Download Parte 1

DR. ISIDRO ROBLEDO VEGA
Relación entre Procesamiento Digital de Imágenes,
Visión por Computadora y Reconocimiento de
Patrones
FORMATO DE IMAGENES
Tipos de datos utilizados en leguaje C para representar la información de un pixel:
Char -127 a 127
Unsigned Char 0 a 255
PGM (Portable Gray Map)
Imágenes en niveles de gris
Utiliza 1 byte por pixel
Encabezado de archivo:
P5- MAGIC NUMBER
# Comentarios
Cols Rows
255 - Max Pix Val
En lenguaje C se aparta memoria para guardar la información de los pixeles con
la función:
malloc(Cols* Rows*(unsigned Char))
Para acceder a los valores de los pixeles se utiliza:
PPM (Portable Pix Map)
Imágenes a color (RGB)
Utiliza 3 bytes por pixel
Encabezado de archivo:
P6
#Comentarios
Cols Rows
En lenguaje C se aparta memoria para guardar la información de los pixeles
con la función:
malloc(cols*rows*(unsigned char)*3)
PBM (Portable Bit Map)
Imágenes en Blanco y Negro (binarias).
1 solo byte contiene el valor de 8 pixeles
Encabezado de archivo:
P3
#Comentarios
Cols Rows
Otros tipos de formatos de imágenes
BPM
 TIFF
 GIF
 TARGA
 JPEG (Compresión de datos)
 PCX

FORMACION DE IMÁGENES


Imagen se puede tomar como un sistema lineal
Sensores de Luz
Tipos:
 CMOS
 CCD (Charge Coupling Device)
 3CCD

Interfases

Software de Adquisición
Cámaras para Diferentes Longitudes de Onda






Radio (Resonancia magnética
Micro-ondas (Radares)
Infra-rojo ( Near, Middle, Thermal)
Color visible
Rayos X (Diagnóstico médico, Industria y
Astronomía)
Rayos Gamma (Medicina nuclear y
Astronomía)
Cuantificación
Depende del ancho de banda de la interfaz.

Resolución
 # pixeles
 Rango Dinámico
Las imágenes son señales discretas
L- Niveles Discretos (Niveles de Gris)
Si k=8 entonces L=256
Espacio de almacenamiento en bits
Si la imagen es cuadrada
Binarización: Cambiar imagen de niveles de gris a blanco y negro (de k=8 a k=2)
Procesamiento Digital de Imágenes
Operaciones de Punto
Operaciones de Histograma

HISTOGRAMA DE UNA IMAGEN (REPRESENTACION DE UNA IMAGEN)

AJUSTE DE CONTRASTE

AJUSTE DE CONTRASTE
ECUALIZACIÓN DE HISTOGRAMAS
Operaciones de Vecindario
Ancho de ventana w
w=1
for i=-w to w
for j=-w to w
Operaciones de Vecindario

CONVOLUCIÓN
AJUSTE DE TAMAÑO (RESOLUCION [ESPACIAL])

DUPLICAR VALORES
Simplemente se repite el valor actual a los vecinos agregados.
NOTA: Tener cuidado al procesar valores fuera del rango de la imagen

INTERPOLACION LINEAL
Se toma en cuenta los valores del vecindario, dándoles
cierto peso.

INTERPOLACION BICUBICA
REDUCIR TAMAÑO (ZOOM OUT)

SUBMUESTREO
Eliminar columnas y renglones
Genera un problema  aliasing
Corrección de Gamma
OPERACIONES ARITMETICAS
Si Erms == 0 entonces imágenes iguales.
Si Erms > 0 entonces imágenes diferentes. Entre más grande sea
Erms mayor será la diferencia.
PROMEDIO DE NIVEL DE GRIS
OPERACIONES LOGICAS (OR, AND, NOT)

Se aplica a imágenes binarias generalmente

Aplicadas a regiones de interés (ROI) por medio de
mascaras
OPERACIONES GEOMETRICAS
Modifican las relaciones espaciales entre los objetos de la
imagen, se les denomina operaciones de deformación o
“warping” y se aplican para descalibración geométrica,
cambio de forma (morphing) y cartografía.
La operación de deformación espacial o spatial warping
consiste en el cálculo de un modelo matemático para la
distorsión requerida.

NO cambian los valores de los pixeles cambia su posición.
Este modelo se especifica de acuerdo a la localización de algunos puntos
de control en la imagen de entrada (fiducial points) y la identificación de
sus correspondientes puntos en la imagen de salida.
Generalmente n=2 es suficiente para corregir la mayoría de
las distorsiones. Se debe determinar el valor de los
coeficientes apq y bpq , por lo que se requiere conocer la
transformación para corregir la distorsión de algunos puntos
(q puntos para n=2).
SUAVIZADO DE IMÁGENES

El suavizado es un tipo de filtrado en el
dominio del espacio
Efectivo para eliminar ruido de tipo “sal y pimienta” (blanco y
negro)
Separabilidad Gaussiana
AFILADO (SHARPENING)
Resaltar los detalles finos de una imagen
BLURRING –SMOTHING- Dominio del Espacio-AVERAGING Integración
SHARPENING- Dominio del espacio  Diferenciación
La respuesta a un operador derivativo es proporcional al grado de
discontinuidad en el nivel de gris de la imagen en el punto en el que el
operador es aplicado. Por tanto, la derivada o diferenciación de una
imagen magnifica los bordes y otras discontinuidades como el ruido y
desmagnifica las áreas con poca variación en el nivel de gris.
La derivada de una función digital esta definida en términos de
diferencias
La primera derivada:



Ser cero en segmentos planos
No ser cero en escalones y rampas
No ser cero a lo largo de las rampas
La segunda derivada:
Ser cero en segmentos planos
No ser cero en escalones y rampas
 Ser cero a lo largo de las rampas

