Muestreo De Imágenes
Caiza C. Richard F., Manzano G. Rodrigo P.
Abstract- The digital image in the current study
environment makes reference to a matrix which has
spatial coordinates (x, y) in addition to several factors
that constitute it, this way we begin with the study of the
sampling of an image. According to several authors,
sampling uses regions of the image matrix composing a
set with all the regions used and finally obtaining a very
detailed and improved image.
This image can be attributed a series of calculations
used in digital processing, to see the improvement of the
image in: sharpness, size, and other components of it. We
can finally understand that this process is used by several
elements of our environment such as cameras and the
technology that is increasing every year in smart phones,
and other hardware.
Index Terms— image, process, digitization, sampling,
quantification, pixels, resolution.
Resumen— La imagen digital en el entorno de estudio
actual nos hace referencia a una matriz la cual posee
coordenadas espaciales (x,y) además de varios factores
que la constituyen, de esta manera empezamos con el
estudio del muestreo de una imagen. De acuerdo a varios
autores el muestreo utiliza regiones de la matriz de la
imagen componiendo un conjunto con todas las regiones
utilizadas y finalmente obteniendo una imagen muy
detallada y mejorada.
A esta imagen se le puede atribuir una serie de
cálculos utilizados en el procesamiento digital, para ver
la mejoría de la imagen en: nitidez, tamaño, y otros
componentes de la misma. Podemos finalmente
comprender que este procesamiento lo utilizan varios
elementos de nuestro entorno como lo son las cámaras y
la tecnología que año a año van incrementándose en
celulares inteligentes, y otros hardware.
Palabras Clave — imagen, proceso, digitalización,
muestreo, cuantificación, pixeles, resolución.
INTRODUCCIÓN
La moderna tecnología ha hecho que el estudio de
diferentes elementos de nuestro entorno se haga presente
en la actualidad por medio de la digitalización, por ende
una imagen con muy buena resolución, tamaño, nitidez, y
brillo es imprescindible hoy en día, puesto que a través
del procesamiento de imágenes digitales podemos obtener
información importante de aquellas fotografías que
anteriormente solo remarcaban vivencias, por lo tanto en
este tema abarcaremos todo lo relacionado al muestreo de
una imagen para posteriormente poder ponerlo en práctica
en el aula de clase utilizando softwares especializados
como lo son Octave o MathLab y por consiguiente
determinar la profundidad de análisis que poseen incluso
las cosas más arbitrarias de nuestra vida como por ejemplo
una imagen.
MUESTREO
El propósito de nuestra vida se engloba en recordar
vivencias significativas; por lo general, en la mayoría de
ocasiones utilizamos la imagen para enmarcar aquellos
momentos importantes; sin embargo, el termino imagen
va más allá de una captación digitalizada y se introduce en
el análisis exhaustivo para determinar información
relevante que describa al objeto captado, así pues se
utilizan varios factores como la resolución espacial, la
resolución óptica y la densidad espacial (densidad de
pixeles) para en conjunto llevar a cabo el procesamiento
digital de imágenes que a través de etapas como el
muestreo nos permite cumplir con la afirmación anterior
y examinar adecuadamente detalles que caracterizan a la
imagen analizada.
La imagen es una descripción gráfica bidimensional de
un objeto determinado compuesto por intensidad de luz,
coordenadas espaciales (x,y) y brillo (o nivel de gris); por
ende, representa digitalmente la realidad y con ella la
información que describe al objeto que está
representando; De tal modo, una imagen digital se puede
considerar como una matriz cuyos índices de fila y
columna identifican un punto en la imagen y el valor
correspondiente del elemento de la matriz indica el nivel
de gris en ese punto. Los elementos de una distribución
digital de este tipo se denominan elementos de la imagen,
o más comúnmente pixeles o pels (abreviatura de picture
elements). Según Webster el termino imagen se define
como una representación realizada a través de dibujos o
pinturas con un valor cualitativo de interés colectivo o
individual; cuyo análisis se determina a través de procesos
digitales.
Un proceso es un conjunto de acciones u operaciones que
conllevan al cumplimiento de un resultado requerido; así
pues, referido a la imagen se ampliaría el concepto al
procesamiento digital; el cual determina el mejoramiento
de la calidad de las imágenes, asociando varias ciencias
como: la óptica, electrónica, matemáticas, fotografía e
informática, para en conjunto buscar patrones que
representen información pertinente sobre un tema en
cuestión. La unión de varios factores para el
procesamiento digital de imágenes representa costos
significativos debido a la utilización de equipos
especializados para la digitalización (cálculo por métodos
numéricos o por unidades discretas). De esta manera una
Imagen a través de procesamiento digital se puede definir
como la representación numérica de un objeto; la misma
que requiere de una función de imagen f (x, y), para
realizar el procesamiento por computadora y por
consiguiente ser digitalizada tanto espacialmente como en
su amplitud; dando como resultado la conversión de las
imágenes en información de fácil comprensión a través
del análisis digital, ya sea como datos de medición o
conjunto de decisiones.
Etapas involucradas en el procesamiento de imágenes.
Dentro del proceso de la digitalización de imágenes se
recalca el muestreo, el mismo que se define como la
digitalización de las coordenadas espaciales de la imagen
y como cuantificación a la digitalización de la amplitud de
la imagen. Una imagen se describe por una serie de
muestras equitativamente espaciadas, organizadas en
forma de una matriz donde cada elemento de esa matriz es
una cantidad discreta: N X M.
Así pues, el muestreo se relaciona con el número de
niveles de gris que puede mostrarse en la imagen y con la
cantidad de detalle que se encuentra en la misma, esto
inferirá en la calidad de la imagen y la resolución espacial,
dependiendo de la dimensión del pixel analizado. Por lo
tanto, se sintetiza el muestreo como la obtención de
regiones de una imagen, de modo que todas estas regiones
compondrán un conjunto de sub-imágenes que
representan a la imagen analizada.
El muestreo depende de:
1. La densidad espacial de los puntos (x,y) de la imagen
(densidad de píxeles).
Definido como el número de píxeles contenidos en una
imagen digital y la distancia entre cada píxel (conocido
como período de muestreo) está en función de la
apreciación de los sensores del dispositivo de captura de
la imagen.
2. La resolución óptica del dispositivo de captura de la
imagen.
A medida que la resolución espacial va decreciendo, se va
incrementando el tamaño del píxel y los detalles de la
imagen se van perdiendo (la imagen se “píxela”).
En general, se puede decir que, para un sistema de
procesamiento de imágenes, los valores mínimos para la
resolución espacial y para la cuantificación son de 256 x
256 pixeles y 64 niveles de gris (una imagen de televisión
en blanco y negro tiene una resolución de alrededor de 512
x 512 pixeles y 128 niveles de gris) [Gonzalez & Wintz,
2nd Ed., 1987]
Hay que resaltar que el muestreo es una parte
indispensable en el procesamiento de imágenes, por ello
es importante realizarlo adecuadamente; puesto que la
diferencia entre un muestreo adecuado y un muestreo
impropio, será evidente y conllevará a un análisis
insatisfactorio.
Las imágenes de las figuras muestran la degradación de la Figura: Imagen 4 y 2 niveles de grises.
calidad de la imagen para un muestreo cada vez más
Como se puede observar en las imágenes anteriores
burdo.
mientras mayor sea el nivel de grises, la imagen tendrá una
mayor resolución y por consiguiente mientras menor sea
la dimensión del pixel tendrá mayor resolución espacial;
es decir, mayor definición en los detalles de la imagen,
aunque dicho factor en ocasiones puede estar determinado
por elementos como: la condición atmosférica o la baja
iluminación, que otorgaran una menor definición en la
imagen.
Otro ejemplo lo podemos analizar en la imagen
consecuente de 256 x 256 pixeles y sus derivadas que
Figura: Imagen original.
están muestreadas a 128 x 128, 64 x 64 y 32 x 32 pixeles
respectivamente.

Figura: Imagen con 64 y 32 niveles de grises.

Figura: Imagen muestreada a 256 x 256 pixeles
(original).

Figura: Imagen 16 y 8 niveles de grises.

Figura: Imágenes muestreadas a 256 x 256 y 128 x
128 pixeles.
 tamaño de filas y col = tamaño de columnas, de la matriz
original con las que se trabajara.

División de imagen en sus 3 espectros de frecuencia.

Este proceso nos permitirá trabajar individualmente con
Figura: Imágenes muestreadas a 64 x 64 y 32 x cada matriz.
32 pixeles.
Consecuentemente se puede observar que a partir de un
sub-muestreo de 4:1, correspondiente a la imagen de 64 x
64 pixeles, el deterioro es tan grande que no puede
emplearse esta imagen para ningún fin determinado.
Especificación del tamaño de la mascara
Permite establecer el tamaño de filas y columnas que
DESARROLLO formaran la submatriz que se requiere extraer de una
El presente documento se enfoca en la utilización de la matriz principal.
herramienta OCTAVE para realizar el proceso de
muestreo de una imagen digital utilizando el método de la
media, para lo cual se requiere de la implementación de
varias funciones que permitirán realizar este proceso.
Redimensionar filas y columnas
El proceso se basa en:

• Lectura de una imagen a color

• División de la imagen en sus 3 aspectos de
frecuencia RGB.
Cuando se establece una mascara de NxM puede
• Adquisición del tamaño de la matriz.
presentarse el caso de que el numero de filas o el numero
• Especificación del tamaño de mascara.
de columnas del tamaño de la matriz original no contenga
• Extracción de sus matrices basadas en el tamaño
un número exacto(divisibilidad) para el tamaño de
de la máscara.
mascara con la cual se trabaje por lo cual se requiere de la
• Aplicación del método de la media en la máscara. implementación de una función que encuentre el tamaño
• Obtención del nuevo valor que tomara la nueva adecuado para que la operación de extracción de la
matriz reducida. submatriz de la matriz original obtenga un resultado.
Funciones aplicadas Función Reducir Tamaño
La implementación de funciones durante el proceso
facilita la aplicación de procedimientos de manejos de
matriz ya que para el caso es necesario aplicar el mismo
procedimiento en cada una de las matrices
correspondientes a cada espectro de la imagen con la que
se trabaja.
Lectura y asignación de variables de tamaño de la
matriz inicial.
La lectura de una imagen desde una ruta especifica dentro
del equipo de trabajo y asignación de las variables fil =
Como se puede observar en la implementación esta Los ciclos for establecerán su incremento con el tamaño
función devuelve un valor [real] que equivaldrá al de salto tanto de fila como de columna que se deba
redondeo de numero de filas o columnas divisibles para la recorrer dentro de la matriz principal y los elementos que
aplicación de extracción. se encuentren dentro de este salto formaran parte de una
matriz temporal “mascara” a la cual se le aplicara el
Los datos recibido real corresponde al número de “fila“ o
método de la media y cuyo resultado será un nuevo
columnas iniciales de la matriz original y el atributo
elemento(m,n) de la matriz respuesta.
“salto” corresponde al tamaño de la fila o columna de la
matriz mascara. Para lo cual se requiere de la función obtenerSubmatriz
El uso de la función “rem” permite obtener el residuo de
la división de dos números, por lo cual si el residuo es
mayor que 0 se rechaza que el numero de filas de matriz
principal sea compatible con el tamaño de la matriz
mascara, un ciclo while permitirá reducir en 1 el tamaño
de la matriz original hasta que este numero consiga ser
compatible con el tamaño de la matriz mascara.
Obtención de nuevas matrices

Función ObtenerNuevaMatrizPromedios

Esta función nos permite la obtención de una submatriz de

una “matriz” señalando la fila y columnas iniciales al igual
que las finales.
Los contadores P y Q corresponderán al índice de la
submatriz resultante “matTemp” mientras los contadores
I y J corresponden a los índices de la matriz original.

Gráficamente:

A través del uso de esta función se obtiene el valor

“nueva” que será la matriz reducida de la matriz original
cuyos pixels corresponden a la media de la submatriz
mascará que será una submatriz extraída de la matriz
original.
Se inicia instanciando la matriz mascara como una matriz
inicial de ceros y ya en este punto los valores de fila y Donde el numero inicial la fila y columna seria (1,1) y los
columna de la matriz original poseen una divisibilidad finales (3,3) de forma que se excluya los demás valores de
para los valores de fila y columna de la matriz mascara por la matriz que no se hallen en el rango señalado.
lo cual “nueva” se instanciará con valores de cero y con
Función Obtener Promedio
un tamaño de filas de la matriz original ”Fil” dividido para
las filas de la matriz mascara “saltoFil” y de igual forma
con el tamaño columna.
 Impresión

Esta función únicamente permite recorrer la matriz de

forma que “acu” es un acumulador que se incrementara
con la suma de los valores de los elementos de la matriz y
“c” corresponde a un contador que permite realizar el
conteo de los elementos de la matriz.
Unión de matrices de cada espectro Ejercicio 002
Cuando se aplica una máscara de 2 filas y 3 columnas.
Dimensión de mascara

Donde figura final corresponde a la matriz con sus tres

espectros de frecuencia de un tamaño igual al de cada una
de las matrices individuales y de tipo ‘uint8’.
Tamaño inicial y final de imágenes
Se asignan cada matriz en correspondencia con el espectro
de la matriz resultado.
Impresión
Finalmente se imprimen las imágenes utilizando la
función subplot que nos permitirá observar los cambios
aplicado a la matriz original.

Impresión

RESULTADOS
Ejercicio 001
Cuando se aplica una mascar de 2 filas y 2 columnas.
Dimensión de mascara

Ejercicio 003
Cuando se aplica una mascar de 50 filas y 30 columnas.

Tamaño inicial y final de imágenes Dimensión de mascara


Tamaño inicial y final de imágenes
Impresión
Conclusiones
➢ Como se puede observar el tamaño de la máscara
en inversamente proporcional a la calidad de la
imagen pues en las pruebas realizadas se refleja
que a medida que las dimensiones de la mascara
crecen la definición de la imagen se reduce.
➢ Es necesario señalar que para aplicar un correcto
muestreo es indispensable en todo caso la
separación de la imagen en cada uno de sus
espectros de forma que los cambios se reflejen en
color.
➢ Durante el proceso se aplica una eliminación de
pixels cuando el tamaño de la matriz es indivisible
para el tamaño de la máscara lo cual implica
ignorar en ciertos casos pixels de la imagen
original.
➢ Si el tamaño de filas o columnas de la matriz
mascara excede una a la otra “ejercicio 003” se
puede observar un incremento en su orientación
horizontal o vertical proporcional a la dimensión
señalada.
Bibliografía
[ M. P., «“Vision Technology for the totally",» The
1 vOICe, 2007. [En línea]. Available:
] https://www.seeingwithsound.com/. [Último acceso:
30 Marzo 2018].
[ J. L. a. X. S., «A Survey of Vision,» Proceedings of the
2 6th World Congress on Intelligent Control and
] Automation, pp. 21-23, 2006.
[ C. P. Vega, Visión, Luz y Color, España, 2006.
3
]
[ P. A. S. A. C. H. R. A. B. R. RAO S.K., «ACOUSTIC
4 VISION - ACOUSTIC PERCEPTION BASED ON REAL
] TIME VIDEO ACQUISITION FOR NAVIGATION
ASSISTANCE,» Karnataka, India, 2012.
[ J. W. Harford, «Sonar "eyes" for marine research,»
5 Boston, Mass., U.S.A., Verh. Internat. Verein. Limnol,
] 1964, p. 1029.
[ U. P. d. Valencia, «www.upv.es,» 01 10 2004. [En
6 línea]. Available:
] https://www.upv.es/laboluz/2222/temas/im_op.htm
. [Último acceso: 30 03 2018].
[ S. D. C. V. FONDO DE CULTURA ECONÓMICA,
7 «bibliotecadigital.ilce.edu.mx,» 09 08 2012. [En
] línea]. Available:
http://bibliotecadigital.ilce.edu.mx/sites/ciencia/volu
men2/ciencia3/084/htm/sec_2.htm. [Último acceso:
30 03 2018].
[ R. G.C., «www3.gobiernodecanarias.org,» 19 03
8 2017. [En línea]. Available:
] http://www3.gobiernodecanarias.org/medusa/lentis
cal/2-CD-Fiisca-TIC/2-6Optica/reflexion-
refraccion/reflexion-refraccion.htm. [Último acceso:
01 04 2018].
[ V. M. G. Luna, «Introduccion al Procesamiento Digital
9 de Imagenes,» Huajuapan de León, Oaxaca, México,
] 2009.
[ D. Z. N. Erik Valdemar Cuevas Jimenez, «wikispaces,»
1 [En línea]. Available:
0 http://proyectojefer.wikispaces.com/file/view/Proce 9 https://w3.ual.es/~fguindos/IMtdi/Tratamiento%20D
] samiento+digital+de+imagines.pdf. [Último acceso: ] igital%20de%20Im%E1genes%20con%20IMtdi.pdf.
28 Abril 2018]. [Último acceso: 28 Abril 2018].

[ I. J. M. H. Alvarado, «biblioteca.cio,» [En línea]. [ «alojamientos,» [En línea]. Available:

1 Available: http://biblioteca.cio.mx/tesis/10320.pdf. 2 http://alojamientos.us.es/gtocoma/pid/tema1-1.pdf.
1 [Último acceso: 28 Abril 2018]. 0 [Último acceso: 28 Abril 2018].
] ]

[ «arantxa,» [En línea]. Available:

1 http://arantxa.ii.uam.es/~tacc1/mm_05/Slides/2per_
2 page_pdf/05K.pdf. [Último acceso: 28 Abril 2018].
]

[ «unsj,» [En línea]. Available:

1 http://dea.unsj.edu.ar/imagenes/recursos/Capitulo1.
3 pdf. [Último acceso: 28 Abril 2018].
]

[ C. A. R. M. Diego Luis Aristizábal Ramírez, «ludifisica,»

1 [En línea]. Available:
4 http://ludifisica.medellin.unal.edu.co/recursos/analis
] is_imagenes_sistemas/analisis_senales_sistemas/cd_
curso/tutorial_orquidea/tutorial_orquidea_nov_02_2
006.pdf. [Último acceso: 28 Abril 2018].

[ C. D. R. Alvaro Díaz Conrado, «unitecnologica,» [En

1 línea]. Available:
5 http://biblioteca.unitecnologica.edu.co/notas/tesis/0
] 040434.pdf. [Último acceso: 28 Abril 2018].

[ J. R. M. Vilet, «pudn,» [En línea]. Available:

1 http://read.pudn.com/downloads159/ebook/711796
6 /Procesamiento_Digital_de_Imagenes.pdf. [Último
] acceso: 28 Abril 2018].

[ «utm,» [En línea]. Available:

1 http://www.utm.mx/~zarza/03_Otros_cursos/MMI_
7 PDI/2_Procesamiento_de_imagenes_.pdf. [Último
] acceso: 28 Abril 2018].

[ P. Prof. Alexandra La Cruz, «usb,» [En línea].

1 Available:
8 https://ldc.usb.ve/~alacruz/cursos/ci4321/teoria/Pro
] cesamientoDeImagenes.pdf. [Último acceso: 28 Abril
2018].

[ J. A. P. F. Francisco Guidos Rojas, «ual,» 2011. [En

1 línea]. Available: