5.1 PROCESAMIENTO DE IMÁGENES
En el procesamiento digital
de imágenes se distinguen dos niveles principales de manera general: Procesamiento
de imágenes a bajo nivel Muy poco uso de conocimiento respecto al contenido de
las imágenes. Comúnmente se reconoce una secuencia de cuatro para el
procesamiento a bajo nivel: adquisición de la imagen, pre-procesamiento,
segmentación de la imagen, descripción y clasificación de objetos. Entendimiento
de imágenes a alto nivel Existe la capacidad de realizar toma de decisiones
respecto al contenido de las imágenes. El procesamiento de imágenes está dado
por un conjunto de operaciones llevadas a cabo sobre las imágenes a fin de
realizar mediciones cuantitativas para poder describirlas.
Una característica es un
atributo usado para hacer decisiones respecto a objetos en la imagen. Algunos
atributos son naturales y se definen mediante la apariencia visual de la
imagen, los artificiales, son el resultado de operaciones realizadas a la
imagen.
Una imagen f(x, y) está dada
por sus coordenadas espaciales y su brillo, y es representada matemáticamente
en una matriz.
Las herramientas para la
adquisición de imágenes transforman la imagen visual de un objeto físico y sus
características intrínsecas en un conjunto de datos digitalizados, usados para
procesarla.
El procesamiento digital de
imágenes tiene diversas aplicaciones y problemas:
Representación
Transformación
Modelado
Restauración
Reconstrucción
Análisis
Comprensión de datos
Se define como ruido
cualquier entidad en las imágenes, datos o resultados intermedios que no son
interesantes para la computación que se pretende llevar a cabo. Las técnicas de
filtraje son transformaciones de la imagen píxel a píxel, que dependen de los
niveles de gris de los píxeles vecinos en la imagen original. El proceso de
filtraje se realiza utilizando matrices denominadas máscaras, que son aplicadas
sobre la imagen. Los filtros sirven para suavizar o realzar detalles de la
imagen, o minimizar efectos de ruido. Filtro gaussiano. Este filtro implementa
máscaras que intentan imitar la forma de una gaussiana: G(x, y) = e - (x + y)²
/ 2σ², donde x, y son las coordenadas de la imagen y sigma una desviación
estándar de la probabilidad de distribución asociada.
Filtro mediana (rango de
vecindades). El objetivo del filtro mediana es reducir el empañamiento de los
bordes. Este filtro reemplaza el píxel actualmente analizado en la imagen por
la mediana del brillo con respecto a los vecinos más cercanos. Filtro de
suavizado direccional (preservación de bordes). La eliminación de ruido
mediante suavizado distorsiona la información con respecto a los bordes. Que se
calcula en varias direcciones según la ecuación:
I’ (x, y) = 1/Nθ (k, l) ∈EθΣΣ I(x-k, y-l).
Filtro de suavizado
conservador. Esta técnica de reducción del nivel de ruido emplea un algoritmo
de filtración simple y rápida que sacrifica su poder de eliminación de ruido a
cambio de preservar el detalle espacial de la frecuencia en una imagen,
removiendo píxeles aislados con un valor muy alto o muy bajo. Realce de
contraste. Tiene como objetivo mejorar la calidad de las imágenes bajo ciertos
criterios subjetivos del ojo humano. El contraste entre dos objetos se puede
definir como la razón entre sus niveles de gris medios. La manipulación de
contraste consiste en una transferencia radiométrica en cada píxel.
Filtro paso bajo es empleado
para remover ruido de alta frecuencia espacial en una imagen digital. La
reducción del ruido mediante el filtro de paso bajo se lleva a cabo mediante
una cancelación de las variaciones más rápidas entre píxel y píxel.
Filtro paso alto opera
mediante el análisis de los valores de cada píxel y cambiando estos de acuerdo
a los valores de los píxeles vecinos. El filtro paso alto realza detalles de la
imagen.
Filtro SUSAN (Smallest
Univalue Segment Assimilating Nucleus). Preserva la estructura de la imagen
alisando únicamente sobre los píxeles que se encuentran dentro de la región del
píxel analizado (píxel central). Este filtro integra los mejores aspectos de
los métodos de reducción de ruidos existentes incluyendo la preservación de
bordes.
En el análisis de objetos
dentro de las imágenes resulta esencial distinguir entre el objeto de interés y
el resto de la imagen. Una de las técnicas más conocidas es la segmentación
mediante la detección de bordes.
La detección de bordes es la
aplicación de un algoritmo con esté propósito que dará como resultado un
contorno. Su objetivo es obtener imágenes cuya salida muestre píxeles de mayor
intensidad en los valores que detecten transiciones cercanas. Alguno de los
algoritmos de detección de bordes más comunes es:
Técnicas basadas en el
gradiente: Operador de Roberts, Operador de Sobel, Operador de Prewitt,
Operador Isotrópico. Operadores basados en cruces por cero: Operador de
Marr-Hildreth, Detector de Canny.
Los operadores basados en el
gradiente son píxeles con un alto gradiente. Un rápido índice de cambio de
intensidad dada por el ángulo del vector gradiente puede observarse en los
píxeles de los bordes.
Un píxel de borde se
describe por: Intensidad del borde (magnitud del gradiente) y dirección del
borde (ángulo del gradiente). Operador de Roberts. Utiliza las direcciones
diagonales para calcular el vector gradiente mediante máscaras. Operador de
Sobel. Calcula la magnitud del gradiente mediante: M√ sx² + sy² Operador de
Prewitt. Expande la definición del gradiente en una máscara de 3x3 para ser más
inmune al ruido, utiliza la misma ecuación que Sobel, pero con constante c = 1.
Operador Isotrópico. Intenta
llegar a un equilibrio entre operador Prewitt y Sobel. Prewitt proporciona
detección para bordes verticales y horizontales, y Sobel detección de bordes
diagonales.
CONCLUSION:
El procesamiento de imágenes
es muy útil ya que nos permite resaltar ciertas características de una imagen
de acuerdo a lo que queramos lograr, para esto es muy útil y necesario el uso
de los pixeles de la imagen, ya que sobre estos se realizan las operaciones
necesarias para lograr efectos diferentes en ella, las operaciones
fundamentales del procesamiento son el filtrado y la detección de bordes,
siendo así que estos nos permiten mejorar la calidad d la imagen y eliminar el
ruido, estas técnicas son muy útiles en varios campos como la medicina, las
ciencias penales e incluso el arte; es importante conocer estas técnicas de
procesamiento ya que muchos de nosotros las usamos habitualmente en programas
de edición de imágenes como plixir, fotoshop, etc y no sabemos cómo es que
funcionan estos métodos realmente, y el saberlo nos ayudara a poder emplearlo
mejor.
BIBLIOGRAFIA:
No hay comentarios:
Publicar un comentario