Procesamiento de Imágenes. Prof. Alexandra La Cruz, PhD

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Procesamiento de Imágenes. Prof. Alexandra La Cruz, PhD"

Tomás Ríos Fernández
hace 6 años
Vistas:

1 Procesamiento de Imágenes Prof. Alexandra La Cruz, PhD

2 Contenido Conceptos básicos Modelo de una imagen Procesamiento digital de imágenes Operaciónes básicas Convolución Filtros Segmentación

3 Conceptos Básicos Una señal es una función que depende de alguna variable con significado físico Una dimesión Dos dimesiones

4 Modelo de una imagen digital Una imagen puede ser modelada por una función continua de valores reales como una función de la intensidad de luz. I = ( x, y) Donde y son las coordenadas espaciales y el valor el brillo de la imagen en dichas coordenadas f x y I

5 Procesamiento digital de imágenes La visión le permite al humano percibir y entender el mundo alrededor Hacer que un computador sea capaz de ver no es fácil. Vivimos en un mundo 3D y el computador muestra imágenes D, incurriendo en perdida de información Niveles de procesamiento Bajo nivel Alto nivel

6 Ilusión Optica AMARILLO AZUL NARANJA NEGRO ROJO VERDE VIOLETA AMARILLO ROJO NARANJA VERDE NEGRO AZUL ROJO VIOLETA VERDE AZUL NARANJA Más

7 Procesamiento digital de imágenes Proceso de Adquisición La imagen es capturada por un sensor y digitalizada Preprocesamiento Eliminación de ruido, mejorar el realce de los objetos en la imagen para su análisis (Detección de bordes) Segmentación de la imagen Consiste en la separación de los distintos objetos involucrados en el escena Descripción del objeto Identificación de los objetos a partir de una imagen segmentada

8 Intensidad de brillo de una imagen Los valores de intensidad de una imagen depende de varios factores: propiedades de reflectancia de la superficie del objeto propiedades de iluminación y la orientación de la superficie del objeto con respecto a la fuente de iluminación

9 Calidad de la Imagen La calidad de una imagen digital aumenta en proporción a la resolución espacial, espectral, radiométrica y tiempo Resolución espacial es dada por la proximidad de las muestras en el imagen plana Resolución espectral es dada por el ancho de banda de la frecuencia de luz capturada por el sensor Resolución radiométrica corresponde al número de niveles de gris distinguibles Resolución por el tiempo es dada por el intervalo de tiempo en el muestreo

10 Muestreo & Cuantificación Muestreo Proceso de digitalización espacial de las coordenadas Cuantificación Proceso de digitalización de amplitud Imagen binaria x ( x, y)

11 Muestreo

12 Cuantificacion 8 bits 4 bits 3 bits Cuantificación de k bits hay una variación k de niveles de gris de

13 Vecindad de un pixel Vecindad de 4 Vecindad de 8

14 Conectividad Conectividad a 4 Conectividad a 8

15 Distancia entre pixeles Euclideana D E (( i, j),( h, k)) = ( i h) + ( j k Distancia según vecindad 4 distante D 4 8 distante (( i, j),( h, k)) = j h + h k ) D (( i, j),( h, k)) = max( i h + j k 8 )

16 Distancia entre pixeles distancia 8-distancia

17 Histograma

18 Equalización del Histograma

19 Negativo

20 Convolución Mascara (k) 9 C ( I, k) = I * k i i= i

21 Filtro pasa-bajo Enfatizan las bajas frecuencias Suavizan las imágenes Eliminan ruido 6 4 Intenta asemejar el valor de un pixel al valor de los pixeles vecinos

22 Filtro promediador

23 Filtro promediador

24 Filtro de mediana

25 Filtro de mediana

26 Filtro de mediana

27 Filtro pasa-alto Enfatizan las altas frecuencias Resaltar características lineales (bordes) Detectar detalles en la imagen

28 Filtro pasa-alto

29 Filtro Gausiano

30 Filtro Gausiano

31 Gradiente Original, horizontal, vertical y adición

32 Detección de contornos

33 Detección de contornos Robert

34 Detección de contornos Sobel

35 Detección de contornos

36 Detección de contornos Laplace Laplace of a Gaussian (LoG)

37 Ejemplo LoG

38 Segmentación Basada en umbrales Crecimiento de regiones Basado en modelo Snake y Modelo deformable

39 Segmentación basada en umbrales

40 Crecimiento por regiones

41 Segmentación basado en modelo

42 Snakes y Modelos deformables

43 Snakes y Modelos deformables

44 Reference Hypermedia Image Processing Reference por Bob Fisher, Simon Perkins, Ashley Walker y Erik Wolfart. Department of Artificial Intelligence, University of Edinburgh, UK Imágenes Médicas por Gianfranco Passariello, Ph.D., Fernando Mora, Ph.D. Universidad Simón Bolívar Image Processing, Analysis, and Machine Vision por Milan Sonka, Vaclav Hlavac, y Roger Boyle Alexandra La Cruz, Matús Straka, Arnold Köchl, Milos Srámek, Meister Eduard Gröller, Dominik Fleischmann Non-linear Model Fitting to Parameterize Diseased Blood Vessels In IEEE Visualization 004, pages October 004.

Documentos relacionados

Procesamiento 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