utp pd_iy_va_sap3 operaciones, transformaciones y conversiones

Procesamiento de Imágenes

y Visión Artificial

(WEE2)

Sesión: 3

Ing. José C. Benítez P.

Operaciones, transformaciones y conversiones

Logros de aprendizaje

1. Conocer las operaciones lógicas y aritméticas aplicadas a

los diferentes tipos de imágenes digitales.

2. Procesar espacialmente las imágenes digitales.

3. Conocer los métodos de conversión de las imágenes

digitales RGB a escala de grises.

2

3

Contenido

Operaciones, transformaciones y conversiones:

• Operaciones con imágenes.

• Procesamiento espacial de imágenes.

• Métodos de conversión RGB a escala de grises.

Operaciones con imágenes

� Operaciones lógicas y aritméticas.

o Operaciones lógicas.

o Suma.

o Resta.

� Operaciones geométricas.

o Traslaciones.

o Magnificaciones.

o Rotaciones.

o Interpolaciones

� Procesamiento espacial.

o Convolución.

o Correlación.

o Convolución y correlación.

5

Operaciones lógicas

AND

6


OR

7


NOT

8

Operaciones aritméticas

SUMA

9


RESTA

10


OVERFLOW

11

Operaciones Geométricas

TRASLACIONES

12


MAGNIFICACIONES

13


ROTACIONES

14


INTERPOLACIONES

15


INTERPOLACIONES

16


INTERPOLACIONES

17


INTERPOLACIONES

18


INTERPOLACIONES. Formas:

• Vecino más próximo

• Bilineal

• Bicúbica

19


INTERPOLACION: Vecino mas próximo

20


INTERPOLACION. Bilineal

21


INTERPOLACION: Bicúbica

22

Procesamiento espacial

Definición


23

Dominio espacial: Filtros lineales


24

Dominio espacial: Filtros lineales


25

Convolución


26

Convolución


27

Convolución


28

Convolución


29

Convolución


30

Convolución. Ejemplo


31

Convolución. Resultados


32

Correlación


33

Correlación


34

Correlación


35

Ejemplo de

Correlación


36

Observaciones y dificultades


37

Observaciones y dificultades


38

Tratamiento de bordes


39

Tratamiento de bordes. Soluciones


40



41


42

Convolución y correlación en MatLab


>>a = [0 1 2 1 0]>>stem(a)>>b =[1 0 1]>>stem(b)>>c = conv(a,b)>>stem(c)

c = a * b c = [0 1 2 2 2 1 0]

43



>>a=[0 0 0 1 1 1 0 0 0;0 0 0 1 1 1 0 0 0;0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0];>>imshow(a);>> b=[1 1 1 0 0 0 1 1 1; 1 1 1 0 0 0 1 1 1; 1 1 1 0 0 0 1 1 1]>>imshow(b)>>c = conv2(a,b)>>imshow(c)

>> size(a)ans =

5 9>> size(b)ans =

3 9>> size(c)ans =

7 17

44



45



46



>> a=magic(5)a =

17 24 1 8 1523 5 7 14 164 6 13 20 2210 12 19 21 311 18 25 2 9

>> h=[-1 0 1]h =

-1 0 1Filtro usando la correlacion

>> imfilter(a,h)ans =

24 -16 -16 14 -85 -16 9 9 -146 9 14 9 -2012 9 9 -16 -2118 14 -16 -16 -2

Filtro usando la convolucion

>> imfilter(a,h,'conv')ans =

-24 16 16 -14 8-5 16 -9 -9 14-6 -9 -14 -9 20-12 -9 -9 16 21-18 -14 16 16 2

47


Dominio Frecuencial

48


Dominio Frecuencial

49


Dominio Frecuencial

50

¿Cómo convertir una imagen a escala de grises?

Para que una imagen sea vea en tonos de gris se

requiere que los tres componentes básicos del color (en

el computador: rojo, verde, azul – RGB por sus siglas en

inglés) tengan más o menos la misma intensidad,

podemos decir que si queremos convertir un pixel a su

equivalente en escala de grises bastaría con hacer algo

como esto:

• Sumar los valores de los componentes de color del

pixel, es decir sumar R + G + B

• Sacar el promedio de esa suma

• El valor hallado se debe asignar a R, G y B

Con estos tres pasos ya logramos que el pixel sea de

color gris ya que cada uno de sus componentes tiene el

mismo valor.

51

¿Cómo convertir una imagen a escala de grises?

Hay muchas otras formas de hacerlo, incluso alguien que

haya trabajado previamente con imágenes puede tener

su propia versión de como implementarlo de acuerdo a lo

que necesite o al tiempo que tenga.

Pero existe una manera ampliamente conocida y

aceptada en el gremio de las personas que trabajan con

imágenes y visión por computador esa manera es la que

aprenderemos a efectuar.

52

El ojo humano y su sensibilidad

Bien, resulta que el ojo humano es mucho más sensible a los

colores verdes y rojos que al azul, por lo que en cuanto a

precepción de iluminación se trata nuestro ojo reconoce los

patrones de iluminación en color en las siguientes

proporciones para cada componente:

• Rojo: 30%

• Verde: 59%

• Azul: 11%

Así que lo más adecuado es calcular el valor de cada

componente de color con base a esta proporción y de este

modo se obtiene el pixel de color gris con la iluminación

adecuada para que nuestro ojo lo perciba como un mejor

equivalente a su versión en color.

53

Conversión de imágenes RGB a grayscale

En PDI existen generalmente cuatro funciones diferentes

para convertir los colores a escala de grises: "lightness",

"luminosity" y "average".

Para cada píxel: "lightness" promedia los valores de color

máximo y mínimo; "luminosity" le da más peso al verde y

muy poco al azul; "average" calcula el promedio de los tres

colores:

Average = (R + G + B) / 3

Lightness = ( max(R,G,B) + min(R,G,B) ) / 2

Luminosity = 0,21 × R + 0,72 × G + 0,07 × B

Luminancia = R × 0.3 + G × 0.59 + B × 0.11

54

Conversión de imágenes RGB a grayscale

55

Agradecimiento

Procesamiento de Imágenes

y Visión Artificial

Blog del curso:

http://utppdiyva.blogspot.com

utp pd_iy_va_sap3 operaciones, transformaciones y conversiones

Documents