Procesamiento de Imagenes

PROCESAMIENTO DE IMGENES EN MATLAB
MANEJO DE FILTROS
Forero Frasser, Carlos1; Rodrguez Barrero, Jhonattan 2; Gordillo Porras, Nicolas3.
1. carlos.forero@mail.escuelaing.edu.co 2. jhonattan.rodriguez@mail.escuelaing.edu.co
3. nicolas.gordillo@mail.escuelaing.edu.co
Abstract: this paper is about how MATLAB is useful

to processing images, MATLAB offers different
II.
OBJETIVOS
General:
commands that the user could use to manipulate

images through filters, spatial filters and frequential
una imagen digital usando MATLAB.
filters. Processing techniques using filters allow

processing pixel by pixel by region or processing,
Aplicar distintos mtodos de procesamiento a
Especficos:
which is very versatile for the user. These techniques

are a powerful tool to connect the Digital Processing
Conocer y aplicar los diferentes algoritmos
Image World with applications in the real life, where
de filtros espaciales y filtros frecuenciales
it is required to eliminate noise and improve the
para imgenes por medio de MATLAB.
quality of an image.
Aprender a diferenciar el uso de distintos

filtros dependiendo de la aplicacin para el
I.
INTRODUCCIN
procesamiento de la imagen.
En este informe se desarrollarn procedimientos

tiles para procesar imgenes por medio de filtros
III.
DESARROLLO Y ANLISIS
tanto el dominio del espacio como en el de la

frecuencia
utilizando
ampliamente
m-files
mostrando una breve introduccin por medio de

Simulink. Se incluirn filtros lineales como, el filtro
promedio aritmtico y el filtro promedio ponderado,
filtros no lineales como el filtro de mximo y el filtro
de mediana y filtros de frecuencia. Se utilizaran
algunos comandos como imfilter, ordfilt2, fftshift,
entre otros.
IMPLEMENTACION DE EJEMPLOS
A continuacin se desarrollaran y analizaran los
ejemplos propuestos en la gua para dar una
introduccin al procesamiento de imgenes por medio
de filtros
1. Filtros en el dominio espacial
1.1. Filtros de reduccin de ruido
1.1.1.
Procesamiento de imgenes digitales.
Filtros lineales
Pgina 1
1.1.1.1. Filtro de promedio aritmtico
Se pierden algunos detalles y efectivamente se
Los filtros lineales utilizan como base la operacin
produce un efecto de suavizado en la imagen debido
convolucin entre una mscara con coeficientes
a que el filtro opera de tal manera que en la imagen
determinados y la imagen a procesar.
procesada sus pixeles sern el resultado de un

promedio entre sus vecinos cercanos, donde la
I=imread('Figura_F1.jpg');
h=ones(5,5)/25;
I2=imfilter(I,h);
imshow(I), title('Imagen Original');
figure; imshow(I2), title('Imagen Filtrada')
cantidad de estos dependen del tamao de la mscara,

por tanto entre mayor sea la mscara mayor ser el
nmero de vecinos a ese pixel que aportaran a su
nuevo valor en la imagen filtrada.
Con el anterior cdigo cargamos una imagen a color
Adems debido al tamao de la imagen no se nota
en Matlab (I), hacemos una mscara 5x5 con
muy claramente el borde negro que apareci de
coeficientes iguales a 1/25 (h) y aplicamos el filtro
repente en la imagen filtrada y que es debido a que los
(I2).
pixeles de borde no tiene vecinos completos es decir,

al aplicar la mscara cuadrada no encontrar pixeles
Imagen original
en las coordenadas que exceden la imagen y por tanto

no se podr hacer el promedio, sin embargo por
defecto se asignan a estos pixeles un valor de 0, es
decir negro.
Esto se puede corregir con la siguiente adicin al
comando:
I2=imfilter(I,h, 'replicate',);
De esta forma en el momento de hacer el promedio se

toman los valores de los pixeles que se encuentran en
Imagen Filtrada
el lmite de la imagen y se los de a los pixeles de la

mscara que caen fuera de la imagen.
MATLAB tambin puede crear las mscaras

para
filtros
predefinidos
que
no
necesariamente se encuentran dentro de la

categora de filtros de reduccin de ruido,
algunos cumplen otro propsito. Por medio
de la funcin fspecial. Las mscaras
predefinidas son:
Pgina 2
'average'
averaging filter
Notamos que este filtro de promedio circular produce
'disk'
circular averaging filter
un efecto an ms notorio de suavizado, por supuesto
'gaussian'
Gaussian lowpass filter
'laplacian'
filter
approximating
conservando menos detalles.

the
2-D
1.1.1.2. Filtro de promedio ponderado
Laplacian operator
'log'
Laplacian of Gaussian filter
'motion'
motion filter
IG=rgb2gray(I);
'prewitt'
Prewitt
horizontal
edge-
emphasizing filter
h=[1 2 1;2 4 2;1 2 1];

I2=filter2(h,IG);
imshow(I), title('Imagen Original');
'sobel'
Sobel horizontal edge-emphasizing
filter
I2=uint8(I2);
Ya que 'average' corresponde al filtro de promedio

aritmtico utilizaremos para el ejemplo 'disk' que
Imagen Original
corresponde al filtro de media circular, este comando

devuelve un filtro de promedio circular dentro de la
matriz cuadrada de lado 2*r + 1, donde el radio por
defecto es 5.
h=fspecial('disk',6);
I2=imfilter(I,h, 'replicate',);
imshow(I2), title('Imagen Filtrada')
El comando filter2 efectivamente necesita de algunas

consideraciones especiales a lo hora de usarlo, como
por ejemplo convertir su tipo de variable de salida a
Pgina 3
entero de 8 bits para poder visualizar correctamente la
1.1.2.1. Filtro de mnimo
imagen filtrada y tener cuidado porque solo maneja

imagen en escala de grises.
Primero debemos aadir ruido a nuestra imagen a

filtrar, con el comando imnoise, y debemos tener en
Imagen Filtrada
cuenta que debemos trabajar con la imagen a escala

de grises.
IG=rgb2gray(I);
In=imnoise(IG);
I2=ordfilt2(In,1,ones(3,3));
imshow(IG),
grises');
title('Imagen
escala
de
El comando ordfilt2 permite trabajar con diversos

ordenes de filtro que van desde 1 hasta MxN (tamao
de la mscara). Si seleccionamos 1, el filtro ser de
mnimo.
Imagen Original
La conservacin de los detalles respecto al filtro de

promedio aritmtico es mucho mejor, debido a que
toma en cuenta los pesos de los pixeles ms cercanos,
independientemente del tamao de la mscara.
1.1.2.
Filtros No Lineales
Los filtros no lineales, tambin se basan en

operaciones con los pixeles vecinos, por medio del
deslizamiento de una mscara sobre la imagen, pero a
diferencia de los filtros lineales, las operaciones
realizadas entre los pixeles de la mscara no son
lineales.
Pgina 4
Imagen Filtrada
IG=rgb2gray(I);
In=imnoise(IG);
I2=ordfilt2(In,9,ones(3,3));
imshow(I2), title('Imagen Filtrada')
Seleccionamos 9 en el comando ordfilt2 para

garantizar que el filtro sea de mximo, Por qu 9?
Porque corresponde al tamao de la mscara. Lo que
nos garantiza que el filtro eliminara todos los valores
de ruido 0 es decir negro, obtendremos una imagen
con solo puntos blancos. Este filtro elimina el ruido
de tipo pimienta.
1.1.2.3. Filtro de mediana
El filtro de mnima elimina el ruido tipo sal.
Tomamos como orden del filtro un valor que

corresponde a la mediana entre 1 y MxN (Tamao de
1.1.2.2. Filtro de mximo

Imagen Filtrada
la mscara), de esta forma filtramos tanto valores

bajos como altos del ruido es, decir este filtro elimina
el ruido tipo sal y pimienta.
Pgina 5
2. Filtros en el dominio de la frecuencia
Imagen resultante de aplicar la transformada de Fourier
La convolucin espacial entre dos funciones, es

equivalente a la multiplicacin de estas en la
transformada de Fourier. As que los filtros
anteriormente vistos, pueden ser aplicados desde el
dominio frecuencial de la misma manera, pero con la
ventaja que en este dominio, su anlisis puede ser ms
fcil.
Cabe aclara que las frecuencias altas corresponden a
h=fspecial('average');
cambio bruscos entre valores de pixeles de la imagen
freqz2(h);
y las frecuencias bajas a valores homogneos entre s.
Imagen 3D de la respuesta en frecuencia del filtro h
Por lo general las frecuencias altas se encuentran en

los bordes o alto contraste dentro de la imagen.
Anteriormente observamos como un filtro de
promedio aritmtico suavizaba los bordes dentro de
una imagen, si hacemos una analoga en el mundo
frecuencial se podra decir que filtro las frecuencias
altas, es decir se trata de un filtro pasa-bajas.
2.1. Filtro Pasa-bajas

Imagen Original
El comando freqz2 muestra la respuesta en frecuencia

del filtro que le sea seleccionado, en este caso es un
filtro pasa-bajas, en la imagen los valores ms altos
en el filtro son las frecuencias bajas, cercanas al
centro, as que al multiplicar la transformada de la
imagen por la transformada del filtro de promedio
aritmtico, dar como resultado una imagen con
frecuencias ms bajas.
Pgina 6
resf=fft2(f).*fft2(h,30,30);
rest=ifft2(resf);
Imagen Con ruido Gaussiano
res=real(rest);
imshow(res);
Como resultado obtenemos una imagen cuyas

frecuencias altas han sido filtradas. Se distingue el
suavizado en sus bordes.
EJERCICIOS PROPUESTOS
Imagen Filtrada (Filtro de promedio aritmtico)
Cargue una imagen en niveles de gris y aada

un ruido gaussiano moderado.
A=imread('Lenna.jpg');
A=rgb2gray(A);
A=imnoise(A, 'gaussian');
imshow(A);
Implemente y aplique a la imagen anterior

un filtro de promedio aritmtico 3x3.
A=rgb2gray(A);
B=imfilter(A, ones(3, 3)/9);
Implemente y aplique a la imagen anterior un

filtro de promedio ponderado 3x3, con la
imshow(A);
figure; imshow(B);
siguiente mascara:,maska =[4 1 0; 4 1 0; 4 1
Pgina 7
0];
mask=mask/15;
Qu
diferencias
encuentra entre los resultados de aplicar los
A=rgb2gray(A);
dos filtros anteriores?
B=imfilter(A, ones(7,7)/49);
imshow(A)
A=rgb2gray(A);
figure; imshow(B);
B=imfilter(A, [4 1 0; 4 1 0; 4 1 0]/15);
imshow(A)
figure; imshow(B);
Reste cada imagen filtrada con la original,

observe el resultado y concluya.
Con el filtro promedio ponderado se conservan

mejor los detalles, aunque la imagen se ve ms
suavizada que la imagen con filtro aritmtico, debido
a que no todos los pixeles vecinos al pixel a
transformar tienen el mismo peso.
Implemente y aplique a la imagen anterior

un filtro de promedio aritmtico 7x7
Pgina 8
Imagen resultante de restar la imagen original con la

imagen filtrada con un filtro de promedio aritmtico
3x3. Levemente se puede notar el contorno de la
mujer, esto debido a que en el filtro fueron
suavizados sus bordes, al hacer la resta se notar
un poco respecto al resto de la imagen.

imagen filtrada con un filtro de promedio aritmtico
7x7. Debido a que la conservacin de los detalles
perdura ms a medida que se aumenta la mscara y
el valor nuevo de cada pixel en la imagen filtrada es
ms acorde a sus pixeles cercanos, el borde se ve ms
marcado al realizar la resta, al ser este el ms
afectado por el filtro.
imagen filtrada con un filtro de promedio ponderado

con una mscara [4 1 0; 4 1 0; 4 1 0]/15. Se puede
Comparando
los
histogramas
de
las
notar el contorno de la mujer mucho ms realzado
imgenes filtradas anteriormente, analice y
que en la imagen anterior, esto debido a que en el
saque conclusiones.
filtro fueron suavizados con ms peso, es decir con

una mscara cuyos valores difieren de acuerdo a su
vecindad de pixel, al hacer la resta se notarn con
A=rgb2gray(A);
imhist(A);
ms claridad los bordes respecto al resto de la

imagen.
Pgina 9
Histograma de la imagen original
imagen a escala de grises, hacia una distribucin

normal.
A=rgb2gray(A);
A1=imnoise(A, 'gaussian');
B=imfilter(A1, ones(3, 3)/9);
imhist(B);
Histograma de la imagen filtrada
A=rgb2gray(A);
A1=imnoise(A, 'gaussian');
imhist(A1);
Histograma de la imagen con ruido Gaussiano
Amplia el rango de pixeles y trata de homogenizarlos

siguiendo la distribucin Gaussiana. Sacrificando
cantidad de pixeles para logar mayor uniformidad en
la escala de grises.
A=rgb2gray(A);
Este tipo de ruido tras aumentar la cantidad de pixeles
B=imfilter(A, [4 1 0; 4 1 0; 4 1 0]/15);
negros y blancos hace tender el histograma de la
imhist(B);
Pgina 10
En un principio se dijo que la conservacin de los

detalles y el tamao de la mscara en un filtro de
promedio
aritmtico
eran
proporcionales,
si
comparamos este histograma con el de la imagen

original se podr notar que se asemeja ms que
cualquiera de los filtros anteriores y esto se debe a que
se utiliz una mscara de 7x7.
Cargue una imagen en niveles de gris y aada

un ruido sal y pimienta moderado.
Se puede concluir que se pierden an ms los detalles
A=imread('Kratos.jpg');
de la imagen original, y esto se ve reflejado en que es
A=rgb2gray(A);
ms notoria la distribucin normal en su histograma.
A=imnoise(A, 'salt & pepper');
A=rgb2gray(A);
figure;
imshow(A);
B=imfilter(A, ones(7,7)/49);
imhist(B);

filtro de mnimo 3x3.
Pgina 11
A=rgb2gray(A);
figure;
subplot(1,2,1);
imshow(A);
subplot(1,2,2);
B=ordfilt2(A, 1, ones(3, 3));
B=uint8(B);
Como se observa elimina el ruido tipo pimienta de la
imshow(B);
imagen pero al haber ruido sal en esta, este tipo de

filtro aumenta el ruido sal empeorando la calidad de
la misma notablemente. Este filtro es ptimo si la
imagen solo tuviera ruido tipo pimienta.

filtro de mediana 3x3.
A=rgb2gray(A);
Se observa que el ruido tipo sal desaparece de la

imagen pero el tipo pimienta sigue igual.

figure;
subplot(1,2,1);

filtro de mximo 3x3.
imshow(A);
subplot(1,2,2);
B=uint8(B);
A=rgb2gray(A);
imshow(B);

figure;
subplot(1,2,1);
imshow(A);
subplot(1,2,2);
B=uint8(B);
imshow(B);
Pgina 12
El filtro de mediana es el mejor para eliminar los
A=imread('Figura_F5.jpg');
ruidos extremos como los son el tipo sal y pimienta,
A=rgb2gray(A);
debido a que no toma en cuenta ni el valor mximo ni

el mnimo sino el valor medio de la vecindad.

figure;

filtro de mediana 5x5
B=uint8(B);
subplot(1,2,2);
imhist(B); title('Histograma 3*3 minimo');
A=imread('Figura_F5.jpg');
subplot(1,2,1);
A=rgb2gray(A);
B=A-B;
imshow(B); title('Resta 3*3 minimo');
figure;
figure;
subplot(1,2,1);
C=ordfilt2(A, 9, ones(3, 3));
imshow(A);
C=uint8(C);
subplot(1,2,2);
subplot(1,2,2); imhist(C);
title('Histograma 3*3 maximo');
B=uint8(B);
subplot(1,2,1);
imshow(B);
C=C-A;
imshow(C); title('Resta 3*3 maximo');
figure;
D=ordfilt2(A, 5, ones(3, 3));
D=uint8(D);
subplot(1,2,2); imhist(D);
title('Histograma 3*3 media');
subplot(1,2,1);
D=A-D;
El resultado es bastante similar al filtro de mediana de

3x3, sin embargo no se observan grandes diferencias
visualmente con respecto a este, excepto una leve
variacin en la conservacin de detalles.
ejercicios anteriores, por medio de sus

y
restando
las
figure;
E=ordfilt2(A, 13, ones(5, 5));
E=uint8(E);
subplot(1,2,2);
Compare y concluya con respecto a los
histogramas,
imshow(D);title('Resta 3*3 media');
imgenes
filtradas con sus imgenes originales.
imhist(E); title('Histograma 5*5 media');

subplot(1,2,1);
E=A-E;
imshow(E); title('Resta 5*5 media');
Pgina 13
En las 2 primeras imgenes se puede observar que los

filtros mnimo y mximo no filtran todo el ruido
aadido a la imagen e inclusive logran aumentar el
efecto ya sea de la sal o la pimienta en esta. Adems
se puede observar que sus histogramas no tienen
tantos componentes en gamas de grises intermedios
sino que tienen una gran cantidad ya sea en 0 o en
255.
En las otras dos imgenes se observa que el
histograma tiene un pico en la gama de grises oscura,
son suavizadas y no tiene casi componentes en 0 y
255, esto se debe a que este filtro es especialmente
efectivo a la hora de eliminar el ruido sal y pimienta.
Es importante resaltar que no existe una gran
diferencia en los histogramas de los filtros de media,
haciendo esto que se pudiera decir que son
prcticamente iguales.
Cree un filtro pasa altas y aplquelo a una
imagen cualquiera, diselo desde el dominio
frecuencial y aplquelo desde el dominio
espacial. Nota: Utilice las funciones filter2 y
ftrans2 si es necesario.
Pgina 14
Un filtro pasa-altas, elimina las frecuencias bajas, en

imgenes estas frecuencias corresponden a aquellos
cambios leves o nulos entre pixeles, por tanto al
aplicar este filtro deben mantenerse los contornos de
la figura, debido que all se presentan las frecuencias
altas.
mask=[1 2 1;1 -10 1;1 2 1]/20; freqz2(mask);
Como era de esperarse se mantienen las frecuencias

altas que corresponden al contorno en este caso del
rectngulo interior.
Ahora utilizamos una imagen diferente

Imagen original
Utilizando la imagen del ejemplo para el filtro pasabajos, obtenemos:

rest=ifft2(resf);
Imagen a escala de grises
res=real(rest);
imshow(res);
Pgina 15
Ahora utilizando la misma mascara aplicamos el filtro
Para un filtro pasa-altas se debe especificar high en
pasa-bajas a la imagen a escala de grises, debido a que
el comando fir1.
trabajar la imagen a color genera un conflicto entre

dimensiones de la matriz al hacer la convolucin entre
la transformada de Fourier de la imagen y la del filtro.
A=imread('Figura_F6.png');
A=rgb2gray(A);
h1=fir1(5,0.05,'high');
h2= ftrans2(h1);
mask=[1 2 1;1 -10 1;1 2 1]/20; freqz2(mask);
freqz2(h2);
rest=ifft2(resf);
res=real(rest);
imshow(res);
resf=fft2(A).*fft2(h2,size(A,1),size(A,2));
Los cambios bruscos entre pixeles, se definen como

las frecuencias altas as que al multiplicar la
rest=ifft2(resf);
res=real(rest);
imshow(res);
transformada de la imagen por la transformada del

filtro con la mscara indicada, dar como resultado
una imagen con las frecuencias ms altas.
Qu pasa si queremos generar una mscara

apropiada sin necesidad de que el usuario nos la
proporcione? Para esto utilizaremos el comando fir1
que sirve para el diseo de filtros de forma arbitraria
por el mtodo de muestreo de frecuencia y el
comando ftrans2 que sirve para transformar esos
coeficientes dados por fir1 en una matriz.
Pgina 16
La imagen resultante conserva las frecuencias altas a
Imagen 2
las cuales les asign un valor de pixel 0 (negro)

mientras que a las bajas les asign un valor de 255
(blanco). Totalmente opuesto al caso anterior.
Analice en el dominio de la frecuencia las dos
imgenes
en
degradado
horizontal
diagonal, como las imgenes que se muestran

a continuacin. Qu diferencias tienen? Que
significan las rayas verticales que aparecen
en transformada de la Imagen 1(diagonal)?
Imagen 1
Al realizar la transforma de Fourier de la imagen

obtenemos:
Al realizar la transforma de Fourier de la imagen

obtenemos:
Pgina 17
SIMULINK
Ajuste de contraste
Ajustamos los parmetros del bloque Contrast

Adjustement
-Adjust pixels values from: User-defined range.
Range: [0 200]
-Adjust pixels values to: User Defined range.
Range: [0 255]
Ajustamos los parmetros del bloque Contrast

Adjustement
-Adjust pixels values from: User-defined range.
Range: [0 100]
-Adjust pixels values to: User Defined range.
Range: [0 255]
Es interesante analizar como el contorno de la imagen

se mantiene tan solo ajustando el contraste.
Pgina 18
Imagen original
Esta imagen resultante es similar a la obtenida al
Histograma de la imagen a color
hacer un procedimiento un poco ms complejo con la

aplicacin de filtros en el dominio espacial en m-files.
Por supuesto los resultados difieren en los pixeles que
son totalmente blancos o totalmente negros ya que no
se ven afectados por el cambio de contraste.
Visualizacin del histograma
El valor de los ejes esta automtico razn por la cual

se puede apreciar que no se alcanza a llegar a la
cantidad de pixeles mximos de la imagen.
Pgina 19
Histograma de la imagen a escala de grises
Imagen filtrada
Los detllaes de este histograma difieren bastante al

obtenido por m-files, debido en parte al nmero de
muestras que se toman para visualizarlo, adems del
tamao de sus ejes.
Eliminar ruido Sal y Pimienta de una imagen
El bloque Median Filter contiene parmetros como:

-Tamao de la mascara
-Tipo de relleno para pixeles indefinidos
-Valor del pixel de relleno
Pgina 20
las zonas donde lo hubo debido al cambio en

su contorno.
V.
REFERENCIAS
Gua de procesamiento de imgenes en

Matlab
Notas de clase
Opcin de ayuda de MATLAB
Al variar cada uno de estos parmetros se obtienen

resultados similares entre i, con pequeas variaciones
en la conservacin de detalles de la imagen original.
IV.
CONCLUSIONES
El mtodo de reduccin de ruido es una

herramienta poderosa para poder tener una
idea confiable de una imagen a procesar.
Respecto a conservacin o eliminacin de

contorno los filtros en el dominio de la
frecuencia
poseen
ventajas
como
simplicidad y fcil manejo respecto a los

filtros en el dominio espacial.
La deteccin ptima de contornos puede ser
una alternativa a considerar a la hora de
analizar el movimiento o corrimiento de una
imagen, ya que se notaran especficamente
Pgina 21

Procesamiento de Imagenes

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

Procesamiento de Imagenes

Transféré par

Droits d'auteur :

Formats disponibles

PROCESAMIENTO DE IMGENES EN MATLAB

Abstract: this paper is about how MATLAB is useful

commands that the user could use to manipulate

una imagen digital usando MATLAB.

filters. Processing techniques using filters allow

Aplicar distintos mtodos de procesamiento a

which is very versatile for the user. These techniques

Conocer y aplicar los diferentes algoritmos

Image World with applications in the real life, where

de filtros espaciales y filtros frecuenciales

it is required to eliminate noise and improve the

para imgenes por medio de MATLAB.

Aprender a diferenciar el uso de distintos

En este informe se desarrollarn procedimientos

tanto el dominio del espacio como en el de la

mostrando una breve introduccin por medio de

Procesamiento de imgenes digitales.

1.1.1.1. Filtro de promedio aritmtico

Se pierden algunos detalles y efectivamente se

Los filtros lineales utilizan como base la operacin

produce un efecto de suavizado en la imagen debido

convolucin entre una mscara con coeficientes

a que el filtro opera de tal manera que en la imagen

determinados y la imagen a procesar.

procesada sus pixeles sern el resultado de un

cantidad de estos dependen del tamao de la mscara,

Con el anterior cdigo cargamos una imagen a color

Adems debido al tamao de la imagen no se nota

en Matlab (I), hacemos una mscara 5x5 con

muy claramente el borde negro que apareci de

coeficientes iguales a 1/25 (h) y aplicamos el filtro

repente en la imagen filtrada y que es debido a que los

pixeles de borde no tiene vecinos completos es decir,

en las coordenadas que exceden la imagen y por tanto

De esta forma en el momento de hacer el promedio se

el lmite de la imagen y se los de a los pixeles de la

MATLAB tambin puede crear las mscaras

necesariamente se encuentran dentro de la

Procesamiento de imgenes digitales.

Notamos que este filtro de promedio circular produce

circular averaging filter

un efecto an ms notorio de suavizado, por supuesto

Gaussian lowpass filter

conservando menos detalles.

1.1.1.2. Filtro de promedio ponderado

Laplacian of Gaussian filter

h=[1 2 1;2 4 2;1 2 1];

Sobel horizontal edge-emphasizing

Ya que 'average' corresponde al filtro de promedio

corresponde al filtro de media circular, este comando

El comando filter2 efectivamente necesita de algunas

Procesamiento de imgenes digitales.

entero de 8 bits para poder visualizar correctamente la

1.1.2.1. Filtro de mnimo

imagen filtrada y tener cuidado porque solo maneja

Primero debemos aadir ruido a nuestra imagen a

cuenta que debemos trabajar con la imagen a escala

figure; imshow(I2), title('Imagen Filtrada')

El comando ordfilt2 permite trabajar con diversos

La conservacin de los detalles respecto al filtro de

Los filtros no lineales, tambin se basan en

Procesamiento de imgenes digitales.

Seleccionamos 9 en el comando ordfilt2 para