FILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES. Jesús López de la Cruz Grupo 10

Transcripción

1 FILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES Jesús López de la Cruz Grupo 10

2 Problema Soluciones anteriores Algoritmo HFC Explicación visual

3 Problema Tenemos una imagen en color dañada con ruido impulsivo y queremos restaurar los píxeles a su valor original El filtro HFC es particularmente efectivo para reducir ruido impulsivo en imágenes digitales preservando la nitidez de los bordes

4 Anteriores Soluciones Filtro mediana Se aplica a cada componente por separado Filtro Mediana El filtro de la mediana es efectivo para eliminar el ruido pero suaviza los bordes

5 Algoritmo - Paso 1: La detección del ruido. - Paso 2: La estimación de las diferencias entre las componentes del color. - Paso 3: El método de filtrado.

6 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. Se aplica a cada componente del espacio de color - Ruido impulsivo de valor fijo: este tipo de ruido presenta varios valores distintos de intensidad que se repiten a lo largo de 2 casos la imagen - Ruido impulsivo de valor aleatorio: este tipo de ruido, en cambio, presenta valores de intensidad en un rango más amplio en toda la imagen

7 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. - Ruido impulsivo de valor fijo: -Se recorre la matriz por bloques Dentro de cada bloque, si el píxel central tiene un valor de intensidad muy distante de la media o de la mediana en el bloque, es considerado ruidoso y se añade al histograma de ruido Se calculan los Histogramas de ruido

8 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. - Ruido impulsivo de valor aleatorio: Método 1: Se recorre la matriz por bloques. Si el píxel central del bloque está dañado con ruido impulsivo, tendrá generalmente un valor de intensidad muy distinto con respecto a su vecindario Método 2 : Se recorre la matriz por bloques. Se obtienen los gradientes básico y relativos en cada dirección. Calculamos si el píxel central de cada ventana está dañado con ruido Combinación de 2 métodos

9 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. - Estimaciones de las diferencias entre componentes - Se calculan las diferencias entre las componentes de color actuales - Estimación de los histogramas de tales diferencias - Cálculo de los parámetros para los conjuntos fuzzy a partir de los histogramas - Estimación de la diferencia de referencia - Estimación de los valores de salida

10

11 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. - Cálculo de parámetros: - Para calcular las funciones de pertenencia η SMALL, η MEDIUM y η LARGE explicadas anteriormente necesitamos calcular ciertos parámetros Estos parámetros se calculan en base a: - la densidad de potencial (PDF) - la masa (MASS) - el centroide (CEN)

12 Algoritmo Paso 1: La detección del ruido. Paso 2: La estimación de las diferencias entre las componentes del color. Paso 3: El método de filtrado. - Método de filtrado: - Las diferencias de intensidad calculadas en un vecindario local alrededor de un pixel central son finalmente usadas para filtrar las componentes de color que están dañadas con ruido impulsivo. Solo se filtran los píxeles que tienen un grado distinto de 0 en el conjunto de ruido fuzzy

13 Explicación visual Detección de ruido Estimación de diferencias entre componentes de color Método de filtrado

14 Explicación visual Detección de ruido Estimación de diferencias entre componentes de color Método de filtrado Detección de ruido valor fijo Detección de ruido valor aleatorio Método 1 Método 2 Combinación Histograma de ruido Conjunto de ruido fuzzy

15 Explicación visual Detección de ruido Estimación de diferencias entre componentes de color Método de filtrado Small Peso Small Media Small Matriz de diferencias (M 12 ) Normalizar [0,1] Medium Peso Medium Media Medium Conjunto de ruido fuzzy (F 1 ) Large Peso Large Media Large Conjunto de ruido fuzzy (F 2 ) NotNoise RefDifference M12normOutput

16 Explicación visual Detección de ruido Estimación de diferencias entre componentes de color Método de filtrado M12normOutput Solo los pixeles dañados son filtrados Conjunto de ruido fuzzy

17 Aplicación Práctica