TAREA N 2 SEPARABILIDAD DE FILTROS Y TRANSFORMADA DE FOURIER
|
|
- Lorenzo Navarro Maestre
- hace 5 años
- Vistas:
Transcripción
1 Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 2 SEPARABILIDAD DE FILTROS Y TRANSFORMADA DE FOURIER Nombre Alumno : Profesor : Profesor Auxiliar : Ayudante de Laboratorio: Sebastián Gálvez Claudio Pérez Luis Castillo Alonso Astroza Fecha : 09/09/2014 Santiago, Chile.
2 Convolución P1.- Convolución El objetivo de esta sección de la tarea es estudiar la separabilidad de un filtro 2D en dos kernels 1D, evaluando costo computacional de los dos casos e implementando en Matlab la convolución en estas dos modalidades para verificar la teoría. a) Demostración de separabilidad de la convolución 2D. Dado un filtro 2D con kernel separable tal que, entonces la operación de convolución se puede separar de la siguiente manera: En efecto, dado que por definición se tiene que la convolución 2D es: que: Y utilizando la definición de convolución 1D para y en la variable, se tiene Ahora se identifica la convolución 1D entre y en la variable, por lo que finalmente se obtiene lo pedido. b) Costo computacional de la convolución 2D mediante kernel 2D. U. de Chile. FCFM. DIE ~1~
3 Convolución Suponio que el kernel es de dimensión, y la matriz objetivo es de tamaño, utilizando la definición de la convolución 2D para un punto de la matriz resultante: Es fácil ver que para calcular la convolución de un sólo punto de la matriz resultante de la convolución se requieren productos, y como se debe realizar para cada uno de los elementos de, en total se requieren multiplicaciones. c) Costo computacional de la convolución 2D mediante kernels 1D. En este caso para cada punto sólo se realizan productos por cada kernel, realizando en la convolución 1D vertical un total de productos por cada columna, con un total de columnas y en la convolución 1D horizontal la misma cantidad de multiplicaciones por cada fila, para las filas de. Así, el total de multiplicaciones realizadas es d) Filtro Rect de 11x11. Se implementaron en Matlab las funciones convolucion2d(img,h) y convolucion1d(img,h1,h2), que retornan la imagen de salida según la convolución con el filtro y el tiempo de cómputo calculado gracias a las funciones tic y toc. Para más detalles sobre el código dirigirse a la sección Anexos. En esta oportunidad se probará un filtrado mediante el kernel Rect de 11x11:, con [ ] A continuación se muestran en la Figura 1 los resultados obtenidos para las dos modalidades de convolución implementadas, junto a la Tabla 1 que compara los tiempos de cómputo de los dos métodos. U. de Chile. FCFM. DIE ~2~
4 Convolución FIGURA 1:(ARRIBA) IMAGEN ORIGINAL. (IZQUIERDA) RESULTADO DE CONVOLUCION USANDO KERNEL 2D. (DERECHA) RESULTADO DE CONVOLUCION USANDO KERNELS 1D. Como se muestra en la Tabla 1, los tiempos de cómputo de la operación que utiliza la separabilidad del kernel son considerablemente menores, producio un resultado en el cual no se pueden identificar diferencias. En promedio, se obtuvo una reducción al 22.19% del tiempo de cómputo de la convolución mediante kernel 2D. U. de Chile. FCFM. DIE ~3~
5 Convolución Tiempo de Computo para Filtro Rect de 11x11 N Prueba Convolucion Kernel 2D [s] Convolucion Kernels 1D [s] 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Tiempo Promedio 0, , TABLA 1: COMPARACIÓN DE TIEMPO DE CÓMPUTO PARA CONVOLUCION MEDIANTE KERNEL 2D Y KERNELS 1D PARA FILTRO RECT. e) Filtro Gussiano de 5x5. En esta ocasión se estudia la separabilidad del filtro gaussiano:, con [ ] En la Figura 2 se pueden observar los resultados obtenidos para las dos modalidades de convolución para el caso del filtro Gaussiano. Al igual que el caso anterior no existen diferencias notables entre una u otra modalidad. Además, en la Tabla 2 se muestran los tiempos de cómputo de cada caso para 20 pruebas distintas. En este caso se observa una mayor reducción de cómputo al utilizar la separabilidad, logrando el 12,89% del tiempo de cómputo respecto de la convolución por kernel 2D. U. de Chile. FCFM. DIE ~4~
6 Convolución FIGURA 2:(IZQUIERDA) CONVOLUCIÓN USANDO KERNELS 1D. (DERECHA) CONVOLUCIÓN USANDO KERNEL 2D. Tiempo de Computo para Filtro Gaussiano de 5x5 N Prueba Convolucion Kernel 2D [s] Convolucion Kernels 1D [s] 1 1, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Tiempo Promedio 1, , TABLA 2: COMPARACIÓN DE TIEMPO DE CÓMPUTO PARA CONVOLUCION MEDIANTE KERNEL 2D Y KERNELS 1D PARA FILTRO GAUSSIANO. U. de Chile. FCFM. DIE ~5~
7 Transformada de Fourier P2.- Transformada de Fourier a) Respuesta en frecuencia de Filtros 2D Los filtros con respuesta al impulso [ ] [ ] poseen las siguientes respuestas de frecuencia, calculadas mediante la transformada de Fourier: { } [ ] { } [ ] Esto se condice con la noción de respuesta en frecuencia de una señal correspondiente a un impulso ideal, la cual es una señal rectangular, mientras que la respuesta en frecuencia de una señal rectangular es un impulso. Es así que para determinar la respuesta asociada a los filtros y, gracias a la linealidad de { } basta restar y sumar las respuestas calculadas previamente. Con esto se tiene que: { } [ ] { } [ ] b) Gráficos de Respuesta en frecuencia de Filtros 2D A continuación se muestran en las Figuras 3 y 4 los resultados obtenidos al aplicar las funciones fft2 y fftshift para calcular la respuesta en frecuencia de los filtros y. Claramente, el caso del filtro Resta presenta una característica de filtro pasa alto, permitio detectar variaciones rápidas de valores de pixeles en una imagen, como lo son los bordes, mientras que el filtro Suma realiza exactamente lo opuesto, actuando como un pasa bajos, al atenuar los cambios rápidos y dejar en la imagen resultante del filtrado las áreas de pixeles en donde no existen cambios bruscos en la tonalidad. U. de Chile. FCFM. DIE ~6~
8 Transformada de Fourier FIGURA 3: RESPUESTA EN FRECUENCIA DEL FILTRO RESTA FIGURA 4: RESPUESTA EN FRECUENCIA DEL FILTRO SUMA U. de Chile. FCFM. DIE ~7~
9 Transformada de Fourier c) Filtrado de imagen. Considerando los filtros Suma y Resta de las preguntas anteriores, al aplicarlos a la imagen de la Figura 5, previa normalización se obtuvieron los resultados mostrados en la Figura 6. Se utilizó la función de Matlab imfilter para realizar el filtrado. FIGURA 5: IMAGEN ORIGINAL A FILTRAR U. de Chile. FCFM. DIE ~8~ FIGURA 6:(IZQ.) IMAGEN FILTRADA CON RESTA. (DERECHA) IMAGEN FILTRADA CON SUMA.
10 Transformada de Fourier Es evidente que los resultados son consistentes con las hipótesis planteadas en la parte b). Además, no es tan sencillo visualizar los efectos del filtro Suma debido a que se trata de un filtro de tamaño 3x3, aplicado en una imagen de 512x512, por lo que atenúa primordialmente detalles difíciles de percibir. a) Filtrado de imagen con redimensionamiento de filtros. Para estudiar los efectos de aumentar las dimensiones de los filtros Suma y Resta en 3,5 y 7 veces sobre la imagen de la Figura 5, se utilizó la función imresize con la opción nearest. De esta forma, se obtuvieron los resultados mostrados en las Figuras 7 y 8. FIGURA 7: (IZQUIERDA) RESULTADO USANDO FILTRO RESTA 9X9. (CENTRO)RESULTADO USANDO FILTRO RESTA 15X15. (DERECHA)RESULTADO USANDO FILTRO RESTA 21X21. FIGURA 8: (IZQUIERDA) RESULTADO USANDO FILTRO SUMA 9X9. (CENTRO)RESULTADO USANDO FILTRO SUMA 15X15. (DERECHA)RESULTADO USANDO FILTRO SUMA 21X21. U. de Chile. FCFM. DIE ~9~
11 Transformada de Fourier Al observar los cambios producidos al aumentar la dimensión del filtro, se puede notar que se abarca una mayor banda en el espectro de frecuencia, por lo que el filtro Resta que es pasa alto, considera las variaciones rápidas con un rango mayor, llegando a resaltar bordes bastante gruesos. En el caso del filtro Suma como pasa bajos, se acentúa el efecto de suavizado, logrando una imagen un tanto borrosa al aumentar el tamaño en 21 veces. U. de Chile. FCFM. DIE ~10~
12 Anexos Anexos A continuación se anexa el código de las funciones implementadas y de los script utilizados para mostrar los resultados de cada pregunta. convolucion2d.m function [outimg,timeelapsed]=convolucion2d(img,h) %retorna convolucion 2D de img con kernel 2D h %tambien retorna tiempo de computo n=length(h(1,:)); [N,M]=size(img); newimg=zeros(n+n,m+n); outimg=zeros(n,m); timer=tic; %inicio timer newimg((n-1)/2 + (1:N),(n-1)/2 + (1:M) )=img; for u=1:n for v=1:m for i=1:n for j=1:n outimg(u,v)=outimg(u,v)+h(i,j)*newimg(u-i+n,v-j+n); timeelapsed=toc(timer); %obtengo tiempo de computo % disp(sprintf('tiempo de Convolucion Kernel 2D = %f [s]',timeelapsed)) convolucion1d.m function [outimg,timeelapsed]=convolucion1d(img,h1,h2) %retorna convolucion usando los kernels 1D h1 y h2 %tambien retorna tiempo de computo n=length(h1); if(n~=length(h2)) disp('error, kernels 1D de distinto largo') return [N,M]=size(img); newimg=zeros(n+n,m+n); vertconvimg=zeros(n,m); newimg((n-1)/2 + (1:N),(n-1)/2 + (1:M) )=img; timer=tic; %inicio timer U. de Chile. FCFM. DIE ~11~
13 Anexos for u=1:n for v=1:m for i=1:n vertconvimg(u,v)=vertconvimg(u,v)+h1(i)*newimg(u-i+n,v+(n- 1)/2); newimg((n-1)/2 + (1:N),(n-1)/2 + (1:M) )=vertconvimg; outimg=zeros(n,m); for u=1:n for v=1:m for j=1:n outimg(u,v)=outimg(u,v)+h2(j)*newimg(u+(n-1)/2,v-j+n); timeelapsed=toc(timer); %obtengo tiempo de computo % disp(sprintf('tiempo de Convolucion Kernels 1D = %f [s]',timeelapsed)) Tarea2p1.m %% Tarea2p1 %% p1 d) % 2D conv clear all; close all; I1=imread('I1.bmp'); h=(1/121)*ones(11,11); figure;imshow(i1);title('imagen Original') [I1_2D,t2D]=convolucion2D(I1,h); figure;imshow(uint8(i1_2d));title('convolucion con kernel 2D Rect de 11x11') % 1D conv h1=(1/11)*ones(11,1); h2=h1'; [I1_1D,t1D]=convolucion1D(I1,h1,h2); figure;imshow(uint8(i1_1d));title('convolucion con kernels 1D que componen filtro Rect de 11x11') disp(sprintf('tiempo Convolucion Kernel 2D = %f',t2d)) disp(sprintf('tiempo Convolucion Kernels 1D = %f',t1d)) % time measuring % t1d=zeros(20,1); % t2d=zeros(20,1); % for i=1:20 % [~,t2d(i)]=convolucion2d(i1,h); % [~,t1d(i)]=convolucion1d(i1,h1,h2); % % disp(sprintf('tiempo Convolucion Kernel 2D = %f',mean(t2d))) % disp(sprintf('tiempo Convolucion Kernels 1D = %f',mean(t1d))) U. de Chile. FCFM. DIE ~12~
14 Anexos %% p1 e) I1=imread('I1.bmp'); h1g=(1/12)*[1;3;4;3;1]; h2g=h1g'; hg=h1g*h2g; % 2D conv [I1_2Dg,t2Dg]=convolucion2D(I1,hg); figure;imshow(uint8(i1_2dg));title('convolucion con kernel 2D Gaussiano de 5x5') % 1D conv [I1_1Dg,t1Dg]=convolucion1D(I1,h1g,h2g); figure;imshow(uint8(i1_1dg));title('convolucion con kernels 1D que componen filtro Gaussiano de 5x5') disp(sprintf('tiempo Convolucion Kernel 2D = %f',t2dg)) disp(sprintf('tiempo Convolucion Kernels 1D = %f',t1dg)) % time measuring % t1dg=zeros(20,1); % t2dg=zeros(20,1); % for i=1:20 % [~,t2dg(i)]=convolucion2d(i1,hg); % [~,t1dg(i)]=convolucion1d(i1,h1g,h2g); % % disp(sprintf('tiempo Convolucion Kernel 2D = %f [s]',mean(t2dg))) % disp(sprintf('tiempo Convolucion Kernels 1D = %f [s]',mean(t1dg))) Tarea2p2.m %% Tarea2p2 clear all; ha=zeros(3,3); ha(2,2)=9; hb=ones(3,3); resta=ha-hb; suma=ha+hb; sumafilt=suma/sum(suma(:)); %% Respuesta en Freq p2a) y b) close all; F_ha=fftshift(abs(fft2(ha))); F_hb=fftshift(abs(fft2(hb))); % figure;imagesc(f_ha);colorbar; % figure;imagesc(f_hb);colorbar; U. de Chile. FCFM. DIE ~13~
15 Anexos F_resta=fftshift(abs(fft2(resta))); F_suma=fftshift(abs(fft2(suma))); figure h1 = bar3(f_resta); title('respuesta en frecuencia de h_a-h_b ') colorbar for k = 1:length(h1) zdata = get(h1(k),'zdata'); set(h1(k),'cdata',zdata,... 'FaceColor','interp') figure h2 = bar3(f_suma); title('respuesta en frecuencia de h_a+h_b ') colorbar for k = 1:length(h2) zdata = get(h2(k),'zdata'); set(h2(k),'cdata',zdata,... 'FaceColor','interp') %% p2 c) close all; I2=imread('I2.bmp'); figure;imshow(i2);title('imagen Original') figure; I2_resta=imfilter(I2,resta,'conv'); subplot(121);subimage(i2_resta);title('imagen Filtrada con h_a-h_b') I2_suma=imfilter(I2,sumafilt,'conv'); subplot(122);subimage(i2_suma);title('imagen Filtrada con h_a+h_b') %% p2 d) close all; resta_x3=imresize(resta,3,'nearest'); resta_x5=imresize(resta,5,'nearest'); resta_x7=imresize(resta,7,'nearest'); suma_x3=imresize(suma,3,'nearest'); suma_x3=suma_x3/sum(suma_x3(:)); suma_x5=imresize(suma,5,'nearest'); suma_x5=suma_x5/sum(suma_x5(:)); suma_x7=imresize(suma,7,'nearest'); suma_x7=suma_x7/sum(suma_x7(:)); I2=imread('I2.bmp'); I2_restax3=imfilter(I2,resta_x3,'conv'); I2_restax5=imfilter(I2,resta_x5,'conv'); I2_restax7=imfilter(I2,resta_x7,'conv'); I2_sumax3=imfilter(I2,suma_x3,'conv'); I2_sumax5=imfilter(I2,suma_x5,'conv'); I2_sumax7=imfilter(I2,suma_x7,'conv'); figure; subplot(131) subimage(i2_restax3); title('filtro Resta 9x9') subplot(132) subimage(i2_restax5);title('filtro Resta 15x15') U. de Chile. FCFM. DIE ~14~
16 Anexos subplot(133) subimage(i2_restax7);title('filtro Resta 21x21') figure; subplot(131) subimage(i2_sumax3);title('filtro Suma 9x9') subplot(132) subimage(i2_sumax5);title('filtro Suma 15x15') subplot(133) subimage(i2_sumax7);title('filtro Suma 21x21') U. de Chile. FCFM. DIE ~15~
17 Bibliografía Bibliografía Resumen_3 EL7007 Introducción al Procesamiento Digital de Imágenes Caludio A. Perez, Departamento de Ingeniería Eléctrica, Universidad de Chile, U. de Chile. FCFM. DIE ~16~
TAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO RECEPTIVO
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO
Más detallesTAREA N 4 COMPENSACIÓN DE ILUMINACIÓN
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 4 COMPENSACIÓN DE ILUMINACIÓN Nombre
Más detalles3. ANÁLISIS DE SEÑALES
3. ANÁLISIS DE SEÑALES 3.1 REGISTRO Y TRATAMIENTO DE SEÑALES Una señal se define como la historia de los valores de aceleración que mide un acelerómetro en determinado tiempo para un punto específico.
Más detallesINFORME TAREA N 4 CLUSTERING
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL4106 Inteligencia Computacional INFORME TAREA N 4 CLUSTERING Nombre Alumno : Profesor : Profesor Auxiliar
Más detallesTAREA N 3 OPERADORES DE DETECCIÓN DE BORDES
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES
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 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 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 detallesELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I
1 ELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I Este laboratorio está compuesto por dos sesiones en la cuales se estudiará la transformada
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 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 detallesEstudio del Efecto de las Máscaras de Convolución en Imágenes Mediante el Uso de la Transformada de Fourier
46 Revista Ingeniería e Investigación No. 48 Diciembre de 2001 Estudio del Efecto de las Máscaras de Convolución en Imágenes Mediante el Uso de la Transformada de Fourier Manuel Guillermo Forero Vargas',
Más detallesKorell, Guillermo Pohl, Nancy. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas
Unión de imágenes mediante correlación Korell, Guillermo Pohl, Nancy Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas Captura y Procesamiento Digital de Señales e Imágenes Resumen:
Más detallesProcesamiento Digital de Imágenes
3. Procesamiento Digital 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
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 detallesTaller de Filtros Digitales 2016 Práctica 1
Taller de Filtros Digitales 2016 Práctica 1 1. Objetivo El objetivo de esta práctica es la familiarización con el tratamiento digital de señales: Generación y visualización de señales digitales. Convolución
Más detalles1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Sistema: Suma: Escalamiento:
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales 1.2 Sistemas lineales 1.2.1 Ejemplo de Sistemas Lineales Qué es una imagen digital? a) Sistema: un sistema realiza
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 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 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 detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN TEORÍA DE SEÑALES OBJETIVO GENERAL Estudiar los conceptos fundamentales de representación de
Más detallesSegunda parte (2h 30 ):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL SEPTIEMBRE 2008 05/09/2008 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES
Más detallesTema 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 detallesTaller de Filtros Digitales 2016 Práctica 2
Taller de Filtros Digitales 2016 Práctica 2 1. Objetivo Familiarizarse con distintas técnicas de diseño de filtros digitales. 2. FIR - Diseño por ventanas Se desea diseñar un filtro pasabanda de fase lineal
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 detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
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 detallesCONVOLUCIÓN Y FUNCIONES DE TRANSFORMACIÓN
INSTITUTO NACIONAL DE ASTROFÍSICA, ÓPTICA Y ELECTRÓNICA COORDINACIÓN DE ELECTRÓNICA PROCESAMIENTO DIGITAL DE IMÁGENES CONVOLUCIÓN Y FUNCIONES DE TRANSFORMACIÓN PRESENTA: RUBÉN FRANCISCO ALFONSO LÓPEZ 3
Más detallesPráctica 3: Operadores puntuales
Práctica 3: Operadores puntuales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es presentar al alumno las técnicas para realizar operadores puntuales sobre imágenes
Más detallesLa transformada rápida de Fourier (FFT) y otros algoritmos para la implementación de la DFT
1 La transformada rápida de Fourier (FFT) y otros algoritmos para la implementación de la DFT Existen diversas formas de implementar la transformada discreta de Fourier (DFT). Para estudiar algunas de
Más detallesCAPITULO 5. Introducción al procesamiento de imágenes. Continuar
CAPITULO 5 Introducción al procesamiento de imágenes Continuar Introducción De forma similar al estudio de las señales de voz, los sistemas de comunicación manipulan datos que corresponden a imágenes y
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 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 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 detallesPráctica Nº2: Transformada de Fourier y Filtros Espaciales.
UIVERSIDAD ACIOAL DE SA JUA DEPARTAETO DE ELECTROICA Y AUTOATICA. CARRERA: BIOIGEIERIA. ASIGATURA: IÁGEES E EDICIA. Práctica º2: Transformada de Fourier y Filtros Espaciales. Objetivos. Aplicar la Transformada
Más detallesUTP Fac. Ing. Industrial Informática T2 - Ejercicios iniciales Programación en Matlab
b) Calcular y mostrar el valor bruto, iva del 16% y neto de la compra de un artículo, con datos de entrada: descripción, cantidad y valor unitario (antes de iva). Pseudocódigo: INICIO 1. Declarar variables
Más detallesSistemas Lineales e Invariantes a la Traslación
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Es un arreglo de píxeles? 1.2 Las funciones sinusoidales Onda plana (viajera) que
Más detallesCircuitos de RF y las Comunicaciones Analógicas. Capítulo 3 Filtros en RF
Capítulo 3 Filtros en RF 37 38 FILTROS EN RF Filtrado en RF: circuito que modifica la magnitud y la fase de las componentes de las frecuencias de la señal de RF que pasa a través de ellos. Un filtro de
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 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 detallesGUÍA DE EJERCICIOS: MATEMÁTICAS
GUÍA DE EJERCICIOS: MATEMÁTICAS Matrices Esta guía de estudio está diseñada con ejercicios resueltos paso a paso con el fin de mostrar los procedimientos detallados para abordar cada uno de ellos. Las
Más detallesFiltros senoc-enventanado Filtros personalizados. clase 11
Filtros senoc-enventanado Filtros personalizados clase 11 Temas Introducción a los filtros digitales Clasificación, Caracterización, Parámetros Filtros FIR (Respuesta al impulso finita) Filtros de media
Más detallesMATRICES Y DETERMINANTES EJERCICIOS RESUELTOS
Índice Presentación... 3 Operaciones con matrices... 4 Potencias de una matriz... 5 Productos notables de matrices... 6 Determinantes de una matriz... 7 Rango de matriz... 8 Inversa de una matriz... 10
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesINTRODUCCIÓN A MATLAB. Laboratorio de Biofísica, U.T.P
Laboratorio 11 INTRODUCCIÓN A MATLAB Laboratorio de Biofísica, U.T.P 11.1 Objetivos Familiarizarse con el entorno de la herramienta MATLAB. Iniciación en la utilización de toolbox de procesado de señales
Más detallesAlgebra de Matrices 1
Algebra de Matrices Definición Una matriz es un arreglo rectangular de valores llamados elementos, organizados por filas y columnas. Ejemplo: Notas: A 6. Las matrices son denotadas con letras mayúsculas..
Más detallesTeoría de Comunicaciones
1 Domingo Rodríguez Teoría de comunicaciones trata con el análisis y diseño de señales y sistemas para la transmisión y recepción de la información. Definición Información: Es todo aquello que puede ser
Más detalles5 PROCESADO DE IMÁGENES
5 PROCESADO DE IMÁGENES 5.1 DE LA IMAGEN A LA REALIDAD El primer objetivo del estudio es caracterizar el fenómeno de un flujo de detritos granular. La metodología elegida para lograrlo es filmar el flujo
Más detallesTEMA 5 PROCESADO DE IMÁGENES EN EL DOMINIO DE LA FRECUENCIA.
TEMA 5 PROCESADO DE IMÁGENES EN EL DOMINIO DE LA FRECUENCIA. 1. - INTRODUCCIÓN Las operaciones que hemos realizado hasta ahora sobre una imagen, se realizaron en el dominio espacial, es decir, trabajando
Más detallesLa transformada rápida de Fourier (FFT) y otros algoritmos para la implementación de la DFT
1 La transformada rápida de Fourier (FFT) y otros algoritmos para la implementación de la DFT Existen diversas formas de implementar la transformada discreta de Fourier (DFT). Para estudiar algunas 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 detallesLABORATORIO DE TEORÍA DE COMUNICACIONES MARZO SEPTIEMBRE PRACTICA No. 3
PRACTICA No. 3 TEMA: ANÁLISIS ESPECTRAL EN MATLAB Y SIMULINK 1. OBJETIVO Aplicar los conceptos relacionados a la teoría de análisis de señal en el dominio del tiempo y la frecuencia. Utilizar SIMULINK
Más detallesELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 4: Filtros digitales Parte I
1 ELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 4: Filtros digitales Parte I 0. Introducción Este laboratorio está compuesto por dos sesiones en la cuales se estudiarán filtros digitales.
Más detalles4 MÉTODOS DIRECTOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES
57 4 MÉTODOS DIRECTOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES En este capítulo se estudia el componente algorítmico y computacional de los métodos directos para resolver sistemas de ecuaciones lineales.
Más detallesFusión de imágenes mediante Transformada Wavelet Diádica
Fusión de imágenes mediante Transformada Wavelet Diádica Fortonani, Daniela - Müller, Hernán - Padrón, María Soledad Facultad de Ingeniería y Ciencias Hídricas UNIVERSIDAD NACIONAL DEL LITORAL 22 de junio
Más detallesANEXO IV. Lectura señal (Componentes Z, NS y EW) Componente h-aritmética y Componente h-cuadrática. Filtrado de todas las componentes
ANEXO IV Se presenta a continuación (fig. AIV.1) el diagrama de flujo del programa Matlab que permite realizar un análisis preliminar de los períodos predominantes de los suelos mediante la técnica de
Más detallesPráctica 4 CONVERSIÓN ENTRE LAS DIFERENTES REPRESENTACIONES DE LOS MODELOS LABORATORIO DE MODELADO DE SISTEMAS
Práctica 4 CONVERSIÓN ENTRE LAS DIFERENTES REPRESENTACIONES DE LOS MODELOS LABORATORIO DE MODELADO DE SISTEMAS 13 de marzo de 017 Autor: Rubén Velázquez Cuevas Práctica 4 CONVERSIÓN ENTRE LAS DIFERENTES
Más detallesMODELACIÓN, REPRESENTACIÓN EN VARIABLES DE ESTADO Y SIMULACIÓN CON MATLAB DE UN SISTEMA FISICO
MODELACIÓN, REPRESENTACIÓN EN VARIABLES DE ESTADO Y SIMULACIÓN CON MATLAB DE UN SISTEMA FISICO Luigi Vanfretti Fumagalli lvanfretti@math.com Resumen Este documento hace una introducción a la modelación
Más detallesTrabajo opcional tema 3: modulación lineal
Trabajo opcional tema 3: modulación lineal Alberto Mateos Checa I. Telecomunicación 2 Trabajo opcional tema 3: modulación lineal ÍNDICE DE CONTENIDOS: 1. Introducción.... 3 2. Diseño.... 3 2.1. Sistema
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesFiltros en el dominio espacial
Filtros en el dominio espacial Lección 05.1 Dr. Pablo Alvarado Moya CE5201 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico de Costa Rica I Semestre, 2017 P.
Más detalles(1) Métodos y materiales
Desarrollo de un filtro en el dominio de la frecuencia para procesamiento digital de imágenes de huella dactilar basado en la Transformada Rápida de Fourier Modificada. Resumen. El análisis en frecuencia
Más detalles7.- Teorema integral de Fourier. Transformada de Fourier
7.- Teorema integral de Fourier. Transformada de Fourier a) Introducción. b) Transformada de Fourier. c) Teorema integral de Fourier. d) Propiedades de la Transformada de Fourier. e) Teorema de Convolución.
Más detallesAnálisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones PRÁCTICA 4 Análisis Espectral mediante DFT. Objetivo Habitualmente, el análisis de señales y sistemas LTI
Más detallesGUÍA DE LABORATORIO 3 TRANSFORMADA RÁPIDA DE FOURIER FFT
UNIVERSIDAD ÉCNICA FEDERICO SANA MARÍA Departamento de Electrónica GUÍA DE LABORAORIO 3 RANSFORMADA RÁPIDA DE FOURIER FF CURSO LABORAORIO DE PROCESAMIENO DIGIAL DE SEÑALES SIGLA ELO 385 PROFESOR MARCO
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 detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
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 detalles7.- Teorema integral de Fourier. Transformada de Fourier
7.- Teorema integral de Fourier. Transformada de Fourier a) Introducción. b) Transformada de Fourier. c) Teorema integral de Fourier. d) Propiedades de la Transformada de Fourier. e) Teorema de Convolución.
Más detallesCompresión de imágenes usando la transformada de wavelet y el algoritmo de Huffman
Compresión de imágenes usando la transformada de wavelet y el algoritmo de Huffman 1 Compresión de imágenes usando la transformada de wavelet y el algoritmo de Huffman Alejandro Henao González RESUMEN
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 detallesProcesamiento digital de señales Semana 4. Convolución
Procesamiento digital de señales Semana 4. Convolución Dra. María del Pilar Gómez Gil Otoño 2017 Coordinación de computación Versión: 12 de Septiembre 2017 INAOE (c) P.Gómez Gil, INAOE 2017 1 Tema Convolución
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
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 detallesFiltros en el dominio espacial
Filtros en el dominio espacial Lección 5.2 Dr. Pablo Alvarado Moya CE521 Procesamiento y Análisis de Imágenes Digitales Área de Ingeniería en Computadores Tecnológico de Costa Rica I Semestre, 217 P. Alvarado
Más detallesOrden de las clases...
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesGUÍA DE EJERCICIOS: MATEMÁTICAS
GUÍA DE EJERCICIOS: MATEMÁTICAS Matrices Esta guía de estudio está diseñada con ejercicios resueltos paso a paso con el fin de mostrar los procedimientos detallados para abordar cada uno de ellos. Las
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 18
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesAnálisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones 3 er curso, Ingeniería Técnica de Telecomunicación Sistemas de Telecomunicación 1 PRÁCTICA 4 Análisis Espectral
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 07
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 7 1. Cuál es el rango de longitud de onda de la luz visible? 2. Cuáles son los tipos de ondas electromagnéticas cercanas a la luz visible? 3. Cuál
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 detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 6
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 6 Contenido FORMA DE HACER CÁLCULOS... 3 QUÉ SON LAS FÓRMULAS Y QUÉ LAS FUNCIONES?... 4
Más detallesCursada Segundo Cuatrimestre 2012 Guía de Trabajos Prácticos Nro. 1
Temas: Ambiente de trabajo MATLAB. Creación de matrices y vectores. Matrices pre-definidas. Operador dos puntos. Operaciones con matrices y vectores. Direccionamiento de elementos de matrices y vectores.
Más detallesFiltrado Digital. Lectura 1: Conceptos de Filtrado
Filtrado Digital Lectura 1: Conceptos de Filtrado Respuesta en Frecuencia La salida de un sistema LTI en el dominio de la frecuencia es: Donde H(ω) es llamada la respuesta en frecuencia del sistema, la
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesAnálisis de Señales en Geofísica
Análisis de Señales en Geofísica 8 Clase Facultad de Ciencias Astronómicas y Geofísicas, Universidad Nacional de La Plata, Argentina Todos los sistemas lineales e invariantes pueden ser pensados como filtros.
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 detallesDCT(x[n]) C[u] α(u) x[n] cos (2n 1) π u 2N
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 2005 PRACTICAS: Del
Más detallesECUACIONES MATRICIALES. Docente: Sergio Andrés Nieto Duarte
ECUACIONES MATRICIALES Docente: Sergio Andrés Nieto Duarte En sesiones anteriores se ha discutido sobre las operaciones básicas con matrices, sin embargo, la división matricial no fue abordada de una manera
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 detalles2.- TIPOS DE MATRICES
2º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA.- MATRICES PROFESOR: RAFAEL NÚÑEZ NOGALES.- CONCEPTO DE MATRIZ. Definición de matriz Una matriz real A es un conjunto de números reales
Más detallesUniversidad Tecnológica de Pereira Facultad de Ingeniería Industrial Informática T2 - Ejercicios iniciales Programación en Matlab
Diseñar su solución algorítmica por pseudocódigo, dfd y código matlab: 1) Ingresar dos números, sumarlos y mostrar su resultado Pseudocódigo: INICIO 1. Declarar variables de entrada de datos número uno
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 detallesAnálisis de imágenes digitales
Análisis de imágenes digitales TRANSFORMADAS BÁSICAS DE LA IMAGEN Otras transformada útiles FORMA GENERAL Recordando el concepto general de transformada lineal: T (u,v) = M 1 N 1 x=0 y=0 f (x,y)r(x,y,u,v)
Más detallesCapítulo 7. Sistema de reconocimiento de Voz. Como se mencionó en el capítulo anterior, dos fonemas, debido a los problemas
Capítulo 7 Sistema de reconocimiento de Voz Como se mencionó en el capítulo anterior, dos fonemas, debido a los problemas de discapacidad pueden presentar la misma señal en frecuencia, por lo que podría
Más detallesINSTITUTO LA PAZ. Tutorial Paso a Paso Tablas Dinámicas
INSTITUTO LA PAZ Tutorial Paso a Paso Tablas Dinámicas Las tablas dinámicas es una de las funciones interactivas más útiles y tecnológicamente avanzadas que nos ofrece Microsoft Excel, abriendo a todos
Más detalles