explotación de imágenes aéreas y espaciales con fines...
TRANSCRIPT
Miguel Ángel Manso Callejo
Explotación de imágenes aéreas y espaciales con fines cartográficos
Realce radio-métrico y espacial.
Miguel Ángel Manso Callejo
Realce de Imagen: Índice (1/3)
– Definiciones.– Cuantificación.– Muestreo.– Histograma.– Brillo y contraste.– Negativo de una imagen.– Compresión del rango dinámico.– Transformaciones del histograma.– Introducción a los sistemas lineales.– Respuesta impulsiva: convolución.
Miguel Ángel Manso Callejo
Realce de Imagen: Índice (2/3)
– Filtros.– Filtro paso bajo.– Filtro gausiano.– Filtro paso alto.– Filtro de mediana.– Filtro de máximo y mínimo.– Filtro de realce de relieve.– Filtros detectores de bordes: Robert,
Prewitt,Lineales, Sobel, Freeman, Kirsh.– Filtros normalizados paso alto.
Miguel Ángel Manso Callejo
Realce de Imagen: Índice (3/3)
– Transformada de Fourier.– Propiedades de la Transformada.– Transformada Discreta de Fourier.– Relaciones Análisis de TF. y TDF.– Filtrado en el dominio de la frecuencia.– Filtros Paso Bajo. Ideal y Butterworth.– Filtros Paso Alto. Ideal y Butterworth.– Filtrado de ruido coherente.
Miguel Ángel Manso Callejo
Imagen
Definiciones
Miguel Ángel Manso Callejo
Imagen (Definiciones)
• Imagen continua:– Función continua de variable continua.– {I(x,y) ,x ,y} ε R
• Imagen discreta:– Función continua de variable discreta.– I(n,m) ε R, n,m ε E
• Imagen digital:– Función discreta de variable discreta.– {I(m,n),m,n} ε E
Miguel Ángel Manso Callejo
Imagen (Definiciones)
• Imagen digital monocroma:– Cada píxel I(m,n) (m = 0,...,M-1, n=0,...,N-1) es un valor
numérico, almacenado como un número entero o en punto flotante (real o complejo).
• Imagen digital en color:– Cada píxel I(m,n) es un conjunto de tres valores, que
representan intensidades de luz roja, verde y azul.
• Imagen digital multibanda:– Cada píxel es un vector de n componentes. Se puede
considerar como n imágenes monocromas, que se denominan bandas.
Miguel Ángel Manso Callejo
Muestreo
Resolución de una imagen
Miguel Ángel Manso Callejo
Imagen (resolución)
• Muestreo:– Proceso por el cual una imagen continua se
convierte en discreta. Para ello se han de tomar muestras equiespaciadas en ambas direcciones.
• Resolución:– Número de píxeles en horizontal y vertical.
• Resolución espacial – Distancia que representa cada pixel.
Miguel Ángel Manso Callejo
Muestreo
• Teorema del muestreo:– Intervalo de muestreo debe ser menor
que el inverso del doble de la frecuencia máxima de la imagen. ∆x <= 1/2W
∆x
∆y
y
x
Miguel Ángel Manso Callejo
Ejemplo de muestreo
OriginalMitad frecuencia
Cuarto de frecuencia
Miguel Ángel Manso Callejo
Frecuencia de muestreo original
Miguel Ángel Manso Callejo
Frecuencia de muestreo mitad
Miguel Ángel Manso Callejo
Frecuencia de muestreo cuarto
Miguel Ángel Manso Callejo
Cuantificación
Agrupación de los niveles de luminosidad de una imagen
Miguel Ángel Manso Callejo
Imagen (Cuantificación)
• Cuantificación:– Proceso por el cual el valor real asociado a un
pixel se transforma en un valor entero.– Proceso por el cual una imagen discreta se
convierte en digital.
• Tipos de cuantificación:– Lineal,– Exponencial.– Logarítmicos.– Optimos.
Miguel Ángel Manso Callejo
Cuantificación
Uniforme
No uniforme
Miguel Ángel Manso Callejo
Problemas de la cuantificación
• Computacionalmente:– La reducción del número de niveles produce una
pérdida de información.• Desde el punto de vista humano:
– Más de 64 niveles de gris pasan desapercibidos para el ojo humano.
– Si se reducen demasiado aparecen falsos contornos en la escena.
– La capacidad para distinguir dos niveles de luminosidad depende del nivel medio y del tipo de escena.
Miguel Ángel Manso Callejo
Ejemplos cuantificación lineal256 niveles 64 niveles
16 niveles 8 niveles
Miguel Ángel Manso Callejo
Imagen cuantificada a 8 bits
Miguel Ángel Manso Callejo
Imagen cuantificada a 6 bits
Miguel Ángel Manso Callejo
Imagen cuantificada a 4 bits
Miguel Ángel Manso Callejo
Imagen cuantificada a 3 bits
Miguel Ángel Manso Callejo
Ejemplos cuantificación no lineales
Original
Exponencial
Logarítmico
Miguel Ángel Manso Callejo
Histogramas
Transformaciones del histograma.
Miguel Ángel Manso Callejo
Histograma
• Histograma de una imagen digital:– Frecuencia absoluta de aparición de los niveles
de luminosidad dentro de la imagen.– hI(i)= Número de elementos de I iguales a i, i=
0,....,P-1– Se puede ver como la función de distribución de
probabilidad.
• Histograma bidimensional:– Matriz de valores que computa la relación de los
niveles de luminosidad entre dos imágenes.
Miguel Ángel Manso Callejo
Histograma
0 1 2 3 4 5 6 7 8 9
Miguel Ángel Manso Callejo
Brillo y Contraste
• Brillo:– Se define como la intensidad media de los
píxeles de la imagen. Mayor intensidad media mayor brillo.
• Contraste:– Se entiende como la distribución de los
niveles de gris en la imagen. Más distribuidos más contraste.
Miguel Ángel Manso Callejo
Negativo de una imagen
• Se define matemáticamente como:Neg(x,y) = (L-1) - Pos(x,y) ; L= número max niveles
Miguel Ángel Manso Callejo
Compresión del rango dinámico
• El objetivo es comprimir el rango dinámico de los niveles de luminosidad.Se pueden utilizar formas logarítmicas o raices:
s = c *log(1+|r|) s’ = c * (|r|)1/2
Sin comprimir Compresión logarítmica Compresión Raiz
Miguel Ángel Manso Callejo
Compresión Logarítmica
Miguel Ángel Manso Callejo
Compresión por raiz
Miguel Ángel Manso Callejo
Modificación del histograma.
• Objetivo:– Hacer más fácilmente visible al ojo humano la
información presente en la imagen, aumentando el rango dinámico (total o parcialmente) de la misma.
– Proporciona una imagen I’ a partir de una imagen I, de la forma I’(x,y)=f(I(x,y))
– También se utiliza para la corrección de alinealidades del sensor : por ejemplo corrección gamma.
Miguel Ángel Manso Callejo
Extensión del histograma
• Sea una imagen monobanda I, si se estima que la información útil se encuentra en el rango de valores de luminosidad [a,b] se puede aplicar el operador de amplitud caracterizado por f definido como: m si x < a
f(x) = M si x> b m+(x-a)(M-m)/(b-a) si a<=x<=b
Mm
a b
Miguel Ángel Manso Callejo
Ejercicio de expansión lineal
– Sea una imagen con el siguiente histograma numérico:
– Calcule el resultado de la transformación lineal del histograma.
i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15H(i) 0 0 0 5 5 10 15 60 60 40 30 10 5 0 0 0
i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15H(i)
Miguel Ángel Manso Callejo
Transformación lineal con umbralización
• Se trata de tomar el histograma de la imagen, definir uno o dos umbrales (superior y/o inferior), definir entre el mínimo o umbral inferior, y el máximo o umbral superior una transformación lineal como la anterior.
Mm
a b
Miguel Ángel Manso Callejo
Ejercicio de expansión lineal saturada
– Sea una imagen con el siguiente histograma numérico:
– Calcule el resultado de la transformación lineal saturando hasta el 4 y desde el 12.
i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15H(i) 0 0 0 5 5 10 15 60 60 40 30 10 5 0 0 0
i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15H(i)
Miguel Ángel Manso Callejo
Ecualización de histograma.
• Esta técnica para realce de imágenes consiste en hallar f no decreciente tal que Hi’(z) = kz (recta). Esta técnica se denomina ecualización de histograma, porque da lugar (teóricamente) a una imagen con una distribución uniforme de niveles.
• Se define la ecualización con la siguiente expresión:
• A= T/N• T= nº total de pixeles• N= nº intervalos• Bi= intervalo asignado a los• píxeles con valor i.
Σi -1
k =1Hk + ---Hi
2A
Bi = int
Miguel Ángel Manso Callejo
Ejercicio Ecualización
• Dado el siguiente histograma numérico calcular el histograma de la ecualización del mismo:
i 0 1 2 3 4 5 6 7 8 9H(i) 5 5 10 15 60 60 40 30 10 5
i 0 1 2 3 4 5 6 7 8 9
H’(i)
Miguel Ángel Manso Callejo
Ejemplo ecualización de histograma
0 1 2 3 4 5 6 7 8 9
A=24
0 1 2 3 4 5 6 7 8 9
A= 24
Miguel Ángel Manso Callejo
Sistemas lineales.
Introducción a los sistemas lineales, causales e invariantes.
Miguel Ángel Manso Callejo
Sistema Lineal,Causal e Invariante
• Linealidad:– x1[n] --> y1[n],– x2[n] --> y2[n] – entonces a*x1[n] + b*x2[n] --> a*y1[n] + b*y2[n]
• Causalidad:– si x[n] = 0 n<0 entonces y[n]=0 n<0
• Invarianza:– x[n] --> y[n]– x[n-N] --> y[n-N]
Miguel Ángel Manso Callejo
Respuesta impulsiva:
• Se denomina respuesta impulsiva de un sistema a la salida de este ante una entrada de forma impulso de amplitud unitario y duración un instante (píxel).
• H[n] = y[n] para x[n] = δ[n]• y[n] = x[n] * h[n] siendo * la operación
convolución.X[n]
H[n]Y[n]
Miguel Ángel Manso Callejo
Convolución
• Convolución discreta en 1 dimensión:
• Convolución discreta en 2 dimensiones
N-1 M-1
i’=0 j’=0(x*h)[i,j] = Σ Σ x[i’,j’]h[i-i’,j-j’]
y[i]= x[i]*h[i] = Σ jx[i] h[i-j]
Miguel Ángel Manso Callejo
Ejercicio de convolución
– Sean las señales x[n] y h[n], las siguientes calcule la convolución de las mismas.
0 1 2 3 4 5 x[n] 0 1 2 3 4 5 h[n]
121
Miguel Ángel Manso Callejo
Convolución
Imagen inicialImagen filtrada
Σ *C
Núcleo del filtro
Matriz deproductos
Sumador
Miguel Ángel Manso Callejo
Filtros espaciales
• Filtros Lineales:– Paso Bajo ( Media ):
• Generalización de imagen.– Filtro Paso alto:
• Extracción de áreas con cambios abruptos.– Filtro extractor de bordes:
• Extracción de áreas con cambios graduales.– Filtros detectores de líneas:
• Extraen líneas según distintas direcciones.
Miguel Ángel Manso Callejo
Filtro paso bajo
• La matriz de filtro estandar es:1 1 11 1 11 1 1
1/9
•Un filto paso bajo normalizado que puede utilizarse es el que se define de la siguiente forma:
1 a 1a a2 a1 a 1
1
a + 20 <= a <= 9
Miguel Ángel Manso Callejo
Ejemplo aplicación FPB normalizado
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Filtro gausiano
• La expresión del filtro es la siguiente:
Gσ (x,y) = 1
( 2 π σ2)1/2e
x2 + y2
2σ2
Un filtro de 3 * 3 con σ = 1 tendría el siguiente núcleo
0.1467 0.2420 0.14670.2420 0.399 0.24200.1467 0.2420 0.1467
Miguel Ángel Manso Callejo
Ejemplo imagen filtrada Gaus
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Filtro paso alto
• La definición es sencilla:Img PA = Img original - Img PB
• Ejemplos de diseño máscara paso alto son:-1 -1 -1-1 9*k-1 -1-1 -1 -1
1k>=1
9
0 -a 0-a b -a0 -a 0
1 b> 4*ac = b -4*ac
Miguel Ángel Manso Callejo
Ejemplo filtro paso alto
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Filtros espaciales:
• Filtros No Lineales:– Suavizadores ( Mediana ):
• Eliminar ruido aleatorio (sal, pimienta).– Filtro de Moda
• Rellenar huecos en áreas (vector --> raster).– Máximo.– Mínimo.
Miguel Ángel Manso Callejo
Filtro de mediana
• Útil para eliminar ruido sin difuminar la imagen. Válido para ruido impulsivo, aunque provoca pérdida de resolución.
• Algorítmo:– Se toman los calores de los píxeles encerrados en la
ventana y se les ordena, el valor central de esta ordenación es el que se asigna al pixel central de la imagen filtrada
3 4 5 7 1 24 3 0 4 3 45 1 4 5 6 57 3 6 4 2 26 4 5 4 3 4
Miguel Ángel Manso Callejo
Ejemplo filtro mediana
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Filtro de máximo y mínimo
• Filtro de máximo:– Este filtro compara el valor del pixel con
el de los vecinos y asigna el máximo.
• Filtro de mínimo:– Este filtro compara el valor del pixel con
el de los vecinos y asigna el mínimo.
Miguel Ángel Manso Callejo
Filtro de realce en relieve
• Objetivo: Hacer que la imagen aparezca como si estuviera hecha en piedra.
• Como construir la ventana:Dimensiones n*n siendo n impar.Los pesos deben ser asimétricos (+ - )
alrededor del centro.La suma de los pesos debe ser 0La suma de los pesos centrales debe ser 0
Miguel Ángel Manso Callejo
Ejemplos filtrado en relieve-1 0 00 0 00 0 1
1 4 -23 0 -32 -4 -1
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Filtros detectores de bordes
• Un borde o discontinuidad es:– Transición o cambio significativo
intesidad, amplitud, color o textura sobre la imagen.
• Detección de bordes.– Pasa por encontrar aquellos puntos en los
que la segunda derivada se hacen 0. Para imágenes se trabaja con gradientes (1ª derivada) y Laplacianos (2ª derivada)
Miguel Ángel Manso Callejo
Ventana de Robert
• Se basa en la aproximación de la derivada por diferencias entre píxeles vecinos.
• Las máscaras detectoras de bordes horizontales, verticales, 45º y -45º son:
0 0 00 1 -10 0 0
0 0 00 1 00 -1 0
0 0 00 1 00 0 -1
0 0 00 1 0-1 0 0
Miguel Ángel Manso Callejo
Ventana Prewitt
• Las máscaras sugeridas por Prewitt son:
-1 -1 -10 0 01 1 1
-1 0 1-1 0 1-1 0 1
1 1 10 0 0-1 -1 -1
1 0 -11 0 -11 0 -1
0 1 1-1 0 1-1 -1 0
0 -1 -11 0 -11 1 0
-1 -1 0-1 0 10 1 1
1 1 01 0 -10 -1 -1
N
S
NE
SO
E
O
SE
NO
Miguel Ángel Manso Callejo
Ejemplo filtro Prewitt SE
Sin filtrar Filtrada
Miguel Ángel Manso Callejo
Ventanas lineales detectoras de bordes
0 0 0-1 0 10 0 0
0 1 00 0 00 -1 0
•Dos máscaras lineales detectoras de bordes son:
Miguel Ángel Manso Callejo
Ventanas de Sobel
• Se trata de filtros no lineales detectores de bordes que producen un efecto de suavización
-1 -2 -10 0 0 1 2 1
-1 0 1-2 0 2-1 0 1
Miguel Ángel Manso Callejo
Ejemplo filtro sobel
Vertical
Horizontal
Suma
Miguel Ángel Manso Callejo
Máscara normalizada filtros paso alto
• Existe la siguiente máscara normalizada para los filtros paso altos entre los que se incluyen los detectores de bordes:
1 -b 1-b b2 -b1 -b 1
1
b + 2
Miguel Ángel Manso Callejo
Máscaras de Freeman
-1 -1 -11 -2 11 1 1
-1 1 1-1 -2 1-1 1 1
1 1 11 -2 1-1 -1 -1
1 1 -11 -2 -11 1 -1
1 1 1-1 -2 1-1 -1 1
1 -1 -11 -2 -11 1 1
-1 -1 1-1 -2 11 1 1
1 1 11 -2 -11 -1 -1
•Son máscaras similares a las de Prewitt con todos losvalores distintos de 0 y el central -2
Miguel Ángel Manso Callejo
Máscaras de Kirsh
-3 -3 -3-3 0 -35 5 5
-3 -3 5-3 0 5-3 -3 5
5 5 5-3 0 -3-3 -3 -3
5 -3 -35 0 -35 -3 -3
-3 5 5-3 0 5-3 -3 -3
-3 -3 -35 0 -35 5 -3
-3 -3 -3-3 0 5-3 5 5
5 5 -35 0 -3-3 -3 -3
Miguel Ángel Manso Callejo
Laplaciano
• La máscara del operador laplaciano para ser aplicada mediante convolución es la siguiente:
0 -1 0-1 4 -10 -1 0
Miguel Ángel Manso Callejo
Ejemplo uso filtro Laplaciano
Miguel Ángel Manso Callejo
Análisis de Fourier.
Análisis de imágenes no periódicas.
Miguel Ángel Manso Callejo
Transformada de Fourier
• Se define la transformada de Fourier (TF) de la imagen continua x como la imagen continua X=F(x)
• La transformada inversa como x= F-1(X)
X(w1,w2) = X(x1,x2) exp[ -j(w1 x1+w2 x2)] dx1dx2
x(x1,x2) = 1/ 4π 2 X(w1,w2) exp[ j(w1x1,w2 x2)] dw1 dw2
Miguel Ángel Manso Callejo
Propiedades de la TF
• Linealidad.• Escalado:
– x(ax1,bx2) --> 1/|ab| X(w1/a,w2/b)• Desplazamiento:
– x(x1-a,x2-b) --> X(W1,w2)e -j(w1a+w2b)
• Convolución:– F(x*y) = F(x) F(y)
Miguel Ángel Manso Callejo
Transformada Discreta de Fourier
• La transformada de Fourier en el dominio discreto se puede expresar de la siguiente forma:
Miguel Ángel Manso Callejo
Relaciones fundamentales del análisis de Fourier
Miguel Ángel Manso Callejo
Ejemplo transformada de Fourier
Miguel Ángel Manso Callejo
Equivalencias dominio espacial-espectral
X[t]H[t]
Y[t]
X[t]H
Y[t]FFT FFT-1
producto
X Y
Miguel Ángel Manso Callejo
Filtrado paso Bajo Ideal
Y(u,v) = H(u,v) X(u,v)
1 si D(u,v)<=DoH(u,v) =
0 si D(u,v)>Do
D(u,v) = (u2 + v2)1/2
Do : Frecuencia de Corte
H(u,v)
v
u
H(u,v)
D(u,v)Do0
1
Miguel Ángel Manso Callejo
Resultado filtro Paso bajo ideal (Fourier)
Miguel Ángel Manso Callejo
Filtro Paso Bajo de Butterworth
Y(u,v) = H(u,v) X(u,v)
1H(u,v) = ------------
1+[D(u,v)/Do]2n
D(u,v) = (u2 + v2)1/2
n : orden del filtroDo : Frecuencia de Corte
1 2 3
H(u,v)
D(u,v)/Do
10.50
Miguel Ángel Manso Callejo
Filtrado paso Alto Ideal
Y(u,v) = H(u,v) X(u,v)
0 si D(u,v)<=DoH(u,v) =
1 si D(u,v)>Do
D(u,v) = (u2 + v2)1/2
Do : Frecuencia de Corte
H(u,v)
v
u
H(u,v)
D(u,v)Do0
1
Miguel Ángel Manso Callejo
Resultado Filtro Paso alto ideal (Fourier)
Miguel Ángel Manso Callejo
Filtro Paso Alto de Butterworth
Y(u,v) = H(u,v) X(u,v)
1H(u,v) = ------------
1+[Do/D(u,v)]2n
D(u,v) = (u2 + v2)1/2
n : orden del filtroDo : Frecuencia de Corte
H(u,v)
Do/D(u,v)1 2 3
10.50
Miguel Ángel Manso Callejo
Ruido coherente
Eliminación mediante máscaras del ruido coherente.
Miguel Ángel Manso Callejo
Ruido coherente en una imagen.
• Situaciones:– El número de periodos exacto a lo largo
de la imagen:• Espectro 2 deltas.
– El número de periodos no exacto:• Espectro son 2 líneas horizontales y 2
verticales.
Miguel Ángel Manso Callejo
Eliminación del ruido coherente
X[t]H
Y[t]FFT FFT-1
producto
X Y
HH, se construye con una imagen fondo 1a la que se le añaden líneas y puntos 0, según las frecuencias etc.
Miguel Ángel Manso Callejo
Ejemplo de imagen con ruido coherente
Miguel Ángel Manso Callejo
Espectro antes y después de eliminar el ruido
Miguel Ángel Manso Callejo
Imagen sin ruido periódico