III PreprocesamientoDesarrollo PDF

Visin por computador
Sumario
Caractersticas de la imagen
Transformaciones de la imagen
Reduccin del ruido
Realce de la imagen
Deteccin de bordes
Transformaciones geomtricas
Transformaciones morfolgicas
Caractersticas de la
Imagen
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Vecindad y Conectividad
Diferencia cuadrtica de dos imgenes
Caractersticas de la Imagen
Histograma
Distribucin de niveles de gris en una imagen
Funcin de densidad de probabilidad de niveles de gris
Coordenadas
N de pixeles
Abscisas: rango posible de intensidades de gris

Ordenadas: nmero de pixeles para cada nivel de gris
Niveles de gris
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Nivel de ruido
Variacin en el nivel de gris que sufre un pixel no debida a la
aportacin lumnica de la escena
Tipos
Correlados: La variacin del nivel de gris depende de la posicin
espacial del pixel afectado
No correlados: La variacin del nivel de gris no depende de la
posicin espacial del pixel afectado
Gaussiano: La distribucin del ruido se asemeja a una
distribucin gaussiana de una determinada media y varianza
Aleatorio: Tambin llamado de sal y pimienta. El nmero de
pixeles afectados y la intensidad del mismo son variables
aleatorias independientes
Ejemplos de imgenes con ruido
Imagen sin ruido
Imagen con ruido correlado
Gaussiano
Original
Aleatorio
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Brillo
Nivel medio de gris de una imagen
Brillo
Nivel medio de gris de una imagen
B=122
B=61
1 1
1
=
(, )
=0 =0
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Contraste
Variacin en los niveles de gris
ez
Contraste
Variacin en los niveles de gris
C=52,38
C=26,19
1 1
1
,
=0 =0
ez
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Nitidez
Respuesta en nivel de gris de la imagen ante cambios
bruscos en la iluminacin de la escena captada.
Nitidez
Nitidez
Nitidez
1 1
1
=
,
=0 =0
Nitidez
Nitidez
Nitidez= 18.24 %
Nitidez
Nitidez= 18.24 %
Nitidez= 9.77 %
Nitidez
Nitidez= 18.24 %
Nitidez= 9.77 %
Nitidez= 8.51 %
Nitidez
La baja nitidez puede estar provocada por:
Objetos fuera del rango de enfoque de la ptica
Deficiencias del elemento sensor
Efectos de algoritmos de tratamiento de imgenes
La medicin de la nitidez es una tarea compleja, pues

depende de:
Los objetos presentes en la imagen
La presencia de ruido
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Color. Ojo humano
Las diferentes longitudes de onda del espectro visible son
percibidas por el ojo humano como colores
3 tipos de fotoconversores retinianos:
Azul, verde y rojo
La mezcla, en proporcin adecuada, de estas franjas de

longitudes de onda, permite la reproduccin de toda la gama
de colores
Sntesis aditiva
Colores primarios
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Textura
Medida de la disposicin espacial de lo niveles de gris de
los pxeles de la imagen
Cuantifica propiedades como suavidad, rugosidad y
regularidad
Independiente de la posicin, orientacin, forma, tamao,
nivel de brillo ...
Textura
Medida de la disposicin espacial de lo niveles de gris
de los pxeles de la imagen
regularidad
Independiente de la posicin, orientacin, forma,
tamao, nivel de brillo
Textura
regularidad
Independiente de la si
po ci6n, orientacin, forma, tamao,
nivel de brillo ...
Textura
regularidad
Independiente de la posici6n, orientacin, forma, tamao,
nivel de brillo ...
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Vecindad
Vecindad a cuatro
Vecindad a ocho
Sea una imagen en donde
se desea saber si un
conjunto de pxeles forma
una regin conectada (o
conexa)
Los pxeles pi y pj estn
conectados si existe
una secuencia {pi,... pk,...
pj} tal que pxeles
consecutivos pk y pk+1 son
vecinos y
comparten una cierta
propiedad (ej: nivel de
gris)
pi
Sea una imagen en
donde se desea saber si
un conjunto de pxeles
forma una regin
conectada (o conexa)
Los pxeles pi y pj estn
conectados si existe
una secuencia {pi,... pk,...
pj} tal que pxeles
consecutivos pk y pk+1 son
vecinos y comparten una
cierta propiedad (ej: nivel de
gris)
pj
Sea R la regin de una
imagen formada por todos
los pixeles que comparten
una caracterstica dada
Dicha regin est
conectada si toda pareja de
pixeles pi y pj en R estn
conectados.
El tipo de vecindad usado
determina el tipo de
conectividad de la regin R.
Dicha regin est
conectados.
conectividad de la regin
R.
Dicha regin est
conectados.
conectividad de la regin R.
Regi6n no conectada
Histograma
Nivel de ruido
Brillo
Contraste
Nitidez
Color
Textura
Tamao de la imagen
Error cuadrtico total
1 1
1
=
, (, )
=0 =0
Error cuadrtico normalizado
1
1
=0
=0 , (, )
1
1
=0
=0 , (, )
Tabla de Contenidos
Reduccin del ruido
Realce de la imagen
Deteccin de bordes
Transformaciones de la Imagen
Operaciones puntuales
Operaciones locales
Operaciones globales
Operaciones geomtricas
El resultado de aplicarlo a un pixel depende
principalmente de su valor
Imagen de entrada
Imagen de salida
El resultado de aplicarlo a un pixel depende
principalmente de su valor
Pueden ser:
Independientes de las caractersticas globales
Con una sola imagen
suma, resta, multiplicacin, divisin

mximo y mnimo respecto a una constante
umbralizacin
inversa
transformaciones segn una funcin racional o irracional
(logartmicas, exponenciales, ...)
Operaciones puntuales. Divisin entre una constante
Imagen original
Imagen dividida por 2
Operaciones puntuales. Umbralizacin
Imagen original
Imagen umbralizada
Valores de salida
255
Valores de
entrada
Operaciones puntuales. Inversa
Imagen original
Imagen inversa
Pueden ser:
Con una sola imagen
Entre varias imgenes
suma, resta, multiplicacin, divisin
mximo, mnimo
AND, OR, XOR
El resultado de aplicarlo a un pixel depende principalmente de los valores en las imgenes de entrada
Imgenes de entrada
Imagen de salida
Diferencia
Diferencia
Diferencia
Diferencia
Multiplicada
por 16
Pueden ser:
Con una sola imagen
Entre varias imgenes
Dependientes de las caractersticas globales

manipulacin del histograma
escalado de la imagen
Operaciones puntuales. Manipulacin del Histograma
Imagen original
Imagen ecualizada
Operaciones puntuales. Manipulacin del Histograma
Imagen original
Imagen ecualizada
Operaciones locales
Operaciones locales
El resultado de aplicar la funcin a un pixel depende de
su nivel de gris y del de los pixeles del entorno
Imagen de entrada
Imagen de salida
Operaciones locales
Imagen de entrada
Imagen de salida
Operaciones locales
Pueden ser:
Lineales
La imagen resultante es la convolucin de la imagen inicial
con una funcin local denominada mscara
Convolucin
g(i, j) = 1 f (i 1, j 1) + 2 f (i, j 1) + 1 f (i + 1, j 1)+
+4 f (i 1, j) + 5 f (i, j) + 6 f (i + 1, j)+
+7 f (i 1, j + 1) + 8 f (i, j +1) + 9 f (i + 1, j + 1)+
w1
w4
w7
w2
w5
w8
w3
w6
w9
Mscara
0,0
1,0
2,0
3,0
4,0
5,0
0,1
1,1
2,1
3,1
4,1
5,1
0,2
1,2
2,2
3,2
4,2
5,2
0, 3
1, 3
2,3
3, 3
4, 3
5,3
0,4
1,4
2,4
3,4
4,4
5,4
0,5
1,5
2,5
3,5
4,5
5,5
Imagen
Convolucin
-1 -1 -1
0 0 0
1
Convolucin
-1 -1 -1
0 0 0
1
Operaciones locales
Pueden ser:
Lineales
No lineales:
Estadsticas (mediana, mediana ponderada)
Operaciones locales
Pueden ser:
Lineales
No lineales:
Filtro Mediana
Operaciones locales
Pueden ser:
Lineales
No lineales:
Filtro Mediana
Operaciones locales
Pueden ser:
Lineales
No lineales:
Estadsticas
Morfolgicas: estn relacionadas con la estructura
geomtrica de los objetos
Erosin, dilatacin
Openings, closings
Adelgazamiento
Hit-or-Miss
Adelgazamiento
Adelgazamiento
Operaciones locales
Pueden ser:
Lineales
No lineales:
Estadsticas
Morfolgicas
Analticas (funcin analtica no lineal)
Media geomtrica
Media armnica
Media contraarmnica
Media de potencia
Operaciones locales
La imagen se transforma globalmente sin considerar los
pixeles de forma individual, realizndose un cambio de
dominio
Imagen de entrada
Imagen de salida
Global
La imagen se transforma globalmente sin considerar los
pixeles de forma individual, realizndose un cambio de
dominio
Entre las ms empleadas:
Transformada de Fourier
Transformada de Hadamard-Walsh
Transformada de Karhunen-Leve
Transformada discreta del coseno
Transformada de Hough
Cambio entre modelos de color
Tambin se definen sus transformadas inversas
Operaciones locales
La posicin de cada pixel en la imagen resultado
depende de su posicin en la imagen origen
Imagen de entrada
Imagen de salida
Imagen de entrada
Imagen de salida
Imagen de entrada
Imagen de salida
Las ms usadas son:
Homotecia, zoom
Traslacin
Rotacin, transformada de Hotelling
Warping, correccin de distorsiones
Morphing
Ejemplos de operaciones geomtricas
Zoom
Rotacin
Warping
Morphing
Autor: S. Domnguez
Tabla de Contenidos
Reduccin del ruido
Realce de la imagen
Deteccin de bordes
Reduccin del Ruido

Reduccin del ruido
Algoritmos ms frecuentes
Filtros lineales
Convolucin de una imagen con una mscara predefinida
Filtros no lineales
Operacin no lineal con los pixeles del entorno de vecindad
Filtros temporales
Anlisis de varias imgenes de la misma escena tomadas en
instantes diferentes de tiempo
Reduccin del Ruido

Filtros lineales
Indicados en el caso de ruido gaussiano
Promediado del entorno de vecindad
, =
1
(, )
(,)
Distribucin gaussiana de la funcin de c onvoluci6n
, =
1
2
2 + 2
22
1
16
1
249
14
19 14
19 25 19
14
19 14
Reduccin del Ruido
Aleatorio
Gaussiano
Media
Gaussiano
Reduccin del Ruido
Aleatorio
Gaussiano
Media
Gaussiano
Reduccin del Ruido
Aleatorio
Gaussiano
Media
Gaussiano
Reduccin del Ruido
Aleatorio
Gaussiano
Media
Gaussiano
Reduccin del Ruido
Aleatorio
Gaussiano
Media
Gaussiano
Reduccin del Ruido

Filtros no lineales
Filtro de la mediana
Los pixeles de la nueva imagen se generan calculando la
mediana del conjunto de pixeles del entorno de vecindad del
pixel correspondiente a la imagen origen
Se homogeneizan los pixeles de intensidad muy diferente con
respecto a la de los vecinos
Indicado en el caso de ruido aleatorio
Reduccin de Ruido
Aleatorio
Gaussiano
Mediana
Media
isin por computador
Reuccin de Ruido
Aleatorio
Gaussiano
Mediana
Media
Reduccin de Ruido
Aleatorio
Gaussiano
Mediana
Media
Reduccin del Ruido

Filtros temporales
Se basan en la continuidad temporal de la informacin
El ruido vara con el tiempo, la escena no
Se realiza el promedio de varias imgenes de la misma

escena en distintos instantes
No hay movimientos relativos escena - cmara
La escena no cambia en el tiempo
, =
1
(, )
=1
Reduccin del Ruido

Ejemplo de filtro temporal
Reduccin del Ruido

Ejemplo de filtro temporal
Tabla de Contenidos
Reduccin del ruido
Realce de la imagen
Deteccin de bordes
Realce de la Imagen
Realce de la imagen
Aumento de la nitidez de la imagen
Ventajas:
Bordes ms definidos
Inconvenientes:
Aumenta el nivel de ruido de la imagen
Se producen artifacts: niveles de gris fuera del rango
definido por el entorno de vecindad
Sharpening (Filtro lineal)
Autor: S. Domnguez
-a
-a
-a
-a
1+8a
8a
-a
-a
-a
-a
Con 0 a 1
Realce de la Imagen
Nitidez: 18.24 %
Realce de la Imagen
a=1.0
Nitidez: 18.24 %
Nitidez: 63.51 %
Realce de la Imagen
a=1.0
a=0.3
Nitidez: 18.24 %
Nitidez: 63.51 %
Nitidez: 38.70 %
Realce de la Imagen
Imagen con ruido
Imagen filtrada
Imagen realzada
Realce de la Imagen
Realce de la imagen
Manipulacin del histograma:
Adeca el rango de niveles de gris de la imagen.
Modifica el contraste.
Aumenta el nivel de ruido
Sea el histograma h(k)

Funcin de distribucin
H = ()
=1
Objetivo: obtener
una funcin k=g(l) tal que h(g(l)) se comporte
de una forma determinada
Realce de la Imagen
Realce de la imagen
Manipulacin del histograma
Ecualizacin.
Histograma Inicial
Histograma Final
Realce de la Imagen
Realce de la imagen
Ecualizacin.
Histograma Inicial
Histograma Final
Realce de la Imagen
Realce de la imagen
Ecualizacin.
Histograma Final
Histograma Inicial
Histograma Final
Realce de la Imagen
h(k)
= ()
=0
790
1023
850
656
329
245
122
81
Realce de la Imagen
h(k)
790
1023
850
656
329
245
122
81
= () 790
=0
1813 2663
3319 3648 3893 4016 4096
Realce de la Imagen
h(k)
790
1023
850
656
329
245
122
81
= ()
=0
C k C (k+1)
790 1813 2663 3319 3648 3893 4016 4096

0 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
Realce de la Imagen
h(k)
790
1023
850
656
329
245
122
81
= ()
=0
C k C (k+1)
790 1813 2663 3319 3648 3893 4016 4096

0 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
Realce de la Imagen
h(k)
790
1023
850
656
329
245
122
81
= ()
=0
C k C (k+1)
790 1813 2663 3319 3648 3893 4016 4096

0 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
Realce de la Imagen
h(k)
= ()
790
1023
850
656
329
245
122
81
790 1813 2663 3319 3648 3893 4016 4096
=0
0 C k C (k+1) 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
h(l)
790
790
1813 1813 2663 3319 4096
Realce de la Imagen
h(k)
790
1023
850
656
329
245
122
()
=
()
2
=0
81
Realce de la Imagen
h(k)
()
=
()
2
=0
790
1023
850
656
329
245
122
395
1301 2238 2991 3483 3770 3954 4056
81
Realce de la Imagen
0
790
1023
850
656
329
245
122
395
1301 2238 2991 3483 3770 3954 4056
0 C k C (k+1) 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
h(k)
()
()
2
=0
81
Realce de la Imagen
h(k)
()
=
()
2
=0
C k C (k+1)
790
1023
850
656
329
245
122
395
81
1301 2238 2991 3483 3770 3954 4056
0 - 512 1024- 1536- 2048- 2560- 3072- 3584512

1024 1536 2048 2560 3072 3584 4096
Realce de la Imagen
0
790
1023
850
656
329
245
122
395
1301 2238 2991 3483 3770 3954 4056
0 512
512 1024- 1536- 2048- 2560- 3072- 35841024 1536 2048 2560 3072 3584 4096
790
790
h(k)
()
=
()
2
=0
C k C (k+1)
h(l)
81
1813 1813 2663 3319 3648 4096
Realce de la Imagen
Manipulacin del Histograma. Ecualizacin
Imagen original
Imagen ecualizada
Realce de la Imagen
Imagen original
Imagen ecualizada
Realce de la Imagen
Imagen original
Imagen ecualizada
Realce de la Imagen
Manipulacin del Histograma. Stretching
Imagen original
Imagen ecualizada
Realce de la Imagen
Realce de la imagen
Manipulacin del
histograma
Ecualizacin.
Stretching o alargamiento.
Autoescalado:
se persigue que los extremos del histograma
se correspondan con unos valores prefijados.
El resto se distribuye linealmente.
Uniformiza imgenes tomadas en distintas condiciones o
por diversas cmaras
Otras transformaciones:
se persigue que h(g(l)) se asemeje alguna funcin
determinada: polin6mica, exponencial, logartmica,
...
Tabla de Contenidos
Reducci6n del ruido
Realce de la imagen
Deteccin de bordes
Deteccin de Bordes
Borde:
Cualquier discontinuidad que sufre alguna funcin de
intensidad sobre los puntos de la misma
Tipos de bordes:
Cambio brusco en la distancia cmara-objeto (dc)

Cambio en la normal del objeto (n)
Cambio en la reflectancia del objeto (r)
Cambio en la proyecci6n de la luz incidente (s)
Deteccin de Bordes
f(x,y)
f1(x,y)
Filtrado
g(x,y)
Extrac.
b(x,y)
Umbral
y=p(x)
Local.
Filtrado + Extraccin = Deteccin de bordes

Umbralizacin:
Selecciona pixeles etiquetados como bordes
Localizacin:
Suministra informacin exacta de la posicin y orientacin
del borde
Deteccin de Bordes
En el dominio espacial
Operadores derivada de los niveles de intensidad
Comparaciones de funciones locales de intensidad
Comparaci6n con mscaras orientadas,
previamente definidas (template matching)
sin por computador
Deteccin de Bordes
Operadores basado s en la derivada
Deteccin de Bordes
Operadores derivada
Discretizaci6n de las componentes del Gradiente
f (i, j )
-1
i
Gradiente de Roberts
f (i, j) -1
1
-1
-1
Detectores
Horizontal
Vertical
Diagonales
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Deteccin de Bordes
Operadores derivada
Operador de Prewitt
-1 -1 -1
-1 0
Operador de Sobel
-1 -2 -1
-1 0
-1
-2
-1
-1
Estos operadores suministran dos componentes, que

permiten:
Extraer la componente horizontal o vertical

Obtener la raz cuadrada de los cuadrados (norma dos)
Obtener el mximo mdulo (norma infinito)
Obtener la suma de los mdulos (norma uno)
Obtener el argumento
Deteccin de Bordes
Deteccin de Bordes
Detector horizontal
Deteccin de Bordes
Detector horizontal
Detector vertical
Deteccin de Bordes
Detector horizontal
Detector vertical
Detector de Sobel
Deteccin de Bordes
Umbralizacin
Etiquetado de los pixeles de borde
Problemas
Prdidas de conectividad:
bordes poco definidos
filtrados muy fuertes
umbral muy exigente
Generacin de bordes de anchura mltiple:

efectos del filtrado
umbral poco exigente
Existencia de falsos bordes:

presencia de ruido
Deteccin de Bordes
Tipos de Umbralizacin
Operadores basados en la primera derivada
Umbralizacin simple
Umbral T nico, define la existencia de borde
g(x, y)>T entonces BORDE
g(x, y)<T entonces NO BORDE
Umbralizacin mltiple
Dos o ms umbrales, que definen dos imgenes resultado
Determinaci6n de mximos locales del gradiente.

Supresi6n de los no mximos (SNM)
Deteccin de Bordes
Determinaci6n de mximos locales del gradiente. Supresi6n
de los no mximos (SNM)
Imagen de Bordes
Deteccin de Bordes
Umbral nico
Algunos bordes muy anchos
Se pierden otros bordes
Imagen de Bordes
Deteccin de Bordes
Umbral nico
Algunos bordes muy anchos
Se pierden otros bordes
Imagen de Bordes
Deteccin de Bordes
Ejemplos de imgenes de borde umbralizadas
Imagen original
Bordes (Sobel)
Umbral
Deteccin de Bordes
Imagen de Bordes
Deteccin de Bordes
Para cada punto se calcula
el gradiente
Se obtiene el valor de los
vecinos en la direcci6n del
gradiente
Se suprimen los no mximos
S6lo permanecen los
mximos
Imagen de Bordes
Autor: S. Domnguez
Deteccin de Bordes
Operadores basados en la segunda derivada
Clculo de zero crossing o paso por cero
Intensidad
Pxel
Primera
derivada
Pxel
Segunda
derivada
Pxel
Deteccin de Bordes
Operadores segunda derivada
Operador Laplaciana
0
-4
-8
Deteccin de Bordes
Comparaciones de funciones locales de intensidad:
se obtiene la diferencia de dos imgenes con distinta
funcin local de intensidad y posteriormente se somete a
un proceso de Umbralizacin
Deteccin de Bordes
Deteccin de Bordes
Deteccin de Bordes
Diferencia
Deteccin de Bordes
Diferencia Multiplicada por 4
Deteccin de Bordes
Umbralizada en 40
Deteccin de Bordes
Umbralizada en 60
Deteccin de Bordes
Comparaci6n con mscaras orientadas,
previamente definidas (template matching)
Cada mscara define una orientacin de un posible borde.
Hay que emplear tantas mscaras como orientaciones se
deseen detectar
Tabla de Contenidos
Reducci6n del ruido
Realce de la imagen
Deteccin de bordes
Transformaciones Geomtricas
se persigue cambiar la disposicin geomtrica de
la imagen
Homotecia, zoom:
se aumenta o disminuye la resoluci6n de la imagen
Traslaci6n
Rotaci6n
Warping:
correcci6n o creaci6n de distorsiones
Morphing:
creaci6n de imgenes intermedias entre dos determinadas
Zoom
Zoom
Rotaci6n
Zoom
Rotaci6n
Warping
Zoom de una imagen
Expansin de la imagen
Convolucin de rplica
Zoom de una imagen
Convolucin de rplica
Zoom de una imagen por Replicado
Zoom de una imagen
Expansin de la imagen 3
Convolucin de interpolacin
Zoom de una imagen
Convolucin de interpolacin
3
1/44 1/22 1/4

1/22 1 1/2
1/44 1/2
2
Zoom de una imagen por Interpolaci6n
Tabla de Contenidos
Reducci6n del ruido
Realce de la imagen
Deteccin de bordes
Operaciones morfolgicas
Relacionadas con la estructura geomtrica de
los objetos
Depende del elemento estructurante
En imgenes binarias:
Erosin
Dilatacin
Opening
Closing
Hit or Miss
Adelgazamiento y esqueletizacin
Poda
En imgenes multinivel
Extensin de las mismas operaciones
Erosin y Dilatacin
0,0
1,0
2,0
3,0
4,0
5,0
0,1
1,1
2,1
3,1
4,1
5,1
0,2
1,2
2,2
3,2
4,2
5,2
0,3
1,3
2,3
3,3
4,3
5,3
0,4
1,4
2,4
3,4
4,4
5,4
Elemento estructurante0,5 1, 5 2,5 3, 5 4, 5 5,5

Imagen
Erosin y Dilatacin
Erosin: Min
0,0
1,0
2,0
3,0
4,0
5,0
0,1
1,1
2,1
3,1
4,1
5,1
0,2
1,2
2,2
3,2
4,2
5,2
0,3
1,3
2,3
3,3
4,3
5,3
0,4
1,4
2,4
3,4
4,4
5,4
0,5
1,5
2,5
3,5
4,5
5,5
Dilatacin: Max
Erosin y Dilatacin
Erosin: Min
0,0
1,0
2,0
3,0
4,0
5,0
0,1
1,1
2,1
3,1
4,1
5,1
0,2
1,2
2,2
3,2
4,2
5,2
0,3
1,3
2,3
3,3
4,3
5,3
0,4
1,4
2,4
3,4
4,4
5,4
0,5
1,5
2,5
3,5
4,5
5,5
Dilatacin: Max
Erosin y Dilatacin
Erosin: Min
0,0
1,0
2,0
3,0
4,0
5,0
0,1
1,1
2,1
2,
1
3,11
3,
4,1
5,1
0,2
1,2
2,2
2,
2
3,22
3,
4,2
5,2
0,3
1,3
1,
3
2,3
3,3
4,3
5,3
0,4
1,4
2,4
3,4
4,4
5,4
0,5
1,5
2,5
3,5
4,5
5,5
Dilatacin: Max
Erosin de imgenes binarias
Erosin de imgenes binarias
Dilatacin de imgenes binarias
Dilatacin de imgenes binarias
Erosin de una imagen multinivel
Erosin de una imagen multinivel
Dilatacin de una imagen multinivel
Dilatacin de una imagen multinivel
Opening y closing
Encadenamiento de operaciones
Opening
Erosin + Dilatacin
Closing
Dilatacin + Erosin
Opening de orden 2
Erosin + Erosin + Dilatacin + Dilatacin
Closing de orden 2
Dilatacin + Dilatacin + Erosin + Erosin
Filtros alternativos
Opening + Closing
; Closing + Opening
Opening de una imagen binaria
Opening de una imagen binaria
Closing de una imagen binaria
Closing de una imagen binaria
Opening de una imagen multinivel
Opening de una imagen multinivel
Closing de una imagen multinivel
Closing de una imagen multinivel
Operaciones morfolgicas
Relacionadas con la estructura geomtrica de
los objetos
Depende del elemento estructurante
En imgenes binarias:
Erosin
Dilatacin
Opening
Closing
Hit or Miss
Adelgazamiento y esqueletizacin
Poda
En imgenes multinivel:
Extensin de las mismas operaciones
Hit or Miss (imgenes binarias)
Busca la existencia en la imagen de una
determinada estructura o morfologa
1
Elemento estructurante
0: Pixel a 0 en la imagen
x: Pixel indeterminado en la imagen
Hit or Miss (imgenes binarias)
1
x: Pixel indeterminado en la imagen
Elemento estructurante
Elemento estructurante J
Elemento estructurante K
A (J, K ) = (A eJ) n (Ac eK ) con 8 = Erosion
Hit or Miss (Elemento estructurante anterior)
1
1
1
Adelgazamiento: Determina la mnima
informacin posible, que cumpla
No se pierde la conectividad (4 o 8)
La anchura es la unidad
Es robusto ante el ruido
0
0
00
00
00
11
00
00
11
11
11
11
11
11
11
11
11
00
00
00
0
00
00
00
11
00
00
11
11
11
11
11
11
11
11
11
00
00
00
0
00
00
00
11
00
00
11
11
11
11
11
11
11
11
11
00
00
00
0
00
00
00
11
00
00
11
11
11
11
11
11
11
11
11
00
00
00
0
00
00
00
11
00
00
11
11
11
11
11
11
11
11
11
00
00
00
Adelgazamiento frente a Erosin (I)
Adelgazamiento frente a Erosin (II)
Podamiento. Elimina
Puntos aislados
Puntos terminales
Ramas de
pequeo tamao
Podamiento. Elimina
Puntos aislados
Puntos terminales
Ramas de
pequeo tamao
Imagen adelgazada
Podamiento. Elimina
Puntos aislados
Puntos terminales
Ramas de
pequeo tamao
Podamiento 2 veces
Podamiento. Elimina
Puntos aislados
Puntos terminales
Ramas de
pequeo tamao
Podamiento 4 veces

III PreprocesamientoDesarrollo PDF

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

III PreprocesamientoDesarrollo PDF

Uploaded by

Copyright:

Available Formats

Visin por computador

Visin por computador

Visin por computador

Abscisas: rango posible de intensidades de gris

Visin por computador

Visin por computador

Visin por computador

Imagen sin ruido

Imagen con ruido correlado

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

La medicin de la nitidez es una tarea compleja, pues

Visin por computador

Visin por computador

La mezcla, en proporcin adecuada, de estas franjas de

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Error cuadrtico normalizado

Visin por computador

Visin por computador

Visin por computador

Visin por computador

suma, resta, multiplicacin, divisin

Visin por computador

Imagen dividida por 2

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Visin por computador

Dependientes de las caractersticas globales

Visin por computador

Visin por computador