Práctica 3: Realce de imágenes

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Práctica 3: Realce de imágenes"

Sergio Adolfo Quintana Serrano
hace 6 años
Vistas:

1 Prácticas de laboratorio Práctica 3: Realce de imágenes 1. DESCRIPCIÓN Y REALIZACIÓN DEL PROBLEMA Se trata de desarrollar un conjunto sencillo de algoritmos en C para ejecutar operaciones de REALCE por expansión y ecualización del histograma. Para ello, se realizará un programa capaz de ejecutar las siguientes operaciones: 1. Expansión del histograma. 2. Ecualización del histograma. 3. Ecualización para imágenes a color Fco Javier Molina Cantero Pag. 1

2 1.1 Expansión del histograma El algoritmo calculará automáticamente el rango a expandir, partiendo del porcentaje de puntos excluidos, asignándolos a partes iguales a los niveles superior e inferior del histograma. N Histograma 256 Función de Correspondencia Min Max Min Max Las funciones a desarrollar son las siguientes: CARPETA: Pannels FICHERO: P3_Enhance.cpp VISIONDLL_API long fnbuttonhistoexpand( unsigned char **Image, int Rows, int Cols, int Degradation) CARPETA: Library FICHERO: Histogram.cpp // Calcula el histograma de una imagen monocromática // La curva resultante es de 256 puntos y se devuelve en el vector buffer void Histogram(unsigned char **Image, int Rows, int Cols, float *buffer) Pag. 2

3 CARPETA: Library FICHERO: Enhancent.cpp // Función de realce por expansión del histograma mediante corte de colas // El resultado se devuelve en la misma imagen de entrada void imagehistogramexpand(unsigned char **Image, int Filas, int Cols, int degradation) NOTA: Utilice la función DisplayImageHistogram antes y después de la ecualización para comprobar cómo cambia el histograma. 1.2 Ecualización del Histograma Desarrolle las funciones necesarias siguiendo el algoritmo conocido. Deberá programar las siguiente funciones: CARPETA: Pannels FICHERO: P3_Enhance.cpp VISIONDLL_API long fnbuttonhistoequalization( unsigned char **Image, int Filas, int Cols) CARPETA: Library FICHERO: Enhancent.cpp // El resultado se devuelve en la misma imagen de entrada void imagehistogramequalization(unsigned char **Image, int Filas, int Cols) NOTA: Utilice la función DisplayImageHistogram antes y después de la ecualización para comprobar cómo cambia el histograma. Fco Javier Molina Cantero Pag. 3

4 1.3 Expansión del Histograma en imágenes a color Existen numerosas adaptaciones del algoritmo de expansión del histograma para realce de imágenes a color. En casi todas son comunes los siguientes pasos: Seleccionar una banda Calcular a partir de esta banda una función de correspondencia, usando alguno de los métodos conocidos para imágenes monocromáticas (expansión, ecualización,...) Aplicar la función de correspondencia a todas. En el caso de la expansión, este proceso significa que los colores (RGB) son convertidos a (R G B ) mediante una constante de proporcionalidad. Cabe por tanto esperar que mantenga los colores originales intactos. Sin embargo, esta hipótesis es incorrecta. A) Razone por qué. B) En este ejercicio proponemos un algoritmo alternativo. Consiste en calcular a partir de los histogramas de las tres bandas, los valores Max y Min de la curva de expansión con el siguiente criterio: Calcular Max y Min para cada banda utilizando el porcentaje de puntos excluidos. Seleccionar como Max el mayor de los obtenidos en las tres bandas Seleccionar como Min el menor de los obtenidos en las tres bandas C) Está garantizado ahora el mantenimiento de las proporciones entre colores?. Dónde radica entonces la ventaja de este algoritmo?. Programe el algoritmo descrito en las siguientes funciones: CARPETA: Pannels FICHERO: P3_Enhance.cpp VISIONDLL_API long fnbuttonhistocolorexpand( unsigned char *R, unsigned char *G, unsigned char *B, int Filas, int Cols, float Degradacion) Pag. 4

5 CARPETA: Library FICHERO: Enhancent.cpp void imagecolorhistogramexpand( unsigned char *R, unsigned char *G, unsigned char *B, int Filas, int Cols, float degradacion) 1.4 Ecualización del Histograma L en imágenes a color La técnica de Ecualización del Histograma también puede extenderse a imágenes en color, aunque su aplicación directa sobre las bandas R, G ó B no garantiza que se mantenga la tinta de los colores. Un sencillo algoritmo basado en las transformaciones RGB - HLS puede reducir este problema: Transformar la imagen RGB a HLS Aplicar el algoritmo de ecualización a la matriz L Invertir la imagen HLS a RGB Empleando las funciones desarrolladas en la librería de color, sólo deberá programar las siguientes: CARPETA: Library FICHERO: Enhancent.cpp VISIONDLL_API long fnbuttonlumequalization( unsigned char **R, unsigned char **G, unsigned char **B, int Filas, int Cols) CARPETA: Library FICHERO: Enhancent.cpp void imagelumequalizationcolor( unsigned char **R,unsigned char **G, unsigned char **B, int Filas,int Cols) Fco Javier Molina Cantero Pag. 5

6 2. IMÁGENES DE TEST Fichero: copter.bmp Fichero: infrared.bmp Fichero: hotel.bmp Pag. 6

Documentos relacionados

El entorno Vision - E Laboratory

Prácticas de laboratorio El entorno Vision - E Laboratory Una imagen vale más que mil palabras Proverbio chino. 1. Introducción 2. El entorno Vision-E 2.1 Panel de Imágenes 2.2 Área de Menús y Edición