Descargar

Representación de imágenes digitales (página 2)

Enviado por Pablo Turmero


Partes: 1, 2
edu.red

Filtros Sub

Filtro de promedio de paso baja: Elementos de la máscara aij ? 0 Suman la unidad

edu.red

Filtros Sub

Filtro de promedio de paso baja:

edu.red

Filtros Sub

Filtro de promedio de paso baja:

edu.red

Filtros Sub

Filtro de promedio de paso alta: Elementos de la máscara positivos y negativos Suelen sumar cero

edu.red

Filtros Sub

Filtro de promedio de paso alta: I ? 5·abs(E)

edu.red

Filtros Sub

Filtro de promedio de paso alta:

edu.red

Filtros SubLos filtros de promedio móvil pueden ser:

Invariantes en el espacio, en cuyo caso, la imagen filtrada se obtiene de la aplicación de la misma máscara a cada uno de los píxeles la imagen,

Variables en el espacio, cuando el filtro se realiza mediante la aplicación de una colección de máscaras, de manera que a subconjuntos diferentes de píxeles se le aplican máscaras diferentes.

edu.red

Filtros Sub [MIN(f, N)](i, j) = Min { f(r, s): (r,s)?N(i ,j) }.

[MAX(f, N)](i, j) = Max { f(r, s): (r,s)?N(i ,j) }.

Filtros no lineales: 30 86

edu.red

Filtros Sub

Aplicación: Corrección de una iluminación no uniforme: MIN32x32

edu.red

Filtros Sub [MEDIANA(f, N)](i, j) = Mediana { f(r, s): (r,s)?N(i ,j) }.

Filtros no lineales: 75 30 52 63 72 75 75 86 86 86

edu.red

Filtros Sub

Filtro MEDIANA

edu.red

Filtros Sub

Filtro MEDIANA Atenúa el ruido

Preserva aristas verticales Atenúa el ruido

Preserva aristas horizontales

edu.red

Filtros Gradiente Sub

Filtros Diferencia: DX ABS UMBRAL t BORDES Imagen Operador Gradiente: [GRAD(f)](i,j) = ([DX(f)](i,j) , [DY(f)](i,j) )

edu.red

Filtros Diferencia Simétrica Sub

Filtros diferencia simétrica:

[SIMDX(f)](i ,j) = ( [DX(f)](i, j) + [DX(f)](i+1, j) )/2

= [f(i+l, j) – f(i-l, j)] / 2

[SIMDY(f)](i ,j) = ( [DY(f)](i, j) + [DY(f)](i, j+1) )/2

= [f(i, j+1) – f(i, j-1)] / 2

Operador diferencia simétrica: SIMGRAD(f) = (SIMDX(f), SIMDY(f)),

edu.red

Filtros Sub

Filtro de Prewitt:

[PREWDX(f)](i,j) = ( [DX(f)](i+l,j+1) + [DX(f)](i,j+1) + [DX(f)](i+l,j) +

[DX(f)](i,j) + [DX(f)](i+l,j-1) + [DX(f)](i,j-l) )/6

= [ f(i+l,j+l) + f(i+l,j) + f(i+l,j-l) – f(i-l,j+l) – f(i-1,j) – f(i-l,j-l)) ]/6.

PREWGRAD(f) = (PREWDX(f) , PREWDY(f))

edu.red

Filtros Sub

Filtro de Sobel:

SOBGRAD(f) = (SOBDX(f), SOBDY(f)).

edu.red

Capítulo 2. Filtros Sub

Filtro de Roberts:

edu.red

Filtros Sub

Filtro de promedio de paso alta:

edu.red

Matrices de relación espacial Sub

Se pretenden analizar las relaciones espaciales entre los píxeles con tonos de gris parecidos Se establece una relación espacial R(r, s) : (i, j) ?? (i + r, j + s)

Dada una relación R, representaremos por hR(p, q) el número de pares de píxeles (i, j) y (i´,j´) tales que:

(i, j) R (i´, j´) , es decir, (i, j) está relacionado con (i´, j´) f(i, j) = p y f(i´, j´) = q r s Matriz de relación espacial

edu.red

Matrices de relación espacial Sub

Búsqueda de texturas Relación espacial: R2,0 Imagen binaria (textura):

Matriz de relación espacial:

edu.red

Matrices de relación espacial Sub

¿Texturas más finas? Relación espacial: R1,0 Imagen binaria (textura):

Matriz de relación espacial:

edu.red

Matrices de relación espacial Sub

¿Texturas?

Relación espacial: R1,1

Imagen binaria (textura):

Matriz de relación espacial:

edu.red

Matrices de relación espacial Sub

¿Texturas? ¿Bordes?

Relación espacial: R1,1

Imagen binaria (textura):

Matriz de relación espacial:

edu.red

Matrices de relación espacial Sub

Examen Febrero 04: ¿Cómo detectarías la textura de una imagen constituida por dos elementos de textura de tamaño 32?32 que se repiten según se muestra en la figura 3?

Respuesta:

Mediante la matriz de relación espacial tomando como relación espacial la siguiente: R0,64 : (i, j) ? (i , j + 64) o bien, R64,0 : (i, j) ? (i + 64, j)

Dicha matriz va a tener todos sus elementos nulos fuera de la diagonal principal

edu.red

La transformada de Fourier Sub

Jean Baptiste Joseph Fourier presentó en 1807 sus resultados sobre la propagación y difusión del calor en el Instituto de Francia en los cuales proponía que una señal periódica se podía representar mediante series sinusoidales. Representación de ondas cuadradas:

edu.red

La transformada de Fourier SubTransformada de Fourier:

¿Qué es? Es una descomposición de la imagen en estructuras periódicas. La variables u y v se llaman frecuencias absolutas. También se pueden utilizar las variables ?1 = 2?u y ?2 = 2?y, que se llaman frecuencias angulares.

Su magnitud se llama espectro de Fourier: Ángulo de fase:

(Gp:) F(u,v) (Gp:) ? (Gp:) u (Gp:) v

edu.red

La transformada de Fourier Sub

Transformada inversa de Fourier:

Interpretación de la Transformada de Fourier: Nos da los coeficientes de ponderación en las diferentes frecuencias de las funciones exponenciales complejas (patrones sinusoidales) que nos conducen al valor de la función f(x,y) como límite de estas sumas ponderadas. Propiedades de la Transformada de Fourier: Operador lineal

Convolución

edu.red

La transformada de Fourier SubEjemplo:

-a a M

edu.red

La transformada de Fourier SubFuente puntual: Función delta de Dirac

Cualquier imagen se puede considerar como una suma de fuentes puntuales. La función que transforma una fuente puntual se llama función de esparcimiento. 1/2n n2 ? 1

edu.red

La transformada de Fourier discreta

u = 0,1,2,…,M-1, v = 0,1,2,…,N-1

Inversa:

m = 0,1,2,…,M-1, n = 0,1,2,…,N-1

edu.red

La transformada de Fourier discreta

Log (Magnitud) Fase Reconstrucción a partir de la magnitud (con fase=0) Reconstrucción a partir de la fase (con módulo constante)

edu.red

La transformada de Fourier discreta Ejemplo:

m = -1 0 1 n= 1 0 -1

Partes: 1, 2
 Página anterior Volver al principio del trabajoPágina siguiente