Professional Documents
Culture Documents
Filtrado Espacial
Ingeniera en Sistemas Computacionales
Universidad Panamericana
4.2.1 Suavizado
2
Filtros Espaciales 1/2
Modifican la contribucin de ciertos rangos de
frecuencia ( bajas, medianas, altas )
3
Filtros Espaciales 2/2
Categoras segn los rangos de frecuencia :
5
Suavizado
Filtros de bloque
( mscaras = kernels )
Difuminado ( blurring )
6
Filtros de Bloque 1/4
Mscara o kernel : Matriz que representa el filtro
7
Filtros de Bloque 2/4
Caractersticas de una mscara o kernel :
Normalizacin
8
Derivadas de Filtros Gaussianos 3/4
Discretizacin de las derivadas de Gaussianas
f (1) ( x) f ( x) f ( x 1)
Sabiendo que f ( x) f ( x) ( x) y f ( x 1) f ( x 1) ( x 1)
entonces : h( x) ( x) ( x 1) h( x) 1 1
9
Deteccin de Bordes
Gradientes
Filtro de Roberts
Filtro de Prewitt
Filtro de Sobel
Filtro Laplaciano
Filtro de Canny
Filtro de Deriche
( Presentado en Ingls )
[ Tomado del curso Vision Industrielle del Dr. Carlos Rivero ]
10
The Laplacian filter: properties
Advantages:
Closer to mechanisms of visual perception (ON/OFF cells)
One parameter only (size of the filter)
No threshold
Produces closed contours
Disadvantages:
Is more sensitive to noise (usage of second derivative)
No information on the orientation of the contour
11
Laplacian filter: examples
12
Zero crossings: examples
=1 =2 =3
13
Mejoramiento de la nitidez
14
Mejoramiento de la Nitidez 1/2
Corresponde a la mejora de la calidad visual de
una imagen
Principio :
0 1 0 1 1 1
1 4 1 1 8 1 Filtro Laplaciano ( filtro paso-altas )
0 1 0 1 1 1
A=2
1 1 1
1 9 1
1 1 1
aade
ruido !
16
Filtro Unsharp Masking 2/3
Se tiene una imagen borrosa ( pendiente pequea ) = f
Se le resta con una pendiente an ms pequea = fLPF
Lo anterior se multiplica por un factor = k ( entre 1 y 3 )
La seal de la diferencia anterior se suma a la original
seal con mayor resolucin ( pendiente grande )
k f ( x, y ) f LPF ( x, y ) f ( x, y ) f ( x, y ) hUM ( x, y )
Ntese que :
f HPF ( x, y ) f ( x, y ) f LPF ( x, y )
= imagen mejorada
17
Gracias por su atencin
18