Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesamiento Digital de
Imágenes
Objetivo:
Remover objetos
Remover problemas por movimiento o
desenfoque.
Mejorar ciertas propiedades (color, contraste,
brillo, etc.).
Visión Artificial
• Extraer características de la imagen para su
descripción e interpretación por una
computadora.
Objetivos:
Determinar la localización y tipo de objetos en
la imagen.
Construir una representación tridimensional de
un objeto.
Analizar un objeto para determinar sus
características.
Aplicaciones
Aplicación:
Mala Buena
Iluminación
• La iluminación también juega un papel muy
importante en el proceso de adquirir buenas
imágenes aptas para procesamiento
Detección de Bordes
Segmentación
Segmentación
Proyectos de Visión Artificial
Proyectos de Visión Artificial
Experimento No. 8
Representación
Segmentación y
descripción
Preprocesado
Adquisición de la
imagen
Introducción
• La adquisición de la imagen consiste en la
obtención de una señal visual del mundo
analógico al digital (cámara fotográfica, video,
escáner, etc.).
1 punto en
Normal 8 píxel
Introducción
Normal
Ruido
Gaussiano
Ruido
Correlado Ruido
Aleatorio
Brillo
• Se define como brillo al nivel medio de gris de
una imagen.
Brillo Brillo
104 56
Contraste
• Es la variación de gris de un punto respecto al
brillo de la imagen. Se puede definir de forma
aproximada con bajo consumo de recursos
computacionales como:
ECT=28.957,
ECN=26.536%
Transformaciones Punto a Punto
• Son las transformaciones más simple sobre
una imagen o señal.
Original Inversa
Adquisición de Imágenes
• Una imagen no es otra cosa que una señal
(función en el tiempo),la cual representa un
conjunto de puntos en un plano cartesiano y en
donde cada punto tiene asociado un valor de
intensidad (color) de un rango válido.
try {
if( !tracker.waitForID( 1,10000)) {
PixelGrabber
System.out.println( "Error en la carga" );
System.exit( 1 );}
} catch( InterruptedException e ){
System.out.println( e );}
• Función de transformación:
q p
Operador Identidad
Imagen 1 Transformación
Operador Inverso o Negativo
• Este operador crea una imagen de salida que
es la inversa de la imagen de entrada.
q 255 p
Operador Inverso o Negativo
Imagen 1 Transformación
Operador Umbral
• Se crea una imagen de salida binaria a partir
de una imagen de grises, donde el nivel de
transición está dado por el parámetro de
entrada p1.
• Función de transformación:
0 para p p1
q
255 para p p1
Operador Umbral
Imagen 1 Transformación
p1 150
Operador Umbral Binario
• Esta clase de transformación crea una imagen
de salida binaria a partir de una imagen de
grises, donde todos los valores de gris cuyo
nivel está en el intervalo definido por p1 y p2
son transformados a 255, y todos los valores
fuera de ese intervalo a 0.
• Función de transformación:
255 para p p1 ó p p2
q
0 para p1 p p2
Operador Umbral Binario
Operador Intervalo Umbral Binario
Imagen 1 Transformación
p1 40 p2 190
Operador Intervalo Umbral Binario
Invertido
• Esta clase de transformación crea una imagen
de salida binaria a partir de una imagen de
grises, donde todos los valores de gris cuyos
niveles están en el intervalo definido por p1 y
p2 son transformados a 0, y todos los valores
fuera de ese intervalo a 255.
• Función de transformación:
0 para p p1 ó p p2
q
255 para p1 p p2
Operador Intervalo de Umbral
Binario Invertido
Operador Intervalo de Umbral
Binario Invertido
Imagen 1 Transformación
p1 40 p2 190
Operador Umbral Escala de Grises
Se crea una imagen de salida con los únicos
valores de nivel de gris comprendidos en el
intervalo definido por p1 y p2, y el resto a 255.
Función de transformación:
255 para p p1 ó p p2
q
p para p1 p p2
Operador Umbral Escala Grises
Imagen 1 Transformación
p1 40 p2 190
Operador Umbral Escala Grises
Invertido
• Se crea una imagen de salida con los únicos
valores de nivel de gris invertidos
comprendidos en el intervalo definido por p1 y
p2, y el resto a 255.
• Función de transformación:
255 para p p1 ó p p2
q
255 p para p1 p p2
Operador Umbral Escala de Grises
Invertido
Imagen 1 Transformación
p1 40 p2 190
Operador de Extensión
• Proporciona una imagen de salida con la
escala de grises completa correspondiente al
intervalo de entrada definido por p1 y p2, y
suprime todos los valores fuera de este rango.
• Función de transformación:
0 para p p1 ó p p2
q
255
( p p1 ) para p1 p p2
p2 p1
Operador de Extensión
Imagen 1 Transformación
p1 40 p2 190
Operador de Reducción del Nivel
de Gris
• Proporciona una imagen de salida con un
menor número de niveles de gris respecto de la
imagen original de entrada, la imagen de
entrada es reducida a n+1 niveles de gris.
• Función de transformación:
0 para p p1
q para p p p 2
1 1
q q2 para p2 p p3
...
qn para pn 1 p 255
Transformaciones de 2 imágenes
• La transformación de dos imágenes
generalmente hace referencia a que se utiliza
otra matriz para modificar cierto aspecto de los
atributos de la señal original. Por ejemplo la
intensidad, los tonos de luz, etc.
Imagen
original con ruido
Gausiano
Diferencia
Diferencia multiplicad
entre las a por 6
imagen
Transformaciones de Dos
Imágenes
c x , y f D (a x , y , bx , y )
Rx , y f D (a ( x, y ), b( x, y ))
Transformación Punto a Punto
Suma (Adición)
• La adición puede utilizarse para reducir los
efectos del ruido en la imagen.
Imagen 2 Imagen 3
1 2 1
0 0 0
1 2 1
Imagen 1 Transformación
Operador Vecindad Mayor
Contraste
• Con la máscara siguiente se obtiene mayor
contraste: 0.1667 0.6667 0.1667
0.6667 4.3333 0.6667
0.1667 0.6667 0.1667
Imagen 4 Transformación
Transformaciones Globales
• La transformación depende de todos los puntos
de la imagen. Pueden utilizarse estadísticos
como en la ecualización o máximos y mínimos
para el escalado de imágenes.
Transformaciones Globales
Vecindad a 4 Vecindad a 8
Reducción de Ruido
• Los operadores de vecindad permiten definir
filtros para la eliminación de ruido en las
imágenes.
Entorno
de
vecindad
Imagen
con ruido Imagen
gausisano Filtrada
s=5
Reducción de Ruido
• Existen otros filtros como los no lineales o
estadísticos. Donde el algoritmo y los
entornos de vecindad cambian.
– AND.
– OR.
– XOR.
Transformaciones Lógicas
Imagen 5 Imagen 6
• Transformada de Fourier.
• Transformada de Hadamard-Walsh.
• Transformada de Karhunen-Loève (KLT).
• Transformada discreta del coseno (DLT).
Transformaciones Globales
• Transformada de Hough.
• http://isa.umh.es/titere/tutorial/vision/