48927766 procesamiento digital de imagenes con matlab

PROCESAMIENTO DE IMÁGENES CON MATLAB

http://lonely113.blogspot.com

1

Lectura de Imágenes

Mediante el comando:

Imagen=imread(‘nombre.extensión’)

La imagen a leer debe encontrarse en la carpeta de trabajo de Matlab. Los formatos de imagen soportados por Matlab son: Formato Extensión

TIFF .tiff

JPEG .jpg

GIF .gif

BMP .bmp

PNG .png

XWD .xwd


2

Ejemplo: Lectura de una imagen *.jpg

La imagen "fruta.jpg" se encuentra en el directorio de trabajo.

>> Im_RGB=imread('fruta.jpg');


3

Representación de Imágenes en Matlab

En Matlab una imagen en formato de color RGB se representa por tres matrices bidimensionales, correspondientes a los planos R, G y B.

1=R

2=G

3=B


4

Obtención de los Planos RGB

Para obtener los planos R, G y B se ejecutan los comandos:

Im_R=Imagen(:,:,1)

Im_G=Imagen(:,:,2)

Im_B=Imagen(:,:,3)

Ejemplo:

>> Im_R=Im_RGB(:,:,1);

>> Im_G=Im_RGB(:,:,2);

>> Im_B=Im_RGB(:,:,3);


5

Tamaño de la Imagen

Obtención del tamaño de Imagen:

Im_RGB: 600x800

3 planos (R,G y B)

>> [m,n,p]=size(Im_RGB)

m =

600

n =

800

p =

3


6

Despliegue de Imágenes

Se realiza con el comando:

Imshow(Imagen)

Dónde: Imagen es del tipo uint8.

>> imshow(Im_RGB)


7

Escritura de Imágenes

Con el comando:

imwrite(Imagen,’nombre.extensión’)

>> imwrite(Im_RGB,'imagen.jpg');


8

Lectura de Valor de Pixeles

Obtención de valor de pixel

Imagen(m,n) ; Cuando Imagen está en escala de grises (un solo plano).

Imagen(m,n,p) ; Para imagen RGB. Devuelve el valor del pixel correspondiente al plano p (1, 2 ó 3).

Dónde: m,n son las coordenadas del pixel.

>> Im_RGB(300,300,1)

ans =

255

>> Im_RGB(300,300,2)

ans =

178

>> Im_RGB(300,300,3)

ans =

10


9

Selección manual y Lectura de Valor de Pixel

Mostrar la imagen con el comando imshow.

Escribir el comando: pixel=impixel;

Clic en el pixel y Enter.

>> imshow(Im_RGB)

>> pixel=impixel

pixel =

252 144 115


10

Edición de Pixeles

Para modificar el valor de un pixel:

Imagen(m,n)=x ; Para una imagen en escala de grises.

imagen(m,n,p)=x ; Para una imagen RGB.

Dónde: x es un número entero entre 0 y 255 correspondiente a escala de grises (0=negro y 255=Blanco)

>> Im_RGB(200,750,1)=255;

>> Im_RGB(200,750,2)=255;

>> Im_RGB(200,750,3)=255;


11

Perfil de Imagen

Mostrar la imagen con el comando: imshow. Escribir el comando: improfile Trazar la línea para obtener el perfil en la imagen (clic en inicio y clic en final) y Enter. Si se desea se puede guardar el perfil en una variable. Ejecutando:

perfil=improfile;

>> imshow(Im_RGB)

>> improfile

0 50 100 150 200 250 300 350 400 450 5000

50

100

150

200

250

300

Distance along profile


12

Submuestreo

Submuestrear una imagen reduce su tamaño y permite que el procesamiento posterior de la imagen se agilice.

Se toman pixeles equidistantes (muestras), dependiendo del factor elegido, y se desecha el resto de pixeles.

Imagen_ sub=Imagen(1:a:end,1:a:end,1:1:end)

Dónde: a es el factor de muestreo.

Si a=2 la imagen se reduce a la mitad.

a11 a12 a13 a14 a15 a16 a17 a18 … a1n


13

Ejemplo: Submuestreo de la imagen Im_RGB por un factor de 4.

>> Im_sub=Im_RGB(1:4:end,1:4:end,1:1:end);

>> imshow(Im_sub)


14

Transformación Uint8 - Double

En algunos casos es necesario que la imagen a procesar sea del tipo "double", ya que uint8 admite sólo valores enteros entre 0 y 255.

Para transformar de uint8 a double y viceversa:

Imagen_double=double(Imagen_uint8)

Imagen_uint8=uint8(Imagen_double)

El comando imshow sólo muestra imágenes del tipo uint8.


15

Ejemplo: Se requiere resaltar el gris en una imagen por un factor 0.25.

>> Im_double=double(Im_RGB);

>> Im_double=Im_double*0.25;

>> Im_uint8=uint8(Im_double);

>> Imshow(Im_uint8)


16

Filtraje

Se realiza mediante convolución de matrices.

Dónde: Imagen es la matríz a filtrar.

f es la matríz filtro. b11,b12,…,bmn son los elementos de la matríz de salida.


17

Filtraje

Se puede utilizar el comando:

imagen2=filter2(filter,Imagen);

Dónde: filter es la matriz filtro.

El comando filter2 no admite uint8, por lo tanto la imagen a filtrar se debe convertir al tipo double.

El filtraje se debe realizar plano por plano en una imagen RGB.

Se agrega ruido a una imagen con el comando imnoise. Revisar los archivos de ayuda de Matlab para mas información.


18

Ejemplo: Filtraje promedio

Para eliminar o reducir el ruido de una imagen.

>> foto=imread('fruta.jpg');

>> foto=imnoise(foto,'salt & pepper');

>> foto_R=foto(:,:,1);

>> foto_G=foto(:,:,2);

>> foto_B=foto(:,:,3);

>> filtro=1/9*[1 1 1;1 1 1;1 1 1];

>> foto2_R=filter2(filtro,double(foto_R));

>> foto2_G=filter2(filtro,double(foto_G));

>> foto2_B=filter2(filtro,double(foto_B));

>> foto2(:,:,1)=foto2_R;

>> foto2(:,:,2)=foto2_G;

>> foto2(:,:,3)=foto2_B;

>> imshow(uint8(foto))

>> figure,imshow(uint8(foto2))


19

Ejemplo: Detección de bordes.

Se puede realizar similar al caso anterior, definiendo un filtro para detección de bordes.

La imagen a filtrar debe estar en escala de grises.

Para convertir RGB a escala de grises se utiliza el comando:

Imagen_gray=rgb2gray(Imagen_RGB);

>> filter=[1 2 1;0 0 0;-1 -2 -1];

>> Im_RGB=imread('medusa.jpg');

>> Im_gray=rgb2gray(Im_RGB);

>> Im_edge=filter2(filter,Im_gray);

>> imshow(Im_RGB);

>>figure,imshow(Im_edge);


20

Filtro Mediana

Se realiza para atenuar el ruido de una imagen.

Usualmente se aplica a imágenes en escala de grises.

Imagen2=medfilt2(Imagen)

Ejemplo:

>> Im_RGB=imread('fruta.jpg');


>> Im_gray=imnoise(Im_gray, 'salt

& pepper');

>> imshow(Im_gray)

>> Im_filt=medfilt2(Im_gray);

>> figure, imshow(Im_filt)


21

Detección de Bordes


imagen_edge=edge(imagen_gray,’mascara’);

Se requiere que la imagen esté en escala de grises.

mascara es el tipo de mascara a utilizar (sobel, canny,prewit, …) ya predefinidas en Matlab.


22

Ejemplo:

Se realiza la detección de bordes de una imagen utilizando la máscara de "sobel".

>> Im_RGB=imread('Penguins.jpg'); >> Im_gray=rgb2gray(Im_RGB); >> Im_edge=edge(Im_gray,'sobel'); >> imshow(Im_edge)


23

Binarización

Conversión de una imagen en escala de grises a una imagen lógica (0=negro, 1=blanco).


Imagen_bin=imagen<=Umbral

Dónde: Umbral es un número entre 0 y 255.

También se puede usar el siguiente comando cuando se requiere binarizar una imagen RGB directamente.

Imagen_bin=im2bw(Imagen,level)

Dónde: level es el nivel de umbral entre 0 y 1.


24

Ejemplo: Método 1.

Binarización de una imagen con un umbral de 128.

>> Im_bin=Im_gray>=128


25

Ejemplo: Método 2.

>> Im_bin=im2bw(Im_RGB,0.5)


26

Erosión y Dilatación

Son las operaciones morfológicas más utilizadas.

DILATACIÓN: Adiciona pixeles en las fronteras de la imagen.

EROSIÓN: Remueve pixeles de las fronteras de la imagen.

Ambas operaciones se aplican a imágenes binarizadas.


27

Dilatación

Se utiliza el comando:

Result=imdilate(Imagen,SE)

Dónde: SE es la estructura del arreglo a utilizar como rejilla.

Imagen es previamente binarizada.

Existen varias maneras de obtener una estructura SE. Se realiza mediante el comando "strel". Revisar los archivos de ayuda de Matlab.


28

Dilatación

Suponiendo que se utiliza una matriz identidad de orden 3 como rejilla (mostrada con bordes resaltados en la imagen), el resultado de aplicar la operación de dilatación en el pixel que se traslapa con el elemento central de la rejilla es:

"Si alguno de los pixeles de la rejilla configurados como 1 coincide con al menos uno de la imagen el pixel resultante es 1".


29

Ejemplo:

Aplicando dilatación a una imagen binarizada, utilizando una estructura generada a partir de una matriz cuadrada de "1" de orden 30.

>> SE=strel('square',30);

>> Im_RGB=imread('imagen.jpg');


>> Im_edge=edge(Im_gray,'sobel');

>> Im_dilate=imdilate(Im_edge,se);

>> imshow(Im_edge);

>> figure,imshow(Im_dilate)


30

Erosión

Se utiliza el comando:

Result=imerode(Imagen,SE)

Dónde: SE es la estructura del arreglo a utilizar como rejilla.

Imagen es previamente binarizada.


31

Erosión

Suponiendo que se utiliza una matriz identidad de orden 3 como rejilla (mostrada con bordes resaltados en la imagen), el resultado de aplicar la operación de erosión en el pixel que se traslapa con el elemento central de la rejilla es:

"Todos los pixeles de la rejilla configurados como 1 deben coincidir con todos los de la imagen, si esto no sucede el resultado del pixel es 0".


32

Ejemplo:

Aplicando la operación de erosión a la imagen dilatada utilizando una estructura generada por una matriz cuadrada de "1" de orden 15.


>> Im_erode=imerode(Im_dilate,SE);

>> imshow(Im_dilate)

>> figure,imshow(Im_erode)


33

Vecindad

Para determinar si dos pixeles son vecinos o no (adyacentes).

Vecindad-4: Se consideran pixeles conectados en direcciones perpendiculares (arriba, abajo, derecha, izquierda).

Vecindad-8: Se consideran también los pixeles vecinos diagonales.

Vecindad-4 Vecindad-8


34

Conectividad

Dos pixeles están con la misma etiqueta están conectados si existe un camino del uno al otro a través de pixeles vecinos con la misma etiqueta.

La conectividad en Matlab puede ser:

Conexión-4: Se toma en cuenta la vecindad-4 para determinar la conectividad de pixeles.

Conexión-8: Se toma en cuenta la vecindad-8 para determinar la conectividad de pixeles.

ETIQUETADO: Agrupación de pixeles con características similares

Si se elige conectividad conexión-4 se consideraría como dos objetos diferentes, pero si se elige conectividad conexión-8 se consideraría como un solo objeto (vecindad diagonal).


35

Cuenta y Etiquetado de Objetos en una Imagen

Para contar la cantidad de objetos presentes en una imagen se realiza el procedimiento:

1. Leer la imagen. 2. Convertirla a escala de grises y posteriormente binarizarla. 3. En la imagen binarizada se requiere que los objetos a contar estén en blanco (1) y con

fondo negro (0), si no fuera así se puede aplicar el comando:

Im_bin=not(Im_bin) 4. Ejecutar el siguiente comando para etiquetar los objetos. Cada objeto encontrado se

etiqueta con un número entero: 1, 2, 3,…:

Im_label=bwlabel(Im_bin,C)

Dónde: C=4 u 8 (Conexión)

5. Para obtener el número de objetos:

n=max(max(Im_label))


36

Ejemplo:

Se contará el número de objetos de la siguiente imagen:

>> Im_RGB=imread('imagen.jpg');

>> Im_bin=im2bw(Im_RGB,0.5)

>>imshow(Im_bin)

>> Im_bin=not(Im_bin);

>> imshow(Im_bin)

>> Im_label=bwlabel(Im_bin,8);

>> n=max(max(Im_label))

n=

5


37

Selección de un Objeto

Para seleccionar manualmente un objeto y aislarlo se realiza el procedimiento:

1. Mostrar la imagen binarizada con el comando imshow.

2. ejecutar el comando:

Im_sel=bwselect(C)

Dónde: C=4 u 8 (Conexión)

3. Clic en el objeto y Enter.

4. Si se desea, desplegar el objeto seleccionado Im_sel.


38

Ejemplo:

Se selecciona el objeto inferior derecho y se aísla en la variable Im_sel.

>> imshow(Im_bin)

>> Im_sel=bwselect(8);

>> imshow(Im_sel)


39

Captura de Imágenes Mediante Cámaras Conectadas a la Pc

Resulta de suma utilidad para implementar algoritmos de visión o adquisición de imágenes en tiempo real utilizando dispositivos simples y de bajo costo tales como las webcams.

Matlab incluye el toolbox "Image Acquisition" para este fin.

El toolbox incluye la herramienta Image Aquisition tool "imaqtool" que se utilizará posteriormente.


40

Obtención de Información del Dispositivo

Comandos a utilizar:

Imaqhwinfo

Devuelve la información del hardware y software disponibles, tales como: Adaptador de video instalado, versión de Matlab, Toolbox (nombre y versión).

Imaqhwinfo(‘adaptor’)

Donde adaptor es el nombre del adaptador instalado, por lo general winvideo. Este comando devuelve información relacionada al adaptador.

Imaqhwinfo(‘adaptor’,DeviceID)

Donde DeviceID es el ID del dispositivo a utilizar obtenido con el comando anterior. Si sólo se cuenta con un dispositivo conectado el DeviceID será 1. Este comando muestra información del dispositivo conectado (cámara) .


41

Ejemplo: Ejecutando los comandos

El adaptador instalado es "winvideo". Hay un dispositivo de adquisición de imágenes instalado (DeviceID). El dispositivo instalado es una webcam "ilook300". Soporta 13 formatos de adquisición. Formato por defecto: RGB 640x480.

>> imaqhwinfo

ans =

InstalledAdaptors: {'winvideo'}

MATLABVersion: '7.8 (R2009a)'

ToolboxName: 'Image Acquisition Toolbox'

ToolboxVersion: '3.3 (R2009a)‘

>> imaqhwinfo('winvideo')

ans =

AdaptorDllName: [1x81 char]

AdaptorDllVersion: '3.3 (R2009a)'

AdaptorName: 'winvideo'

DeviceIDs: {[1]}

DeviceInfo: [1x1 struct]

>> imaqhwinfo('winvideo',1)

ans =

DefaultFormat: 'RGB24_640x480'

DeviceFileSupported: 0

DeviceName: 'iLook 300'

DeviceID: 1

ObjectConstructor: 'videoinput('winvideo', 1)'

SupportedFormats: {1x13 cell}


42

Preparación del Dispositivo

Crear la estructura:

cam=imaqhwinfo(‘adaptor’,DeviceID)

Para poder obtener las características del dispositivo con facilidad.

Por ejemplo, para obtener los formatos soportados:

cam.SupportedFormats

Ejecutar el comando:

video=videoinput(‘adaptor’,DeviceID,’Format’)

Construye un objeto de entrada de video (nexo entre el dispositivo y Matlab). Si no se especifica Format se asume el formato por defecto.


43

Ejemplo: Preparación de dispositivo

>> cam=imaqhwinfo('winvideo',1);

>> cam.SupportedFormats

ans =

Columns 1 through 4

'I420_160x120' 'I420_176x144' 'I420_320x240' 'I420_352x288'

Columns 5 through 8

'I420_640x480' 'RGB24_1280x960' 'RGB24_1600x1200'

'RGB24_160x120'

Columns 9 through 12

'RGB24_176x144' 'RGB24_320x240' 'RGB24_352x288'

'RGB24_640x480'

Column 13

'RGB24_800x600'

>> video=videoinput('winvideo',1,'RGB24_640x480');


44

Pre - Visualización

Para desplegar la pre-visualización de las imágenes a capturar ejecutar el comando:

preview(video)

>> preview(video)


45

Captura

Para capturar una imagen ejecutar:

Image=getsnapshot(‘cam’)

>> foto=getsnapshot(video); >> imshow(foto)


46

Image Acquisition tool

Facilita el trabajo de realizar la captura de imágenes mediante línea de comandos.

Para acceder a esta herramienta ejecutar:

imaqtool

>> imaqtool


47

Aplicaciones

Se presentan 3 aplicaciones sencillas del procesamiento de imágenes:

1. Detección de bordes de una imagen.

2. Cuenta de objetos de características similares presentes en una imagen.

3. Reconocimiento Óptico de Caracteres (OCR) mediante un algoritmo implementado por terceros.

En todos los casos las imágenes serán obtenidas mediante una cámara web.


48

No se especifica formato de captura, entonces se asume el formato por defecto (RGB 640x480). Las imágenes obtenidas paso a paso se muestran en la siguiente diapositiva.

>> cam=imaqhwinfo(‘winvideo’,1);

>> video=videoinput('winvideo',1);

>> preview(video)

>> Im_RGB=getsnapshot(video);

>> imshow(Im_RGB)


>> Im_gray=medfilt2(Im_gray);

>> figure,imshow(Im_gray)

>> Im_edge=edge(Im_gray,'sobel');

>> figure,imshow(Im_edge)

>>Im_edge2=not(Im_edge);

>> figure,imshow(Im_edge2)


1. Detección de bordes de una imagen

49

Im_RGB Im_gray

Im_edge Im_edge2


1. Detección de Bordes de una Imagen

50

2. Conteo de Objetos

Se desea contar el número de transistores en la imagen.

Para ello se utiliza el etiquetado de objetos, pero el problema es que si no se realiza tratamiento previo también se etiquetarán los pines de cada transistor.

Para resolver este problema primero se aplican las operaciones de erosión (hasta que desaparezcan los pines y solo quede el cuerpo) y luego dilatación (para obtener objetos a contar de regular tamaño).


51


>> cam=imaqhwinfo(‘winvideo’,1);

>> video=videoinput(‘winvideo’,1);

>> Im_RGB=getsnapshot(video);

>> imshow(Im_RGB)

>> Im_bin=im2bw(Im_RGB,0.5);

>> figure, imshow(Im_bin)

>> Im_bin2=not(Im_bin);

>> figure, imshow(Im_bin2)


>> Im_erode=imerode(Im_bin2,SE);

>> figure, imshow(Im_erode)

>> Im_dilate=imdilate(Im_erode,SE);

>> figure,imshow(Im_dilate)

>> Im_label=bwlabel(Im_dilate,8);

>> n=max(max(Im_label))

n =

10


52


Im_RGB Im_bin


53


La imagen se invierte para poder seguir con el procedimiento de tratamiento de imagen. Si no se aplica erosión se etiquetaría cada objeto aislado, dando como resultado un número de objetos muy superior al real.

Im_bin2


54


Con estas dos operaciones se obtiene sólo el cuerpo de los transistores en su tamaño original, los pines ya fueros desechados. La imagen está lista ahora para el etiquetado y conteo.

Im_erode Im_dilate


55

3. Reconocimiento de Caracteres

Se desea reconocer los caracteres presentes en una imagen adquirida mediante la webcam y almacenar el texto en un archivo .txt.

El algoritmo OCR utilizar se obtuvo de la página: http://www.matpic.com/esp/matlab/ocr.html.

Para usar el algoritmo los archivos a descargados se deben copiar a la carpeta de trabajo de Matlab.

La imagen se debe guardar con el nombre "TEST_1.jpg". Los caracteres deben estar en mayúsculas en negro y fondo blanco.

Una vez hecho esto ejecutar el comando:

OCR


56


>> cam=imaqhwinfo('winvideo',1);

>> video=videoinput('winvideo',1);

>> preview(video)

>> text=getsnapshot(video);

>> imshow(text)

>> text_bin=im2bw(text,0.5);

>> figure,imshow(text_bin)


>> text_erode=imerode(text_bin,SE);

>> figure,imshow(text_erode)

>> text_dilate=imdilate(text_erode,SE);

>> figure,imshow(text_dilate)

>> text_fin=not(text_dilate);

>> figure,imshow(text_fin)

>> imwrite(text_fin,'TEST_1.jpg');

>> ocr


57


text_bin contiene elementos no deseados (puntos blancos) que podrían perjudicar el proceso de reconocimiento de caracteres. Estos elementos se eliminan aplicando la operación de erosión.

text text_bin


58


Enseguida se aplica la operación de dilatación para contrarrestar el efecto de la erosión en el texto.

text_erode text_dilate


59


Es necesario que el texto esté en negro con fondo blanco para aplicar el algoritmo.

text_fin


60

http://lonely113.blogspot.com 61

48927766 procesamiento digital de imagenes con matlab

Documents