SlideShare une entreprise Scribd logo
1  sur  43
Télécharger pour lire hors ligne
Procesamiento de Imágenes
y Visión Artificial
(WEE2)
Sesión: 9
MSc. Ing. José C. Benítez P.
Filtrado espacial
Logros de aprendizaje
1. Conocer los métodos para introducir los diferentes
tipos de ruido en una imagen digital.
2. Conocer los operaciones de filtrado aplicadas a los
diferentes tipos de imágenes digitales.
3. Procesar las imágenes digitales mediante el filtrado
espacial.
4. Conocer los métodos de MatLab para la introducción
de ruido y realizar filtrado de las imágenes digitales.
2
3
Contenido
Filtrado espacial:
Introducción a los FD.
Objetivo de los FD.
Ruido en la imagen.
Tipos de ruido.
Clasificación de los FD.
Filtros en el dominio del espacio.
Filtros lineales.
Filtros no lineales.
Introducción a los FD
Esquema general del análisis de imágenes
4
Introducción a los FD
Los filtros digitales constituyen uno de los principales
modos de operar en el procesamiento de imágenes
digitales. Pueden usarse para distintos fines, pero en
todos los casos, el resultado sobre cada píxel depende
de los píxeles de su entorno.
Una imagen se puede filtrar en el dominio del espacio,
trabajando directamente sobre los píxeles de la imagen,
o en el dominio de la frecuencia, donde las operaciones
se llevan a cabo en la transformada de Fourier de la
imagen.
5
Objetivo de los FD
Suavizar la imagen: reducir las variaciones de
intensidad entre píxeles vecinos.
Eliminar ruido: modificar aquellos píxeles cuyo nivel
de intensidad es muy diferente al de sus vecinos.
Realzar la imagen: aumentar las variaciones de
intensidad, allí donde se producen.
Detectar bordes: detectar aquellos píxeles donde se
produce un cambio brusco en la función intensidad.
6
Ruido en la imagen
Es la información no deseada que contamina la
imagen.
g(x,y) = f(x,y) + r(x,y)
El origen puede estar tanto en el proceso de
adquisición de la imagen (errores en los sensores),
como en el de transmisión (debido a interferencias
en el canal de transmisión).
7
Tipos de ruido en la imagen
Existen distintos modelos de ruido, según las
funciones de densidad de probabilidad que
sigan sus intensidades r(x,y):
Ruido gaussiano
Ruido uniforme
Ruido impulsivo (sal y pimienta)
Etc.
8
Tipos de ruido en la imagen
Ruido Gaussiano (o normal)
Modela el ruido producido por los circuitos
electrónicos o ruido de los sensores por falta de
iluminación y/o altas temperaturas.
La intensidad de todos los píxeles se ve afectada.
9
Tipos de ruido en la imagen
Ruido impulsivo (o sal y pimienta)
Se produce normalmente en la
cuantificación que se realiza en el
proceso de digitalización.
10
Tipos de ruido en la imagen
Ruido uniforme
Toma valores en un determinado intervalo
de forma equiprobable. Se da en un menor
número de situaciones reales.
11
Clasificación de los FD
Los filtros se pueden clasificar en:
Filtros en el dominio del espacio
Filtros en el dominio de la frecuencia
12
Filtros en el dominio del espacio
Las operaciones espaciales de filtrado se definen en un entorno
de vecindad del punto a transformar (x,y).
Los filtros en el dominio del espacio pueden clasificarse en:
1. Filtros lineales (filtros basados en máscaras de Convolución).
2. Filtros no lineales.
13
Filtros en el dominio del espacio: F. Lineales
14
Filtros en el dominio del espacio: F. Lineales
Máscara: matriz de coeficientes:
• El entorno del punto (x,y) que se considera en la imagen
para obtener g(x,y) está determinado por el tamaño y
forma de la máscara.
• El tipo de filtrado está determinado por el contenido de la
máscara.
15
Filtros en el dominio del espacio: F. Lineales
Tratamiento de límites de la imagen
Puede aplicarse la máscara extendiendo la imagen con un marco
de ceros de la anchura adecuada.
Esto puede tener efectos no deseados (p. ej., de difuminación en
los límites de la imagen) pero, en general, poco significativos si la
máscara es pequeña en relación con el tamaño de la imagen.
Ejercicio: establecer otras formas de tratar los límites de la imagen
16
Filtros en el dominio del espacio: F. Lineales
Filtro de la media
El filtro de la media es el más simple, intuitivo y fácil de implementar
para suavizar imágenes que el de la mediana, es decir, reducir la
cantidad de variaciones de intensidad entre píxeles vecinos.
¿Cómo funciona?
Se visita cada píxel de la imagen y se reemplaza por la media de los
píxeles vecinos. Se puede operar mediante Convolución con una
máscara determinada.
Ejemplo de máscara 3x3 para el filtro de la media:
Ejercicio: ¿Cómo será la máscara de filtro de media de tamaño 5x5?
17
Filtros en el dominio del espacio: F. Lineales
Filtro de la media
Imagen original de 500 x 500
píxeles
Resultados de aplicar filtros de la
media con máscaras de tamaño 3,
5, 9, 15, y 35.
Ejercicio: ¿Cómo será la máscara de filtro de media de tamaño 5x5?
18
Filtros en el dominio del espacio: F. Lineales
Filtro de la media
19
Filtros en el dominio del espacio: F. Lineales
Filtro de la media
El filtro de la media ofrece ciertas desventajas:
El filtro de la media es bastante sensible a cambios locales.
El filtro de la media puede crear nuevas intensidades de
grises que no aparecían en la imagen.
20
Filtros en el dominio del espacio: F. Lineales
Filtro Gaussiano
El filtro gaussiano se usa para emborronar imágenes y eliminar
ruido. Es similar al filtro de media pero se usa una máscara
diferente, modelizando la función gaussiana:
Ejemplo de máscara 5x5 para
el filtro gaussiano con σ=1.0:
21
Filtros en el dominio del espacio: F. Lineales
Filtro Gaussiano
22
Filtros en el dominio del espacio: F. Lineales
Filtro Gaussiano
Las ventajas del filtro gaussiano frente al filtro de media son:
Es separable: es decir, en lugar de realizar una convolución
bidimensional, podemos realizar dos convoluciones
unidimensionales.
Una en sentido horizontal y otra en sentido vertical.
Un ejemplo de máscara gaussiana 1-D con la que tendríamos el
mismo resultado que con la máscara de la transparencia
anterior sería:
El filtro gaussiano produce un suavizado más uniforme que
el filtro de media.
23
Filtros en el dominio del espacio: F. Lineales
Filtro Gaussiano
24
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden
Funcionan ordenando los valores en la vecindad de cada
punto de menor a mayor, y obteniendo algún valor a partir
de la lista ordenada.
Tipos de filtros no lineales
Mínimo: selecciona el valor más pequeño.
Máximo: selecciona el valor más alto.
Mediana: selecciona el valor en la posición intermedia.
25
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de máximo
Selecciona el mayor valor dentro de una ventana ordenada
de valores de nivel de gris.
Ventaja:
Elimina el ruido pimienta (píxeles negros).
Inconvenientes:
Sólo funciona cuando el ruido es exclusivamente tipo
pimienta
Tiende a aclarar la imagen
26
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de mínimo
Selecciona el menor valor dentro de una ventana ordenada
de valores de nivel de gris.
Ventaja:
Elimina el ruido sal (píxeles blancos).
Inconvenientes
Sólo funciona cuando el ruido es exclusivamente tipo sal.
Tiende a oscurecer la imagen.
27
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de máximo y mínimo
28
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la mediana (median filter)
Se suele usar para eliminar ruido en la imagen.
¿Cómo funciona?
Se visita cada píxel de la imagen y se reemplaza por la mediana
de los píxeles vecinos. La mediana se calcula ordenando los
valores de los pixeles vecinos en orden y seleccionado el que
queda en medio.
29
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la mediana (median filter)
Desventajas:
Este filtro no es lineal. Dadas dos imágenes A y B,
mediana(A+B) ≠ mediana(A) + mediana(B)
Ventajas:
Da muy buenos resultados en caso de ruido sal y
pimienta.
30
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la mediana (median filter)
31
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la media y la mediana
32
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la media y la mediana
33
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la mediana
34
Filtros en el dominio del espacio: F. No Lineales
Filtro estadísticos de orden: F. de la mediana
35
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
36
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
37
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
38
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
39
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
40
Filtros en el dominio del espacio: F. No Lineales
Otros filtros
41
42
Preguntas
Al término de la experiencia de aprendizaje el alumno
debe ser capaz de responder las siguientes preguntas:
1. Concepto, clasificación de los FD.
2. Objetivos de los FD.
3. Concepto y tipos de ruido en la imagen.
4. Implementación de los ruidos mediante MatLab.
5. Concepto y clasificación de los FD en el dominio del
espacio.
6. Implementación de los FD mediante MatLab.
43
Procesamiento de Imágenes
y Visión Artificial
Blog del curso:
http://utppdiyva.blogspot.com
Sesión 9. Filtrado espacial

Contenu connexe

Tendances

UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABUtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABdpatriciocastillom
 
Procesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabProcesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabPercy Julio Chambi Pacco
 
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816Jorge Antonio Parra Serquen
 
Manejo basico de imagenes matlab
Manejo basico de imagenes matlabManejo basico de imagenes matlab
Manejo basico de imagenes matlabAbner Chavez
 
Optimización monotonía-curvatura
Optimización monotonía-curvaturaOptimización monotonía-curvatura
Optimización monotonía-curvaturaANAALONSOSAN
 
Graficos en matlab
Graficos en matlabGraficos en matlab
Graficos en matlabMarc Llanos
 
Utp va_sl2 procesamiento de imagenes con mat_lab i
 Utp va_sl2 procesamiento de imagenes con  mat_lab i Utp va_sl2 procesamiento de imagenes con  mat_lab i
Utp va_sl2 procesamiento de imagenes con mat_lab ijcbenitezp
 
Graficas 2D y 3D
Graficas 2D y 3DGraficas 2D y 3D
Graficas 2D y 3DEdu Morán
 
Graficas en matlab 2 d y 3d
Graficas en matlab 2 d y 3dGraficas en matlab 2 d y 3d
Graficas en matlab 2 d y 3dSebastian Cuenca
 
Matlab graficas en 2 d y 3d
Matlab   graficas en 2 d y 3dMatlab   graficas en 2 d y 3d
Matlab graficas en 2 d y 3dJohn Jayro
 
Deber graficas en matlab
Deber graficas en matlabDeber graficas en matlab
Deber graficas en matlabSam Chimborazo
 
Introducción al Calculo Diferencial de una Función Real ccesa007
Introducción al Calculo Diferencial de una Función Real  ccesa007Introducción al Calculo Diferencial de una Función Real  ccesa007
Introducción al Calculo Diferencial de una Función Real ccesa007Demetrio Ccesa Rayme
 

Tendances (20)

UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABUtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
 
Procesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabProcesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlab
 
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816
 
Manejo basico de imagenes matlab
Manejo basico de imagenes matlabManejo basico de imagenes matlab
Manejo basico de imagenes matlab
 
Optimización monotonía-curvatura
Optimización monotonía-curvaturaOptimización monotonía-curvatura
Optimización monotonía-curvatura
 
Gráficas en Matlab
Gráficas en MatlabGráficas en Matlab
Gráficas en Matlab
 
Graficos en matlab
Graficos en matlabGraficos en matlab
Graficos en matlab
 
Utp va_sl2 procesamiento de imagenes con mat_lab i
 Utp va_sl2 procesamiento de imagenes con  mat_lab i Utp va_sl2 procesamiento de imagenes con  mat_lab i
Utp va_sl2 procesamiento de imagenes con mat_lab i
 
Graficas 2D y 3D
Graficas 2D y 3DGraficas 2D y 3D
Graficas 2D y 3D
 
Graficos matlab
Graficos matlabGraficos matlab
Graficos matlab
 
Funciones
Funciones Funciones
Funciones
 
Graficas en matlab
Graficas  en matlabGraficas  en matlab
Graficas en matlab
 
Tema 4
Tema 4Tema 4
Tema 4
 
Graficas en matlab 2 d y 3d
Graficas en matlab 2 d y 3dGraficas en matlab 2 d y 3d
Graficas en matlab 2 d y 3d
 
Matlab sesion3
Matlab sesion3Matlab sesion3
Matlab sesion3
 
Graficas en matlab
Graficas en matlabGraficas en matlab
Graficas en matlab
 
Gráficas en matlab
Gráficas en matlabGráficas en matlab
Gráficas en matlab
 
Matlab graficas en 2 d y 3d
Matlab   graficas en 2 d y 3dMatlab   graficas en 2 d y 3d
Matlab graficas en 2 d y 3d
 
Deber graficas en matlab
Deber graficas en matlabDeber graficas en matlab
Deber graficas en matlab
 
Introducción al Calculo Diferencial de una Función Real ccesa007
Introducción al Calculo Diferencial de una Función Real  ccesa007Introducción al Calculo Diferencial de una Función Real  ccesa007
Introducción al Calculo Diferencial de una Función Real ccesa007
 

En vedette

Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3jcbenitezp
 
Pdi paterno m_lab1
Pdi paterno m_lab1Pdi paterno m_lab1
Pdi paterno m_lab1c09271
 
Utp pdi_2015-2_ea8 transformaciones geometricas
 Utp pdi_2015-2_ea8 transformaciones geometricas Utp pdi_2015-2_ea8 transformaciones geometricas
Utp pdi_2015-2_ea8 transformaciones geometricasjcbp_peru
 
Utp pd_iy_va_sap10 detecciòn de bordes
 Utp pd_iy_va_sap10 detecciòn de bordes Utp pd_iy_va_sap10 detecciòn de bordes
Utp pd_iy_va_sap10 detecciòn de bordesjcbp_peru
 
Utp pd_iy_va_sap12 reconocimiento de patrones
 Utp pd_iy_va_sap12 reconocimiento de patrones Utp pd_iy_va_sap12 reconocimiento de patrones
Utp pd_iy_va_sap12 reconocimiento de patronesjcbp_peru
 
Utp pd_iy_va_sap11 segmentación
 Utp pd_iy_va_sap11 segmentación Utp pd_iy_va_sap11 segmentación
Utp pd_iy_va_sap11 segmentaciónjcbp_peru
 
Utp pd_iy_va_sap14 vision estereoscopica
 Utp pd_iy_va_sap14 vision estereoscopica Utp pd_iy_va_sap14 vision estereoscopica
Utp pd_iy_va_sap14 vision estereoscopicajcbp_peru
 
Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma
 Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma
Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgammajcbp_peru
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2cjcbenitezp
 
Utp 2015-2_pdi_lab2
 Utp 2015-2_pdi_lab2 Utp 2015-2_pdi_lab2
Utp 2015-2_pdi_lab2jcbp_peru
 
Utp pdi_2015-2_ea6 operaciones morfologicas i
 Utp pdi_2015-2_ea6 operaciones morfologicas i Utp pdi_2015-2_ea6 operaciones morfologicas i
Utp pdi_2015-2_ea6 operaciones morfologicas ijcbp_peru
 
Utp 2015-2_pdi_lab1
 Utp 2015-2_pdi_lab1 Utp 2015-2_pdi_lab1
Utp 2015-2_pdi_lab1jcbp_peru
 
A153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialA153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialjcbp_peru
 
Utp 2015-2_pdi_ea1 introduccion a la va
 Utp 2015-2_pdi_ea1 introduccion a la va Utp 2015-2_pdi_ea1 introduccion a la va
Utp 2015-2_pdi_ea1 introduccion a la vajcbp_peru
 
Utp 2015-2_pdi_ea3 conversiones c2_g y negativo
 Utp 2015-2_pdi_ea3 conversiones c2_g y negativo Utp 2015-2_pdi_ea3 conversiones c2_g y negativo
Utp 2015-2_pdi_ea3 conversiones c2_g y negativojcbp_peru
 
Utp 2015-2_pdi_sap2 iluminacion y modos de color
 Utp 2015-2_pdi_sap2 iluminacion y modos de color Utp 2015-2_pdi_sap2 iluminacion y modos de color
Utp 2015-2_pdi_sap2 iluminacion y modos de colorjcbp_peru
 
Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas
 Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas
Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicasjcbp_peru
 
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 Utp pdi_2015-2_ea7 operaciones morfologicas ii Utp pdi_2015-2_ea7 operaciones morfologicas ii
Utp pdi_2015-2_ea7 operaciones morfologicas iijcbp_peru
 

En vedette (20)

Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3
 
Pdi paterno m_lab1
Pdi paterno m_lab1Pdi paterno m_lab1
Pdi paterno m_lab1
 
Utp pdi_2015-2_ea8 transformaciones geometricas
 Utp pdi_2015-2_ea8 transformaciones geometricas Utp pdi_2015-2_ea8 transformaciones geometricas
Utp pdi_2015-2_ea8 transformaciones geometricas
 
Utp pd_iy_va_sap10 detecciòn de bordes
 Utp pd_iy_va_sap10 detecciòn de bordes Utp pd_iy_va_sap10 detecciòn de bordes
Utp pd_iy_va_sap10 detecciòn de bordes
 
Utp pd_iy_va_sap12 reconocimiento de patrones
 Utp pd_iy_va_sap12 reconocimiento de patrones Utp pd_iy_va_sap12 reconocimiento de patrones
Utp pd_iy_va_sap12 reconocimiento de patrones
 
Utp pd_iy_va_sap11 segmentación
 Utp pd_iy_va_sap11 segmentación Utp pd_iy_va_sap11 segmentación
Utp pd_iy_va_sap11 segmentación
 
Utp pd_iy_va_sap14 vision estereoscopica
 Utp pd_iy_va_sap14 vision estereoscopica Utp pd_iy_va_sap14 vision estereoscopica
Utp pd_iy_va_sap14 vision estereoscopica
 
Lab2 d
Lab2 dLab2 d
Lab2 d
 
L2 s2
L2 s2L2 s2
L2 s2
 
Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma
 Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma
Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2c
 
Utp 2015-2_pdi_lab2
 Utp 2015-2_pdi_lab2 Utp 2015-2_pdi_lab2
Utp 2015-2_pdi_lab2
 
Utp pdi_2015-2_ea6 operaciones morfologicas i
 Utp pdi_2015-2_ea6 operaciones morfologicas i Utp pdi_2015-2_ea6 operaciones morfologicas i
Utp pdi_2015-2_ea6 operaciones morfologicas i
 
Utp 2015-2_pdi_lab1
 Utp 2015-2_pdi_lab1 Utp 2015-2_pdi_lab1
Utp 2015-2_pdi_lab1
 
A153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialA153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificial
 
Utp 2015-2_pdi_ea1 introduccion a la va
 Utp 2015-2_pdi_ea1 introduccion a la va Utp 2015-2_pdi_ea1 introduccion a la va
Utp 2015-2_pdi_ea1 introduccion a la va
 
Utp 2015-2_pdi_ea3 conversiones c2_g y negativo
 Utp 2015-2_pdi_ea3 conversiones c2_g y negativo Utp 2015-2_pdi_ea3 conversiones c2_g y negativo
Utp 2015-2_pdi_ea3 conversiones c2_g y negativo
 
Utp 2015-2_pdi_sap2 iluminacion y modos de color
 Utp 2015-2_pdi_sap2 iluminacion y modos de color Utp 2015-2_pdi_sap2 iluminacion y modos de color
Utp 2015-2_pdi_sap2 iluminacion y modos de color
 
Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas
 Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas
Utp 2015-2_pdi_ea4 binariz_zoomumbralo_logicas
 
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 Utp pdi_2015-2_ea7 operaciones morfologicas ii Utp pdi_2015-2_ea7 operaciones morfologicas ii
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 

Similaire à Utp pdi_2015-2_ea9 filtrado espacial

Utp pd_iy_va_sap9 filtrado espacial
 Utp pd_iy_va_sap9 filtrado espacial Utp pd_iy_va_sap9 filtrado espacial
Utp pd_iy_va_sap9 filtrado espacialc09271
 
Utp pd_iy_va_sap9 filtrado espacial
 Utp pd_iy_va_sap9 filtrado espacial Utp pd_iy_va_sap9 filtrado espacial
Utp pd_iy_va_sap9 filtrado espacialjcbp_peru
 
tema 3-1 Filtros.pdf
tema 3-1 Filtros.pdftema 3-1 Filtros.pdf
tema 3-1 Filtros.pdfErnestoCorts8
 
tema 3-2 Algoritmos de realce.pdf
tema 3-2 Algoritmos de realce.pdftema 3-2 Algoritmos de realce.pdf
tema 3-2 Algoritmos de realce.pdfErnestoCorts8
 
Estudio de mascaras para reducción de ruido
Estudio de mascaras para reducción de ruidoEstudio de mascaras para reducción de ruido
Estudio de mascaras para reducción de ruidoDayana Guzman
 
Unidad 5 graficación
Unidad 5 graficaciónUnidad 5 graficación
Unidad 5 graficaciónAndhy H Palma
 
Diapositivas fotografia
Diapositivas fotografiaDiapositivas fotografia
Diapositivas fotografiasalesiana
 
Diapositivas fotografia
Diapositivas fotografiaDiapositivas fotografia
Diapositivas fotografiasalesiana
 
Manual gimp cap8
Manual gimp cap8Manual gimp cap8
Manual gimp cap8Gurrugno
 
Formación de la imagen digital [sólo lectura]
Formación de la imagen digital [sólo lectura]Formación de la imagen digital [sólo lectura]
Formación de la imagen digital [sólo lectura]pazsilvana
 
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)Jorge Antonio Parra Serquen
 
escáneres fotogram
escáneres fotogramescáneres fotogram
escáneres fotogramequiros
 
Consulta modos de color
Consulta modos de colorConsulta modos de color
Consulta modos de colorDanii Danii
 
Unidad 3 tema 3
Unidad 3 tema 3Unidad 3 tema 3
Unidad 3 tema 3DURLEINYS
 

Similaire à Utp pdi_2015-2_ea9 filtrado espacial (20)

Utp pd_iy_va_sap9 filtrado espacial
 Utp pd_iy_va_sap9 filtrado espacial Utp pd_iy_va_sap9 filtrado espacial
Utp pd_iy_va_sap9 filtrado espacial
 
Utp pd_iy_va_sap9 filtrado espacial
 Utp pd_iy_va_sap9 filtrado espacial Utp pd_iy_va_sap9 filtrado espacial
Utp pd_iy_va_sap9 filtrado espacial
 
tema 3-1 Filtros.pdf
tema 3-1 Filtros.pdftema 3-1 Filtros.pdf
tema 3-1 Filtros.pdf
 
tema 3-2 Algoritmos de realce.pdf
tema 3-2 Algoritmos de realce.pdftema 3-2 Algoritmos de realce.pdf
tema 3-2 Algoritmos de realce.pdf
 
Estudio de mascaras para reducción de ruido
Estudio de mascaras para reducción de ruidoEstudio de mascaras para reducción de ruido
Estudio de mascaras para reducción de ruido
 
Damy
DamyDamy
Damy
 
Unidad 5 graficación
Unidad 5 graficaciónUnidad 5 graficación
Unidad 5 graficación
 
Diapositivas fotografia
Diapositivas fotografiaDiapositivas fotografia
Diapositivas fotografia
 
Diapositivas fotografia
Diapositivas fotografiaDiapositivas fotografia
Diapositivas fotografia
 
Filtros
FiltrosFiltros
Filtros
 
Manual gimp cap8
Manual gimp cap8Manual gimp cap8
Manual gimp cap8
 
Formación de la imagen digital [sólo lectura]
Formación de la imagen digital [sólo lectura]Formación de la imagen digital [sólo lectura]
Formación de la imagen digital [sólo lectura]
 
Manual gimp cap9
Manual gimp cap9Manual gimp cap9
Manual gimp cap9
 
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)
Dialnet estudio delefectodelasmascarasdeconvolucionenimagen-4902816 (1)
 
Unidad06
Unidad06Unidad06
Unidad06
 
06 Gimp. Filtros
06 Gimp. Filtros06 Gimp. Filtros
06 Gimp. Filtros
 
Presentación foto movil
Presentación foto movilPresentación foto movil
Presentación foto movil
 
escáneres fotogram
escáneres fotogramescáneres fotogram
escáneres fotogram
 
Consulta modos de color
Consulta modos de colorConsulta modos de color
Consulta modos de color
 
Unidad 3 tema 3
Unidad 3 tema 3Unidad 3 tema 3
Unidad 3 tema 3
 

Plus de jcbp_peru

It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3jcbp_peru
 
It526 2016 2 pc4 dom
It526 2016 2 pc4 domIt526 2016 2 pc4 dom
It526 2016 2 pc4 domjcbp_peru
 
It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4jcbp_peru
 
It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3jcbp_peru
 
It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2jcbp_peru
 
It526 2013 2 ep
It526 2013 2 epIt526 2013 2 ep
It526 2013 2 epjcbp_peru
 
It526 2016 1 ep
It526 2016 1 epIt526 2016 1 ep
It526 2016 1 epjcbp_peru
 
It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2jcbp_peru
 
33012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-201533012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-2015jcbp_peru
 
It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1jcbp_peru
 
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionUni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionjcbp_peru
 
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosUni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosjcbp_peru
 
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricoUni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricojcbp_peru
 
Uni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gUni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gjcbp_peru
 
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gUni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gjcbp_peru
 
Lte whitepaper(1)
 Lte whitepaper(1) Lte whitepaper(1)
Lte whitepaper(1)jcbp_peru
 
Redes moviles
Redes movilesRedes moviles
Redes movilesjcbp_peru
 
Uni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmaUni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmajcbp_peru
 
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesUni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesjcbp_peru
 
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionUni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionjcbp_peru
 

Plus de jcbp_peru (20)

It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3
 
It526 2016 2 pc4 dom
It526 2016 2 pc4 domIt526 2016 2 pc4 dom
It526 2016 2 pc4 dom
 
It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4
 
It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3
 
It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2
 
It526 2013 2 ep
It526 2013 2 epIt526 2013 2 ep
It526 2013 2 ep
 
It526 2016 1 ep
It526 2016 1 epIt526 2016 1 ep
It526 2016 1 ep
 
It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2
 
33012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-201533012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-2015
 
It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1
 
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionUni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
 
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosUni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
 
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricoUni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
 
Uni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gUni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 g
 
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gUni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
 
Lte whitepaper(1)
 Lte whitepaper(1) Lte whitepaper(1)
Lte whitepaper(1)
 
Redes moviles
Redes movilesRedes moviles
Redes moviles
 
Uni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmaUni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdma
 
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesUni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
 
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionUni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
 

Utp pdi_2015-2_ea9 filtrado espacial

  • 1. Procesamiento de Imágenes y Visión Artificial (WEE2) Sesión: 9 MSc. Ing. José C. Benítez P. Filtrado espacial
  • 2. Logros de aprendizaje 1. Conocer los métodos para introducir los diferentes tipos de ruido en una imagen digital. 2. Conocer los operaciones de filtrado aplicadas a los diferentes tipos de imágenes digitales. 3. Procesar las imágenes digitales mediante el filtrado espacial. 4. Conocer los métodos de MatLab para la introducción de ruido y realizar filtrado de las imágenes digitales. 2
  • 3. 3 Contenido Filtrado espacial: Introducción a los FD. Objetivo de los FD. Ruido en la imagen. Tipos de ruido. Clasificación de los FD. Filtros en el dominio del espacio. Filtros lineales. Filtros no lineales.
  • 4. Introducción a los FD Esquema general del análisis de imágenes 4
  • 5. Introducción a los FD Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos los casos, el resultado sobre cada píxel depende de los píxeles de su entorno. Una imagen se puede filtrar en el dominio del espacio, trabajando directamente sobre los píxeles de la imagen, o en el dominio de la frecuencia, donde las operaciones se llevan a cabo en la transformada de Fourier de la imagen. 5
  • 6. Objetivo de los FD Suavizar la imagen: reducir las variaciones de intensidad entre píxeles vecinos. Eliminar ruido: modificar aquellos píxeles cuyo nivel de intensidad es muy diferente al de sus vecinos. Realzar la imagen: aumentar las variaciones de intensidad, allí donde se producen. Detectar bordes: detectar aquellos píxeles donde se produce un cambio brusco en la función intensidad. 6
  • 7. Ruido en la imagen Es la información no deseada que contamina la imagen. g(x,y) = f(x,y) + r(x,y) El origen puede estar tanto en el proceso de adquisición de la imagen (errores en los sensores), como en el de transmisión (debido a interferencias en el canal de transmisión). 7
  • 8. Tipos de ruido en la imagen Existen distintos modelos de ruido, según las funciones de densidad de probabilidad que sigan sus intensidades r(x,y): Ruido gaussiano Ruido uniforme Ruido impulsivo (sal y pimienta) Etc. 8
  • 9. Tipos de ruido en la imagen Ruido Gaussiano (o normal) Modela el ruido producido por los circuitos electrónicos o ruido de los sensores por falta de iluminación y/o altas temperaturas. La intensidad de todos los píxeles se ve afectada. 9
  • 10. Tipos de ruido en la imagen Ruido impulsivo (o sal y pimienta) Se produce normalmente en la cuantificación que se realiza en el proceso de digitalización. 10
  • 11. Tipos de ruido en la imagen Ruido uniforme Toma valores en un determinado intervalo de forma equiprobable. Se da en un menor número de situaciones reales. 11
  • 12. Clasificación de los FD Los filtros se pueden clasificar en: Filtros en el dominio del espacio Filtros en el dominio de la frecuencia 12
  • 13. Filtros en el dominio del espacio Las operaciones espaciales de filtrado se definen en un entorno de vecindad del punto a transformar (x,y). Los filtros en el dominio del espacio pueden clasificarse en: 1. Filtros lineales (filtros basados en máscaras de Convolución). 2. Filtros no lineales. 13
  • 14. Filtros en el dominio del espacio: F. Lineales 14
  • 15. Filtros en el dominio del espacio: F. Lineales Máscara: matriz de coeficientes: • El entorno del punto (x,y) que se considera en la imagen para obtener g(x,y) está determinado por el tamaño y forma de la máscara. • El tipo de filtrado está determinado por el contenido de la máscara. 15
  • 16. Filtros en el dominio del espacio: F. Lineales Tratamiento de límites de la imagen Puede aplicarse la máscara extendiendo la imagen con un marco de ceros de la anchura adecuada. Esto puede tener efectos no deseados (p. ej., de difuminación en los límites de la imagen) pero, en general, poco significativos si la máscara es pequeña en relación con el tamaño de la imagen. Ejercicio: establecer otras formas de tratar los límites de la imagen 16
  • 17. Filtros en el dominio del espacio: F. Lineales Filtro de la media El filtro de la media es el más simple, intuitivo y fácil de implementar para suavizar imágenes que el de la mediana, es decir, reducir la cantidad de variaciones de intensidad entre píxeles vecinos. ¿Cómo funciona? Se visita cada píxel de la imagen y se reemplaza por la media de los píxeles vecinos. Se puede operar mediante Convolución con una máscara determinada. Ejemplo de máscara 3x3 para el filtro de la media: Ejercicio: ¿Cómo será la máscara de filtro de media de tamaño 5x5? 17
  • 18. Filtros en el dominio del espacio: F. Lineales Filtro de la media Imagen original de 500 x 500 píxeles Resultados de aplicar filtros de la media con máscaras de tamaño 3, 5, 9, 15, y 35. Ejercicio: ¿Cómo será la máscara de filtro de media de tamaño 5x5? 18
  • 19. Filtros en el dominio del espacio: F. Lineales Filtro de la media 19
  • 20. Filtros en el dominio del espacio: F. Lineales Filtro de la media El filtro de la media ofrece ciertas desventajas: El filtro de la media es bastante sensible a cambios locales. El filtro de la media puede crear nuevas intensidades de grises que no aparecían en la imagen. 20
  • 21. Filtros en el dominio del espacio: F. Lineales Filtro Gaussiano El filtro gaussiano se usa para emborronar imágenes y eliminar ruido. Es similar al filtro de media pero se usa una máscara diferente, modelizando la función gaussiana: Ejemplo de máscara 5x5 para el filtro gaussiano con σ=1.0: 21
  • 22. Filtros en el dominio del espacio: F. Lineales Filtro Gaussiano 22
  • 23. Filtros en el dominio del espacio: F. Lineales Filtro Gaussiano Las ventajas del filtro gaussiano frente al filtro de media son: Es separable: es decir, en lugar de realizar una convolución bidimensional, podemos realizar dos convoluciones unidimensionales. Una en sentido horizontal y otra en sentido vertical. Un ejemplo de máscara gaussiana 1-D con la que tendríamos el mismo resultado que con la máscara de la transparencia anterior sería: El filtro gaussiano produce un suavizado más uniforme que el filtro de media. 23
  • 24. Filtros en el dominio del espacio: F. Lineales Filtro Gaussiano 24
  • 25. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden Funcionan ordenando los valores en la vecindad de cada punto de menor a mayor, y obteniendo algún valor a partir de la lista ordenada. Tipos de filtros no lineales Mínimo: selecciona el valor más pequeño. Máximo: selecciona el valor más alto. Mediana: selecciona el valor en la posición intermedia. 25
  • 26. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de máximo Selecciona el mayor valor dentro de una ventana ordenada de valores de nivel de gris. Ventaja: Elimina el ruido pimienta (píxeles negros). Inconvenientes: Sólo funciona cuando el ruido es exclusivamente tipo pimienta Tiende a aclarar la imagen 26
  • 27. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de mínimo Selecciona el menor valor dentro de una ventana ordenada de valores de nivel de gris. Ventaja: Elimina el ruido sal (píxeles blancos). Inconvenientes Sólo funciona cuando el ruido es exclusivamente tipo sal. Tiende a oscurecer la imagen. 27
  • 28. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de máximo y mínimo 28
  • 29. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la mediana (median filter) Se suele usar para eliminar ruido en la imagen. ¿Cómo funciona? Se visita cada píxel de la imagen y se reemplaza por la mediana de los píxeles vecinos. La mediana se calcula ordenando los valores de los pixeles vecinos en orden y seleccionado el que queda en medio. 29
  • 30. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la mediana (median filter) Desventajas: Este filtro no es lineal. Dadas dos imágenes A y B, mediana(A+B) ≠ mediana(A) + mediana(B) Ventajas: Da muy buenos resultados en caso de ruido sal y pimienta. 30
  • 31. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la mediana (median filter) 31
  • 32. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la media y la mediana 32
  • 33. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la media y la mediana 33
  • 34. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la mediana 34
  • 35. Filtros en el dominio del espacio: F. No Lineales Filtro estadísticos de orden: F. de la mediana 35
  • 36. Filtros en el dominio del espacio: F. No Lineales Otros filtros 36
  • 37. Filtros en el dominio del espacio: F. No Lineales Otros filtros 37
  • 38. Filtros en el dominio del espacio: F. No Lineales Otros filtros 38
  • 39. Filtros en el dominio del espacio: F. No Lineales Otros filtros 39
  • 40. Filtros en el dominio del espacio: F. No Lineales Otros filtros 40
  • 41. Filtros en el dominio del espacio: F. No Lineales Otros filtros 41
  • 42. 42 Preguntas Al término de la experiencia de aprendizaje el alumno debe ser capaz de responder las siguientes preguntas: 1. Concepto, clasificación de los FD. 2. Objetivos de los FD. 3. Concepto y tipos de ruido en la imagen. 4. Implementación de los ruidos mediante MatLab. 5. Concepto y clasificación de los FD en el dominio del espacio. 6. Implementación de los FD mediante MatLab.
  • 43. 43 Procesamiento de Imágenes y Visión Artificial Blog del curso: http://utppdiyva.blogspot.com Sesión 9. Filtrado espacial