procesamiento de imagenes 2012

Procesamiento de la imagen

Javier Gonzlez Jimnez

Procesamiento de la imagen 1

Javier Gonzlez JimnezDpto. de Ingeniera

de Sistemas y AutomticaUniversidad de Mlaga

ndicendice Introduccin Introduccin Conceptos bsicosConceptos bsicos Conceptos bsicosConceptos bsicos

HistogramaHistograma Tablas de ConsultaTablas de Consulta Medidas de distanciaMedidas de distancia ConvolucinConvolucin

Suavizado Suavizado


Suavizado Suavizado Realce Realce

IntroduccinIntroduccin

ObjetivoObjetivo : Eliminar ruido, realzar tonos, ajuste de colores, : Eliminar ruido, realzar tonos, ajuste de colores,

En VC su utilizacin suele ser necesaria antes de la

INTRODUCCININTRODUCCIN

PreprocesamientoPreprocesamientofuncin h(f ( x, y))funcin h(f ( x, y))

IMAGEN ORIGINAL

f (x,y)

IMAGEN MEJORADA

g (x, y)

En VC su utilizacin suele ser necesaria antes de la aplicacin de un detector de bordes y/o segmentacin


f (x,y) g (x, y)

Aplicacin en el dominio espacial y Aplicacin en el dominio espacial y frecuencialfrecuencial


Procesamiento en el dominio espacialProcesamiento en el dominio espacial

Operan de forma directa con los Operan de forma directa con los pixelspixels de la imagende la imagen

g(x, y) = h(f(g(x, y) = h(f(x,yx,y)) )) f(f(x,yx,y) : imagen original) : imagen originalg(g(x,yx,y) : imagen mejorada) : imagen mejoradah( ) : funcin definida sobre un h( ) : funcin definida sobre un entorno de vecindad de (x, y)entorno de vecindad de (x, y)


1x1 : Tablas de consulta1x1 : Tablas de consulta1x1 : Promediado de imgenes1x1 : Promediado de imgenesNxM : Convolucin NxM : Convolucin


Procesamiento en el dominio frecuencialProcesamiento en el dominio frecuencial

IMAGEN ORIGINAL

FFFFFFFF {f(x,y)}{f(x,y)} IMAGEN FRECUENCIAL

f (x,y) F (u,v)

FFFFFFFF--11 {G(u,v)}{G(u,v)}IMAGEN MEJORADAg (x,y)

IMAGEN FRECUENCIAL

G (u,v)

F(u,v) x H(u,v)F(u,v) x H(u,v)


Conceptos bsicosConceptos bsicos

CONCEPTOS BSICOS EN PROCESAMIENTO DE IMGEN

Histograma de una imagen es una representacin grfica de la frecuencia con la que los

niveles de grises aparecen en dicha imagen. niveles de grises aparecen en dicha imagen.

se construye rastreando toda la imagen y contabilizando el nmero de pxeles que poseen cada nivel de gris.

proporciona informacin estadstica sobre cmo estn distribuidos los distintos niveles de grises de la imagen


im=imread('rice.tif');imshow(im)imhist (im);


Histograma de una imagen

til para tareas tales como:

conocer si la digitalizacin se ha efectuado correctamente

decidir el valor de umbralizacin de una imagen

tener una estimacin del brillo medio y contraste, etc.


L-1 L-1A B

L-1 L-1Mucho brillo y poco contraste Imagen binaria objeto sobre fondo Saturacin del blanco


CONCEPTOS BSICOS EN PROCESAMIENTO DE IMGEN

Tablas de consulta (Look-up-tables) define una transformacin pxel a pxel entre los niveles de

grises de la imagen a procesar y de la imagen resultantegrises de la imagen a procesar y de la imagen resultante

consiste en asignar como nuevo nivel de grs el correspondienteal elemento indexado con el nivel de entrada.

nivelessalida

L-1

b0b1.

. .

01

b0b1


L-1 nivelesentrada

Representacin contnua

bL-2bL-1

.

.

.

.

.

.

.

.

.

nivelesentrada

nivelessalida

L-2L-1 bL-1

bL-2

Representacin discreta


Tablas de consulta

aunque muy simple, tiene una granutilidad en el procesamiento deimgenes

% creamos una LUT para el 'umbral' especificado y los valores min y max lut= ones(256,1);lut(1:umbral)= lut(1:umbral).*min;lut(umbral+1:end)= lut(umbral+1:end).*max;imgenes

su implementacin es fcil

se puede aplicar en tiempo real (a lafrecuencia de digitalizacin).

nivelessalida

nivelessalida niveles

lut(umbral+1:end)= lut(umbral+1:end).*max;

% aplicamos la LUT a la imagenim_out = lut(double(imagen)+1);

% cambiamos el formato al de imagenim_out= uint8(im_out);

Procesamiento de la imagen 9L-1 niveles

entrada

nivelessalida

L-1

T

A

B

Operacin de umbralizacin

L-1 nivelesentrada

salida

L-1

No se modifica la imagen

L-1 nivelesentrada

nivelessalida

L-1

Inversin de la paleta de grises


Medidas de distancia:

1. D(p1,p2) 0 [D(p1,p2)=0 si p1=p2]2. D(p ,p ) = D(p ,p )D es una funcin distancia si: 2. D(p1,p2) = D(p2,p1)3. D(p1,p3) D(p1,p2)+D(p2,p3)

distancia eucldea entre p1 y p2 :

distancia 4 (Manhattan) entre p1 y p2 : distancia 8 (Tchebichev) entre p y p :

D es una funcin distancia si:


distancia 4 (Manhattan) entre p1 y p2 :

2212

2 101 2212

2D4

distancia 8 (Tchebichev) entre p1 y p2 :

2 222 22 111 22 101 22 111 22 222 2

D8


Medidas de distancia:

i

mj

i

mj

i

mj

i

n

i

n

i

n

Distancia Euclidea Distancia Manhattan Distancia Tchebichev


= (i-n) 2 + (j-m) 2 = |i-n| + |j-m| = max[ |i-n|, |j-m| ]


Convolucin

h(+1,+1) h(+1,0) h(+1,-1)

180 183 122 120 119 123 123 122

177 189 188 122 133 128 120 123

h(m,n)

h(+1,+1) h(+1,0) h(+1,-1)

h(0,+1) h(0,0) h(0,-1)

h(-1,+1) h(-1,0) h(-1,-1)

170 144 146 140 155 156 167 165

177 200 203 199 196 150 130 150

170 158 155 147 126 125 140 156

166 153 138 136 143 143 145 160

176 166 169 155 133 155 175 170

172 177 163 156 166 156 200 166

Ima ge n o rig in al f(i, j) Im ag en re sulta nte g (i ,j )

g i j,( ) f h f i m j n,( )h m n,( )n

m= =

Procesamiento de la imagen 12Convolucin 1D Convolucin 2D

El kernel (mscara) se voltea respecto al origen ( la imagen, esconmutativo)

En MATLAB: conv2 (filter2 o imfilter no voltean correlacion)

Conceptos bsicosConceptos bsicosPropiedades de la ConvolucinPropiedades de la Convolucin

Conmutativa:

Asociativa:

Distributiva:

Asociativa respecto al producto escalar:


Derivada:

Teorema de convolucin:

Suavizado de imgenesSuavizado de imgenes

SUAVIZADO DE IMGENESSUAVIZADO DE IMGENES

ObjetivoObjetivo: Reducir ruido y/o efectos espurios como consecuencia : Reducir ruido y/o efectos espurios como consecuencia ObjetivoObjetivo: Reducir ruido y/o efectos espurios como consecuencia : Reducir ruido y/o efectos espurios como consecuencia del proceso de captura, digitalizacin y transmisin.del proceso de captura, digitalizacin y transmisin.

Promediado del entornoPromediado del entorno Filtrado Filtrado gaussianogaussiano Filtro de la medianaFiltro de la mediana Promediado de imgenesPromediado de imgenes Filtrado en el dominio Filtrado en el dominio frecuencialfrecuencial (filtro paso bajo)(filtro paso bajo)


Filtrado en el dominio Filtrado en el dominio frecuencialfrecuencial (filtro paso bajo)(filtro paso bajo)

DEMO MATLAB:DEMO MATLAB: Noise reduction filtering


SUAVIZADO DE IMGENESSUAVIZADO DE IMGENES

RuidoRuido Sal y Sal y PimientaPimienta (Salt and pepper): (Salt and pepper): contienecontiene ocurrenciasocurrencias aleatoriasaleatorias de de pixelespixelesblancoblancos y s y negrosnegros

RuidoRuido ImpulsoImpulso: : contienecontiene ocurrenciasocurrenciasaleatoriasaleatorias de de pixelespixeles blancosblancos

RuidoRuido GaussianoGaussiano: : variacionesvariaciones en la en la intensidadintensidad queque siguensiguen unauna distribuciondistribucion

Original Salt and pepper noise


intensidadintensidad queque siguensiguen unauna distribuciondistribucionNormal (Normal (GaussianaGaussiana))

Gaussian noiseImpulse noise

Fuente: S. Seitz


Promediado del entornoPromediado del entorno

Reemplazar el nivel de gris de cada pixel por el valor medio de los niveles de grises de sus vecinos:


S : conjunto de p pixels situados en un entorno de (x,y)(nxm) : entorno de vecindad



Si se emplea un entorno de 3x3 el proceso es equivalente a Si se emplea un entorno de 3x3 el proceso es equivalente a convolucionar con una mscara de la forma:convolucionar con una mscara de la forma:

1/91/91/91/91/91/9

1/91/91/91/91/91/9

1/91/91/91/91/91/9

El tamao del entorno de vecindad seleccionado determina el grado El tamao del entorno de vecindad seleccionado determina el grado


El tamao del entorno de vecindad seleccionado determina el grado El tamao del entorno de vecindad seleccionado determina el grado de suavizado alcanzadode suavizado alcanzado



256256

Perfil de la lnea 256 de las Perfil de la lnea 256 de las imgenes (b), (c) y (d)imgenes (b), (c) y (d)

(a) Imagen original(a) Imagen original (b) Imagen con ruido(b) Imagen con ruido

256256 imgenes (b), (c) y (d)imgenes (b), (c) y (d)

0 100 200 300 400 5000

0.5

1

0 100 200 300 400 5000

0.5

1

0.5

1


(c) Media 3x3(c) Media 3x3 (c) Media 9x9(c) Media 9x9

0 100 200 300 400 5000



VentajaVentaja : Fcil de entender y aplicar : Fcil de entender y aplicar

Inconveniente:Inconveniente: Enturbiamiento de los contornosEnturbiamiento de los contornos

AlternativaAlternativa


PROBLEMASPROBLEMASNo elimina puntos espuriosNo elimina puntos espuriosQu valor de T se escoge?Qu valor de T se escoge?


Filtrado Filtrado gaussianogaussiano Reemplazar el nivel de gris de cada pixel una media ponderada de los

niveles de grises vecinos

Se implementa mediante una convolucin con la funcin gaussiana: Se implementa mediante una convolucin con la funcin gaussiana:

Propiedad de separabilidad


0.003 0.013 0.022 0.013 0.003

0.013 0.059 0.097 0.059 0.013

0.022 0.097 0.159 0.097 0.022

0.013 0.059 0.097 0.059 0.013

0.003 0.013 0.022 0.013 0.003

5 x 5, = 1


Filtrado Filtrado gaussianogaussiano Propiedad de separabilidad


% Separabilidad del operador Gaussiano% h = fspecial('gaussian',hsize,sigma)g_x = fspecial('gaussian',[1,5],1)g_y = fspecial('gaussian',[5,1],1)g=g_y*g_x %Propiedad de separabilidadh = fspecial('gaussian',[5,5],1) %da lo mismo que si se construye directamente en 2D


Filtrado gaussianoFiltrado gaussiano

Es un filtro ptimo compromiso entre actuacin en espacio y frecuencia

Dominio frecuencialDominio espacial



Filtrado Filtrado gaussianogaussianoEs un filtro ptimo compromiso entre actuacin en espacio y frecuencia

Procesamiento de la imagen 23Cortesa de Zhigang Zhu


Filtrado gaussianoFiltrado gaussiano

En el caso discreto

El tamao de la mscara depende de :

equivalente a una convolucin con:

331818606071715050181833

11661818252518186611

00113344331100


w

11661818252518186611

00113344331100

331818606071715050181833

44252571711001007171252544


Filtrado Filtrado gaussianogaussiano

Mayor Sigma: ms suavizado ms enturbuiamiento



Filtrado gaussianoFiltrado gaussianoVentajasVentajas : :

-- Se aplica mediante Se aplica mediante convolucinconvolucin..-- Provoca un menor enturbiamiento de bordes que media simple. Provoca un menor enturbiamiento de bordes que media simple.

Inconveniente:Inconveniente:

-- Mscaras grandes incluso para valores de Mscaras grandes incluso para valores de pequeos, lo que pequeos, lo que implicara un elevado coste computacional.implicara un elevado coste computacional.

Afortunadamente Afortunadamente


Afortunadamente Afortunadamente es separablees separable Aplicar filtro 1D por filas y columnasAplicar filtro 1D por filas y columnas

g(g(x,yx,y)=g(x)g(y))=g(x)g(y)


Filtro de la medianaFiltro de la mediana

Reemplazar el nivel de gris de cada pixel por la mediana de los niveles de grises vecinos

Se aplica tomando el elemento central de los niveles de grises de los pixels vecinos ordenados de menor a mayor:

101050501010

121211111010 ORDENACIN DEL ENTORNOORDENACIN DEL ENTORNO

505012121212111111111010101010101010


111112121010

101050501010

ENTORNO 3x3ENTORNO 3x3

505012121212111111111010101010101010

medianamediana

Pr

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s


Filtro de la medianaFiltro de la medianaP

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

(a) Imagen con ruido de (a) Imagen con ruido de nieve (salt & pepper)nieve (salt & pepper)

(b) Mediana(b) Mediana (c) Media 3x3(c) Media 3x3


P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

nieve (salt & pepper)nieve (salt & pepper)


Filtro de la medianaFiltro de la mediana

VentajasVentajas : : -- Conserva los bordes de la imagenConserva los bordes de la imagen-- Conserva los bordes de la imagenConserva los bordes de la imagen-- Elimina puntos espurios Elimina puntos espurios

Inconveniente:Inconveniente:-- Elevado Elevado coste computacionalcoste computacional (ordenacin)(ordenacin)

Algoritmo de la pseudomedianaAlgoritmo de la pseudomedianaAlternativaAlternativa


-- Elimina lneas delgadas y redondea las esquinasElimina lneas delgadas y redondea las esquinas

AlternativaAlternativa Variar entorno de vecindadVariar entorno de vecindad


Promediado de imgenesPromediado de imgenes

Promediar los niveles de grises de pixels de distintas imgenes de una misma escena cuya nica diferencia, en teora, es el ruidomisma escena cuya nica diferencia, en teora, es el ruido


Si es un ruido blanco, entonces:



RuidoGaussiano

Ruido tipo

1 imagen 10 imgenes 50 imgenes


Ruido tiposal y pimienta



VentajasVentajas : : -- Conserva los bordes de la imagenConserva los bordes de la imagen-- Reduce el ruido inherente de las imgenes reales Reduce el ruido inherente de las imgenes reales

Inconveniente:Inconveniente:Solo se puede aplicar con imgenes en las que no exista Solo se puede aplicar con imgenes en las que no exista movimiento en el momento de la captura de una secuencia de movimiento en el momento de la captura de una secuencia de imgenesimgenes


imgenesimgenes


Filtrado en el dominio frecuencialFiltrado en el dominio frecuencial

Transiciones bruscas en los niveles de grises de una imagen contribuyen fuertemente en las componentes de altas frecuencias

Atenuando el rango especfico de las componentes de altas frecuencias en la transformada se puede eliminar el ruido en el dominio espacial.

Dominio frecuencial

Paso baja Paso alta Paso banda


Dominio espacial



Aplicacin:f(x,y)f(x,y) F(u,v)F(u,v)FFFFFFFF {f(x,y)}{f(x,y)}

%Visualizar espectro de Fourier%Visualizar espectro de Fourier

im=imread('saturn.tif');im=imread('saturn.tif');f(x,y)f(x,y) F(u,v)F(u,v)

g(x,y)g(x,y) G(u,v)G(u,v)FFFFFFFF--11 {G(u,v)}{G(u,v)}

G(u,v) = G(u,v) = H(u,v) H(u,v) x F(u,v)x F(u,v)imf = imf = fft2fft2 (im);(im);imfs = imfs = fftshiftfftshift (imf);(imf);colormap(gray); colormap(gray); imageimage(imfs);(imfs);


La multiplicacin en el dominio frecuencial equivale a la La multiplicacin en el dominio frecuencial equivale a la convolucin en el dominio espacialconvolucin en el dominio espacial



- Filtro ideal paso bajo (ILPF):

Imagen ILPFImagen ILPFILPF 2DILPF 2DD0

0

1

ILPF 1DILPF 1D

- Filtro de Butterworth (BLPF)


D0BLPF 1DBLPF 1D0

0.5

1

Imagen BLPFImagen BLPFBLPF 2DBLPF 2D



- Filtro ideal paso bajo (ILPF):

- Filtro de Butterworth (BLPF)

H(u,v) =1 si D (u,v) D0

0 si D(u,v) > D0

Frecuencia de corteFrecuencia de corte

Distancia al eje de frecuenciasDistancia al eje de frecuencias


Orden del filtroOrden del filtro



ILPF (D0 = 70)

FFTFFT

ILPF (D0 = 70)

IFFTIFFT


Espectro de FourierEspectro de Fourier(Imagen filtrada)(Imagen filtrada)

Espectro de FourierEspectro de Fourier(Imagen original)(Imagen original)

H(u,v)H(u,v)

**

Suavizado d imgenesSuavizado d imgenes


BLPF (D0 = 50, n=1)

FFTFFT

BLPF (D0 = 50, n=1)

IFFTIFFT


Espectro de FourierEspectro de Fourier(Imagen original)(Imagen original)

H(u,v)H(u,v)

**

Espectro de FourierEspectro de Fourier(Imagen filtrada)(Imagen filtrada)

Realce de ImgenesRealce de Imgenes

REALCE DE IMGENESREALCE DE IMGENESObjetivosObjetivos: :

-- Aumentar el contraste mediante la redistribucin de los Aumentar el contraste mediante la redistribucin de los -- Aumentar el contraste mediante la redistribucin de los Aumentar el contraste mediante la redistribucin de los niveles de grises de la imagen.niveles de grises de la imagen.

-- Adaptarse de forma automtica a los cambios de Adaptarse de forma automtica a los cambios de iluminacin.iluminacin.

Transformacin de la paletaTransformacin de la paleta Igualacin de histogramaIgualacin de histograma


Igualacin de histogramaIgualacin de histograma Especificacin de histogramaEspecificacin de histograma Realce localRealce local


Transformacin de la paletaTransformacin de la paleta

Idea:Idea: Estirar y desplazar el histograma para aprovechar mejor el rango Estirar y desplazar el histograma para aprovechar mejor el rango de niveles de grisesde niveles de grises



Escalado NoEscalado No--LinealLinealf(x,y) = g(x,y)

Transformacin de la paletaTransformacin de la paleta

< 1 para aumentar el contraste de las zonas oscuras > 1 para aumentar el contraste de las zonas claras

0.5

1

=1=1=1=1

1


Escalado NoEscalado No--LinealLineal f(x,y) = g(x,y)Transformacin de la paletaTransformacin de la paleta

= 0.5 (raiz cuadrada)

0.5

1


0 0.5 10

Cortesa de Zhigang Zhu


Escalado NoEscalado No--LinealLineal f(x,y) = g(x,y)Transformacin de la paletaTransformacin de la paleta

= 3

0.5

1

Procesamiento de la imagen0 50 100 150 200 250

0

500

1000

1500

2000

2500

3000

3500

4000

0 50 100 150 200 250

0

500

1000

1500

2000

2500

3000

3500

4000

0 0.5 10


Igualacin de histogramasIgualacin de histogramas

Idea:Idea: Modificar la imagen para lograr un aprovechamiento Modificar la imagen para lograr un aprovechamiento ptimo del rango de niveles de grises mediante una ptimo del rango de niveles de grises mediante una distribucin uniforme de los mismos.distribucin uniforme de los mismos.distribucin uniforme de los mismos.distribucin uniforme de los mismos.

Imagen con mal aprovechamiento Imagen con mal aprovechamiento de los niveles de grisesde los niveles de grises

Imagen con buen aprovechamiento Imagen con buen aprovechamiento de los niveles de grisesde los niveles de grises


0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Niveles de Grises

HISTOGRAMA

F

r

e

c

u

e

n

c

i

a

de los niveles de grisesde los niveles de grises

0 50 100 150 200 2500

0.2

0.4

0.6

0.8

1

Niveles de Grises

F

r

e

c

u

e

n

c

i

a

HISTOGRAMA

de los niveles de grisesde los niveles de grises

Pr

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s


Igualacin de histogramasIgualacin de histogramas

Imagen OriginalImagen Original Imagen RealzadaImagen RealzadaFuncin de transformacinFuncin de transformacin

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1HISTOGRAMA

F

r

e

c

u

e

n

c

i

a

0 50 100 150 200 2500

50

100

150

200

250

Niveles de Entrada

N

i

v

e

l

e

s

d

e

S

a

l

i

d

a

FDP ACUMULADA


P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

P

r

e

p

r

o

d

e

s

a

m

i

e

n

t

o

d

e

I

m

g

e

n

e

s

0 50 100 150 200 250Niveles de Grises

Histograma de la imagen originalHistograma de la imagen original

0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Niveles de Grises

F

r

e

c

u

e

n

c

i

a

HISTOGRAMA

Histograma de la imagen realzadaHistograma de la imagen realzada

DEMO MATLAB:DEMO MATLAB: Image histogram and intensity adjustment


Especificacin de histogramasEspecificacin de histogramas

Idea:Idea: Modificar una imagen de tal forma que la imagen Modificar una imagen de tal forma que la imagen resultante tenga un histograma determinadoresultante tenga un histograma determinado

????????

Imagenoriginalr (x,y)

Imagen Igualada

s(x,y)

T(r) T(r)

GG--11(s)(s)


????????

IMAGEN Con histograma

especificadoz (x,y) GG--11(i)(i)

Imagen Igualada

i(x,y)

G(z)G(z)


Especificacin de histogramasEspecificacin de histogramasImagen OriginalImagen Original Imagen RealzadaImagen Realzada

0.9

1HISTOGRAMA

0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

Niveles de grises

F

r

e

c

u

e

n

c

i

a

s

Histograma especificadoHistograma especificado

0.9

1HISTOGRAMA

1HISTOGRAMA


0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Niveles de grises

F

r

e

c

u

e

n

c

i

a

s

Histograma de la imagen originalHistograma de la imagen original

0 50 100 150 200 2500

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Niveles de grises

F

r

e

c

u

e

n

c

i

a

s

Histograma de la imagen realzadaHistograma de la imagen realzada


Realce localRealce local

Idea:Idea: Plantear el realce a partir de la distribucin de Plantear el realce a partir de la distribucin de intensidades sobre en intensidades sobre en entorno de cada pixelentorno de cada pixel de la de la imagen.imagen.imagen.imagen.

Aplicacin:Aplicacin: Definir una ventana NxM que es posicionada Definir una ventana NxM que es posicionada pixel a pixel por la imagen, operando solamente en pixel a pixel por la imagen, operando solamente en dicho entorno en base a los atributos de las dicho entorno en base a los atributos de las intensidades de sus pixels.intensidades de sus pixels.


EJEMPLO : Aplicar igualacin o especificacin EJEMPLO : Aplicar igualacin o especificacin empleando slo un conjunto de pixels vecinosempleando slo un conjunto de pixels vecinos


Realce localRealce localMedia del entorno Media del entorno

de vencidadde vencidad

Media de la imagen Media de la imagen completa completa

Desviacin tpica del Desviacin tpica del entorno de vencidadentorno de vencidad


Constante entre 0 y 1Constante entre 0 y 1

GANANCIA DEL FILTROGANANCIA DEL FILTRO

procesamiento de imagenes 2012

Documents