procesamiento de imagenes alumnos
TRANSCRIPT
![Page 1: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/1.jpg)
PROCESAMIENTO DE IMAGENES PROCESAMIENTO DE IMAGENES
ALUMNOS:García Ledesma Cuauhtémoc
ALUMNOS:García Ledesma CuauhtémocGarcía Ledesma CuauhtémocGarcía Martínez SinuhéGarcía Ledesma CuauhtémocGarcía Martínez Sinuhé
MATEMATICAS AVANZADAS
Profesor:Dr. Erick Luna Rojero
![Page 2: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/2.jpg)
Mejoramiento de la imagen
• Previo a obtener características:– resaltar aspectos deseados,– eliminar ruido, mejorar contraste, etc.eliminar ruido, mejorar contraste, etc.
• Técnicas de pre-procesamiento:– operaciones puntuales,– ecualización por histograma,– filtrado.
![Page 3: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/3.jpg)
FiltradoFiltrado
• Filtrar una imagen consiste en aplicar una transformación de forma que se acentúen o qdisminuyan ciertos aspectos
g(x y) = T[f(x y)]g(x,y) = T[f(x,y)]
![Page 4: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/4.jpg)
Tipos de Filtros
• Dominio espacial - convolución
g(x,y) = h(x,y) * f(x,y)g( ,y) ( ,y) f( ,y)
• Dominio de la frecuencia multiplicación +• Dominio de la frecuencia - multiplicación + transformadas de Fourier
G(u,v) = H(u,v) F(u,v)
![Page 5: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/5.jpg)
Filtrado en el dominio de laFiltrado en el dominio de la frecuencia
![Page 6: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/6.jpg)
Filtros en frecuencia
• Se realiza una transformación de la imagenSe realiza una transformación de la imagen al dominio de la frecuencia mediante la transformada de Fouriertransformada de Fourier
• Esto permite que el filtrado sea más sencillo (multiplicación) y pueda ser más preciso en frecuencia
![Page 7: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/7.jpg)
Transformadas
• Transformado de FourierF(u) = ∫ f(x)e[-j2πux]dx
• Transformada inversaf(x) = ∫ F(u)e[j2πux]du
![Page 8: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/8.jpg)
Ejemplosf(t) F(w)Ejemplos F(w)
![Page 9: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/9.jpg)
Transformadas de 2 variables
• Para el caso de una imagen se requiere aplicar la transformación en 2-D
• Transformado de FourierTransformado de FourierF(u) = ∫ ∫ f(x,y)e[-j2π(ux+vy)]dxdy
• Transformada inversa• Transformada inversaf(x) = ∫ ∫ F(u,v)e[j2π(ux+vy)]dudv
![Page 10: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/10.jpg)
Transformadas discreta
• Para el caso de una imagen digital se aplica la f d di d F i (DFT)transformada discreta de Fourier (DFT)
• Transformado de Fourier
F(u) = (1/MN)Σ Σ f(x,y)e[-j2π(ux/M+vy/N)]
T f d i• Transformada inversa
f(x) = Σ Σ F(u,v)e[j2π(ux/M+vy/N)]( ) ( , )• Existe una forma eficiente de implementar la DFT
llamada transformada rápida de Fourier (FFT)llamada transformada rápida de Fourier (FFT)
![Page 11: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/11.jpg)
Propiedades
• Separabilidad• Traslación• Rotación• Rotación• Periodicidad y simetría• Convolución
![Page 12: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/12.jpg)
Filtrado
• Se aplica la Transformada de Fourier• Se aplica el filtro• Se aplica la transformada inversa• Se aplica la transformada inversa
![Page 13: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/13.jpg)
Ti d FiltTipos de Filtros
• Pasa bajos
• Pasa banda
• Pasa altos• Pasa altos
• Filtros ideales• Filtros butterworth
![Page 14: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/14.jpg)
Filtro ideal pasa bajos
![Page 15: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/15.jpg)
Filtro Butterworth pasa-bajos
![Page 16: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/16.jpg)
Filtrado Adaptable
• Los filtros de suavizamiento tienden a li i i d d i t t ( jeliminar propiedades importantes (p. ej.
orillas) de la imagen• Filtros adaptables:
– Remover ruido y al mismo tiempo preservar las y p porillas
– Suavizar sólo en ciertas regiones de la imageng g– Donde suavizar depende del gradiente local de
la imageng
![Page 17: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/17.jpg)
Filtrado AdaptableSuavizar(bajo gradiente)(bajo gradiente)
Mantener orillas( l di )(alto gradiente)
![Page 18: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/18.jpg)
Filtros adaptables
• Filtro de mediana• Difusión anisotrópica• Campos aleatorios de Markov• Campos aleatorios de Markov• Filtrado gaussiano no-lineal• Filtrado gaussiano adaptable
![Page 19: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/19.jpg)
Filtrado gaussiano adaptable
• Aplicar varios filtros gaussianos de forma l d i ió tá d d d d lque la desviación estándar dependa del
gradiente local• Para estimar el gradiente se utiliza el
concepto de espacio de escalasp p• Se obtiene la escala de cada región
(máscara) de la imagen y en base a esta se(máscara) de la imagen y en base a esta se define la σ del filtro para esa región
![Page 20: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/20.jpg)
Escala
• Se refiere al nivel de detalle de la imagen– Escala “grande” – mucho detalle– Escala “pequeña” – poco detalle
• Si se filtra una imagen con gaussianas de diferente σ, al ir aumentando la σ se va d e e te σ, a au e ta do a σ se vadisminuyendo la escala
• Existe una escala “óptima” para cada región• Existe una escala óptima para cada región de la imagen
![Page 21: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/21.jpg)
Escala
Alta escala(alto gradiente)(alto gradiente)
Baja escala(b j di )(bajo gradiente)
![Page 22: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/22.jpg)
E l ó tiEscala óptima• Una forma de obtener la mejor escala es aplicar
varios filtros gaussianos a diferente σ, y quedarse l j d d l i i i d MDLcon el mejor de acuerdo al principio de MDL
• MDL – minimizar el # de bits de la imagen fil d l l i i lfiltrada y el error respecto a la original
I(x,y) = Iσ(x,y) + ε(x,y)• Se puede demostar [Gómez 00] que la longitud de
descripción se puede estimar comodI(x,y) = ( λ / σ2 ) + ε2
• Entonces se calcula dI para cada región y se selecciona la σ que de el menor valor
![Page 23: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/23.jpg)
Algoritmo
1. Seleccionar la escala local2. Filtrar cada punto (región) con un filtro
gaussiano con la σ óptimagaussiano con la σ óptima, correspondiente a la escala local
b l i fil d3. Obtener la imagen filtrada
![Page 24: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/24.jpg)
Ejemplo – imagen original (con ruido gaussiano)
![Page 25: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/25.jpg)
M dMapa deescalasescalas
![Page 26: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/26.jpg)
Filtradacon
difusióndifusiónanisotrópica
50iteracionesiteraciones
![Page 27: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/27.jpg)
Filtradacon
difusióndifusiónanisotrópica
80iteracionesiteraciones
![Page 28: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/28.jpg)
Filtradacon
filfiltro gaussianogaussianono-lineal
![Page 29: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/29.jpg)
Filtradacon
filfiltrogaussianogaussianoadaptable
![Page 30: PROCESAMIENTO DE IMAGENES ALUMNOS](https://reader035.vdocuments.net/reader035/viewer/2022062719/62b7d439941cd965fb0033f0/html5/thumbnails/30.jpg)
Referencias
• [González] Capítulo 3 (3.4, 3.5), 4• [Sucar] Capítulo 2• G Gómez J L Marroquín L E Sucar• G. Gómez, J.L. Marroquín, L.E. Sucar,
“Probabilistic estimation of local scale”, IEEE-ICPR, 2000.