximos (SNM)
 Tipos de Umbralización
 Operadores basados en la primera derivada
 Determinación de máximos locales del gradiente. Supresión
de los no máximos (SNM)
Imagen de Bordes
Umbral Único
Algunos bordes muy anchos
Se pierden otros bordes
Imagen de Bordes
Umbral Único
Algunos bordes muy anchos
Se pierden otros bordes
Imagen de Bordes
 Ejemplos de imágenes de borde umbralizadas
Imagen original Bordes (Sobel) Umbral

Imagen de Bordes
Para cada punto se calcula

el gradiente
Se obtiene el valor de los
vecinos en la dirección del
gradiente
Se suprimen los no máximos
Sólo permanecen los
máximos
Imagen de Bordes
Autor: S. Domínguez
 Operadores basados en la segunda derivada
 Cálculo de zero crossing o paso por cero
Intensidad
Píxel
Primera
derivada
Píxel
Segunda
derivada
Píxel
 Operadores segunda derivada
 Operador Laplaciana
0 1 0 1 1 1
1 -4 1 1 -8 1
0 1 0 1 1 1
 Comparaciones de funciones locales de intensidad:
 se obtiene la diferencia de dos imágenes con distinta
función local de intensidad y posteriormente se somete a
un proceso de Umbralización
Diferencia
Diferencia Multiplicada por 4

Umbralizada en 40
Umbralizada en ó0
 Comparación con máscaras orientadas,
previamente definidas (template matching)
 Cada máscara define una orientación de un posible
borde.
Hay que emplear tantas máscaras como orientaciones se
deseen detectar
Tabla de Contenidos
imagen
imagen
geométricas
morfológicas
Transformaciones Geométricas
 Transformaciones geométricas
 se persigue cambiar la disposición geométrica de
la imagen
 Homotecia, zoom:
 se aumenta o disminuye la resolución de la imagen
 Traslación
 Rotación
 Warping:

correcció
no
creación
de
distorsion
es
 Morphing:
 creación
Zoom
Zoom
Rotación
Zoom
Rotación
Warping
 Zoom de una imagen
 Expansión de la imagen 3 0 1 0 2
3 1 2 0 0 0 0 0
4 ó 5 4 0 ó 0 5
8 7 9 0 0 0 0 0
8 0 7 0 9
 Convolución de réplica
3 1 2 0 0 0 0 0
4 ó 5 4 0 ó 0 5
8 7 9 0 0 0 0 0
8 0 7 0 9
 Convolución de réplica
1 1 3 3 1 1 2
1 1 3 3 1 1 2
4 4 ó ó 5
4 4 ó ó 5
 Zoom de una imagen por Replicado

3 1 2 0 0 0 0 0
4 ó 5 4 0 ó 0 5
8 7 9 0 0 0 0 0
8 0 7 0 9
 Convolución de interpolación

3 0 1 0 2
 Expansión de la imagen
3 1 2 0 0 0 0 0
4 ó 5 4 0 ó 0 5
8 7 9 0 0 0 0 0
8 0 7 0 9
 Convolución
4 de
2 interpolación
2 3 2 1 1 2
4 1/2
1/4 2 1/4 3 3 3 3 3
1/2 1 1/2 4 5 ó 5 5
ó ó ó ó 7
 Zoom de una imagen por Interpolación
Tabla de Contenidos
imagen
imagen
geométricas
morfológicas
Transformaciones morfológicas
 Operaciones morfológicas
 Relacionadas con la estructura geométrica de
los objetos
 Depende del elemento estructurante
 En imágenes binarias:
 Erosión
 Dilatación
 Opening
 Closing
 Hit or Miss

Adelgazami
ento y
esqueletizac
ión
 Poda
 Erosión y Dilatación
0, 0 1,0 2,0 3,0 4,0 5,0
0, 1 1,1 2,1 3,1 4,1 5,1
0, 2 1,2 2,2 3,2 4,2 5,2
0, 3 1,3 2,3 3,3 4,3 5,3
0, 4 1,4 2,4 3,4 4,4 5,4
Elemento estructurante0, 5 1, 5 2,5 3, 54, 55,5
Imagen
Erosión: Min
0,0 1,0 2,0 3,0 4,0 5,0
0,1 1,1 2,1 3,1 4,1 5,1

Dilatación: Max
0,2 1,2 2,2 3,2 4,2 5,2
0,3 1,3 2,3 3,3 4,3 5,3
0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

Erosión: Min
0,0 1,0 2,0 3,0 4,0 5,0
0,1 1,1 2,1 3,1 4,1 5,1

Dilatación: Max
0,2 1,2 2,2 3,2 4,2 5,2
0,3 1,3 2,3 3,3 4,3 5,3
0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

Erosión: Min
0,0 1,0 2,0 3,0 4,0 5,0
0,1 1,1 2,1

2,1 3,1
3, 1 4,1 5,1
Dilatación: Max
0,2 1,2 2,2
2,2 3,2
3, 2 4,2 5,2
0,3 1,3
1,3 2,3 3,3 4,3 5,3
0,4 1,4 2,4 3,4 4,4 5,4
0,5 1,5 2,5 3,5 4,5 5,5

 Erosión de imágenes binarias
 Erosión de imágenes binarias
 Dilatación de imágenes binarias
 Dilatación de imágenes binarias
 Erosión de una imagen multinivel
 Erosión de una imagen multinivel
 Dilatación de una imagen multinivel
 Dilatación de una imagen multinivel
 Opening y closing
 Encadenamiento de operaciones
 Opening
 Erosión + Dilatación
 Closing
 Dilatación + Erosión
 Opening de orden 2
 Erosión + Erosión + Dilatación + Dilatación
 Closing de orden 2
 Dilatación + Dilatación + Erosión + Erosión
 Filtros alternativos
 Opening + Closing ; Closing + Opening
 Opening de una imagen binaria
 Opening de una imagen binaria
 Closing de una imagen binaria
 Closing de una imagen binaria
 Opening de una imagen multinivel
 Opening de una imagen multinivel
 Closing de una imagen multinivel
 Closing de una imagen multinivel
 Operaciones morfológicas
 Relacionadas con la estructura geométrica de
los objetos
 Depende del elemento estructurante
 En imágenes binarias:
 Erosión
 Dilatación
 Opening
 Closing
 Hit or Miss

Adelgazami
ento y
esqueletizac
ión
 Hit or Miss (imágenes binarias)
 Busca la existencia en la imagen de una
determinada estructura o morfología
1 x 0 0 x 1
0: Pixel a 0 en la imagen
1 x 0 0 x 1 1: Pixel a 1 en la imagen
1 x 0 0 x 1 x: Pixel indeterminado en la imagen
Elemento estructurante
 Hit or Miss (imágenes binarias)
1 x 0 0 x 1
0: Pixel a 0 en la imagen
1 x 0 0 x 1 1: Pixel a 1 en la imagen
x: Pixel indeterminado en la imagen
1 Elemento
x 0 estructurante
0 x 1
1 0 0 0 0 1 0 0 1 1 0 0
1 0 0 0 0 1 0 0 1 1 0 0
El
1 0 0 0 0 1 0 0 1 1 0 0
 Hit or Miss (Elemento estructurante anterior)
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
1 x 0 0 x 1
 Adelgazamiento: Determina la mínima
información posible, que cumpla
 No se pierde la conectividad (4 o 8)
 La anchura es la unidad
 Es rob usto ante el ruido
0 0 0 0 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 1
0 0 1 1 1 1
0 0 0 0 0 00 00 00 0
1 1 1 1 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 11 11 11 1
1 0 1 0 1 11 11 11 1
0 0 0 0 0 0
0 0 1 1 1 1
0 0 0 0 0 00 00 00 0
1 1 1 1 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 11 11 11 1
1 0 1 0 1 11 11 11 1
0 0 0 0 0 0
0 0 1 1 1 1
0 0 0 0 0 00 00 00 0
1 1 1 1 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 11 11 11 1
1 0 1 0 1 11 11 11 1
0 0 0 0 0 0
0 0 1 1 1 1
0 0 0 0 0 00 00 00 0
1 1 1 1 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 11 11 11 1
1 0 1 0 1 11 11 11 1
0 0 0 0 0 0
0 0 1 1 1 1
0 0 0 0 0 00 00 00 0
1 1 1 1 0 0
1 1 1 1 0 0
1 1 1 1 1 1
1 1 1 1 1 11 11 11 1
1 0 1 0 1 11 11 11 1
0 0 0 0 0 0
0 0 1 1 1 1
 Adelgazamiento frente a Erosión (I)
 Adelgazamiento frente a Erosión (II)
 Podamiento. Elimina
 Puntos aislados
 Puntos terminales
 Ramas de
pequeño tamaño
 Puntos aislados
 Ramas de
pequeño tamaño
I
m
a
 Puntos aislados
 Ramas de
pequeño tamaño
P
o
d
 Puntos aislados
 Ramas de
pequeño tamaño
P
o
d

III PreprocesamientoDesarrollo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

III PreprocesamientoDesarrollo

Cargado por

Copyright:

Formatos disponibles

Visión por computador

 Gaussiano: La distribución del ruido se asemeja a una

Imagen sin ruido Imagen con ruido correlado

Visión por computador

 Sea una imagen en pi

Visión por computador

 Error cuadrático normalizado

Imagen original Imagen dividida por 2

Imagen original Imagen umbralizada

Imagen original Imagen inversa

Imagen original Imagen ecualizada

Imagen original Imagen ecualizada

Imagen de entrada Imagen de salida

Imagen de entrada Imagen de salida

0,5 1,5 2,4

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

Reducción del Ruido

-a 1+8a 8a-a Con 0 ≤ a ≤ 1

Imagen con ruido Imagen filtrada Imagen realzada

Visión por computador

Histograma Inicial Histograma Final

Histograma Inicial Histograma Final

Histograma Inicial Histograma Final

Imagen original Imagen ecualizada

Imagen original Imagen ecualizada

Imagen original Imagen ecualizada

Imagen original Imagen ecualizada

f(x,y) f1(x,y) g(x,y) b(x,y) y=p(x)

 Filtrado + Extracción = Detección de bordes

 Estos operadores suministran dos componentes, que

Imagen original Bordes (Sobel) Umbral

Para cada punto se calcula

Diferencia Multiplicada por 4

 Zoom de una imagen

 Zoom de una imagen

0, 0 1,0 2,0 3,0 4,0 5,0

0, 1 1,1 2,1 3,1 4,1 5,1

0, 2 1,2 2,2 3,2 4,2 5,2

0, 3 1,3 2,3 3,3 4,3 5,3

0, 4 1,4 2,4 3,4 4,4 5,4

Elemento estructurante0, 5 1, 5 2,5 3, 54, 55,5

0,1 1,1 2,1 3,1 4,1 5,1

0,3 1,3 2,3 3,3 4,3 5,3

0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

0,1 1,1 2,1 3,1 4,1 5,1

0,3 1,3 2,3 3,3 4,3 5,3

0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

0,1 1,1 2,1

0,4 1,4 2,4 3,4 4,4 5,4

0,5 1,5 2,5 3,5 4,5 5,5

También podría gustarte