Conceptos Básicos del Procesamiento Digital de Imágenes Usando ...

More documents

Recommendations

Info

h h h h ( x, y) ( x, y) ( x, y) ( x, y) ⎡ 0 = ⎢ ⎢ −1 ⎢⎣ 0 −1 5 −1 0 ⎤ −1 ⎥ ⎥ 0 ⎥⎦ ⎡−1 h( x, y) = ⎢ ⎢ −1 ⎢⎣ −1 −1 9 −1 −1⎤ −1 ⎥ ⎥ −1⎥⎦ ⎡−1 h( x, y) = ⎢ ⎢ − 2 ⎢⎣ −1 − 2 13 − 2 −1⎤ − 2 ⎥ ⎥ −1⎥⎦ Sharpen 1 Sharpen 2 Sharpen 3 ⎡− 2 = ⎢ ⎢ − 2 ⎢⎣ − 2 − 2 17 − 2 − 2⎤ − 2 ⎥ ⎥ − 2⎥⎦ ⎡− 3 h( x, y) = ⎢ ⎢ − 3 ⎢⎣ − 3 − 3 25 − 3 − 3⎤ − 3 ⎥ ⎥ − 3⎥⎦ ⎡− 4 h( x, y) = ⎢ ⎢ − 4 ⎢⎣ − 4 − 4 33 − 4 − 4⎤ − 4 ⎥ ⎥ − 4⎥⎦ ⎡−1 ⎢ ⎢ −1 = ⎢−1 ⎢ ⎢−1 ⎢ ⎣−1 Sharpen 4 Sharpen 5 Sharpen 6 −1 −1 −1 −1 −1 −1 −1 26 −1 −1 −1 −1 −1 −1 −1 −1⎤ −1 ⎥ ⎥ −1⎥ ⎥ −1⎥ −1⎥ ⎦ ⎡− 2 ⎢ ⎢ − 2 − 2⎤ − 2 ⎥ ⎥ h ( x, y) = ⎢− 2 − 2 49 − 2 − 2⎥ h( x, y) ⎢ ⎢− 2 ⎢ ⎣− 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 − 2 ⎥ − 2⎥ − 2⎥ ⎦ ⎡−1 ⎢ ⎢ −1 = ⎢−1 ⎢ ⎢−1 ⎢ ⎣−1 Sharpen 7 Sharpen 8 Sharpen 9 ⎡− 8 − 5 − 2 ⎢ ⎢ − 5 = ⎢− 2 ⎢ ⎢− 5 ⎢ ⎣− 8 3 9 3 − 5 9 33 9 − 2 Sharpen 10 − 5 3 9 3 − 5 −8⎤ − 5 ⎥ ⎥ − 2⎥ ⎥ − 5⎥ −8⎥ ⎦ Tabla 7.2 OrquideaJAI dispone de los siguientes Filtros Pasa-Alta de realce: Sharpen 1, Sharpen 2, Sharpen 3, Sharpen 4, Sharpen 5, Sharpen 6, Sharpen 7, Sharpen 8, Sharpen 9 y Sharpen 10. Los coeficientes de estos filtros se presentan en la Tabla 7.2. Para aplicar estos filtros con OrquideaJAI, se debe abrir la calculadora de imágenes, escoger en ella el panel correspondiente a Filtros y se hace clic en el botón Paso Alto del subpanel etiquetado como Filtros Espaciales, abriéndose de esta forma una Ventana/Diálogo como se ilustra en la Figura 7.4, en la cual se Figura 7.4 selecciona el filtro deseado. Allí mismo se pueden observar los coeficientes de los filtros, esto, con fines didácticos. −1 − 2 − 2 − 2 −1 −1 − 2 33 − 2 −1 −1 − 2 − 2 − 2 −1 −1⎤ −1 ⎥ ⎥ −1⎥ ⎥ −1⎥ −1⎥ ⎦ 50
Imagen Original Imagen Filtrada con sharpen 1 Imagen Filtrada con sharpen 2 Imagen Filtrada con sharpen 10 En la Figura 7.5. se ilustra el resultado sobre una imagen después de aplicar los filtros sharpen 1, 2 y 10 de OrquideaJAI. Figura 7.5 7.4.1 Filtros diferenciales. Detección de bordes. Uno de los más importantes y sencillos procesos es la detección de bordes. Importante porque de él se puede empezar a extraer gran información de la imagen, como pueden ser las formas de los objetos que la componen, y sencillo porque los operadores de detección de bordes son simples máscaras de convolución. Estos operadores son utilizados en aplicaciones para el reconocimiento de formas, aplicaciones industriales, militares, etc. Los filtros utilizados para la detección de bordes son filtros diferenciales, que se basan en la derivación o diferenciación. Dado que el promediado de los píxeles de una región tiende a difuminar o suavizar los detalles y bordes de la imagen, y esta operación es análoga a la integración, es de esperar que la diferenciación tenga el efecto contrario, el de aumentar la nitidez de la imagen, resaltando los bordes. OrquideaJAI proporciona el filtro laplaciano. Este se define como una derivada de segundo orden, El Laplaciano es un buen ejemplo de un operador de derivada de segundo orden, se distingue de los otros operadores porque es omnidireccional, es decir, destacará los bordes en todas las direcciones. El operador Laplaciano producirá bordes más agudos que la mayoría de las otras técnicas. Una característica fundamental de los filtros laplacianos es que la suma de sus coeficientes es cero. Para detección de bordes se utilizan con mayor eficiencia los operadores diferenciales de primer orden: Sobel, Prewitt, gradiente. Estos no están disponibles en la actual versión de OrquideaJAI. OrquideaJAI dispone de los siguientes Filtros Laplacianos: Laplaciano 1, Laplaciano 2 y Laplaciano 3. Los coeficientes de estos filtros se presentan e la Tabla 7.3. 51
Page 1 and 2: Conceptos Básicos del Procesamient
Page 3 and 4: 1.2 Requerimientos 1.2.1 Hardware m
Page 5 and 6: Figura 1.3: Calculadora En ella apa
Page 7 and 8: 2.3 Un poco más sobre Muestreo y C
Page 9 and 10: Bits 1 2 3 4 5 6 7 8 9 10 11 12 13
Page 11 and 12: El histograma de una imagen a color
Page 13 and 14: una Ventana/Diálogo que permite as
Page 15 and 16: erosión. Al igual que las operacio
Page 17 and 18: ϕ ( k , k ) El espectro de potenci
Page 19 and 20: una escena bidimensional se podrá
Page 21 and 22: 4.4 Visualización del espectro Hay
Page 23 and 24: cuando una señal es de longitud fi
Page 25 and 26: Imagen 2: Red sinusoidal generada c
Page 27 and 28: convencionalismo ampliamente utiliz
Page 29 and 30: Imagen Original Función Peinilla:
Page 31 and 32: SEÑALES Y SISTEMAS LINEALES 5 BIDI
Page 33 and 34: Se puede observar que las ondas pla
Page 35 and 36: 5.2.3 El teorema de Convolución La
Page 37 and 38: Es muy importante colocar los nuevo
Page 39 and 40: Figura 5.12 Figura 5.11 Cuando un d
Page 41 and 42: valor de gris de cada uno de los p
Page 43 and 44: contenida en la imagen. El contrast
Page 45 and 46: Imagen Original Imagen Original sum
Page 47 and 48: filtros no lineales habituales son
Page 49: En cuanto al filtro gaussiano, debe
Page 53 and 54: 8.1 Métodos en el dominio de la fr
Page 55 and 56: Figura 8.2 Observe que el usuario n
Page 57 and 58: • Se debe escoger L= 100, H=100,
Page 59 and 60: Interpretación de la transformada
Page 61: Bibliografía 1. González R., Wood

Conceptos Básicos del Procesamiento Digital de Imágenes Usando ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?