1 Procesamiento digital de ImágenesMejoramiento de imágenes en el dominio espacial

2 Trasformaciones Si T actúa sobre un píxel (intensity mapping)Donde r es el nivel de gris de f(x,y) mientras que s el nivel de gris de g(x,y) en todo punto (x,y)

3 Trasformaciones Contrast StrechingT en este caso logra un mejoramiento en el contraste (mayor contraste). Intensidades debajo de m son llevadas a un valor mas oscuro (compresión) mientras que valores de intensidad mayores a m son llevadas a un valor mas claro (expansión). En el caso limite tendremos una imagen binaria (thresholding)

4 Trasformaciones Básicas

5 Trasformaciones Básicas

6 Trasformaciones Básicas1- Negativa : s = L-1 - r Usado para mejorar detalles blancos o grises en zonas oscuras de la imagen

7 Trasformaciones Básicas2- Transformaciones Logarítmicas : s = c log (1+ r) r  0 Se expanden las intensidades de píxeles oscuros mientras se comprimen las intensidades mas altas. Ejemplo Espectro de una imagen Compresión del rango dinámico (display de 8 bit L=256) x 

8 Trasformaciones Básicas3- Transformaciones Exponenciales Logarítmicas:

9 Trasformaciones BásicasCorrección gamma en CRT

10 Trasformaciones BásicasCorrección gamma en Resonancia Magnética

11 Trasformaciones BásicasCompresión de niveles de gris

12 Trasformaciones BásicasTransformaciones por tramos lineales Si r1=s1 y r2=s2 La transformación es lineal. Si r1=r2 y s1=0 s2=L-1 Threshold Imagen binaria. Valores intermedios son posibles siempre que r1  r2 s1  s2

13 Trasformaciones BásicasTransformaciones por tramos lineales : Contrast streching Imagen de bajo contraste 8 bit rmin rmax niveles mínimos y máximos de gris de la imagen

14 Trasformaciones BásicasTransformaciones por tramos lineales : Contrast streching Imagen de bajo contraste 8 bit m es el valor medio de gris en la imagen.

15 Trasformaciones BásicasTransformaciones por tramos lineales : Gray level slicing Refuerzo de un rango especifico de niveles de gris (imagen binaria).

16 Trasformaciones BásicasTransformaciones por tramos lineales : Gray level slicing En este caso se preservan los niveles de gris de las zonas no reforzadas así como los niveles de fondo

17 Trasformaciones BásicasBit Plane slicing Bit Plane  0 y  255

18 Trasformaciones BásicasBit Plane slicing Bit Plane  0 y  255

19 Trasformaciones BásicasBit Plane slicing Bit Plane  0 y  255

20 Trasformaciones BásicasBit Plane slicing Bit Planes 5 to 0

21 Trasformaciones BásicasHistogramas Un histograma es una función discreta h(rk)=nk Siendo rk uno de los L niveles de gris de la imagen mientras que nk es la cantidad de puntos de la imagen que tienen ese valor (rk). Es común normalizar este valor dividiendo cada componente por el numero total de puntos

22 Trasformaciones BásicasHistogramas

23 Trasformaciones BásicasHistogramas

24 Trasformaciones BásicasHistogramas

25 Trasformaciones BásicasHistogramas

26 Trasformaciones BásicasHistogramas Ecualización Se puede definir una transformación que nos permita mejorar el contraste de una imagen. Esta transformación debe satisfacer los siguientes requisitos -a T(r) es uni-valuada y monótona creciente en el intervalo 0r1. -b 0  T(r) 1 para 0r1 La condición a garantiza la existencia de la función inversa r=T-1(s). La condición b garantiza que los niveles de salida y entrada tienen el mismo rango.

27 Trasformaciones BásicasHistogramas Ecualización Los niveles de gris en una imagen pueden ser vistos como variables aleatorias en el intervalo [0 1]. Un descriptor muy usado en variables aleatorias es la PDF. Sean pr(r) y ps(s) sean las PDF de las variables aleatorias r y s. La PDF de la variable transformada s queda determinada por: a- El nivel por el nivel de gris de la PDF de la imagen de entrada b- La transformación elegida.

28 Trasformaciones BásicasHistogramas Ecualización Una transformación muy usada en procesamiento de imágenes es:

29 Trasformaciones BásicasHistogramas Ecualización Recordando que: Nos queda: Resulta entonces que ps(s) tiene una distribución uniforme independiente de pr(r)

30 Trasformaciones BásicasHistogramas Ecualización En el caso discreto: Nos queda: Resulta entonces que la imagen procesada se obtiene mapeando cada píxel de nivel rk en la imagen de entrada en el píxel correspondiente con nivel sk en la imagen de salida. Recordando que la representación grafica de pr(rk) en función rk es el histograma de la imagen resulta que sk se conoce como ecualización del histograma

31 Trasformaciones BásicasHistogramas Ecualización

32 Trasformaciones BásicasHistogramas Ecualización

33 Trasformaciones BásicasHistogramas Ecualización Matlab Tools IMHIST(I,N) Muestra un histograma con N bins para la imagen I agregando una barra con la escala de gris de largo N Si la imagen es binaria N=2 I = imread('cameraman.tif'); imshow(I) figure, imhist(I,64)

34 Trasformaciones BásicasHistogramas Ecualización Matlab Tools J=IMADJUST(I) Mapea la imagen de entrada de manera que el 1% de los datos estén saturados en intensidades bajas y altas. Incrementando el contraste