Procesamiento Digital de Imgenes y Visin

1
Procesamiento Digital de Imágenes y Visión

• M.C. Juan Carlos Olivares Rojas

2
Agenda

• Transformaciones punto a punto.
• Transformaciones de 2 imágenes.
• Operaciones de vecindad.
• Transformaciones lógicas.
• Transformaciones geométricas.

3
Agenda

• Detección de bordes.
• Extracción de Regiones.
• Detección de Movimiento.
• Detección de objetos 3D.

4
Introducción

• El Procesamiento Digital de Imágenes es un área
  de la graficación por computadora muy importante.
• Los fundamentos del Procesamiento Digital de
  Imágenes están íntimamente relacionados con el
  tratamiento de señales, por lo que se les puede
  aplicar elementos como filtros, transformación,
  detección, extracción de elementos, entre otras
  cosas.

5
Introducción

• La función principal de la visión artificial es
  reconocer y localizar objetos en el ambiente
  mediante el procesamiento de las imágenes.
• La visión computacional es el estudio de estos
  procesos, para entenderlos y construir máquinas
  con capacidades similares.
• Se tienen muchas áreas de aplicación como
  robótica, procesos industriales, etc.

6
Introducción
Arquitectura de un Sistema de Visión Artificial
7
Introducción

• A continuación se muestran las etapas del proceso
  de visión artificial.

8
Introducción

• La adquisición de la imagen consiste en la
  obtención de una señal visual del mundo analógico
  al digital (cámara fotográfica, video, escáner,
  etc.).
• La limpieza consiste en eliminar aspectos como el
  ruido al aplicar filtros o bien mejorar la
  calidad de la imagen.

9
Introducción

• El proceso de segmentación consiste en dividir la
  imagen en sus partes principales.
• Presentación y Descripción en base a la
  segmentación se describe cada parte.
• Interpretación y Reconocimiento dado el
  descriptor de un objeto se compara con la
  descripción que se cuenta en la base de
  conocimientos y se realiza una acción.

10
Introducción

• Base de Conocimientos es un repositorio donde se
  almacén la descripción de diversos objetos que
  serán útiles en el reconocimiento de patrones
  (formas visuales).

1 punto en 8 píxel
Normal
11
Introducción
4 Niveles de Gris
256 Niveles de Gris
12
Introducción
Valores del Ojo
Ojo de Lena
13
Características de las Imágenes

• Antes de entrar a los algoritmos y métodos de
  procesamiento digital de imágenes es conveniente
  ver las características de las imágenes.
• Histograma es una gráfica en el cual se cuenta la
  frecuencia de color, es útil para cambiar la
  intensidad de luz de una imagen respetado sus
  atributos característicos.

14
Histograma
Histograma de Lena Normal
Histograma de Lena Obscuro
15
Ruido

• Se considera ruido a toda aquella variación de la
  tonalidad de la imagen no debida a la luz
  recibida.
• Existen diversos tipos de ruidos correlados
  (cuando depende de la posición del pixel), no
  correlados (cuando depende de la posición del
  pixel, se basan en distribuciones de probabilidad
  como la Gaussiana) y los ruidos aleatorios o de
  sal y pimienta.

16
Ruido
Normal
Ruido Gaussiano
Ruido Correlado
Ruido Aleatorio
17
Brillo

• Se define como brillo al nivel medio de gris de
  una imagen.

Brillo 104
Brillo 56
18
Contraste

• Es la variación de gris de un punto respecto al
  brillo de la imagen. Se puede definir de forma
  aproximada con bajo consumo de recursos
  computacionales como
• La definición correcta es

19
Contraste
C1 95.81 C2 26.45
C1 94.42 C2 10.56
20
Nitidez

• Es la respuesta de la imagen ante cambios bruscos
  de iluminación.

21
Nitidez

• La baja nitidez de una imagen puede estar
  motivada por
• Objetos fuera del rango de enfoque de la óptica.
• Deficiencias en el elemento sensor.
• Efectos de algoritmos de tratamiento de imágenes.
  

22
Nitidez
Nitidez 18.245
Nitidez 9.777
23
Diferencia Cuadrática de Dos Imágenes

• La diferencia es útil cuando se desea calcular el
  grado de variación de una imagen obtenida con un
  algoritmo de procesamiento de imagen con respecto
  a la original.
• En donde Fr es la imagen base y f la imagen que
  se desea analizar.

24
Diferencia Cuadrática de Dos Imágenes
ECT28.957, ECN26.536
25
Transformaciones Punto a Punto

• Son las transformaciones más simple sobre una
  imagen o señal.
• Las imágenes se pueden representar como matrices
  de puntos, donde cada punto tiene asociado un
  modelo de color.
• Un ejemplo básico sería la multiplicación por un
  escalar.

26
Transformación Punto a Punto

• Algunos ejemplos de transformaciones puntuales
• Suma.
• Resta.
• Multiplicación.
• División.
• Máximo.
• Mínimo.
• Umbralización.
• Inversa.

27
Transformación Punto a Punto
Inversa
Original
28
Transformaciones de 2 imágenes

• La transformación de dos imágenes generalmente
  hace referencia a que se utiliza otra matriz para
  modificar cierto aspecto de los atributos de la
  señal original. Por ejemplo la intensidad, los
  tonos de luz, etc.
• Se pueden utilizar algunos operadores como la
  multiplicación, suma de matrices, entre otras.

29
Transformación de Dos Imágenes

• Algunos ejemplos de operaciones son
• Suma.
• Resta.
• Multiplicación.
• División.
• Máximo.
• Mínimo.
• AND.
• OR.
• XOR.

30
Transformación de dos Imágenes
Imagen con ruido Gausiano
original
Diferencia multiplicada por 6
Diferencia entre las imagen
31
Transformaciones de Dos Imágenes
Original Umbralizada 128
Imagen Inversa de la Umbralizada 128
Mínimo de la Inversa Umbralizada 128 y la original
32
Transformaciones Globales

• La transformación depende de todos los puntos de
  la imagen. Pueden utilizarse estadísticos como en
  la ecualización o máximos y mínimos para el
  escalado de imágenes.

33
Transformaciones Globales
Imagen Ecualizada
Imagen Original
34
Operaciones de vecindad

• Antes de ver los operadores de vecindad conviene
  recalcar las formas en que ésta se da.

Vecindad a 4
Vecindad a 8
35
Reducción de Ruido

• Los operadores de vecindad permiten definir
  filtros para la eliminación de ruido en las
  imágenes.
• El promedio del entorno de vecindad es un filtro
  lineal en el cual se promedian los valores de
  intensidad de un punto en base a sus vecinos.

36
Reducción de Ruido
Entorno de vecindad
Imagen con ruido gausisano s5
Imagen Filtrada
37
Reducción de Ruido

• Existen otros filtros como los no lineales o
  estadísticos. Donde el algoritmo y los entornos
  de vecindad cambian.
• No todos los filtros aplican de la misma manera a
  las imágenes por lo que se debe probarlos.

38
Transformaciones lógicas

• Generalmente se utilizan máscaras para poder
  encontrar alguna característica útil en las
  imágenes
• AND.
• OR.
• XOR.

39
Transformaciones geométricas

• La imagen se transforma, realizándose un cambio
  de variables pero no de dominio.
• La posición de cada píxel es función de la
  posición del píxel correspondiente en la imagen
  original, y viene determinada por una
  transformación geométrica.

40
Transformaciones Geométricas

• Entre las más empleadas están  
• Homotecia.
• Zoom.
• Traslación.
• Rotación. Transformación de Hotelling.
• Warping. Corrección de distorsiones.
• Morphing.

41
Transformaciones Globales

• La imagen se transforma en globalmente, sin
  considerar los píxels de forma individual,
  realizándose un cambio de dominio. Entre las más
  empleadas están
• Transformada de Fourier.
• Transformada de Hadamard-Walsh.
• Transformada de Karhunen-Loève (KLT).
• Transformada discreta del coseno (DLT).

42
Transformaciones Globales

• Transformada de Hough.
• Cambio entre modelos del espacio de colores.
• Y sus correspondientes transformadas inversas.

43
Detección de bordes.

• Se denomina borde en una imagen a cualquier
  discontinuidad que sufre alguna función de
  intensidad sobre los puntos de la misma.
• En la proyección bidimensional de una escena
  tridimensional intervienen distintos tipos de
  bordes

44
Detección de Bordes

• Cambio brusco en la distancia cámara-objetos, con
  normal continua (dc) o con discontinuidad en la
  normal (dnc).
• Cambio en la normal del objeto (n).
• Cambio en la reflectancia del objeto (r).
• Cambio en la proyección de la luz incidente (s).

45
Detección de Bordes
46
Detección de Bordes
Realce de Bordes Operador Sobel
Aplicación del Umbral
Imagen Original
47
Detección de Bordes

• También se utilizan los gradientes.
• La detección de bordes es la primera parte para
  la segmentación. Consiste en determinar los
  cambios de intensidad de los pixeles, es muy
  sensible al ruido.
• Esta técnica nos permitirá más adelante extraer
  características de las regiones de la imagen.

48
Extracción de Regiones

• Una vez que se ha podido segmentar una imagen, es
  posible extraer toda la información de una
  imagen, la cual no es otra cosa que otra matriz.
• A esa matriz se le pueden hacer comparaciones
  como por ejemplo para detectar el reconocimiento
  de escritura en un PDA o el reconocimiento de una
  huella digital.

49
Detección de Movimiento

• La detección de movimientos ocurre cuando se
  realiza una comparativa entre dos imágenes muy
  similares.
• Se debe realizar una segmentación de la imagen
  para poder ubicar un área sobre la cual trabajar
  y notar las diferencias.
• Las imágenes deben tener las mismas
  características.

50
Detección de Movimiento

• Cualquier dispositivo de adquisición de video
  debe permitir el poder almacenar y manipular
  imágenes de manera individual.
• Al detectar movimiento surgen algunas preguntas
  de interés
• Cómo detectar el movimiento de un ojo?
• Cómo detectar el movimiento de una persona?

51
Detección de Movimiento

• Qué ocurre cuando una imagen es totalmente
  diferente a otra?
• Para auxiliarse en la detección de movimiento se
  suele utilizar puntos clave que ayuden a detectar
  los movimientos. En un cuerpo humano esos puntos
  clave son generalmente las extremidades codos,
  rodillas, tobillo, dedos, etc. y depende de lo
  que se va a tratar de detectar.

52
Detección de objetos 3D

• Para poder detectar figuras en 3D se ocupan tener
  conocimiento de cómo está formado la imagen.
• En imágenes bidimensionales se tienen que
  detectar bordes que puedan definirnos el volumen
  de un objeto.
• Tambien se pueden utilizar imágenes del mismo
  objeto desde diferentes puntos de vista.

53
Detección de objetos 3D

• En algunos casos se analizan las imágenes desde
  diferentes ángulos y se trata de reconstruir las
  imágenes en 3D.
• Por ejemplo se trata de aplicar las tomografías
  desde diferentes cortes para poder definir un
  modelo en 3D del cerebro.

54
Referencias

• Súcar, E, Gómez, G, Procesamiento de Imágenes y
  Visión Computacional, Departamento de
  Computación, Tecnológico de Monterrey Campus
  Cuernavaca.
• http//isa.umh.es/titere/tutorial/vision/

55
Preguntas?