23. restauracion imagenes trans. fourier.pdf
TRANSCRIPT
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
1/51
Restauración de Imágenes a partir deTransformadas de Fourier
ERNESTO VARELA ARREGOCÉS
Departamento de Ciencias Básicas
Docente Investigador
Grupo MATINCUC
Barranquilla 2011
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
2/51
1Restauración de Imágenes a Partir de Transformadas de Fourier
Tabla de Contenido
TABLA DE CONTENIDO ........................................................................................................... ...
................................................................................................... ¡Error! Marcador no definido.
1. INTRODUCCIÓN. ..................................................................................................................... .3
2. PLANTEAMIENTO DEL PROBLEMA……………………………. ........................................................... 4
3. OBJETIVOS………………………………………………………………… .......................................................... 5
3.1. Objetivo General .................................................................................................................. 5
3.2. Objetivos Específicos ............................................................................................................ 5
4. JUSTIFICACIÓN ......................................................................................................................... 6
5. ESTADO DEL ARTE .................................................................................................................... 7
6. MARCO TEÓRICO ................................................................................................................... 10
6.1. Introducción ................................................................................................................... 10
6.2. Elementos Matemáticos ............................................................................................... 10
6.2.1. De la Serie de Fourier a la Transformada de Fourier…………………………………………..10
6.2.2. De la serie de Fourier compleja a las FFT y DFT…………………………………………………..17
6.2.3. Transformada de Fourier en dos dimensiones…………………………………………………….22
6.3. Conceptos Preliminares del Procesamiento de imágenes……………………………………………..23
6.4. Técnicas Básicas del Procesamiento Digital de Imágenes (Restauración)………………………28
7. DELIMITACION……………………………………………………………………………………………………………………..41
7.1. Delimitación Espacial…………………………………………………………………………………………………….41
7.2. Delimitación Temporal………………………………………………………………………………………………….41
8. DISEÑO METODOLÓGICO……………………………………………………………………………………………………..42
8.1.Objetos de Investigación…………………………………………………………………………………………………42
8.2. Fases de la Investigación…………………………………………………………………………………………………43
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
3/51
2Restauración de Imágenes a Partir de Transformadas de Fourier
9. ANÁLISIS DE RESULTADOS…………………………………………………………………………………………………….45
10. CONCLUSIONES Y RECOMENDACIONES……………………………………………………………………………….46
11. LISTA DE REFERENCIAS……………………………………………………………………………………………………..…47
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
4/51
3Restauración de Imágenes a Partir de Transformadas de Fourier
1. INTRODUCCIÓN
La restauración digital de imágenes es un procedimiento que desde sus orígenes en los
años veinte ha sido motivo de preocupaciones de muchos científicos. Esta es una ciencia
que abarca una serie de tales como: transformaciones, restauraciones, mejoramiento,
análisis, reconocimiento de patrones entre otros.
Su importancia radica en la utilidad de estas técnicas en diferentes áreas del saber, tales
como: Biología, Medicina, Astronomía, Historia, Geología, Criminalística, Fotografía, etc.
Por otro lado está el gran valor científico, técnico y social que puede tener el resultado
del uso de estas prácticas.
En el presente informe se presentará la formulación y planteamiento del problema,
seguidamente la justificación por lo cual se considera necesario iniciar este proceso de
investigación; se plantearán los objetivos generales y específicos, un breve recorrido delestado del arte, el marco teórico, la delimitación de esta investigación, el diseño
metodológico, el análisis de los resultados, conclusiones y lista de referencias
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
5/51
4Restauración de Imágenes a Partir de Transformadas de Fourier
2. PLANTEAMIENTO DEL PROBLEMA
La necesidad de salvaguardar el patrimonio fotográfico del Carnaval de Barranquilla esuna de las alternativas que los historiadores de esta ciudad y los investigadores de laCultura tienen olvidado y aunque son muchos los hacedores pocos han sido losresultados en lo que al histórico fotográfico respecta y en torno a las ciencias exactas, esnulo su aporte en ese sentido, por ello se plantea la siguiente interrogante: ¿Cuál seríael método adecuado para el tratamiento digital de imágenes usando transformadas deFourier que permita la recuperación de Imágenes Monocromáticas del Carnaval deBarranquilla?
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
6/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
7/51
6Restauración de Imágenes a Partir de Transformadas de Fourier
4. JUSTIFICACIÓN.
A partir del año 2001 cuando el Carnaval de Barranquilla fue declarado PatrimonioCultural de la Nación otorgada por el Congreso de Colombia y posteriormente en el2003, cuando la UNESCO lo proclamó “Obra Oral e intangible de la Humanidad”, se hanotado un creciente interés por grupos de investigadores de diferentes ámbitos
humanísticos por recuperar diversos aspectos relacionados con el carnaval, pero pocosse han preocupado por rescatar su pasado fotográfico, siendo este un importanteasunto para su salvaguarda, actualmente no se cuenta con un adecuado registrohistórico de estas imágenes, y los esfuerzos por hacer un trabajo de restauraciónfotográfica son pocos o aislados.
Ante la problemática planteada, las ciencias exactas no pueden permanecer ajenas aella, más bien deben constituirse en una herramienta que contribuya a resolver lasituación. En la actualidad existen estudios relacionados con el tema del tratamiento
digital de imágenes, procesos de filtrado y reconocimiento de patrones desde lainteligencia computacional y las matemáticas avanzadas entre otras, logrando algunosavances significativos en la materia.
Aunque en el mercado existen herramientas comerciales que podrían hacer el trabajode recuperación de fotografías con un cierto grado de calidad, o son de muy alto costo yde difícil acceso o no arrojan los resultados esperados.
Esta es la razón de ser de esta propuesta, en la que se pretende hacer una revisión delestado del arte, en lo que respecta al Tratamiento digital de imágenes usandotransformadas de Fourier, técnicas de Filtrado en el dominio de la frecuencia y en eldominio del espacio, para identificar cuál de todas estas técnicas se ajustandependiendo del nivel de deterioro de las fotografías, para rescatar 3 de ellasrelacionadas con el carnaval como pilar del proceso de recuperación del pasadohistórico.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
8/51
7Restauración de Imágenes a Partir de Transformadas de Fourier
5. ESTADO DEL ARTE.
Actualmente, los estudios, análisis y aplicaciones del procesamiento de imágenes
apuntan a técnicas frecuentes de visualización computacional, segmentación de
imágenes, identificación de patrones para la restauración visual, técnicas de
colorimetría de imágenes, entre otros estudios. Este creciente avance en el desarrollo
de un sistema automático de visión autónoma, ha generado la necesidad de
especialistas en este campo, por ello se ha incluido en muchos cursos de pregrado,
especialización y maestría en áreas de la computación y de electrónica.
Entre muchos de los estudios relacionados con tratamiento de imágenes a nivel médico,
podemos destacar al artículo escrito por Manuel Martínez Robles en el año 2006,
titulado “Detección de Astrocitoma Cerebral infantil aplicando segmentación deimágenes y morfología matemática” [1]. En este trabajo se propone una alternativa al
proceso de segmentación tradicional empleando separación de canales y las
operaciones básicas de morfología matemática, además de proponer una modificación
al sistema de color YIQ denominado R1G1B1, empleando operaciones como mezcla y
multiplicación de imágenes, además de una ordenación vectorial por pixel, que permite
la eliminación de ruido y la detección exacta de zonas de interés, basadas en umbrales
obtenidos mediante una fase de experimentación en imágenes cromáticas.
El aporte de este trabajo a esta investigación radica en como a partir el método de
segmentación se hace un análisis matemático de alto nivel en lo que respecta al
tratamiento digital de imágenes médicas.
Otro aporte en el contexto internacional es el planteado por los autores Hernán Benítez,
Clemente Ibarra-Castanedo, Abdelhakin Bendada, Xavier Maldague, Humberto Loaiza y
Eduardo Caicedo, titulado “Procesamiento de imágenes infrarrojas para la detección de
defectos en materiales” del año 2007 [2], en donde se plantea el Ensayo Termográfico
No Destructivo (ETND) es una técnica de la evaluación no destructiva de materiales en la
cual la superficie de una muestra de material es estimulada térmicamente para producir
una diferencia de temperatura entre las áreas no defectuosas y las áreas eventualmentedefectuosas. Estos cambios de temperatura son adquiridos mediante una cámara
infrarroja y posteriormente se aplican etapas de procesamiento, dada la distorsión
generada por el ruido, para detectar y/o caracterizar los defectos en el material. En este
artículo se analizan y comparan experimentalmente varios de estos métodos de
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
9/51
8Restauración de Imágenes a Partir de Transformadas de Fourier
procesamiento y se profundiza en la técnica CAD (Contraste Absoluto Diferencial)
modificado por Cuadrupolos Térmicos.
En este caso el aporte de este trabajo a la investigación radica en la utilidad del
procesamiento de imágenes y su aplicación a análisis termográfico es decir a los gráficos
a partir de temperaturas.
Para el año 2008 Elías García Santillán publicó su tesis titulada “Detección y clasificación
de objetos dentro de un salón de clases empleando técnicas de procesamiento digital de
imágenes” [3], quien describe las técnicas empleadas para realizar un sistema de
reconocimiento automático de objetos. Inicialmente, este sistema se planteó para
ayudar a personas invidentes en el reconocimiento de objetos en su entorno; pero
debido a la problemática existente en el diseño de algoritmos generales para el
reconocimiento, se propuso la implementación del proyecto dentro de un salón de
clases, limitándose a reconocer 10 objetos pequeños.
La importancia de este trabajo para la investigación radica en como las técnicas detratamiento digital de imágenes pueden aplicarse también para el reconocimiento de
objetos, es decir, para la visión computacional.
Otro artículo revisado fue el propuesto por los autores P. Arándiga, P. Cohen, P. Mulet,
D.F. Yáñez. Titulado “Nuevas técnicas de multiresolución utilizando procesos
estadísticos de aprendizaje” del año 2009 [4], en donde los autores comentan que la
compresión de imágenes ha permitido el desarrollo de técnicas matemáticas en análisis
funcional aplicándolo a la multiresolución usando dos tipos de interpolación: de
aproximación y predicción a partir de técnicas de aprendizaje estadístico, dando así un
nuevo enfoque al problema. Se mostraron los avances en este tratamiento y su uso en
la compresión de imágenes digitales.
El aporte de este trabajo radica en mostrar otro aspecto matemático en torno a una de
las técnicas de análisis del procesamiento de imágenes, la compresión.
En el ámbito nacional, la búsqueda de información también permitió encontrar la tesis
de maestría publicada en el 2011 titulada “Representación Eficiente de Imágenes
Volumétricas de Resonancia Magnética Cardiaca (CMR) Usando JPEG2000” [5], quien
comenta que el alto impacto de las imágenes en el ámbito médico ha permitido: a losespecialistas brindar un mejor diagnóstico, la creación de nuevas aplicaciones para el
aprendizaje y transmisión de conocimientos y el soporte al diagnóstico en lugares
apartados. El desarrollo de diferentes métodos para la adquisición de este tipo de
imágenes ha generado una enorme cantidad de información médica disponible. Sin
embargo, el manejo de este gran volumen de datos es complejo y requiere el desarrollo
de métodos de compresión que no solo optimicen el espacio, sino que describan
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
10/51
9Restauración de Imágenes a Partir de Transformadas de Fourier
representaciones flexibles que permitan acceder de forma eficiente a porciones
particulares de interés. Estas características hacen parte fundamental del estándar
JPEG2000 (J2K), el cual ha demostrado ser una de las estrategias con mayor eficiencia en
la reducción de tamaño de los datos generados por los sistemas de captura. Esta tesis
presenta una extensión óptima del estándar J2K para volúmenes de imágenes médicas,
que mejora las tasas de compresión hasta en un 14 %, manteniendo los tiempos de
codificación y decodificación similares a las implementaciones bidimensionales ya
existentes. Esta extensión fue realizada sobre una implementación convencional de
estándar J2K en dos dimensiones (JJ2000), y evaluada en dos “data set” de imágenes de
Resonancia Magnética, el primero con 8 estudios de corazón y el segundo con 40
volúmenes de cerebro.
El aporte de este trabajo a esta investigación radica en como a partir de técnicas de
compresión se pueden manejar volúmenes de información más altos a la hora de hacer
capturas por procesos de digitalización, mostrando una vez más la trascendencia de los
estudios de procesamiento de imágenes.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
11/51
10Restauración de Imágenes a Partir de Transformadas de Fourier
6. MARCO TEÓRICO
6.1. Introducción.
En esta sección se mencionan algunos de los aspectos trascendentes a considerar del
tratamiento digital de imágenes a partir de transformadas de Fourier, sus elementosmatemáticos, conceptualización de tratamiento de imágenes, algunas técnicas con sus
programas respectivos.
6.2. Elementos Matemáticos
6.2.1. De la serie de Fourier a la Transformada de Fourier.
Según lo planteado por Ricardo Arteaga en su Tesis: “Reflexiones sobre la aplicación de
la transformada de Fourier al procesamiento Digital de Imágenes” [6] , para poderhablar de Transformadas de Fourier se hace necesario empezar hablando de Series de
Fourier, pasando por Integral de Fourier, integral compleja de Fourier para llegar por
último a la Transformada de Fourier.
Serie de Fourier: Considérese f una función de Riemman integrable en un intervalo
cerrado [-L, L], la serie:
Se denominará la serie de Fourier de f en [-L,L], con , , coeficientes de Fourier en[-L,L], cuyos valores son:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
12/51
11Restauración de Imágenes a Partir de Transformadas de Fourier
Teorema: Convergencia de las series de Fourier. Sea una función periódica conperiodo 2 y continua por partes en el intervalo [-π,π]. Adicional, se asume que tiene derivadas por la izquierda y la derecha en cada punto de este intervalo. Entonces
la serie de Fourier de converge. Su suma es , excepto en los puntos donde es discontinua. Allí la suma de la serie es el promedio de los límites izquierdo yderecho de
en
.
Demostración: Integrando por partes se tiene que:
Evaluando el primer término se observa que es 0 e integrando por partes el segundo
término se tiene que:
El primer término es cero a raíz de la periodicidad de . Como la segunda derivadade la función ( es continua en el intervalo de integración se tiene que:
| | Siendo M una constante apropiada. Además, || . Esto implica que:
||
Haciendo el mismo procedimiento para se obtiene que: || para cualquier n.Esto significa que el valor absoluto de cada término de la serie de Fourier de la función es como máximo igual al correspondiente término de la serie:
||
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
13/51
12Restauración de Imágenes a Partir de Transformadas de Fourier
Lo cual es convergente. Por lo tanto la serie de Fourier es Convergente.
Integral de Fourier: Dennis G Zill en su libro de Matemáticas Avanzadas para Ingeniería
Vol 2.[7] Encuentra el valor de la integral de Fourier partiendo de la siguiente situación:
Supongamos que una función f está definida en un intervalo [-L,L]. Si partimos de las
definiciones de los valores de , , de la serie de Fourier de una función f en dichointervalo se tiene que:
∫
Si consideramos , entonces la expresión se convierteen:
Ahora al expandir el intervalo [-L,L] haciendo que L
implica entonces que
,
entonces el limite tiene la forma ∑ , la cual sugiere la definición dela integral ∫ . Por lo tanto si ∫ existe, el límite del primer término de(2) es cero y el límite de la suma se convierte en:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
14/51
13Restauración de Imágenes a Partir de Transformadas de Fourier
A este resultado se la llama integral de Fourier de f en .Con base en este resultado podemos afirmar que:
La integral de Fourier de una función f definida en está dada por:
Dónde:
Teorema de las condiciones de convergencia de la integral de Fourier: Sean continuas en cada intervalo finito, y sea absolutamente integrable en el intervalo ( es decir que la integral ∫ || converge). Entonces la integral de Fourierde en el intervalo converge hacia en un punto de continuidad. En un punto dediscontinuidad, la integral de Fourier convergerá hacia el promedio:
Donde y expresan el límite de en x desde la derecha y desde la izquierda,respectivamente.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
15/51
14Restauración de Imágenes a Partir de Transformadas de Fourier
Integrales seno y coseno: Cuando es una función par en el intervalo , entoncesel producto lo es también, mientras que es una función impar.Como consecuencia de la propiedad ∫ cuando es par entonces, laexpresión (6) es cero, por lo que se convierte en:
o más formalmente:
Dónde:
A esta expresión se llama integral Coseno de Fourier. De forma similar, cuando es unafunción impar en , los productos y son funcionesimpares y pares, respectivamente por lo tanto y
o más formalmente:
Dónde:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
16/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
17/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
18/51
17Restauración de Imágenes a Partir de Transformadas de Fourier
6.2.2. De la Serie Compleja de Fourier a las FFT y DFT
Serie de Fourier Compleja: Se refiere a reformular a la serie de Fourier pero en términos
de variables complejas.
Partiendo del hecho de que es una función definida en el campo de los Reales y quetiene un periodo L entonces la serie de Fourier es:
Consideremos que esta expresión es integrable en un intervalo
y llamemos
entonces:
Por otro lado la forma de exponencial compleja de las funciones seno y coseno es:
( ) ( )
Entonces:
( ) ( )
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
19/51
18Restauración de Imágenes a Partir de Transformadas de Fourier
Reorganizando la expresión:
Tomemos ahora:
̅ Remplazando en la serie resulta:
̅
Así:
Para
tenemos que:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
20/51
19Restauración de Imágenes a Partir de Transformadas de Fourier
Por lo tanto para:
̅ ̅
̅ Con base en esto se tiene que:
̅
Que corresponde a la forma compleja de la serie de Fourier. Formalmente la definimos
de la siguiente manera:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
21/51
20Restauración de Imágenes a Partir de Transformadas de Fourier
Sea una función con periodo fundamental L. Sea . Entonces la serie de Fouriercompleja de es:
Dónde:
Con
valores de
son los coeficientes complejos de
.
Transformada Discreta de Fourier (DFT): Como lo que se requiere es calcular los
coeficientes complejos que representan la transformada de Fourier de una secuencia de
números reales (señal discreta), es decir si son puntos uniformementeespaciados en el intervalo entonces los valores funcionales correspondientes son: como lo indica la figura:
Figura1. Muestreo de una función continúa
que son los que representan el muestreo de la función
. Para que esto se verifique
supongamos que tiene un periodo L. Entonces la serie compleja de Fourier es:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
22/51
21Restauración de Imágenes a Partir de Transformadas de Fourier
Con y coeficientes complejos:
Haciendo un cambio de límites de integración, aprovechando la periodicidad de la
función y se reemplaza el valor de
Entonces el valor de puede ser cualquier real, por conveniencia tomemos como valor0 y se obtiene:
Para Ahora, aproximando a con una suma de Riemann, para talefecto se hace una equipartición del intervalo entre N subintervalos de longitud.
()
Debido a que es un punto en cada subintervalo se escoge el límite inferiorde este intervalo y se obtiene:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
23/51
22Restauración de Imágenes a Partir de Transformadas de Fourier
A este término se le conoce como DFT. Se acostumbra a definirla sin usar .Formalmente se puede definir como sigue:
Sea . Definamos a { } una secuencia de números complejos. Entonces latransformada discreta de es la secuencia definida por:
Para
La Transformada Rápida de Fourier (FFT): FFT es la abreviatura usual (del inglés FastFourier Transform) de un eficiente algoritmo que permite calcular la transformada de
Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia
variedad de aplicaciones, desde el tratamiento digital de señales y filtrado digital en
general a la resolución de ecuaciones diferenciales parciales o los algoritmos de
multiplicación rápida de grandes enteros. El algoritmo pone algunas limitaciones en la
señal y en el espectro resultante.
Este es Uno de los algoritmos aritméticos más ampliamente utilizados es latransformada rápida de Fourier, un medio eficaz de ejecutar un cálculo matemático
básico y de frecuente empleo. La transformada rápida de Fourier es de importancia
fundamental en el análisis matemático y ha sido objeto de numerosos estudios. La
aparición de un algoritmo eficaz para esta operación fue una piedra angular en la
historia de la informática.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
24/51
23Restauración de Imágenes a Partir de Transformadas de Fourier
Las aplicaciones de la transformada rápida de Fourier son múltiples. Es la base de
muchas operaciones fundamentales del procesamiento de señales, donde tiene amplia
utilización. Además, proporciona un medio oportuno para mejorar el rendimiento de los
algoritmos para un conjunto de problemas aritméticos comunes.
6.2.3. Transformas de Fourier en dos dimensiones
Sea una función (
)
de variables discretas espaciales con valores: y sea la Transformada discreta de Fourier en2D, está dada por:
⁄
Para u= 0,1,2,3,…,M-1 y v= 0, 1,2,3,…, N-1 y además la Transformada Inversa de Fourier
en 2D es:
⁄
Para
e
6.3. Conceptos Preliminares
Para hablar de procesamiento digital de imágenes, se definirán algunos conceptos
previos:
Imagen: Todos tenemos un preconcepto de lo que es una imagen, entendiéndose como
el hecho u objeto que percibe el sentido de la vista, sin embargo una definición más
formal puede ser la planteada por Martín Sanabria, en su libro “Información audiovisual:
teoría y técnica de la información radiofónica y televisiva”[8]:
“Desde el punto de vista físico como la reproducción de la estructura física de un objeto,
su apariencia exterior, que por tanto representa algo de lo que conserva su presencia,
gracias a lo cual puede reconocerse y memorizarse. Es la forma la que realmente se
memoriza y permite la identificación posterior. Por lo que sin una experiencia previa no
resultaría reconocible”
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
25/51
24Restauración de Imágenes a Partir de Transformadas de Fourier
Este concepto implica que la imagen es el resultado de la ejercitación del sentido de la
vista, nuestro cerebro de forma natural descifra la estructura simple que la compone,
pero necesita hacer un esfuerzo mayor cuando esta no es reconocida tornándose en
compleja. Por lo anterior, todas las imágenes están creadas para ser percibidas y por lo
tanto mediadoras entre el receptor y la realidad.
Imagen Digital: Podemos definir la como la representación binaria (0 y 1) en una matrizde una imagen. Esto depende habitualmente de la resolución y de si esta es estática o
dinámica, pueden ser gráficos rasterizados (bitmaps) o gráficos vectoriales.
Según Jorge Vettorazzi en su tesis “Restauración de imágenes distorsionadas mediante
técnicas de procesamiento digital y comparación entre dos métodos de restauración” de
2007, comenta que una imagen puede representarse matemáticamente como una
función de 2 variables, que equivale a la intensidad de la luz, donde x e y son lasposiciones en y el valor de es proporcional a la intensidad de brillo o al nivel de grisde la imagen en dicho punto, para imágenes monocromáticas.
A una imagen se le llama “Digital” cuando los valores de amplitud de sondiscretos. Esto puede ser visualizado solo al “muestreo” y la “cuantización” de una
imagen, o simplemente “digitalización de la imagen”.
Por ejemplo, en este caso se tiene una matriz cuadrada de orden 5 que representa una
variación que al ser mostrada como imagen:
[
]
Figura 2. Los valores de 1 representan el color blanco y los ceros representan el color negro. [1]
Pixel: Es el acrónimo formado por 2 palabras en inglés “Picture” (imagen) y “element”
(elemento) y representa a la mínima unidad de una imagen o al elemento más pequeño
de una imagen.
Ruido de una Imagen: Es la distorsión que puede sufrir una imagen al momento de serdigitalizada, es decir cuando el valor de un píxel no corresponde al correcto.
Imagen a blanco y negro: Este es el resultado de combinar en una matriz, pixeles
blancos y negros que se ordenan para formar la adecuada tonalidad de grises, a este
proceso se le llama “dithering”.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
26/51
25Restauración de Imágenes a Partir de Transformadas de Fourier
Imagen a escala de grises: En este caso, el valor que tiene cada pixel corresponde a
algunos de las variaciones de los 256 valores de gris, pasando desde el valor del color
negro (cero), hasta el blanco (255). Habitualmente la imagen va mostrando pequeños
cambios de tonalidad con la variación de valores de gris. La calidad de una
representación gráfica en estos tonos, es decir la nitidez, es lo que marca la pauta para
la magnitud de los píxeles y por ende el número total de ellos de una imagen, aparte de
ello cuanta más alta sea la resolución, las variaciones de tonalidades de gris serán más
sutiles y por lo tanto mayor calidad de la misma, una mejor representación, mejor
resolución, pero computacionalmente implica mayor recuso de máquina.
Empleando MATLAB, una imagen en escala de grises con un foco central puede ser
construida como sigue:
%Coordenadas del foco (a,b)
a=150;
b=150;
%Construcción imagen MxNM=300; N=300;
for x=1:M; for y=1:N;
I(x,y)=(255-sqrt((x-a)^2+(y-b)^2))/255;
end
end
imshow(I)
El resultado es el siguiente:
Figura 3. Iluminación por focos
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
27/51
26Restauración de Imágenes a Partir de Transformadas de Fourier
Histograma de una Imagen: Se refiere al número de píxeles con igual valor de la escala
de gris. Este aspecto calcula la probabilidad de distribución P(b) de diferentes niveles de
gris de una representación gráfica. Matemáticamente se define como:
b corresponde al nivel de gris y L el posible número de niveles de gris.
Se puede calcular el valor de la probabilidad P(b) dividiendo el número de píxeles con
niveles de gris entre el total de píxeles de la imagen, es decir:
Entre las características que se pueden evidenciar con el histograma están el tipo defondo de la imagen y el contraste.
A continuación se mostrará un ejemplo y el código en MATLAB del histograma de una
imagen en escala de grises :
clc I=imread('antonia.tif');
imshow(I)
figure, imhist(I)
Figura 4. Imagen de “Toña Primera” Reina de 1926.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
28/51
27Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 5. Histograma de la imagen de “Toña Primera” en MATLAB.
6.4. Técnicas Básicas del Procesamiento Digital de Imágenes (Restauración)
La intención de usar las técnicas de procesamiento de imágenes es buscar la forma de
transformar su apariencia; para lograr esto se hace necesario analizar las condiciones
iniciales en que se encuentra la imagen e identificar cuál de estas es la que mejor se
ajusta para mejorar la calidad. Estos métodos se clasifican en dos grandes campos:
Primero en el Dominio de la Frecuencia y segundo en el Dominio del Espacio. Los
primeros se basan en la aplicación de la transformada de Fourier y los segundos en la
manipulación de los pixeles de la imagen.
A continuación se describirá algunas de las técnicas empleadas
Modificación del Histograma: Esta es una técnica que va enfocada hacia la mejorade la calidad de la imagen de forma global. En el eje de las x se representa el número depíxeles de la imagen y en el de las y los valores del rango de estos píxeles.
Expansión de Contraste: Se refiere aque dada una diferencia de tonos de grises (
con respecto a la
diferencia que se tiene con el dispositivo de visualización de la imagen digital (ya sea elmonitor o una impresión fotográfica (laser, burbuja, matriz de puntos, etc.,) en
diferentes tipos de papel ( . Esto genera una pérdida del nivel decontraste, es decir no hay mucha variación de las tonalidades claras y oscuras.
Matemáticamente se transforman estos valores de grises en otros de mayor rango que
se adapte a la capacidad del medio de visualización.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
29/51
28Restauración de Imágenes a Partir de Transformadas de Fourier
Estiramiento Lineal: Es de los métodos más sencillos de efectuar contraste. La ideaconsiste en encontrar alguna función que se ajuste a la variación de grises y se pueda convertir en los valores de la visualización y , debido aque = y = el resto de los valores del rango se transformaránde acuerdo a la siguiente expresión lineal:
Donde a es un valor peso o compensatorio (offset) y una ganancia. Se puede haceralgunos procesos de transformaciones lineales haciendo ajustes en las tonalidades degrises, por ejemplo:
que es una de las transformaciones lineales más simples, en donde a que es lapendiente que se determina por la relación: T(160)=255, esto indica que a*160=255
entonces a = 255/160 y a toma el valor de 1,59375. Como la pendiente tiende a un valorde pequeño que se acerca a 1 disminuye su contraste en el intervalo entre [0, 160]
I=imread('Antonia.tif');imshow(I);
I1=im2double(I);I2=I1;
for n=1:256,
for m=1:256,
I2(m,n)=I1(m,n)*255/160;
if I2(m,n)>1,
I2(m,n)=1;
end
end end figure, imshow(I2)
Figura 6. Imagen de “Toña Primera” sin proceso de Transformación.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
30/51
29Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 7. Imagen de “Toña Primera” Transformada con Estiramiento Lineal y su histograma respectivo
Filtrado en el dominio del espacio: Consiste en aplicar a una imagen ráster (o matrizrasterizada, es decir es una matriz regular de celdas de un área determinada) unaoperación que permite suprimir detalles no deseados con la intención de mejorar surepresentación visual. Por ejemplo, están los que hacen reparación de los bordes, oreducción de los patrones de ruido de la misma. La operación modifica el valor de cadapíxel con base en los valores de los píxeles circundantes; se transforman tonos de gris dela imagen, de forma que sean similares o un poco diferentes a los que lo rodean.
Frecuencia Espacial: Es una de las características de las imágenes “rasterizadas”,indica que la magnitud de los cambios por unidad de distancia en una zona en particularde la imagen. Cuando se han hecho pequeños cambios en algunas áreas de la imagen,se denominan áreas de bajas frecuencias. Las áreas a las que se le han hecho cambiosnotorios o transiciones rápidas, son llamadas áreas de altas frecuencias. Los filtros en eldominio del espacio se pueden clasificar como siguen:
1. Filtros Paso Bajo: Este Filtro resalta las frecuencias bajas, suaviza las imágenes yreduce el ruido de la imagen. El objetivo es hacer que cada pixel tenga un tono de grissimilar al de los píxeles vecinos, esto hace que se reduzca la variabilidad del espacio
entre cada pixel de la imagen y además reduce la intensidad de los bordes, perdiendonitidez pero se gana homogeneidad.
En el siguiente ejemplo se hace un proceso de detección de bordes de una imagen contres tipos de filtros paso bajo: Sobel, prewitt y canny.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
31/51
30Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 8. Imagen de Olga Heilbrun de 1926 sin procesos de filtrado.
Figura 9. Imagen de Olga Heilbrun con Filtro Sobel para detectar bordes.
Figura 10. Imagen de Olga Heilbrun con Filtro Prewitt para detectar bordes.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
32/51
31Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 11. Imagen de Olga Heilbrun con Filtro Canny para detectar bordes.
El código en MATLAB respectivo para estos filtros es el siguiente:
I=imread('olga.tif');
imshow(I)
B1=edge(I,'sobel');
B2=edge(I,'prewitt');
B3=edge(I,'canny');
imshow(B1)
figure,imshow(B2)
figure, imshow(B3)
2. Filtros Paso Alto: Estos filtros hacen énfasis en las altas frecuencias, mejoran las
características de tipo lineal (calles, carreteras, edificios, etc). Es el proceso opuesto a
los filtros paso bajo, debido a que reducen al máximo las bajas frecuencias.
3. Filtros Detectores de Bordes: En este caso las operaciones con los datos de los píxeles,
hacen mayor énfasis en los bordes que rodean a la imagen, facilitando su proceso de
análisis. Normalmente estos filtros lo que hacen es crear una imagen en fondo negro y
líneas blancas y grises, rodeando los bordes de la figura y otros elementos de la imagen.
Entre los filtros detectores de bordes están Roberts, Sobel, Prewitt, Laplaciano,
direccional, Canny entre otros.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
33/51
32Restauración de Imágenes a Partir de Transformadas de Fourier
a. Filtro Roberts. Usa la derivada para calcular el grado de separación de los diferentes
niveles de grises vecinos. Específicamente usan derivada parcial en dos dimensiones.
La expresión matemática que verifica este comportamiento es la siguiente:
| | | | Este borde es funcional para bordes diagonales y para posicionamiento de píxeles. De
sus principales inconvenientes es su sensibilidad a los niveles de ruido, dificultando el
perfilado de la imagen.
b. Filtro Sobel. Tiene el siguiente comportamiento matemático:
√ Donde los valores de y vienen dados por:
Y los valores de los valores de la matriz:
Que representan a una matriz de convolución y viene dada por los siguientes gradientes:
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
34/51
33Restauración de Imágenes a Partir de Transformadas de Fourier
Gradiente Fila: Gradiente Columna
Este se verifica para cuando K=2 y lo que proporciona es una inmunidad al ruido
involucrando a los vecinos adyacentes de filas y columnas, Este filtro es mucho más
sensible a los bordes diagonales que el de Prewitt (K=1), pero visualmente no es muy
notoria la diferencia entre ellos.
c. Filtro Laplaciano. Este filtro aplica la segunda derivada a partir de la expresión del
Laplaciano:
Cuyo Kernel es:
Este método se fundamenta en la creación de una máscara que hace destacar el
aumento de los niveles de gris, cuya variación respecto a su vecindad, es significativa.
También es llamado “filtro Sharpening”, es decir enfoque de la imagen, debido al resalte
de detalles finos, bordes y otros aspectos como resultado de su aplicación.
d. Filtros Direccionales. Son usados para determinar estructuras que siguen unadirección en el espacio destacando los píxeles que están en los lados de la estructura de
la imagen.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
35/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
36/51
35Restauración de Imágenes a Partir de Transformadas de Fourier
Existen tres tipos de filtrados en el dominio de la frecuencia: filtro paso – bajo, filtro –
paso alto, filtro paso –banda.
1. Filtro Paso – bajo. Se caracteriza por atenuar las frecuencias más altas sin modificar
las bajas. En el dominio de la frecuencia también es reconocido como filtro de suavizado,
en el que las frecuencias altas filtradas son equivalentes a cambios altos de intensidad.
A continuación se mostrará un ejemplo de un filtro paso bajo ideal con su codificación
en MATLAB:
clc[u,v]=freqspace(25,'meshgrid');H=sqrt(u.^2+v.^2)
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
37/51
36Restauración de Imágenes a Partir de Transformadas de Fourier
for j=1:c
D=sqrt((i-f/2)^2+(j-c/2)^2);% Se determina la
distancia al centro del
% punto (i,j)
if D
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
38/51
37Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 14. Imagen original de “La gran fiesta” de 1926 organizada bajo el mandato de laReina Olga Heilbrun de 1926 y la misma imagen con Filtro Paso bajo ideal.
Figura 15. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
Veamos una aplicación de un tipo de filtro paso – bajo en el dominio de la frecuencia
llamado “sal y Pimienta” con su código en Matlab:
clc I0=imread('fiesta.tif'); I=imnoise(I0,'salt & pepper',0.02);
imshow(I) I=im2double(I);[M,N]=size(I); F=fft2(I); Hb=lpfilter('btw',M,N,25);
G=Hb.*F; I1=real(ifft2(G)); figure,imshow(I1)
.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
39/51
38Restauración de Imágenes a Partir de Transformadas de Fourier
Figura 16. Espectros de la imagen sin filtrar y con el filtro Paso bajo ideal
2. Filtro Paso – Alto. Se caracteriza por atenuar las bajas frecuencias sin cambiar las altas.
Esto se debe a que las frecuencias altas son los cambios bruscos a nivel de densidad. Las
ventajas de este tipo de filtros radican en las mejoras que ofrecen en la detección debordes en el dominio del espacio, debido a la gran cantidad de estas frecuencias,
fortaleciendo el contraste de la imagen.
El código correspondiente en Matlab y sus gráficas se muestran a continuación:
%%%%% FILTRO PASO ALTO %%%%% clear all; % Elimina variables utilizadas en otras rutinas % Rango de frecuencias
d1 = 0; d2 = 6; puntos = 10000; w = logspace(d1, d2, puntos); % Función de transferencia R = 1; L = 0.001; s = i*w; H = s./(s + (R/L)); % Cálculos modulo = abs(H); atenuacion = -20*log10(modulo); fase = (180/pi)*unwrap(angle(H)); Hc = max(modulo)/sqrt(2);
bandapaso = find(modulo
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
40/51
39Restauración de Imágenes a Partir de Transformadas de Fourier
xlabel('Frecuencia angular (rad/s)', 'FontName', 'Times',
'Fontsize', 14); ylabel('Módulo', 'FontName', 'Times', 'Fontsize', 14); axis([w(1), w(puntos), -(1/4)*max(modulo),
(3/2)*max(modulo)]); set(gca, 'xtick', [w(1) wc w(puntos)], 'FontName', 'Times',
'Fontsize', 12); set(gca, 'ytick', [0 Hc max(modulo)], 'FontName', 'Times',
'Fontsize', 12); title ('Filtro paso alto', 'FontName', 'Times', 'Fontsize',
24); subplot(3, 1, 2); semilogx(w, atenuacion, 'b', 'LineWidth', 2); grid on; xlabel('Frecuencia angular (rad/s)', 'FontName', 'Times',
'Fontsize', 14);
ylabel('atenuacion', 'FontName', 'Times', 'Fontsize', 14); axis([w(1), w(puntos), min(atenuacion), max(atenuacion)]); set(gca, 'xtick', [w(1) wc w(puntos)], 'FontName', 'Times',
'Fontsize', 12); set(gca, 'ytick', [0 atenuacion(n)], 'FontName', 'Times',
'Fontsize', 12); subplot(3, 1, 3); semilogx(w, fase, 'b', 'LineWidth', 2); grid on; xlabel('Frecuencia angular (rad/s)', 'FontName', 'Times',
'Fontsize', 14); ylabel('Fase (º)', 'FontName', 'Times', 'Fontsize', 14); axis([w(1), w(puntos), -(3/2)*max(abs(fase)),
(3/2)*max(abs(fase))]); set(gca, 'xtick', [w(1) wc w(puntos)], 'FontName', 'Times',
'Fontsize', 12); clear all; % Elimina las variables utilizadas en esta
rutina
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
41/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
42/51
41Restauración de Imágenes a Partir de Transformadas de Fourier
7. DELIMITACIÓN
7.1. Delimitación Espacial.
El estudio se centraliza en el análisis de fotografías relacionadas con el carnaval de
Barranquilla
7.2. Delimitación Cronológica
El tiempo de desarrollo de este proceso de investigación implica el periodo
comprendido entre los meses de marzo y noviembre del año 2011.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
43/51
42Restauración de Imágenes a Partir de Transformadas de Fourier
8. DISEÑO METODOLÓGICO
8.1. Objetos de Investigación.
Los objetos de investigación son tres imágenes escaneadas, recortadas y reducidas atamaño de 256 x 256 pixeles, estas fotos fueron facilitadas por el Museo Romántico de
la ciudad de Barranquilla.
Imagen de “Toña Primera” Reina del Carnaval de Barranquilla de 1924, esta imagen no
fue tomada de papel fotográfico, sino de un recorte de periódico de la época. En él se
observa un nivel de deterioro en diferentes zonas, sobre todo en los bordes superiorderecho, debajo del rostro y del borde inferior izquierdo.
Imagen de Olga Heilbrun, Reina del Carnaval de Barranquilla de 1926, esta imagen
muestra un nivel de deterioro en el borde izquierdo y en algunas zonas, debajo de la
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
44/51
43Restauración de Imágenes a Partir de Transformadas de Fourier
firma que aparece en la fotografía, por otro lado tiene también un nivel de deterioro en
el fondo, debido al mal proceso de conservación de la imagen.
Imagen de “la gran fiesta” organizada en 1926 por el mandato de la Reina del Carnaval
de esa época Olga Heilbrun.
8.2. Fases de la Investigación.
las fases de esta investigación son las siguientes:
Fase 1. Entrevista con el actual director del Museo Romántico de Barranquilla ALFREDO
DE LA ESPRIELLA para la consecución de 3 fotografías deterioradas y explicarle la
importancia del proyecto.
Fase 2. Revisión del Estado del arte en torno al tema de digitalización, tratamiento y
restauración de imágenes y sus aplicaciones en otras áreas del saber.
Fase 3. Realización de un estudio del deterioro de las fotografías de muestra y
seleccionar que métodos se ajustan para su recuperación.
Fase 4. Aplicación de pruebas piloto de programación en MATLAB para visualizar el
comportamiento de forma que:
Se Suavice la imagen: reducir la cantidad de variaciones de intensidad entrepíxeles vecinos.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
45/51
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
46/51
45Restauración de Imágenes a Partir de Transformadas de Fourier
9. ANÁLISIS DE RESULTADOS
Después de haber aplicado las técnicas ya mencionadas a lo largo de este trabajo, en
cada fotografía se observa en el caso “Toña Primera” el Estiramiento Lineal mejoró la
iluminación, el rostro se ve con mucha más claridad siendo que no es papel fotográfico
sino un recorte de periódico de 1924, sin embargo se nota mucho más el deterioro delos bordes y de las zonas con daño a raíz del mal proceso de conservación que se lleva
en el museo, por otro lado, el histograma respectivo muestra el cambio generado en la
tonalidad de grises (Ver figura 7).
Por otro lado, la imagen de Olga Heilbrun que se le aplicó Filtrado en la frecuencia del
espacio, con el fin de resaltar los bordes presentó, inconvenientes a pesar de haber
usado 3 técnicas a esta fotografía. Con el perfilado Sobel y Prewitt se observan algunos
de los bordes respectivos de la imagen, se notan en escala de grises tenues sin rasgos
bien definidos, tampoco son muchas las diferencias observadas entre estas dos técnicas
(Ver Figura 9 y 10). Con el filtro Cany los bordes se resaltan con mayor detalle, sin
embargo la imagen luce confusa y se pierde (Ver Figura 11.)
Para la imagen de “la gran fiesta” se usó filtro paso-bajo ideal, en este caso se nota un
cambio de atenuación de los niveles de gris, pero se perdió un poco el brillo de la
imagen y para el filtro de paso bajo “sal y pimienta” se recuperó el brillo de la imagen,
pero el resultado no fue el esperado, debido a que se aumentó el ruido de la imagen, se
observan pequeños puntos en el contenido de la fotografía deteriorandola aún más
(Ver Figura 14).
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
47/51
46Restauración de Imágenes a Partir de Transformadas de Fourier
10. CONCLUSIONES Y RECOMENDACIONES
Luego de Experimentar con diferentes técnicas de mejoramiento (Inpainting) de
imágenes podemos afirmar que la calidad y resolución de estas mejoró en algunos
aspectos, pero no en todos los requeridos, debido a que algunos de los métodos
empleados no se ajustaron a las necesidades de recuperación de las fotografías. Se haríanecesario ampliar el barrido del estado del arte en técnicas de tratamiento digital de
imágenes con Matlab o en su defecto con otras herramientas para este objetivo.
Sin embargo no se puede desconocer el nivel de utilidad de Matlab para el tratamiento
de imágenes ya que en lo que corresponde a las técnicas de Estiramiento Lineal, Filtrado
de Cany y Filtro paso-bajo Ideal, se ven cambios notorios en lo que respecta a la
recuperación de las fotografías.
Con base a los comentarios mencionados en las conclusiones se hacen las siguientes
recomendaciones:
Consecución de material bibliográfico especializado en el manejo de la
herramienta Matlab para indagar mucho más en su manejo y utilización
orientado al tratamiento digital de imágenes.
Desarrollar una investigación en torno a restauración de imágenes en color.
Ofrecer a estudiantes de ingeniería de sistemas y electrónica, como asignatura
electiva, un curso básico de tratamiento digital de imágenes.
Crear un semillero de investigación en esta línea, con el apoyo del grupo
MATINCUC.
Ampliar esta investigación y solicitar apoyo de Colciencias y el Ministerio de
Cultura para cimentar las bases de la creación del primer museo histórico
fotográfico de la ciudad de Barranquilla.
Solicitar propuestas de colaboración conjunta con otras universidades a nivel
local, regional y nacional.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
48/51
47Restauración de Imágenes a Partir de Transformadas de Fourier
11. LISTA DE REFERENCIAS
[1] Martínez Robles Manuel. “Detección de astrocitoma cerebral infantil aplicando
segmentación de imágenes y morfología matemática” de 2006. Artículo publicado en la revista
electrónica Medigraphic Artemisa. Revisado el 8 de agosto de 2011. desde:
http://www.medigraphic.com/pdfs/revmexneu/rmn-2006/rmn065h.pdf
[2] Benitez Hernán et al. “Procesamiento de imágenes infrarrojas para la detección de defectos
en materiales” de 2007. Artículo revisado el 15 de agosto de 2011 desde:
http://objetos.univalle.edu.co/files/Procesamiento_de_imagenes_infrarrojas_para_la_deteccio
n_de_defectos_en_materiales.pdf
[3]García Santillán Elías. “Detección y clasificación de objetos dentro de un salón de clases
empleando técnicas de procesamiento digital de imágenes” de 2008. Tesis. revisada
desde http://matematicas.uclm.es/cedya09/archive/textos/118_Yanez-Avendano-D.pdf
[4] Arándiga P. “ Nuevas técnicas de multiresolución utilizando procesos estadísticos de
aprendizaje” de 2009. Artículo revisado el 22 de agosto de 2011 desde:
http://matematicas.uclm.es/cedya09/archive/textos/118_Yanez-Avendano-D.pdf
[5]Noreña O. Paula. “Representación Eficiente de Imágenes Volumétricas de Resonancia
Magnética Cardiaca (CMR) Usando JPEG2000”. Tesis de maestría publicada en el año
2011. Tomada desde: http://www.bdigital.unal.edu.co/4228/1/PaulaTatianaNore%
C3%B1aOspina.2011.pdf
[6] Arteaga B. Ricardo. “REFLEXIONES SOBRE LA APLICACIÓN DE LA TRANSFORMADA DE
FOURIER AL PROCESAMIENTO DIGITAL DE IMÁGENES.” Tesis publicada en noviembre de
2010. Revisada en Junio de 2011 desde:
http://www.konradlorenz.edu.co/images/investigaciones/matematicas/procesamiento
_imagenes_fourier.pdf
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
49/51
48Restauración de Imágenes a Partir de Transformadas de Fourier
[7] Zill Dennis G. et al. “Matemáticas Avanzadas para Ingeniería Vol 2. Cálculo Vectorial,
Análisis de Fourier y Análisis Complejo. Tercera Edición. Editorial Mc Graw Hill. México.
2008.
[8] Sanabria Martín. “Información Audiovisual: Teoría técnica de la información
radiofónica y televisiva”. Bosch Editores. Barcelona – España 1994.
[9] García L. Victor Manuel. “Introducción al procesamiento digital de imágenes”.
Artículo publicado en el año 2008. Tomado desde
http://www.slideshare.net/IDVicMan/fundamentos-de-la-imagen-digital.
[10] González Rafael C. et al. “Digital Image Processing using Matlab”. Second Edition.Editorial Pearson-Prentice Hall. USA. 2004.
[11] Velazquez Aguilar J. G. et al. “Herramienta de Apoyo para cursos de Procesamiento
Digital de Imagen. Artículo publicado en el año 2006. Consultado el 27 de Julio de 2011
desde: http://campusv.uaem.mx/cicos/memorias/5tocic2006/Articulos/articulo8.pdf
[12] Prácticas de Robótica y Visión Artificial. Práctica 3. “Prácticas de Procesado deImágenes”. Tomado desde:
http://www.elai.upm.es:8009/spain/Asignaturas/Robotica/PracticasROVA/pr3ROVAPro
cesado.pdf.
[13] Procesado de Imágenes en el Dominio de la Frecuencia. Material de estudio del
Departamento de Electrónica de la Universidad de Alcalá. España. Tomado desde:
http://193.146.57.132/depeca/repositorio/asignaturas/1/t5-procesado.pdf.
[14] Bradsky Gary et al. “Learning Open CV. Computer Vision with the Open CV library”.
O’reilly Editors. USA. 2008.
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
50/51
49Restauración de Imágenes a Partir de Transformadas de Fourier
[15] Filtrado en el Dominio de la Frecuencia. Material de Clase de Visión Artificial de
Ingeniería en Automatización y Control Industrial. Universidad Nacional de Quilmes.
Argentina. Publicado en 2005. Tomadado desde: http://iaci.unq.edu.ar/materias/vision/
archivos/apuntes/Filtrado%20en%20el%20Dominio%20de%20la%20Frecuencia.pdf.
[16] Madrigal Carlos et al. “Diseño de un Sistema Biométrico de Identificación usando
sensores capacitivos para huellas Dactilares”. Revista Electrónica de la Universidad de
Antioquia. 2007. Tomado desde: http://redalyc.uaemex.mx/pdf/430/43003903.pdf
[17] Reducción de Ruido en una Imagen Digital. Material de clase. Departamento de
Ingeniería electrónica, Telecomunicación y Automática. Universidad de Jaen. España.
2005. Tomado desde: http://www4.ujaen.es/~satorres/practicas/practica2.pdf
[18] Detección de bordes en una Imagen. Material de clase. Departamento de Ingeniería
electrónica, Telecomunicación y Automática. Universidad de Jaen. España. 2005.
Tomado desde: http://www4.ujaen.es/~satorres/practicas/practica3_vc.pdf
[19] Alba Jose Luis et al. Realzado de Imágenes. Técnicas de Preprocesado. Material de
Clase. Universidad de Vigo. Publicado en el año 2006. Tomado desde:
http://www.gts.tsc.uvigo.es/pi/Realzado_de_imagenes.pdf.
[20] González Javier. “Detección y asociación automática de puntos característicos para
diferentes aplicaciones.” Artículo Publicado el 24 de Julio de 2009. Tomado desde:
http://upcommons.upc.edu/pfc/bitstream/2099.1/8052/1/memoria.pdf.
[21] Suárez B. Alvaro. “Análisis de métodos de procesamiento de imágenesestereoscópicas forestales”. Tesis de Maestría. Universidad Complutense de Madrid.
Publicada en el año 2008. Tomado desde:
http://eprints.ucm.es/9875/1/An%C3%A1lisis_de_M%C3%A9todos_de_Procesamiento_
de_Im%C3%A1genes_Estereosc%C3%B3picas_Forestales_- _%C3%81lvaro
_Su%C3%A1rez_Bravo.pdf
-
8/17/2019 23. RESTAURACION IMAGENES TRANS. FOURIER.pdf
51/51
50Restauración de Imágenes a Partir de Transformadas de Fourier
[22] Math Works Product Documentation.
http://www.mathworks.com/help/techdoc/ref/fft.html?BB=1
[23] Ramirez P. Javier. Introducción a Matlab y Simulink. Tutorial. Universidad deGranada. España. Publicado en el 2009. Tomado desde:
http://www.ugr.es/~javierrp/master_files/Seminario%20de%20Matlab.pdf.
[24] Guardado M. Ramón. “Transformada de Fourier en aplicación en el diseño de filtros
digitales para el procesamiento de imágenes.”. Artículo publicado el 10 de Junio de 2010.
Arequipa. Perú. Tomado desde:
http://cybertesis.urp.edu.pe/ponencias/LACCEI_2010/Papers/Papers_pdf/IT161_Guard
ado.pdf.