Ruido y Filtrado. Clase de Taller I del 28/10/2015
|
|
- Víctor Naranjo Parra
- hace 7 años
- Vistas:
Transcripción
1 Ruido y Filtrado Clase de Taller I del 8/0/05
2 Índice RUIDO Qué es el ruido? Objetivos. Tipos de ruido. TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB
3 Problema. Las imágenes se adquieren por métodos foto electrónicos o fotoquímicos. Los dispositivos sensores tienden a degradar la calidad de las imágenes al introducir ruido, deformaciones geométricas y/o borrosas debido al movimiento o desenfoque del dispositivo con el que se obtiene la imagen (cámara). Una de las preocupaciones primarias del procesamiento digital de imágenes es aumentar la calidad de la imagen y moderar la degradación introducida por los sensores y dispositivos de adquisición. Las técnicas de restauración de imágenes están interesadas primariamente por reconstruir o recobrar una imagen que ha sido degradada.
4 Qué es el ruido?
5 Repasemos: Imagen digital Objeto Real: continuo Representación Interna: Pixel dicreta
6 Concepto de ruido (I) Cuando obtenemos una imagen digital y se ve un poco distorsionada, decimos que la imagen tiene ruido. ruido Según su definición, ruido es cualquier perturbación que sufre una señal en el proceso de adquisición y/o transmisión y/o almacenamiento. El ruido se modela usualmente como un proceso estocástico (modelo probabilístico).
7 Concepto de ruido (II) El ruido es un defecto de la información no deseado que contamina/degrada la imagen. Se manifestará generalmente en píxeles aislados que toman valores distintos de los reales. Imagen real Degradación Imagen distorsionada + f(x,y) g(x,y) D + n(x,y)
8 Imágenes ruidosas Escáner de la letra G con y sin ruído >>[R,Q] = size(g); % matriz 5x7 >>G_ruidosa = G + randn(r,q)*0. G= G_ruidosa =
9 Objetivos: procesamiento de ruido Suavizar la imagen: imagen reducir las variaciones de intensidad entre píxeles vecinos. Eliminar ruido: ruido modificar aquellos píxeles cuyo nivel de intensidad es muy diferente del de sus vecinos. Realzar la imagen: imagen aumentar las variaciones de intensidad, allí donde se producen. Detectar bordes: bordes detectar aquellos píxeles donde se produce un cambio brusco en la función intensidad.
10 Tipos de ruidos Aditivo: El más usual es el gaussiano, que es esencialmente aditivo y la señal independiente, g(z,y) = f(z,y) + n(z,y) donde g(z,y) es el resultado de la distorsión de imagen original f(z,y) por el ruido gaussiano aditivo n(z,y) Impulsivo: Frecuentemente los sensores generan ruido impulsivo. Algunas veces el ruido generado por transmisión digital (o incluso analógico) es impulsivo. Puede ser modelado como: g(x,y)=(-p)*f(x,y)+p*i(x,y) donde i(z, y) es el ruido impulsivo y p pertenece a {0,}. Multiplicativo: el ruido de aspecto granulado de las imágenes de radares y ecografías. Es esencialmente multiplicativo. Tiene un aspecto moteado. g (z, y) = f (z, y) * m(x, y), donde m(z, y) es el ruido multiplicativo.
11 Comando Matlab: J = IMNOISE(I,TYPE,...) Adisiona de los siguiente tipos: 'gaussian' Ruido Gausiano blanco con media y varianza cosntante. 'localvar' Ruido Gausiano Blanco con media cer y varianza. 'poisson' Ruido con distribución Poisson. 'salt & pepper' Cambia los pixeles a blanco o negro. 'speckle' Ruido Multiplicativo.
12 Ruido Gaussiano (I) El valor final del píxel es el real más una cierta cantidad de error. Puede describirse como una variable gaussiana que sigue una distribución normal. P(g(x,y)- < f(x,y) < g(x,y)+ ) = 70% P(g(x,y)- < f(x,y) < g(x,y)+ ) = 90%
13 Ruido Gaussiano (II) Produce pequeñas variaciones en la imagen. Suele ser debido a los componentes electrónicos (sensores, digitalizadores...) Espectro de energía constante para todas las frecuencias: Afecta a la imagen completa. La intensidad de todos los píxeles se ve alterada.
14 Ruido Gaussiano (III) Por ejemplo se suele asumir que en función del ruido Gaussiano el valor de la media es cero m(µ) y con un valor 0,0 de varianza. Se define ruido blanco como un proceso estocástico que presenta media nula, varianza constante y covarianza nula y si además la distribución es normal, se denomina Ruido Blanco Gaussiano. Los comandos que se usan para invocar a la función son: J= imnoise(i, gaussian, m, v)
15 Ruido Gaussiano (IV) Ejemplo: original v=0,0 v=0,
16 Ruido Gaussiano (V) Influencia del ruido gausiano según la varianza:
17 Ruido Impulsionar: Sal y Pimienta (I) El valor que toma el píxel no tiene relación con el valor real sino que toma valores muy altos o muy bajos Toma el valor máximo (sal) o el mínimo (pimienta). En Matlab el comando es: J= imnoise(i, salt & pepper,d) Añade el ruido a la imagen I donde d es la densidad del ruido. Se afecta aproximadamente a los d*num(i) pixeles. El valor de d por defecto es 0,05.
18 Ruido Impulsionar: Sal y Pimienta (I) Ejemplos con d=0. y d=0.3:
19 Ruido Impulsionar: Sal y Pimienta (II) Ejemplo:
20 Ruido Multiplicativo (I) La señal obtenida es fruto de la multiplicación de dos señales. Se añade el ruido a la multiplicación de la imagen por medio de la siguiente ecuación: J=n*I Donde n es de distribución uniforme de ruido aleatorio con media 0 y con varianza v. El valor predeterminado en Matlab es de v = 0,04. La sintaxis para invocar a la función es: J= imnoise(i, speckle,v)
21 Ruido Uniforme (II) Ejemplo multiplicativo:
22 Mejoramiento de la imagen: Con el objetivo de mejorar la imagen a través de reducir o eliminar el ruido se suelen aplicar filtros. filtros La idea es aproximar el valor original del pixel usando información de la propia imagen o externa. Hay muchos tipos diferentes de filtros.
23 Tipos de Filtros: Dominio Espacial Filtros de orden o Filtros de medias: Mediana Moda Máximos y mínimos o Promediado de imágenes Lineales Media (paso bajo espacial) Media geométrica Media armónica Media contra-armónico De Gauss No lineales Outlier Dominio Frecuencial Paso bajo Paso alto Paso banda Rechazo banda
24 Filtros del Domino Espacial Estos filtros consisten en modificar o mejorar un pixel elegido en función de los valores de un entorno o subconjunto de pixeles vecinos a aquel.
25 Vecindades Operaciones sobre vecindades: Son aquellas que se realizan sobre bloques definidos dentro de la imagen, en vez de procesar toda la imagen
26 Operaciones basadas en vecindades (I) Las operaciones se realizan de la siguiente forma:.- Se selecciona el píxel a procesar..- Se selecciona el entorno del píxel. 3.- Se aplica una función que depende del valor de los píxeles del entorno seleccionado. 4.- Se pone en la imagen de salida en la posición del píxel seleccionado de la imagen de entrada, el valor devuelto por la función. 5.- Repetir de a 4 por cada píxel de la imagen de entrada.
27 Operaciones basadas en vecindades (II) Solución: Relleno de píxeles Imagen de salida Imagen de entrada n m n m Rellenar contorno sin alterar la imagen original: máscara= Función: imfilter ( La_imagen.jpg, máscara, relleno, salida) [ same : Mismo tamaño imagen original full : Tamaño resultante con relleno (mayor) ]
28 Operaciones basadas en vecindades (III) Relleno de una constante f= w= [ ] - - >> imfilter(f,w,5,'full')
29 Operaciones basadas en vecindades (IV) Relleno basado en réplica f= w= [ ] - - >> imfilter(f,w, replicate','full')
30 Operaciones basadas en vecindades (V) Relleno basado en espejo f= w= [ ] - - >> imfilter(f,w, symmetric,'full')
31 Operaciones basadas en vecindades (VI) Tamaño imagen destino f= >> imfilter(f,w,0, full') w= [ ] >> imfilter(f,w,0, same')
32 Filtros de orden: Metodología: Definir tamaño de submatriz para actuar. Ordenar los elementos que engloban la submatriz. Aplicar el criterio correspondiente dependiendo del filtro. Tipos de ventanas: Preserva bordes Vert. y horizont. Preserva bordes oblicuos
33 Filtros de orden: Debe fijarse un tamaño de vecindad. Puede ser rectangular o de cualquier otra forma, generalmente cuadrado y número de elementos impar. Debe definirse la posición del pixel de estudio respecto a la ventana, generalmente y por simetría el central. En una convolución las propiedades del filtro vienen dadas por los coeficientes de la máscara. Hay problemas de borde o contorno. Duplicación periódica. Duplicación del borde. Puesta a cero del contorno. Suprimir borde
34 Filtrado de la mediana (I) Sustituye el valor del píxel estudiado, por la mediana de los valores que engloba una ventana de selección dada. Ventajas Atenúa el ruido impulsionar (Sal y pimienta). Elimina efectos engañosos. Preserva bordes de la imagen. Inconvenientes Pierde detalles (Puntos, líneas finas). Redondea las esquinas de los objetos. Desplazamiento de los bordes.
35 Filtrado de la mediana (II) menor mayor
36 Operaciones basadas en vecindades (I) Ejemplo: Mediana de una vecindad de 3x3 Imagen de entrada (I) Imagen de salida (I) Lo cual se realizaría con el siguiente programa Matlab >> I=medfilt(I,[N M]); % Default 3x3
37 Filtrado de la mediana (III) FILTRO DE LA MEDIANA PONDERADA: A menudo se ponderan mas ciertos valores de nivel de gris que otros y eso se ve reflejado en unas máscaras de ponderación. Por ejemplo, se le puede dar más importancia a los píxeles centrales que al resto de la ventana. Una máscara de ponderación muy común es : 4
38 Filtrado de la mediana (IV) X =
39 Filtrado de la moda Sustituye el píxel estudiado por el valor más repetido que contiene la ventana de selección. Ventaja Atenúa el ruido impulsional (Sal y pimienta). Inconveniente Con frecuencia los valores de intensidad en la vecindad son todos diferentes.
40 Máximos y mínimos (I) Máximo: selecciona el mayor valor dentro de una ventana ordenada de valores de nivel de gris. Ventaja Elimina el ruido pimienta (píxeles negros). Inconvenientes Sólo funciona cuando el ruido es tipo pimienta. Tiende a aclarar la imagen.
41 Operaciones basadas en vecindades (II) Ejemplo: Máximo de una vecindad de 3x3 Imagen de entrada (I) Imagen de salida (I) Lo cual se realizaría con el siguiente programa Matlab >> f=inline('max(x(:))'); % Define función máxima >> I=nlfilter(I,[3, 3],f); % Devuelve máximo
42 Máximos y mínimos (II) Mínimo: Selecciona el menor valor de dentro de una ventana ordenada de valores de píxeles. Ventaja Elimina el ruido sal (píxeles blancos). Inconvenientes Sólo funciona cuando el ruido es tipo sal. Tiende a oscurecer la imagen.
43 Operaciones basadas en vecindades (III) Ejemplo: Mínimo de una vecindad de 3x3 Imagen de entrada (I) Imagen de salida (I) Lo cual se realizaría con el siguiente programa Matlab >> f=inline('min(x(:))'); >> I=nlfilter(I,[3, 3],f);
44 Máximos y mínimos (III)
45 Filtros de media Lineales (I)
46 Filtros de media Lineales (II)
47 Filtros de media Lineales (III)
48 Filtro media lineal Obtiene el valor promedio de los pixeles. También se denomina filtro de media. Su efecto es el difuminado o suavizado de la imagen y se aplica junto con el de mediana para eliminar ruidos. /9 * Este filtro se puede implementar con la siguiente máscara(kernel) para un tamaño 3x3: Esta configuración recibe el nombre de media aritmética
49 Filtro media aritmética
50 Ej. Filtro media aritmética
51 Filtros de media Lineales (V) Paso bajo espaciales Se puede dar distintos pesos a los valores de los píxeles Mayor peso al central. Máscara: /9 *
52 Filtros de media Lineales (V) Paso bajo espaciales Mayor peso al píxel central que a sus vecinos, y a los vecinos de tipo cuatro que a los de tipo 8. Máscara: /9 * b b b b b Este filtro no logra eliminar el ruido impulsionar
53 Generación de Filtros en Matlab h = fspecial(type) h = fspecial(type, parameters) Crea un filtro bidimensional h del tipo especificado. Devuelve como un kernel de correlación, que es la forma adecuada para usar con imfilter.
54 Filtros espaciales Responden a la siguiente ecuación: g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b donde: f(x+s, y+t): Valor de los píxeles del bloque seleccionado w(s, t): Coeficientes que se aplicarán al bloque (máscara) Siendo la matriz del bloque: m(filas) = a + n(columnas) = b +
55 Filtros espaciales (II) Concepto: Son las operaciones que se realizan directamente sobre los píxeles. Se define una matriz de coeficientes del filtro (o máscara, de tamaño mxn) los cuales constituirán pesos ponderados por los que se multiplicarán los valores originales de los píxeles.
56 Filtros espaciales (III) Valores de los píxeles del bloque f(x-, y-) f(x-, y) f(x-, y+) f(x, y-) f(x+, y-) f(x, y) f(x+, y) f(x, y+) f(x+, y+) Valores de los píxeles de los coeficientes (máscara) w(-, -) w(-, 0) w(-, ) w(0, -) w(0, 0) w(0, ) w(, -) w(, 0) w(, ) g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b
57 Filtros espaciales (IV) Ejemplo: Valor de los píxeles Máscara (o filtro) g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b g(,4)=(8)+8()+5(6)+7(3)+4(5)+6(7)+3(4)+0(9)+()=585
58 Filtros espaciales (V) Pasos para la aplicación del filtro lineal:.- Definir la máscara.- Definir tipo de relleno 3.- Aplicar la ecuación: g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b 4.- Definir tamaño de la imagen de salida
59 Filtros espaciales (VI) Ejemplos de filtros Filtro promedio: Filtro promedio ponderado:
60 Filtros espaciales (VII) Ejemplo (usando Matlab): % Imagen original >> I=imread('tire.tif'); % Se define una matriz de pesos de valores iguales, % a lo que se le denomina filtro promedio >> w=ones(5,5)/5; % Se aplica el filtro >> I=imfilter(I,w); Original >> I(:5,:5) ans = Resultado >> I(:5,:5) ans =
61 Filtro promedio Es muy efectivo en remover ruido blanco aditivo Gaussiano. Sin embargo, tiende a hacer borrosos los bordes y los detalles de la imagen (por ejemplo líneas) y degrada la calidad de la imagen.
62 Filtros espaciales (VIII) Original Con ruido
63 Filtros espaciales (IX) Original >> imhist(i) >> imhist(i)
64 Filtros espaciales (X) Formas de aplicar la máscara Método de correlación: Se aplica la máscara tal y como se define. Método de convolución: Se rota la máscara 80 grados alrededor del píxel central, antes de aplicar el filtro. Imagen f= Máscara w= >> imfilter(f,w,'corr') >> imfilter(f,w,'conv')
65 Filtro Laplaciano Este tipo de filtro se basa en un operador derivativo, por lo que acentúa las zonas que tienen gran discontinuidad en la imagen f ( x) f ( x ) f ( x) x
66 Filtro Laplaciano (II) Si se cumple: Entonces: f ( x) f ( x ) f ( x) x f ( x) f ( x ) f ( x ) f ( x) x Si la función depende de dos variables f ( x, y ) f ( x, y ) f ( x, y ) x y
67 Filtro Laplaciano (III) Función dependiente de dos variables f ( x, y ) f ( x, y ) f ( x, y ) x y La derivada de segundo orden con respecto a al variable x: f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) x De forma similar, con respecto a y: f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) y Finalmente: f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y )
68 Filtro Laplaciano (IV) El Laplaciano queda definido por: f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) 4 f ( x, y ) La anterior expresión es equivalente a aplicar una máscara definida por: w= g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b
69 Filtro Laplaciano (V) % Imagen original >> I=imread('moon.jpg' ); % Se define una matriz de pesos >> w=[0,, 0;, -4, ; 0,, 0]; % Se aplica el filtro >> I=imfilter(I,w); Alternativa: >> I=imread('moon.jpg '); >> w=fspecial('laplacian',0); >> I=imfilter(I,w,'replicate');
70 Filtro Laplaciano (VI) Imágenes:
71 Filtro Laplaciano (VII) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) f ( x, y ) 4 f ( x, y ) Si se desea considerar las variaciones con respecto a la diagonal w= w= También se utiliza el negado de las anteriores máscaras w= w=
72 Filtros Laplacianos alternativos Se emplea en pocas ocasiones en la práctica Excesivamente sensible a la presencia de ruido Da lugar a bordes dobles y no permite determinar direcciones Se utiliza para realzar una imagen Sumar o restar el Laplaciano de la imagen dependiendo del signo del coeficiente central de la máscara utilizada Coeficiente central de la máscara negativo Coeficiente central de la máscara positivo
73 Filtros Laplacianos alternativos (II) Resultado de sustraer el Laplaciano (una única máscara) Incluye diagonal
74 MatLab: Resumen Introducción de ruido: Gaussiano: Gaussiano Ruidosa = imnoise(imagen, gaussian, media, varianza ) Por defecto: media=0 varianza=0.0 Ruidosa = imnoise(imagen, 'localvar', varianza ) Por defecto: media=0 varianza=0.0 Permite definir la varianza de cada píxel por separado Impulsional: Impulsional Ruidosa = imnoise(imagen, 'salt & pepper', media, varianza ) Multiplicativo: Multiplicativo Ruidosa = imnoise(imagen, 'speckle', media, varianza )
75 Matlab Filtrado: Mediana: Máximo: Filtrada = ordfilt (Imagen,,ones(tamaño de ventana)) Media aritmética: Filtrada = ordfilt (Imagen,9,ones(tamaño de ventana)) Mínimo: Filtrada = medfilt(imagen,[tamaño de ventana]) Por defecto: ventana = 3 x 3 Filtrada = imfilter (Imagen,fspecial( average,[tamaño de ventana])) Por defecto: ventana = 3 x 3 Gaussiano: Filtrada = imfilter (Imagen,fspecial( gaussian,[tamaño de ventana],varianza)) Por defecto: ventana = 3 x 3
76 Generación de Filtros en Matlab h = fspecial(type) h = fspecial(type, parameters) Crea un filtro bidimensional h del tipo especificado. Devuelve como un kernel de correlación, que es la forma adecuada para usar con imfilter.
77 Filtro Gaussiano (I) La máscara o filtro que responde a: w( x, y ) e a ( x y ) / 4 b e ( s t ) / 4 s a s b Siendo la matriz del bloque: m(filas) = a + n(columnas) = b + ó
78 Filtro Gaussiano (II) Influencia del parámetro
79 Filtro Gaussiano (III) Máscara a partir de función no lineal Filtro que se aplica es lineal 0.5 %Define máscara >> fspecial('gaussian',3,0.5) ans = % Máscara y filtro >> w=fspecial( gaussian',3,0.5); >> I=imfilter(I,w,'replicate'); g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b
80 Laplaciana de la gausiana
81 Laplaciana de la gausiana (II) >> w=fspecial('log',5,0.4) ans = >>surf(w) t 3 s >>surf(-w) 4 3 t 3 s 4 5
82 Laplaciana de la gausiana (III) Mejorando detalles del tipo de filtros >> w=fspecial('log',5,0.4) >> [x, y]=meshgrid(-::) >> [xi, yi]=meshgrid(-:.05:); >> zi = interp(x,y,z,xi,yi); >> surf(xi,yi,zi) t 3 s 4 5
83 Máscaras con fspecial Disco >> w = fspecial('disk',4) Promedio >> w = fspecial('average',5) w= >> /5 ans =
84 Ejemplo: Promedio >> w=fspecial('average'); Imagen Original Resultado del Filtro
85 Máscaras con fspecial (II) Gausiana >>z = fspecial('gaussian',5,0.7) Laplaciana de la gausiana >> z = fspecial('log',5,0.7)
86 Ejemplo: Filtro Gaussiano >> w=fspecial('gaussian'); Imagen Original Resultado del Filtro
87 Máscaras con fspecial (III) Laplaciana >>z = z = fspecial('laplacian',0.3) >> fspecial('laplacian',0) Mejora de contraste >> z = fspecial('unsharp',0.3) >> fspecial('unsharp',0)
88 Filtro para acentuar contraste >> w=fspecial('unsharp'); Imagen Original Resultado del Filtro
89 Máscaras con fspecial (IV) Acentuar transiciones horizontales y verticales Prewit: Acentuar transiciones horizontales Máscara: w = [ ] Sobel: Acentuar transiciones horizontales Máscara: w = [ ] Acentuar transiciones verticales: Transpuesta de la matriz
90 Ejemplo: Filtro Prewit >> w=fspecial('prewitt'); Imagen Original Resultado del Filtro
91 Ejemplo: Filtro Sobel >> w=fspecial('sobel'); >> hp=transp(w); % Acentúa vertical Imagen Original Resultado del Filtro
92 Filtros no lineales Filtro lineal g ( x, y) a b w ( s, t ) f ( x s, y t ) s at b Filtro no lineal Valor de los píxeles Aplicación Bloque de píxeles >>B = nlfilter(a, [m n], función_nl) Supresión de ruído
93 Ejemplo de aplicación de filtro no lineal Sea: -Sxy La región de la imagen -(x,y) Centro de la región - f (x,y) La salida del filtro (escalar) Filtro de Media aritmética ˆf ( x, y ) g ( s, t ) mn ( s,t ) S xy A = imread( imagen.jpg'); fun mean(x(:)); B = nlfilter(a,[3 3],fun); A= B=
94 Filtros no lineales (II) Ejemplo de Filtro de Media aritmética Imagen original Media aritmética
95 Filtros no lineales (III) Filtro de Media geométrica fˆ ( x, y ) g ( s, t ) ( s,t ) S xy mn Filtro de Media armónica fˆ ( x, y ) mn ( s,t ) S xy g ( s, t ) Función spfilt: Gonzáles, R.; Woods, R.; Eddins, S.: Digital Image Processing Using Matlab. 004
96 Filtros no lineales (IV) Ejemplo de Filtro de Media geométrica (I=spfilt(I, 'gmean', 3, 3);) Imagen original Media geométrica
97 Filtros no lineales (V) Ejemplo de Filtro de Media armónica >> I=uint8(3*3./imfilter(./I, ones(3, 3), 'symmetric')) Imagen original Media harmónico
98 Filtros no lineales (VI) Filtro de Media Contra-armónica Q g ( s, t ) fˆ ( x, y ) ( s,t ) S xy Q g ( s, t ) ( s,t ) S xy Filtro de Punto medio ˆf ( x, y ) max{g ( s, t )} min{g ( s, t )}
99 Filtros no lineales (VII) Ejemplo de Filtro de Media Contra-armónica (I=spfilt(I, 'chmean,3, 3);) Imagen original Media contraharmónico
100 Filtros no lineales (VIII) Ejemplo de Filtro de Punto medio >> d=ordfilt(i,, ones(3, 3), 'symmetric'); % Mínimo >> d=ordfilt(i, 3*3, ones(3, 3), 'symmetric'); % Máximo >> I=uint8(/*(d+d)); Imagen original Punto medio
101 Cuál filtro utilizar? Verificar como se difuminan los bordes después de aplicar el filtro >>I=imread('contornos.tif'); % Se determinan los bordes verticales >> II=edge(I, 'sobel', 'vertical'); imshow(ii)
102 Cuál filtro utilizar? (II) % Se aplica ruido a la imagen >> III=imnoise(I,'salt & pepper',0.005); % Se aplica el filtro mediana y se detectan bordes verticales >> IV=medfilt(III); >> V=edge(IV, 'sobel', 'vertical'); imshow(v)
103 Cuál filtro utilizar? (III) % Se aplica el filtro promedio y se detectan bordes verticales >>w=fspecial('average'); >>VI=uint8(imfilter(III, w, 'symmetric')); >> VII=edge(VI, 'sobel', 'vertical'); imshow(vii) % Se aplica el filtro media armónica y se detectan bordes verticales >> VIII=uint8(3*3./imfilter(./III, ones(3, 3), 'symmetric')); >>IX=edge(VIII, 'sobel', 'vertical'); imshow(ix)
104 Resultado % Se aplica el filtro punto medio %y se detectan bordes verticales >> d=ordfilt(iii,, ones(3, 3), 'symmetric'); >> d=ordfilt(iii, 3*3, ones(3, 3), 'symmetric'); >> X=uint8(/*(d+d)); >>XI=edge(X, 'sobel', 'vertical'); imshow(xi) Calidad por siguiente orden: Mediana Promedio Punto medio Media armónica Frente a ruido: Sal y Pimienta
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Filtros espaciales suavizantes INTRODUCCIÓN El uso de máscaras espaciales para el procesamiento de imágenes se denomina filtrado espacial y a las propias
Más detallesTransformaciones con vecinos Filtros-Ruido
Transformaciones con vecinos Universidad de Buenos Aires 26 de Octubre Temario 1 Filtros 2 Operaciones entre vecinos 3 Ruido y restauración 4 Ejercitación Operaciones entre vecinos Modificar los pixels,
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesProcesamiento de Imágenes. Curso 2011 Clase 3 Eliminación del ruido mediante filtrado espacial
Procesamiento de Imágenes Curso 2 Clase 3 Eliminación del ruido mediante filtrado espacial Eliminación del ruido Entendemos por ruido en imágenes digitales cualquier valor de un píxel de una imagen que
Más detallesFILTRADO DE IMÁGENES
FILTRADO DE IMÁGENES 1 INDICE RUIDO Qué es el ruido? Tipos de ruido TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB
Más detallesTaller de computación I Ruidos y Filtros Segmentación
Taller de computación I Ruidos y Filtros Segmentación María Elena Buemi 3 noviembre de 2014 Degradación y Restauración de imágenes La restauración es un proceso de mejora de una imagen Es un proceso objetivo
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 1)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 1) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Nociones básicas Concepto de ruido Dominio espacial:
Más detallesProcesamiento Avanzado de Imágenes Astronómicas. Filtrado Espacial
Procesamiento Avanzado de Imágenes Astronómicas Filtrado Espacial Fundamentos filtrar implica retener o remover ciertas componentes de la imagen. el filtrado se hace utilizando kernels (máscaras, ventanas,
Más detallesTema 4. Reducción del ruido
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Filtros Lineales Filtros No Lineales Filtros Temporales Realce Espacial
Más detallesProcesamiento Digital de Imágenes LCC-594
Procesamiento Digital de Imágenes LCC-594 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D 4. Operaciones regionales Objetivo: Conocer
Más detallesTema 4. Reducción del ruido
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos Definición Filtros Lineales Filtros Temporales Realce Espacial Definición Ruido:
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Ruido en imágenes FORMACIÓN DE LA IMAGEN La formación de una imagen (s) puede modelarse de la siguiente manera: s = p o + n PSF (point-spread function)
Más detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Filtrado en el espacio Filtros lineales Tipos de ruido Filtro media Filtro mediana Filtros gausianos Filtrado en la frecuencia
Más detallesTratamiento de imágenes Filtrado Espacial - Convolución
Tratamiento de imágenes Filtrado Espacial - Convolución Héctor Alejandro Montes h.a.montes@fi.uaemex.mx http://fi.uaemex.mx/h.a.montes Advertencia No use estas diapositivas como referencia única de estudio
Más detallesSistemas de Percepción Visión por Computador
Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción Visión
Más detallesExtracción de Bordes
Visión por Computadora Unidad IV Extracción de Bordes Rogelio Ferreira Escutia Contenido 1) Conceptos sobre Bordes 2) Extracción de bordes por Derivadas 3) Operadores de Primera Derivada 1) Conceptos sobre
Más detallesRealzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
Más detallesREDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández REDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL Tabla de Contenidos Definición Filtros No Lineales Filtros Temporales Definición 3 G = Ruido:
Más detallesRestauración: Ruido aditivo
Restauración: aditivo Lección 11.1 Dr. Pablo Alvarado Moya CE5201 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico de Costa Rica I Semestre, 2017 P. Alvarado
Más detallesTema 5: SEGMENTACIÓN (I) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (I) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación 2 El propósito de la segmentación de imágenes consiste en dividir una imagen en regiones significativas con respecto
Más detallesPor: Alex F. Guerrero E. Fecha: 04/02/2010
"Diseño e Implementación de una Herramienta Didáctica de Software para el Procesamiento Digital Básico de Imágenes para los Estudiantes de la Facultad de Ingeniería en Electricidad y Computación" Por:
Más detallesProcesamiento y análisis de imágenes digitales I
Procesamiento y análisis de imágenes digitales I Alejandra García, TM Centro de Estudios Moleculares de la Célula, FONDAP, Facultad de Medicina, Universidad de Chile Procesamiento de Imágenes Digitales
Más detallesTema 1.- Introducción a la Visión Artificial
Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad
Más detallesProcesamiento Digital de Imágenes LCC-594
Procesamiento Digital de Imágenes LCC-594 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D 4. Operaciones regionales Objetivo: Conocer
Más detallesRuido. Tema 1.- Introducción a la Visión Artificial. 1 Visión artificial. 6 Segmentación. 7 Aplicaciones * 2 Imagen digital
1 Visión artificial 2 Imagen digital 3 Color 4 5 Realce de la imagen 6 Segmentación 7 Aplicaciones * 8 Desarrollo del software * 9 Divulgación * 10 Historia * Universidad de Córdoba Máster de Ingeniería
Más detallesContenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
Más detallesProcesamiento Digital de Imágenes
Unidad V (b): Restauración de imágenes II p. 1/16 Procesamiento Digital de Imágenes Unidad IV (2da. parte): Restauración de imágenes II Departamento de Informática - FICH Universidad Nacional del Litoral
Más detallesHerramientas matemáticas básicas para el procesamiento de imágenes
Herramientas matemáticas básicas para el procesamiento de imágenes Fundamentos de procesamiento de imágenes IIC / IEE 3713 1er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini,
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesProcesamiento de Imágenes
3. Procesamiento de Imágenes 3.1 Transformada discreta de Fourier en 2D Una señal periódica con períodos N 1 y N 2 en sus coordenadas x 1 y x 2, respectivamente, tiene una trasformada de Fourier definida
Más detallesPercepción visual aplicada a la robótica
Percepción visual aplicada a la robótica Mario I. Chacón Murguía Rafael Sandoval Rodríguez Javier Vega Pineda Selecciona el libro para empezar Capítulo 1 Conceptos básicos de procesamiento de imágenes
Más detallesII.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000)
II.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000) Las técnicas de retoque de imágenes son técnicas matemáticas diseñadas para mejorar
Más detallesOrden de las clases...
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 10 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesFiltrado lineal. Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3. filtrado lineal 1
Filtrado lineal Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3 filtrado lineal 1 Filtrado es la operación de eliminar o resaltar componentes de la representación
Más detallesContenido. Capítulo 1. Capítulo 2. Capítulo 3. Prólogo
Contenido Prólogo XIII Capítulo 1 Acerca del procesamiento de imágenes 1 1.1 Introducción 2 1.2 Sistema de visión y procesamiento de imágenes 2 1.3 Procesamiento digital de imágenes 3 1.4 Relaciones básicas
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 10
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 10 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesContornos de objetos. Marcados por varios usuarios.
DETECCIÓN DE CONTORNOS Contornos de objetos Marcados por varios usuarios http://www.eecs.berkeley.edu/research/projects/cs/vision/grouping/segbench/bench/html/images.html Contornos de objetos a partir
Más detallesProcesamiento de imágenes
Procesamiento de imágenes Técnicas de realce de imágenes Técnicas de realce de imágenes Las imágenes digitalizadas no presentan siempre una calidad adecuada para su utilización, ello puede ser debido a
Más detallesCapítulo 3. Procesamiento de imágenes
Capítulo 3. Procesamiento de imágenes 3.1 Procesamiento de imágenes En el procesamiento digital de imágenes se distinguen dos niveles principales de manera general: [DIP-IAU, 2000] - Procesamiento de imágenes
Más detallesReducción del ruido en una imagen digital.
Reducción del ruido en una imagen digital. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Estudio de distintas máscaras para
Más detallesSeñales y Sistemas. Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial
Señales y Sistemas Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre Ríos 5 de octubre
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesAcentuado de una imagen en el dominio JPEG
Acentuado de una imagen en el dominio JPEG Fortonani, Daniela - Peralta, Alejandro - Wilde, Ma. Lucila Facultad de Ingeniería y Ciencias Hídricas Universidad Nacional del Litoral 21 de junio de 2007 1
Más detallesMejora de la Imagen Image Enhancement. Ref: Capítulo 3 Digital Image Processing Gonzalez, Woods
Mejora de la Imagen Image Enhancement Ref: Capítulo 3 Digital Image Processing Gonzalez, Woods Para que? Mejorar la visualización Facilitar el procesamiento posterior Adecuar la imagen para una aplicación
Más detallesProcesamiento y análisis de imágenes digitales II
Escuela Tecnología Médica Universidad de Chile Procesamiento y análisis de imágenes digitales II Alejandra García, TM Centro de Estudios Moleculares de la Célula, FONDAP, Facultad de Medicina, Universidad
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Veroni Alsina Camila Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina cveroni@hotmail.com.ar
Más detallesPROCESAMIENTO DIGITAL DE IMÁGENES
PROCESAMIENTO DIGITAL DE IMÁGENES Nombre de la materia: Procesamiento Digital de Imágenes Profesor: Dr. Wilfrido Gómez Flores Número de horas: 60 horas (4 horas semanales). Sitio web: http://www.tamps.cinvestav.mx/~wgomez/teaching.html
Más detallesProcesamiento digital de señales Semana 14. Procesamiento de Imágenes: introduccción
Procesamiento digital de señales Semana 14. Procesamiento de Imágenes: introduccción Versión 21 de Noviembre 2017 Dra. María del Pilar Gómez Gil Otoño 2017 Coordinación de computación INAOE Parte del material
Más detallesTratamiento de imágenes
Tratamiento de imágenes Ruido y Aliasing h.a.montes@fi.uaemex.mx http://fi.uaemex.mx/h.a.montes 1 Advertencia No use estas diapositivas como referencia única de estudio durante este curso. La información
Más detallesTratamiento de imágenes en el dominio de la frecuencia
Tratamiento de imágenes en el dominio de la frecuencia Transformada de Fourier Transformada: Representación alternativa de una imagen Transformada de Fourier: Cualquier señal periódica puede representarse
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.unam.mx
Más detallesSeñales y Sistemas. Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial
Señales y Sistemas Procesamiento Digital de Imágenes: Operaciones en el dominio espacial y frecuencial Departamento Bioingeniería Facultad de Ingeniería Universidad Nacional de Entre Ríos Procesamiento
Más detallesProcesamiento de la Señal
Filtrado IV: Filtrado en el Dominio del Espacio II 8 de abril de 2013 Filtrado en el dominio del Espacio II Repaso: Filtrado en el Dominio del Espacio: Convolución en Imágenes En 2D, la convolución en
Más detalles[20380] Visió per Computador Prueba 1 (2017) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 1 (2017) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. Qué secuencia está ordenada de mayor a menor frecuencia: a) Rayos
Más detallesExtracción de Regiones
Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)
Más detallesDETECCION DE ESQUINAS. ALGORITMO HARRIS SISTEMAS DE VISIÓN EN MANUFACTURA. ANDREAS OBED LLANES CORNEJO
DETECCION DE ESQUINAS. ALGORITMO HARRIS SISTEMAS DE VISIÓN EN MANUFACTURA. ANDREAS OBED LLANES CORNEJO GENERALIDADES Tipos de esquinas presentes en la imagen: Geométricas, Texturadas, Proyección de un
Más detallesTema 5. Detección de bordes
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos Deinición de Borde Extracción de Bordes Comparación de Funciones Locales Comparación
Más detallesTema 6: Contornos. 1. Introducción. 2. Filtrado de imágenes: Convolución. 3. Detección de Contornos. 4. Segmentación de Contornos
. Introducción Tema 6: Contornos 2. Filtrado de imágenes: Convolución 3. Detección de Contornos Detectores de Gradiente: Sobel, Canny,... Cruces por Cero: Marr-Hildreth 4. Segmentación de Contornos Seguimiento
Más detallesTécnicas de inteligencia artificial. Visión Artificial Detección de aristas y puntos característicos
Técnicas de inteligencia artificial Visión Artificial Detección de aristas y puntos característicos Indice Detección de aristas Algoritmo de Canny Algoritmo de Susan Aristas ( Edges ) Operadores de gradiente:
Más detallesMediana de un conjunto de muestras y filtro mediana
Mediana de un conjunto de muestras y filtro mediana Valor de f(x) a la mitad de las N muestras en una señal (si N es par). En una distribución con valores y(x=i) repetidos, i=1,...,n. se ordenan de menor
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesCaptura y Procesamiento Digital de Sen ales e Imagenes. Trabajo de Aplicacion. Filtro Adaptativo de mediana
Captura y Procesamiento Digital de Sen ales e Imagenes Trabajo de Aplicacion Filtro Adaptativo de mediana Alumnos: Long Sebastian. Villanueva Rau l. Zalazar Gustavo. 5 de noviembre de 2004. Introduccio
Más detallesVídeo Digital Examen de Junio de 2003
UNIVERSIDAD DE CASTILLA LA MANCHA Escuela Universitaria Politécnica de Cuenca Ingeniería Técnica de Telecomunicación (Especialidad de Sonido e Imagen) Vídeo Digital Examen de Junio de 2003 PRACTICAS: Del
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 5b
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 5b Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesFiltrado de imágenes (parte 2)
de imágenes (parte 2) Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Modificar el valor de cada pixel de la imagen en función de las intensidades
Más detallesAnálisis Bioseñales I
Análisis Bioseñales I Prepaso Práctico 4 Mauricio Farías Gerardo Fasce Rodrigo Ortiz Gustavo Zomosa IMAGEN Colección de componentes de frecuencia Formación de imagen : Pixel, valor : luminosidad del punto
Más detallesProcesamiento Digital de Imágenes
Procesamiento Digital de Imágenes Unidad II: Operaciones en el dominio espacial (2 o parte) Departamento de Informática - FICH Universidad Nacional del Litoral 1 de abril de 2011 Unidad II: Operaciones
Más detallesTécnicas de filtrado. Tema 6
Tema 6 Técnicas de filtrado Se trata de métodos para resaltar o suprimir, de forma selectiva, información contenida en una imagen a diferentes escalas espaciales, para destacar algunos elementos de la
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesExplotación de imágenes aéreas y espaciales con fines cartográficos. Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3)
Explotación de imágenes aéreas y espaciales con fines cartográficos Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3) Definiciones. Cuantificación. Muestreo. Histograma. Brillo y contraste.
Más detallesIngeniería en Informática
Ingeniería en Informática Procesamiento de Imágenes Digitales 1 a convocatoria oficial, curso 2008-2009 APELLIDOS: NOMBRE: En las preguntas tipo test cada respuesta correcta puntúa 0.5 puntos, mientras
Más detallesPROCESAMIENTO DE IMÁGENES CON TITERE
www. Proyecto TITERE PROCESAMIENTO DE IMÁGENES CON TITERE Realización de prácticas de laboratorio en puestos de trabajo remotos mediante la Transmisión de Imágenes REales por InTErnet PAUTA Programa de
Más detallesUso de las estadísticas de los histogramas para el realce local de imágenes
Uso de las estadísticas de los histogramas para el realce local de imágenes Albornoz, Enrique Marcelo y Schulte, Walter Alfredo 5 de noviembre de 2004 Captura y Procesamiento Digital de Imágenes. Facultad
Más detallesEl Cálculo en el Procesamiento de Imágenes
Humberto Madrid Josefina M. Cribeiro José Luis Fraga Universidad Autónoma de Coahuila México Resumen. La detección de bordes tiene un papel fundamental en el Procesamiento de Imágenes y los algoritmos
Más detallesTratamiento de imágenes Adquisición y Digitalización
Tratamiento de imágenes Adquisición y Digitalización hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Advertencia No use estas diapositivas como referencia única de estudio durante este curso. La información
Más detallesProcesamiento de Imágenes. Prof. Alexandra La Cruz, PhD
Procesamiento de Imágenes Prof. Alexandra La Cruz, PhD alacruz@ldc.usb.ve Contenido Conceptos básicos Modelo de una imagen Procesamiento digital de imágenes Operaciónes básicas Convolución Filtros Segmentación
Más detallesSegmentación de imágenes. Procesamiento de imágenes biomédicas Curso 2011
Segmentación de imágenes Procesamiento de imágenes biomédicas Curso 2011 Introducción Hasta ahora el procesamiento digital de una imagen implicaba, una imagen de entrada y una imagen de salida. Ahora con
Más detallesCapítulo 3 TECNICAS DE REALCE DE IMAGENES
Página 1 de 22 Capítulo 3 Realce de la Imagen TECNICAS DE REALCE DE IMAGENES El objetivo principal de las técnicas que se explicarán es procesar una imagen de forma tal que resulte más adecuada que la
Más detallesPROCESAMIENTO DE IMÁGENES CON TITERE
www. PROCESAMIENTO DE IMÁGENES CON TITERE PAUTA Programa de mejora de las enseñanzas Prácticas basadas en el AUToAprendizaje 20/03/01 Proyecto TITERE 1 PROYECTO TITERE 1. Introducción. 2. Descripción del
Más detalles1.- FILTRADO MEDIANA GENERALIZADO Y TÉCNICAS DE FILTRADO NO LINEAL
- FILTRADO MEDIANA GENERALIZADO Y TÉCNICAS DE FILTRADO NO LINEAL -INTRODUCCIÓN Bovi, Huang y Munson han introducido una generalización de filtros mediana llamados filtro de orden estadístico (OSF) en la
Más detallesINDICE Prefacio 1. Introducción 2. Fundamentos de la imagen digital
INDICE Prefacio XVII 1. Introducción 1.1. Fundamentos 1 1.2. Representación digital de imágenes 6 1.3. Etapas fundamentales del procesamiento de imágenes 8 1.4. Elementos de los sistemas de procesamiento
Más detallesCAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR
CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR El algoritmo realizado para la detección de bordes de imágenes a color se basa en el operador Canny. La filosofía del operador
Más detallesTransformadas de la imagen
Transformadas de la imagen Digital Image Processing, Gonzalez, Woods, Addison Wesley, ch 3 Transformadas de la imagen 1 Transformada de Fourier en el caso continuo Transformada de Fourier de una funcion
Más detallesCompresión de Vídeo. Juan A. Michell Mar=n Gustavo A. Ruiz Robredo. Tema 1.1. Imagen digital. Departamento de Electrónica y Computadores
Juan A. Michell Mar=n Gustavo A. Ruiz Robredo Departamento de Electrónica y Computadores Este tema se publica bajo Licencia: Crea9ve Commons BY- NC- SA 4.0 Una imagen puede definirse como una función 2D
Más detallesDetección de bordes en una imagen.
Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para
Más detallesTracking de Video, Descriptores SIFT, Arquitectura Multicore.
Título: Reconocimiento de objetos en video Autores: Bernarda Albanesi y Nadia Funes Director: Prof. Lic. Laura Lanzarini Codirector: Prof. Lic. Franco Chichizola Carrera: Licenciatura en Sistemas El reconocimiento
Más detallesFigura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad
3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de
Más detallesProcesamiento de Imágenes Digitales Asesinos de estudiantes normalistas. Paren de asesinar a futuros formadores.
Procesamiento de Imágenes Digitales Asesinos de estudiantes normalistas. Paren de asesinar a futuros formadores. Dr. Ivo H. Pineda Torres Facultad de Ciencias de la Computación Benemérita Universidad Autónoma
Más detallesExamen correspondiente a la evaluación alternativa. Procesamiento de imágenes digitales curso 2007/2008
Examen correspondiente a la evaluación alternativa Procesamiento de imágenes digitales curso 2007/2008 Cada respuesta correcta puntúa 0.25. Cada respuesta incorrecta puntúa -0.05. 1. Cuál de las siguientes
Más detallesPresenta: Norma Atriano Pérez
Presenta: Norma Atriano Pérez Introducción Es posible que desee cambiar la resolución de un la imagen, reducir el tamaño de la imagen, ampliarla o en otro caso no se sabe que resolución poner en la imagen
Más detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción Conectividad Operaciones matemáticas básicas OR AND NOT XOR Operadores morfológicos Dilatación Erosión Cierre Apertura
Más detallesFILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES. Jesús López de la Cruz Grupo 10
FILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES Jesús López de la Cruz Grupo 10 Problema Soluciones anteriores Algoritmo HFC Explicación visual Problema Tenemos una imagen
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales MEJORAMIENTO DE LA IMAGEN Transformaciones de intensidad INTRODUCCIÓN Mejoramiento es el proceso de manipulación de la imagen tal que el resultado sea más útil que la imagen
Más detalles