Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador.
Qué es una imágen digital? Una imagen digital consite en una colección ordenada de valores. Estos valores se representan una colección de filas de valores dispuestas ordenadamente.
Qué elementos definen una imagen digital? Tamaño de la imagen (medida en pixels). Resolución de entrada (medida en pixels o en dpi según el dispositivo). Resolución de salida (medida en dpi). Profundidad de color (medida en cantidad posible de colores). LUT (tabla de colores) Planos de color (RGB...) Niveles de gris. Tamaño de fichero (medida en bytes). Tipo de fichero (formato en el que se ha guardado).
Histograma de una imagen digital El histograma es un función que muestra, para cada nivel de gris, el número de pixels de la imagen que tienen ese nivel de gris.
Transformaciones de intensidad Corrección de intensidad dependiente de la posición f i, j =e i, j o i, j Transformaciones de escala de intensidad Equalización de histograma q= q k q 0 N 2 p H i q 0 i= p0 Transformación logarítmica S i, j log I i, j Pseudocolor Operaciones algebráicas con imágenes
Ejemplo de equalización de histograma
Problema equalización de histograma Consigue una imagen digital en grises y realiza una ecualización de ésta Consigue cualquier imagen digital en colores y ecualiza cada uno de los tres colores.
Ejemplo de equalización de histograma
Transformaciones geométricas Transformaciones espaciales Deformaciones Correcciones de deformación Interpolación de niveles de gris Por el vecino más próximo De primer orden (bilineal) De órdenes superiores
Ejemplo de transformación geométrica
Filtrado de imágenes Filtrado por máscara en el espacio real Detecciones de bordes Suavizamientos Realces Filtrado en el espacio de Fourier Restauración de imágenes Filtrado inverso Filtrado de Wiener
Filtrado por máscara Consiste en realizar una convolución de una máscara con la imagen. Cada pixel de la imagen resultante es la suma de todos los píxels de la original multiplicados por sus respectivos valores dados por la máscara.
Filtrado por máscara Consiste en realizar una convolución de una máscara con la imagen. Cada pixel de la imagen resultante es la suma de todos los píxels de la original multiplicados por sus respectivos valores dados por la máscara.
Filtrado por máscara Consiste en realizar una convolución de una máscara con la imagen. Cada pixel de la imagen resultante es la suma de todos los píxels de la original multiplicados por sus respectivos valores dados por la máscara.
Algunas máscaras útiles Suavizamientos 1 1 1 1/9 1 1 1 1 1 1 1 1 1 1/10 1 2 1 1 1 1 1 2 1 1/16 2 4 2 1 2 1
Algunas máscaras útiles Detección de bordes (Laplacianos) 0 1 0 1 4 1 0 1 0 1 1 1 1 8 1 1 1 1 1 2 1 2 4 2 1 2 1
Problemas de máscaras Consigue una imagen digital en escalas de grises de algún edificio y hazle un filtro laplaciano Calcula la derivada segunda de la imagen anterior utilizando el espacio de Fourier.
Algunas máscaras útiles Detección de bordes (operadores Sobel). Hay que aplicar las ocho matrices y sumar las ocho imágenes resultantes. 1 2 1 0 0 0 1 2 1 0 1 2 1 0 1 2 1 0 1 0 1 2 0 2 1 0 1 2 1 0 1 0 1 0 1 2 1 2 1 0 0 0 1 2 1 0 1 2 1 0 1 2 1 0 1 0 1 2 0 2 1 0 1 2 1 0 1 0 1 0 1 2
Filtros en el espacio de frecuencias Restauración de imágenes S u, v =E u, v H u, v Movimiento relativo entre cámara y objeto durante la apertura de objetivo H u, v = sin V T u Vu Enfoque imperfecto H u, v = J 1 a r con ar r² =u ² v² Turbulencias atmoséricas H u, v =e c u² v² 5 /6
Filtros en el espacio de frecuencias Obtén una imagen en escala de grises que esté desenfocada y enfócala.
Filtros en el espacio de frecuencias Filtrado inverso La relación entre una imagen medida y la real vienen dada por: G u, v =F u, v H u, v N u, v El filtrado inverso se puede aplicar si se conocen o se pueden aproximar la función de transferencia H(u,v) y el ruido N(u,v) G u, v N u, v F u, v = H u, v
Segmentación La segmentación de imágenes pretende encontrar e identificar objetos con ciertas caractacterísticas dentro de las imágenes En muchos casos es necesario utilizar técnicas de inteligencia artificial para identificar los objetos. Hay dos tipos de segmentación: Parcial Las regiones no se corresponden completamente con los objetos Completa Las regiones coinciden completamente con los ojetos
Métodos de segmentación Umbralización Basado en el análisis del histograma Segmentación basada en bordes Umbralización de bordes Relajación de bordes Trazado de bordes Transformada de Hough Segmentación por crecimiento de regiones Búsqueda de objetos conocidos (matching)
Umbralización Consiste en elegir un valor de la intensidad y convertir todo lo que es superior a ese valor a 1 y lo que es inferior a 0. g i, j = 1 para f i, j T 0 para f i, j T Detección del umbral
Umbralización basada en bordes Umbralización de la imagen de bordes Consiste en umbralizar la imagen de bordes con el fin de eliminar los pequeños bordes que no son necesarios para la correcta segmentación de la imagen
Umbralización basada en bordes Relajación de bordes Basado en el estudio de la vecindad de los bordes Un borde con un contexto de vecindad formado por otros bordes probablemente sea parte del mismo borde (tiende a ser unido) Un borde con un contexto de vecindad sin bordes próximos probablemente no forme parte de ningún borde real (tiende a ser eliminado
Morfología Matemática Transformaciones morfológicas Dilatación Erosión Apertura Cerramiento Procesamientos topológicos Esqueletización Refinamiento Engrosamiento Dilatación condicionada y erosión finalizada
Dilatación Es la transformación morfológica que combina dos conjuntos usando adición de vectores (o adición de conjuntos de Minkowski) X B={d E² : d =x b para todo x X y b B} Ejemplo X = { (0,1), (1,1), (2,1), (2,2), (3,0), (4,0) } B = { (0,0), (0,1) } X+B = { (0,1), (1,1), (2,1), (2,2), (3,0), (4,0), (0,2), (1,2), (2,2), (2,3), (3,1), (4,1) }
Ejemplo de dilatación
Erosión Es la transformación morfológica que combina dos conjuntos usando sustracción devectores (o sustracción de conjuntos de Minkowski) X B={d E² : d b E para todo x X y b B} Ejemplo X = { (0,1), (1,1), (2,1), (3,1), (4,1), (4,0), (4,2), (4,3) } B = { (0,0), (0,1) } X B = { (4,0), (4,1), (4,2)}
Ejemplo de erosión
Apertura y cierre Dilatación y erosión no son operaciones invertibles, es decir, si primero se dilata y después se erosiona no se consigue la imagen original. Apertura, primero se erosiona y después se dilata (ambas con el mismo conjunto B de vectores) Su efecto es la de separar elementos disjuntos Cierre, primero se dilata y después se erosiona (ambas con el mismo conjunto B de vectores) Su efecto es unir elementos cercanos o no disjuntos eliminando huecos entre ellos.
Esqueletización, refinamiento y engrosamiento La esquelitación y el refinamiento permiten obtener representaciones sencillas que determinan la estructura del objeto. Esqueletización: permite representar el objeto reduciéndose a sus formas topológicas más simples Refinamiento: permite obtener una representación de líneas del objeto El engrosamiento permite obtener armaduras convexas de los distintos objetos.
Otros elementos de tratamiento de imágenes Reconocimiento de objetos Comprensión de imágenes Visión 3D Texturas Compresión de imágnes Análisis de movimiento y flujo.