Presentacion

Introduccion.
Desarrollo te orico Deteccion de bordes

Deteccion de bordes de una imagen
Luis Marchena
Escuela politecnica
Universidad de Extremadura
15 de mayo de 2014
Introduccion. Desarrollo te orico Deteccion de bordes
Esquema
1
Introduccion.
Concepto:
2
Desarrollo teorico
Metodos de aproximaci on a la derivada
Derivadas de orden dos y tres
Taylor y la derivada.
Ejemplo.
Ejemplo.
3
Deteccion de bordes
Deteccion de bordes.
Mejoras
Bordes en color
Esquema
1
Introduccion.
Concepto:
2
Desarrollo teorico
Ejemplo.
Ejemplo.
3
Deteccion de bordes
Mejoras
Bordes en color
Esquema
1
Introduccion.
Concepto:
2
Desarrollo teorico
Ejemplo.
Ejemplo.
3
Deteccion de bordes
Mejoras
Bordes en color
Esquema
1
Introduccion.
Concepto:
2
Desarrollo teorico
Ejemplo.
Ejemplo.
3
Deteccion de bordes
Mejoras
Bordes en color
1-Introduccion
Derivadas Que tienen que ver las derivadas con los bordes de una
imagen? Aplicaci on sobre la imagen.
Como hacemos que:
Resultados
Que esta imagen
Pase a esta otra
C omo haremos los bordes en color?
1-Introduccion
Como hacemos que:
Resultados
Que esta imagen
Pase a esta otra
1-Introduccion
Como hacemos que:
Resultados
Que esta imagen
Pase a esta otra
1-Derivadas. Metodo de diferencias nitas
1.1-Concepto de derivada:
Geometricamente, la derivada de una funci on en un punto es la pendiente
de la recta tangente en ese punto.
Para que nos sirve esto?
1.2 -Como vamos a calcular la aproximacion de derivada?
Mediante rectas secantes entre dos puntos vamos a aproximar la tangente
haciendo cada vez menor la distancia entre esos puntos. La pendiente de las
rectas secantes se puede calcular de tres formas:
Metodo de diferencias progresivas: f(x) =
f(x + h) f(x)
h
Metodo de diferencias regresivas: f(x) =
f(x) f(x h)
h
Metodo de diferencias centradas: f(x) =
f(x + h) f(x h)
2h
1.3 Derivadas de orden dos y tres:
Progresivas:
Regresivas:
Centradas:
Progresivas:
Regresivas:
Centradas:
Progresivas:
Regresivas:
Centradas:
1-Taylor y la derivada.
1.4 Taylor y la derivada.
Ejemplo
Veamos que ocurre si desarrollamos f(x + h)
1-POLINOMIO DE INTERPOLACI
ON DE LAGRANGE Y SU
DERIVADA.
Ejemplo:
S = [(0, 0,3927), (0,2, 0,5672), (0,4, 0,6982), (0,6, 0,7941), (0,8, 0,8614), (1, 0,9053)]
1-Aproximacion por diferencias nitas
Ejemplo:
Por el comando di (rojo): y = 0
6533x + 0
44161 y por diferencias nitas

(verde):y = 0
6550x + 0
4411
Gradiente de una imagen
Gradiente: La derivada proporciona variaciones locales de la variable, el
valor de la derivada es mayor cuanto mayores son las variaciones.
En el caso de las funciones bidimensionales la derivada es un vector que
apunta a la m axima variaci on de f(x,y). A este vector se le llama gradiente.
f(x, y) =
f(x,y)
x
f(x,y)
y
Mag[f(x, y)] =
f(x, y)
x
2
+
f(x, y)
y
2
C omo podemos aplicar esto a una imagen digital?
f(x, y)
x

x
f(x, y) = f(x, y) f(x 1, y)
f(x, y)
y

y
f(x, y) = f(x, y) f(x, y 1)
|G(i, j)| =
G
f
2
+ G
c
2
G
f
(i, j) + G
c
(i, j)
C omo podemos aplicar esto a una imagen digital?
f(x, y)
x

x
f(x, y) = f(x, y) f(x 1, y)
f(x, y)
y

y
f(x, y) = f(x, y) f(x, y 1)
|G(i, j)| =
G
f
2
+ G
c
2
G
f
(i, j) + G
c
(i, j)
Vamos a ver c omo queda en matlab y que sucede realmente en la imagen:
Original
Gradiente
Ampliada
Aplicando el m odulo del gradiente de la intensidad de la imagen:
Resultados
Imagen Original
Aplicando la funcion gradient
Aplicando la aproximaci on vista
Resultados
Imagen Original
Resultados
Imagen Original
Resultados
Imagen Original
Mejoras
Filtros mejorados
Aplicando el ltro de Prewitt en el cual consideramos los pxeles (i+1,j) y
(i-1,j) en la direcci on x, (i,j-1) y (i,j+1) en el eje y.
Resultados
Imagen Original
Aplicando Prewitt
Mejoras
Filtros mejorados
Resultados
Imagen Original
Aplicando Prewitt
Mejoras
Filtros mejorados
Resultados
Imagen Original
Aplicando Prewitt
Mejoras
Filtros mejorados
Para aplicar el ltro de Canny debemos hacer la derivada gaussiana en x e
y, esto es:
f(x, y)
x
=
x
2
4
e
x
2
y
2
2
2
f(x, y)
y
=
y
2
4
e
x
2
y
2
2
2
Resultados
Imagen Original
Aplicando Canny
Mejoras
Filtros mejorados
y, esto es:
f(x, y)
x
=
x
2
4
e
x
2
y
2
2
2
f(x, y)
y
=
y
2
4
e
x
2
y
2
2
2
Resultados
Imagen Original
Aplicando Canny
Mejoras
Filtros mejorados
y, esto es:
f(x, y)
x
=
x
2
4
e
x
2
y
2
2
2
f(x, y)
y
=
y
2
4
e
x
2
y
2
2
2
Resultados
Imagen Original
Aplicando Canny
Bordes en color
Imagenes en color
Vamos a ver que pasa si queremos ver los bordes en color. Para eso hay que
descomponer la imagen en sus tres planos RGB.
Resultados
Imagen Original
Aplicando el gradiente
Aplicando Prewitt
Aplicando Canny
Bordes en color
Imagenes en color
Resultados
Imagen Original
Aplicando Prewitt
Aplicando Canny
Bordes en color
Imagenes en color
Resultados
Imagen Original
Aplicando Prewitt
Aplicando Canny
Bordes en color
Imagenes en color
Resultados
Imagen Original
Aplicando Prewitt
Aplicando Canny
Bordes en color
Imagenes en color
Resultados
Imagen Original
Aplicando Prewitt
Aplicando Canny
Bordes en color
Bibliograa
http : //www.uam.es/personal
p
di/ciencias/pangulo/edpan/cap3.pdf
http : //webs.uvigo.es/calculo.infinitesimal/P5cal.pdf
http : //www.unioviedo.es/compnum/laboratorios
w
eb/laborat07
d
eriv/laboratorio07
d
eriv.html
http : //www.uhu.es/cristobal.garcia/descargas/AnalisisNumericoITema5.pdf
http : //www4.ujaen.es/ satorres/practicas/practica3
v
c.pdf
http : //www2.fisica.unlp.edu.ar/materias/procesamiento
d
e
i
magenes/Clase5
i
magenes
2
011.pdf
http : //iimyo.forja.rediris.es/matlab/cursolatex005.html

Presentacion

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Presentacion

Uploaded by

Copyright:

Available Formats

Introduccion.

Desarrollo te orico Deteccion de bordes

44161 y por diferencias nitas

You might also like