Escolar Documentos
Profissional Documentos
Cultura Documentos
elena.martinez@iimas.unam.mx
Introduccin.
Fundamentos de la imagen digital.
Realce de la imagen en el dominio espacial.
Realce de la imagen en el dominio de la
frecuencia.
5. Restauracin de la imagen.
6. Representacin del color.
7. Compresin de imgenes.
3. Relace de la imagen en el
dominio espacial
a) Antecedentes.
b) Algunas transformaciones bsicas de niveles
de gris.
c) Procesamiento del histograma.
d) Realce de la imagen utilizando operaciones
artmticas/lgicas.
e) Filtros espaciales bsicos.
f) Filtros espaciales de suavizamiento (smooth).
g) Filtros espaciales de realce (sharp).
m ri p (ri )
i 0
2 (ri m) 2 p (ri )
i 0
S2
xy
2
[
r
m
]
s,t S xy p(rs,t )
( s ,t )S xy
3. Relace de la imagen en el
dominio espacial
a) Antecedentes.
b) Algunas transformaciones bsicas de niveles
de gris.
c) Procesamiento del histograma.
d) Realce de la imagen utilizando operaciones
artmticas/lgicas.
e) Filtros espaciales bsicos.
f) Filtros espaciales de suavizamiento (smooth).
g) Filtros espaciales de realce (sharp).
Substraccin de imgenes
La diferencia entre dos imgenes f(x,y) y h(x,y) se expresa
de la forma:
g ( x, y ) f ( x, y ) h ( x, y )
Se obtiene calculando la diferencia entre pares de pixeles
correspondientes de f y h . La clave de la substraccin es
resaltar la diferencia entre imgenes.
Substraccin de imgenes
A. Imagen original
del fractal.
B. Resultado de
poner los 4 bits
menos
significativos en 0.
C. La diferencia
entre A-B. Casi
ceros.
D. La imagen C
ecualizada.
Substraccin de imgenes
Otro ejemplo se tiene en el rea mdica con las llamadas
radiografas en modo mscara. Se obtiene una imagen de
rayos X de la regin de inters de un paciente la cual se
captura con una cmara de televisin (en lugar de una
pelcula fotogrfica), a esta imagen, h(x,y) , se le llama
mscara. Se le inyecta al sujeto un medio de contraste en el
torrente sanguneo, y se toman imgenes (f(x,y)) en la misma
region anatmica que h(x,y) y se substrae esta mscara de la
serie de imgenes tomadas despus de inyectar el contraste.
El efecto neto es el realce de detalles.
Substraccin de imgenes
Substraccin de imgenes
Algunas notas de implementacin: la mayora de las imgenes
con las que trabajamos se despliegan utilizando 8 bits, por lo que
esperamos tener valores en el rango de 0 a 255. Los valores
obtenidos de la diferencia de imgenes pueden variar de 255 a
255, por lo cual tenemos que reescalar estos valores para que
puedan ser desplegados. Existen dos posibles formas: 1) a cada
pixel de la imagen resultado se le suma 255 y se divide entre 2,
esto no garantiza que se cubrir todo el rango dinmico posible.
2) Un mtodo ms preciso, se busca el valor mnimo de la
diferencia y su valor negativo se suma a todos los pixeles
resultado de la diferencia, luego todos los pixeles se rescalan al
intervalo [0,255] multiplicando cada pixel por 255/Max donde
Max= al valor mximo de la diferencia modificada.
Promedio de imgenes
Considere una imagen ruidosa g(x,y) formada por la suma
de ruido (x,y) a una imagen f(x,y), esto es:
g ( x, y ) f ( x, y ) ( x, y )
donde asumimos que para cada par de coordenadas (x,y) el
ruido est decorrelacionado y tiene un valor promedio igual a
cero. (Recuerde que la varianza de una variable aleatoria x con media m se define como
E[(x-m)2], donde E[] es la esperanza del argumento. La covarianza de dos variables aleatorias
xi y xj se define como E[(xi-m)(xj-m)]. Si las variables estn decorelacionadas, su covarianza es
Promedio de imgenes
El promedio de M imgenes ruidosas se define entonces
como:
M
1
g ( x, y )
M
g ( x, y )
i 1
Promedio de imgenes
Una aplicacin muy importante del promedio de imgenes
es en el rea de astronoma, donde la toma de imgenes con
niveles de luz bajo es rutinario, causando que el ruido del
sensor despliegue imgenes que son virtualmente intiles
para su anlisis.
La siguiente figura muestra una imagen de la galaxia par
llamada NGC 3314, tomada por el Telescopio Espacial
Hubble de la NASA.
Promedio de imgenes
A. Imagen de la galaxia NGC 3314.
B. Imagen A corrupta con ruido
Gaussiano decorrelacionado con
media 0 y desviacin estndar de
64 niveles de gris. Se puede
apreciar que es inutilizable!
C-F. Imgenes promediadas con 8,
16, 64 y 128 imgenes, resp. Se
puede apreciar que cuando M=128
la imagen resultado es muy cercana
en apariencia a la imagen en A.
Promedio de imgenes
A. Primera columna muestra las
diferencias de la imagen A-C,
A-D, A-E y A-F, resp (fig. ante.)
B. La segunda columna muestra
el respectivo histograma de las
diferencias.
Nota. La media y la desviacin
estndar de los histogramas
decrece conforme M se
incrementa. Podemos ver tambin
el efecto del decremento de la
media de las imgenes ya que se
vuelven ms oscuras conforme M
se incrementa.
3. Relace de la imagen en el
dominio espacial
a) Antecedentes.
b) Algunas transformaciones bsicas de niveles
de gris.
c) Procesamiento del histograma.
d) Realce de la imagen utilizando operaciones
artmticas/lgicas.
e) Filtros espaciales bsicos.
f) Filtros espaciales de suavizamiento (smooth).
g) Filtros espaciales de realce (sharp).
g ( x, y )
w(s, t ) f ( x s, y t )
s at b
Instituto de Investigaciones en
Matemticas Aplicadas y en Sistemas
(IIMAS)
http://turing.iimas.unam.mx/~elena/Teaching/PDI-Mast.html