Optimización de la ecualización del histograma en el procesamiento de imágenes digitales

Documentos relacionados
Métodos específicos de generación de diversas distribuciones discretas

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

3. VARIABLES ALEATORIAS.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

INTRODUCCIÓN. Técnicas estadísticas

TEMA 3. VARIABLE ALEATORIA

Tema 4: Variables aleatorias

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Organización y resumen de datos cuantitativos

Efectos fijos o aleatorios: test de especificación

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Visión moderna del modelo de transporte clásico

Problemas donde intervienen dos o más variables numéricas

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Tema 1: Análisis de datos unidimensionales

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Relaciones entre variables

Capítulo 3. SISTEMAS DE PARTÍCULAS

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto

Colección de problemas de. Poder de Mercado y Estrategia

Modelos triangular y parabólico

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

Smoothed Particle Hydrodynamics Animación Avanzada

Tema 1.3_A La media y la desviación estándar

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

Modelos unifactoriales de efectos aleatorizados

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

Descripción de una variable

Pruebas Estadísticas de Números Pseudoaleatorios

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

Cifrado de imágenes usando autómatas celulares con memoria

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

Cálculo y EstadísTICa. Primer Semestre.

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

Análisis de Regresión y Correlación

Análisis de Sistemas Multiniveles de Inventario con demanda determinística

TEMA 8: PRÉSTAMOS ÍNDICE

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Distribuciones de probabilidad

ANÁLISIS EXPLORATORIO DE DATOS

Práctica 2 Caracterización de un dinamómetro

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

III. <<Insertar Cita>> <<Autor>>

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

Fugacidad. Mezcla de gases ideales

8 MECANICA Y FLUIDOS: Calorimetría

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

MÉTODOS PARA PROBAR NUMEROS

Título: Dos métodos de diagnóstico de circuitos digitales de alta y muy alta escala de integración.

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

REGRESION LINEAL SIMPLE

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.

EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL

Análisis de deformaciones en probetas planas mediante correlación digital de imágenes

TÉCNICAS AUXILIARES DE LABORATORIO

Matemáticas Discretas

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Introducción al riesgo de crédito

Convertidores Digital-Analógico y Analógico-Digital

Centro de Masa. Sólido Rígido

Guía de Electrodinámica

SISTEMA DE RECONOCIMIENTO DE ROSTROS

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

Capitalización y descuento simple

1.- Objetivo Alcance Metodología...3

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

1. Lección 7 - Rentas - Valoración (Continuación)

Algunos métodos de clasificación de puestos de trabajo en la empresa

Trabajo y Energía Cinética

ESTADÍSTICA (GRUPO 12)

Sistema de visión por computador para control industrial

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

TERMODINÁMICA AVANZADA

SEMINARIO DE NOTAS TÉCNICAS Y RESERVAS

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Segmentación de Imágenes mediante Reconocimiento de Patrones

Potenciales y campos eléctricos

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

12-16 de Noviembre de Francisco Javier Burgos Fernández

Grafos. Conceptos básicos

El circuito eléctrico de la figura está formado por un conjunto de Resistencias, condensadores, bobinas y una fuente de tensión.

INTRODUCCIÓN A LA PROBABILIDAD

EXPERIMENTACIÓN COMERCIAL(I)

CALCULO DE CENTROS DE MASA ! =

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

Transcripción:

Optmzacón de la ecualzacón del hstograma en el procesamento de mágenes dgtales Roberto Depaol Lus A. Fernández Danel Daz rd-ng@unlm.edu.ar lfernand@unlm.edu.ar ddaz@unlm.edu.ar Departamento de Ingenería e Investgacones Tecnológcas Unversdad Naconal de La Matanza Florenco Varela 193 San Justo ca. de Bs. As. Argentna. Resumen La ecualzacón del hstograma es un proceso para aumentar el rango dnámco de una magen dgtal. El análss de la técnca estándar propuesta en la lteratura, permte poner en evdenca certas dfcultades del algortmo para dstngur objetos pequeños en algunos casos. En este trabajo, se exhbe una modfcacón de dcho algortmo, que corrge el problema menconado, y se aplca a una magen dgtal sntétca para mostrar su efcenca. 1 Introduccón El departamento de ngenería de la Unversdad Naconal de la Matanza está embarcado en un proyecto de procesamento de mágenes y vsón por computadora. En lo nmedato, una de las aplcacones a que se encuentra abocado es la nspeccón de materales por métodos óptcos. Ante la eventualdad de obtener mágenes de bajo rango dnámco, que desde el punto de vsta vsual sgnfca bajo contraste de la magen, es necesaro dsponer de técncas computaconales que resuelvan el problema. El procedmento mas sencllo descrpto en la lteratura técnca consste en la ecualzacón del hstograma de la magen. Esta técnca es aplcable en forma drecta a mágenes en tonos de grses. Tambén se puede utlzar en mágenes en color, s se aplca en el plano de lumnanca o ntensdad, según el modelo de color elegdo. El método estándar descrpto en la lteratura puede producr la perdda de detalles en certas stuacones que explcamos mas adelante. roponemos aquí, una varante del método que subsana este nconvenente, y exhbmos una secuenca de mágenes sntétcas para mostrar su efcenca. La nsercón de este trabajo en el proyecto menconado, se orgna en la necesdad de dsponer de técncas efcentes de realce de mágenes para facltar su nspeccón vsual y forma parte de una fase prelmnar de estudo del procesamento mágenes, efectuado en el departamento de ngenería. La consecucón del proyecto, orentada al área de la nspeccón de materales, ncluye scannng superfcal, medcón, reconstruccón total o parcal de objetos, perflometría y análss de superfces. 2 Hstograma El hstograma es un dagrama de barras cuyas abscsas representan los nveles de grs de una magen, y las ordenadas, las frecuencas relatvas de los dstntos nveles de grs, es decr, la cantdad de puntos asocados a cada nvel de grs, dvddo por la cantdad total de puntos de la magen. n cantdad de pxels de nvel grs n cantdad total de pxels En la fgura 1 se observa un hstograma estrecho, de bajo rango dnámco, en concordanca con el poco contraste vsual de la magen correspondente. El objetvo de la ecualzacón n n

del hstograma es amplar el rango dnámco de los nveles de grs, para acentuar el contraste vsual de la magen. Imagen orgnal Hstograma Fg 1 255 3 Ecualzacón del hstograma El hstograma es un funcón de domno dscreto, pero su ecualzacón está nsprada en una operacón sobre funcones de domno contnuo, cuyo sgnfcado explcamos brevemente. Supongamos que s es una varable aleatora con valores en el ntervalo contnuo [ 1], con funcón de densdad f(s) y funcón de dstrbucón s). S queremos defnr una nueva varable aleatora r que sea funcón de s y que tenga dstrbucón unforme en [ 1], se debe cumplr que: r s) f ( t) dt s S el rango de varable s es estrecho, la trasformacón expande el rango unformemente sobre el ntervalo [ 1]. S f(s) es la densdad asocada al hstograma, supuesto contnuo, hemos obtendo una solucón para el caso contnuo. ara el caso dscreto, dscretzamos la ntegral, dvdendo [ 1] en partes guales, para obtener una solucón correspondente a una escala de nveles de grs. Queda entonces: Como K ) f ( ) 1 f ( ) ) 1 para con 255 255 Como en la práctca trabajamos con valores entre y 255 tomaremos ) 255 para 255

La transformacón F defne una operacón puntual que a cada pxel de nvel de grs, lo transforma en un pxel de nvel de grs ), logrando una amplacón del rango dnámco de la magen dada. S ) es dstnto de cero, medante la utlzacón de la sguente aplcacón podemos dstrbur los nveles de grs en todo el rango dnámco. ) ) G( ) 255 255 ) La magen que mostramos a contnuacón, resulta de aplcar el proceso de ecualzacón a la magen de la fgura 1. uede observarse la amplacón del rango dnámco en el hstograma, así como el aumento del contraste vsual en la magen. Imagen ecualzada Hstograma Fg 2 255 4 Optmzacón del procedmento de ecualzacón En el proceso descrpto anterormente, que es la técnca estándar menconada en la bblografía, podemos perder nformacón de pequeños detalles, s se da la stuacón de la fgura 3: Fg 3 Fg 4 En ella las barras del dagrama representan una porcón del hstograma de una magen, en la que un objeto, cuyo nvel de grs corresponde a la barra más pequeña, se halla nmerso en una zona, en la que el nvel de grs, más oscuro, es el de la barra de mayor longtud. La separacón de dos nveles de grs consecutvos, luego de la ecualzacón, depende de la cantdad de pxels asocada al nvel más brllante, según se desprende de las fórmulas dadas antes. En el caso presente, ello provocaría que el objeto fuera práctcamente ndstnguble de su fondo en la magen ecualzada. Este problema puede evtarse s se ecualza el negatvo de la magen. El negatvo se obtene reemplazando el nvel grs por 255- en cada píxel de la magen. En partcular, la porcón del hstograma de la magen orgnal mostrada en la fgura 3, se converte en la porcón del hstograma del negatvo mostrado en la fgura 4.

En síntess, tomando el negatvo de la magen, ecualzando y volvendo a aplcar el negatvo, el objeto contrastaría claramente con su fondo. Sn embargo, es fácl magnar una stuacón en la que resulte más efcente la ecualzacón drecta de la magen. Además, ambas stuacones pueden presentarse en la msma magen, con lo cual los dos métodos fallarían. Una solucón, tal como se especfca en el sguente dagrama, es ecualzar de las dos formas y promedar las mágenes obtendas. ORIGINAL ECUALIZAR NEGATIVO ECUALIZAR NEGATIVO + ROMEDIO El promedo de las mágenes se calcula promedando, para cada píxel, los nveles de grs de ambas mágenes. 5 Resultados obtendos sobre una magen sntétca. ara lustrar este proceso hemos generado una magen sntétca, de bajo rango dnámco, que está compuesta por dos zonas de gran cantdad de pxels y 3 pequeños círculos que nvolucran pocos pxels. Orgnal Orgnal ecualzado Fg 5 Fg 6 Negatvo Negatvo Ecualzado Negatvo (negatvo ecualzado) Fg 7

romedo Fg 8 Obsérvese como se dstnguen los tres pequeños círculos en la fgura 8. Esto no ocurre n con la ecualzacón drecta (fgura 6), n con la ecualzacón del negatvo (fgura 7). 6 Conclusones Desde el punto punto de vsta de la complejdad computaconal, esta modfcacón sgnfca un tempo adconal de procesamento margnal, ya que las operacones agregadas al algortmo estándar se realzan sobre el hstograma, que es un vector de componentes. 7 Referencas 1- Color Scence: concepts and methods,quanttatve data and formulas.- Wyszec y Stles - Edtoral John Wley. 2- Televson Engneerng Handboo.- Edtor: Donald Fn-Edtoral Mc-Graw-Hll. 3- Dgtal Image rocessng.- González y Woods - Edtoral Addson Wesley. 4- Fundamentals of Dgtal Image rocessng. - Anl Jan-Edtoral rentce Hall. 5- Modern Optcs.- Robert Guenther - Edtoral John Wley. 6- ractcal Image rocessng In C.-Crag Lndley- Edtoral John Wley.