Clase 4 Vision Artificial

1
CARLOS MERA - VISIN ARTIFICIAL - UNIVERSIDAD NACIONAL DE COLOMBIA

VISIN ARTIFICIAL
UNIVERSIDAD NACIONAL
DE COLOMBIA
CARLOS ANDRS MERA BANGUERO, MSC.
camerab@unal.edu.co
Nota: Este material se ha adaptado con base en el material de los profesores Domingo Mery (U. de Chile), Mara Patricia Trujillo (Univalle),
Gins Garca (U. de Murcia) y Nicolas Fernndez (U. de Crdoba)
2
EN LA CLASE DE HOY
FORMACIN Y ADQUISICIN DE IMGENES

Procesamiento Bsico de Imgenes Digitales

Introduccin al preprocesamiento de imgenes

Operaciones Elementales con Pxeles:
Operadores Unarios
Transformaciones del Histograma
Operadores Binarios

3
FORMACIN Y ADQUISICIN DE IMGENES
A MODO DE RESUMEN
4
ETAPAS DE UN SISTEMA DE VISIN ARTIFICIAL
Fotografa
Rayos X
Termografa
Adquisicin de
la Imagen
Restauracin
Filtrado
Transformacin
Preprocesamiento
Obtencin de
Regiones
Extraccin de Bordes
Conexin de Puntos
Segmentacin
Color
Textura
Forma
Extraccin de
Caractersticas
Cluster
SVM
Redes
Neuronales
Reconocimient
o de Patrones
5
PRE-PROCESAMIENTO DE IMGENES
EL PREPROCESAMIENTO

El objetivo del Preprocesamiento es mejorar la calidad y/o la apariencia de la
imagen original para su anlisis e interpretacin.

Procesamiento de
Imgenes
Procesamiento
Espacial
Operaciones
Pxel a Pxel
Unarias
Transformaciones
Lineales
Transformaciones
NO Lineales
Binarias
Aritmticas Booleanas Relacionales
Operaciones
de Vecindad
Filtros de
Suavizado
Filtros de
Realzado
Transformaciones
Geomtricas
Procesamiento
Frecuencial
6
EL PREPROCESAMIENTO

Alteracin pxel a pxel de la imagen (Operaciones Puntuales)

Operaciones basadas en mltiples puntos u Operaciones de Vecindad

Imagen de
Entrada
Imagen de
Salida
Imagen A
Imagen C
Imagen B
A(x, y)
B(x, y)
C(x, y)
Operaciones Unarias Operaciones Binarias
Imagen de Entrada Imagen de Salida
7
TRANSFORMACIONES LINEALES EN
OPERACIONES PUNTUALES UNITARIAS
G(x,y) = a * I(x,y) + b
8
OPERACIONES PUNTUALES TRANSFORMACIONES LINEALES

La forma general de una transformacin lineal es la siguiente:

Con base en esta ecuacin tenemos que:

Si a = 1 y b = 0 entonces g(x, y) = f (x, y) (Identidad)
Si a = 1 y b > 0, el nivel de gris se aumenta en b unidades (Suma)
Si a = 1 y b < 0, el nivel de gris se disminuye en b unidades (Resta)
Si a > 1, se produce un incremento del contraste (Multiplicacin)
Si 0 < a < 1, se reduce el contraste (Divisin)

G(x,y) = a * I(x,y) + b
9

En general, las transformaciones lineales se pueden representar por la funcin de
una lnea recta tal que dicha funcin va de N N

0
255
128 64 192
0

2
5
5

1
2
8

6
4

1
9
2

Valor de entrada
V
a
l
o
r

d
e

s
a
l
i
d
a

G(x,y) = a * I(x,y) + b
Pendiente
Desplazamiento
10
TRANSFORMACIONES DEL
HISTOGRAMA DE UNA IMAGEN
11

Para imgenes con bajo contraste, normalmente, interesa Expandir el Histograma,
para conseguir que aparezca todo el rango de valores en la misma.

Encuentre el valor mnimo de nivel de gris (m)
Encuentre el valor mximo de nivel de gris (M)

Con base en estos valores se define la funcin de expansin como:

f(x):= (x - m) * 255 / (M - m)

m
M
Este valor depende de la
resolucin en amplitud de
la imagen
12

Expansin del Histograma - Ejemplo:

Puede ser
un mximo
falso
f(x):= (x - m) * 255 / (M - m) f(x):= (x - 0) * 255 / (150 - 0)
13

En la Expansin del Histograma se debe tener cuidado al seleccionar mnimo el y
el mximo porque valores muy bajos o muy altos con poca frecuencia en el
histograma pueden hacer que el ajuste no funcione. As que generalmente m y M
se calculan con el valor del percentil 5 y 95:

5%
5%
14

La Ecualizacin del Histograma de una imagen es una transformacin que
pretende obtener para una imagen un histograma con una distribucin uniforme. Es
decir, que exista el mismo nmero de pxeles para cada nivel de gris.
[Wikipedia]

La manipulacin del histograma se basa en controlar la funcin de densidad de
probabilidad de los niveles de gris a travs de una funcin de transformacin.

15

Para Ecualizar el Histograma de una imagen digital con L niveles de gris se parte
de la distribucin de probabilidad de ocurrencia de cada nivel de gris:

donde:
n
k
es el nmero de pxeles de la imagen con nivel de gris k,
n es el nmero total de pxeles

Con base en la probabilidad de cada nivel de gris, se calcula la funcin de densidad
de probabilidad (probabilidad acumulada) para cada nivel de gris:

L k
n
n
k p
k
< s = 0 , ) (
=
=
k
i
k
k p k P
0
) ( ) (
16

Con la informacin anterior, se pueden plantear diferentes frmulas para Ecualizar
el Histograma de la imagen. Una de las aproximaciones ms comunes est dada
por la frmula:

Veamos un ejemplo

| | { }
min min max
) ( ) ( k k P k k round k F
k
+ =
Nivel 0 1 2 3 4 5 6 7 8 9
N
k
2 4 4 4 6 5 0 0 0 0
P(k)
P
k
(k)
F(k)
17

Ejemplo Ecualizacin del Histograma

Los pxeles que tena el nivel de gris k, deben tomar el valor de gris F(k)

Nivel 0 1 2 3 4 5 6 7 8 9
N
k
2 4 4 4 6 5 0 0 0 0
P(k) 2/25 4/25 4/25 4/25 6/25 5/25 0/25 0/25 0/25 0/25
P
k
(k) 2/25 6/25 10/25 14/25 20/25 25/25 25/25 25/25 25/25 25/25
F(k) 1 2 4 5 7 9 9 9 9 9
18

Ejemplo Ecualizacin del Histograma
19

Ejercicio tipo examen . ecualice la siguiente imagen usando el algoritmo descrito
anteriormente:

90 92 69 78 78
92 87 76 78 82
73 92 87 76 92
45 83 115 80 130
39 69 92 115 154
20
TRANSFORMACIONES NO LINEALES EN
OPERACIONES PUNTUALES UNITARIAS
21
OPERACIONES PUNTUALES TRANSFORMACIONES NO LINEALES

Pero la transformacin tambin puede ser NO LINEAL: cuadrticas, polinomiales,
exponenciales, logartmicas, escalonadas, etc. en general, transformaciones
elementales que se pueden ver como funciones f: N N

Se puede usar cualquier funcin con estas caractersticas para modificar el histograma

0 255 128 64 192
0

2
5
5

1
2
8

6
4

1
9
2

Valor de entrada
V
a
l
o
r

d
e

s
a
l
i
d
a

Curva tonal
22

Ejemplos de Transformaciones NO Lineales:

0 255 128 64 192
0

2
5
5

1
2
8

6
4

1
9
2

Valor de entrada
V
a
l
o
r

d
e

s
a
l
i
d
a

Resultado: oscurecer los
medios tonos
Parbola: ax
2
+ bx + c

0 255 128 64 192
Valor de entrada
Resultado: aclarar los
medios tonos
Raz: a x
0.5
+ b

0

2
5
5

1
2
8

6
4

1
9
2

0 255 128 64 192
Valor de entrada
Resultado: aclarar tonos
oscuros y oscurecer los claros
0

2
5
5

1
2
8

6
4

1
9
2

Dos trozos de curva
(parbola y raz)

23

Transformacin Gamma: se usa para manipular el contraste y realzar la imagen.
La ecuacin general es: f(x):= ax
siendo gamma () el exponente de la potencia

de x. Para el caso de que a=1 tenemos:

0 255 128 64 192
0

2
5
5

1
2
8

6
4

1
9
2

En el caso de que < 1 se obtendrn tonos ms
claros

En el caso de que > 1 se obtendrn tonos ms
oscuros
< 1
> 1
NOTA: Si los niveles de gris se tratan como valores
reales entre 0 y 1, la descripcin anterior se invierte.
24

Transformacin Gamma: se usa para manipular el contraste y realzar la imagen.
La ecuacin general es: f(x):= ax
siendo gamma () el exponente de la potencia

de x.

En el caso de que < 1 se
obtendrn tonos ms claros

En el caso de que > 1 se
obtendrn tonos ms oscuros
NOTA: Si los niveles de gris se tratan como
valores reales entre 0 y 1, la descripcin
anterior se invierte.
25

Transformacin Gamma - Ejemplos

26


27


28


29
OPERACIONES PXEL A PXEL BINARIAS
30
OPERACIONES PUNTUALES - BINARIAS

Las operaciones pxel a pxel binarias son aquellas que toman como entrada dos o
ms imgenes y producen una nueva imagen que es la combinacin de las
primeras:

Cules son los problemas que se pueden presentar al combinar una o ms imgenes?
Imagen A
Imagen C
Imagen B
A(x, y)
B(x, y)
C(x, y)
C(x,y) = f[A(x,y) , B(x,y)]
Aritmticas: Suma, Resta,
Multiplicacin y Divisin

Booleanas: AND, OR, XOR, NOT

Relacionales: >, <, max, min
31
OPERACIONES ARITMTICAS
32

Las Operaciones Aritmticas entre imgenes son operaciones se llevan a cabo
entre pares de pixeles correspondientes. Las cuatro operaciones bsicas son:

C(x, y):= A(x,y) + B(x,y)

C(x, y):= A

(x,y) - B(x,y)

C(x, y):= A

(x,y) * B(x,y)

C(x, y):= A

(x,y) B(x,y)

33

Para el caso de la suma (por ejemplo) tenemos:

90 67 68 39
10 87 241 78
11 102 89 76
10 10 109 80
11 23 150 169
75 145 200 158
2 50 51 49
1 49 48 47
A(x,y) B(x,y)
=
+
C(x,y)
34
OPERACIONES PUNTUALES BINARIAS

A + B A - B A * B
35

En las Operaciones Aritmticas algunas veces es necesario hacer mapeos que nos
permitan llevar los valores resultantes a valores en el rango [0, 255], por ejemplo,
en la suma: [0, 255] + [0, 255] = [0, 510] se soluciona dividiendo el resultado entre
dos:

El resultado es una
transparencia de las
imgenes originales al
50%
C(x, y):= o A(x,y) + (1- o)B(x,y)
36

Una aplicacin de la suma es para reducir el contenido de ruido en un conjunto de
imgenes ruidosas. Esta es una tcnica comnmente utilizada para mejorar
imgenes:

37
2 5
10
20 50 100
Promedio de Imgenes
[Woods]
38

Una aplicacin de la resta es en la deteccin de movimiento entre dos imgenes,
til en la compresin de video y en el seguimiento de objetos.

39

Una aplicacin de la resta es en la deteccin de movimiento entre dos imgenes,
til en la compresin de video y en el seguimiento de objetos.

40

La resta de imgenes tambin se usa mucho en medicina de manera:

Imagen original de rayos X del
paciente, llamada mscara
Imagen obtenida inyectando un medio
yodado al flujo sanguneo del
paciente para aumentar el contraste.
Imagen diferencia entre las anteriores
41

La multiplicacin de imgenes puede ser usada para extraer regiones de inters
usando una mascara (aunque esto se hace con operaciones booleanas):

42

La multiplicacin de imgenes
43
OPERACIONES PUNTUALES BINARIAS: DIVISIN

Imgenes Originales
Resta
Divisin
44

Ejercicio Filtros Artsticos:
Una aplicacin interesante de las operaciones aritmticas es la obtencin de imgenes
con retoque artstico. En este ejemplo estudiaremos el ltro emboss, cuyo efecto es
lograr un realce de bordes, los cuales se ven en relieve sobre un fondo gris neutro
(similar a un repujado sobre una placa metlica).

El principio de operacin es el siguiente: si a una imagen se le suma su negativo se
obtiene una imagen negra (grises=0 en toda posicin), pero si el negativo se desplaza
unos pocos pixeles en alguna direccin, el efecto obtenido es el de repujado.

Implemente el ltro teniendo en cuenta que el tamao de la imagen de salida ser
truncado segn el desplazamiento considerado. El efecto obtenido ser diferente
(relieve exterior o interior) segn qu imagen de entrada es negativizada.

45
PREGUNTAS

Clase 4 Vision Artificial

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Clase 4 Vision Artificial

Transféré par

Droits d'auteur :

Formats disponibles

1

CARLOS MERA - VISIN ARTIFICIAL - UNIVERSIDAD NACIONAL DE COLOMBIA

siendo gamma () el exponente de la potencia

siendo gamma () el exponente de la potencia

Vous aimerez peut-être aussi