Preproceso: mejora de la imagen - Gipuzkoako Campusa · Ejemplo de ecualización del ... es...
Transcript of Preproceso: mejora de la imagen - Gipuzkoako Campusa · Ejemplo de ecualización del ... es...
Mejora de la imagen 2
• Transformaciones de la imagen dirigidas amejorarla para el proceso posterior– Mejora de contraste:
• Operaciones puntuales de transformación
• Operaciones basadas en el histograma: ecualización
• Binarización
– Suavización y afilado• filtros lineales
• filtros no lineales
– Pseudocoloreado
– Otras: separación de planos de bits….
Mejora de la imagen 3
Operaciones puntuales de transformación de la intensidad
Imagen inversa
Estiramiento de contraste,en el limite es labinarización de la imagen
Son transformaciones de la imagenque no involucran vecindarios(mascaras de convolución)
Mejora de la imagen 4
Estiramiento de contrastemediante una función linealpor trozos especificada pordos puntos.
En el limite, cuando r1=r2 seconvierte en un proceso debinarización por un umbral
Mejora de la imagen 5
Compresión del rango de valores de intensidad, sirve para visualizaralgunas funciones, como el espectro de las transformadas.
Mejora de la imagen 6
Gray level slicing: resaltarun rango de valores deintensidad quecorresponden con objetosde interés.
Se requiere elconocimiento a priori delos rangos de valoresapropiados.
Mejora de la imagen 7
Histograma de la imagen: estimación de la distribución deprobabilidad de los niveles de intensidad
Algunos ejemplos dedistribuciones tipicas de losniveles de gris.
Mejora de la imagen 8
Las transformaciones de intensidad pueden entenderse comotransformaciones entre variables aleatorias que siguen ddpdeterminadas por la transformación
Mejora de la imagen 9
La ecualización de la imagen consiste en tratar de transformarel histograma de la imagen en un histograma uniforme. Seconsigue utilizando como función de transformación ladistribución acumulativa de la intensidad.
Formulación continuaFormulación discreta
Mejora de la imagen 10
Ejemplo deecualización delhistograma. Elhistograma resultanteno es perfectamenteuniforme debido a losefectos de ladiscretización.
Mejora de la imagen 11
Especificación del histograma: se conoce un histogramadeseado para la imagen.
Ecualización de la imagen original
Ecualización de la imagen objetivo
Recuperación de la imagen con el histogramadeseado desde una imagen ecualizada.
Obtención de la imagen con el histograma deseado
Mejora de la imagen 12
La ecualización local serealiza por bloques dela imagen que seecualizan de formaindependiente. Permiterevelar estructuras finasde la imagen en algunassituaciones.
Mejora de la imagen 13
Procesado local basado en caracteristicas estadísticas locales:media y varianza. Toma la forma de una amplificaciónselectiva que depende de la desviación standard local.
Mejora de la imagen 14
Mejora de la imagen mediante la substracción de una imagende referencia o máscara.
Mejora de la imagen 15
Cuando la imagen esta corrompida por ruido gausiano de mediazero, es posible eliminar el ruido mediante el promediado deimágenes corrompidas. Es preciso un alineamiento (registro)cuidadoso de las imágenes para evitar movimientos.
Mejora de la imagen 16
Las descomposición en planos de bitsconsiste en representar por separadolos bits de cada pixel, formandoimágenes binarias. Produce algunosefecto exóticos.
Mejora de la imagen 17
Efecto de la operación puntual en el histograma de la imagen,extraido de Digital Image Processing, Castlemann
Mejora de la imagen 20
Binarización (Thresholding)
La binarización consiste en unTest de los niveles de grisfrente a un umbral T, que puedeser global o local.
Desde el punto de vista de visión por computador, labinarización tiene sentido cuando es posibledistinguir entre objetos y fondo (background) enbase al umbral de los niveles de gris.
Mejora de la imagen 21
El problema de la iluminación: la iluminación no constanteperturba el histograma y puede hacer que la objetos detectablesmediante binarización dejen de serlo.
La ddp de z(x,y) es convolución de las de i’(x,y) y r’(x,y), por lo que una iluminación noconstante destruye las propiedades del histograma como la separación objeto-fondo.
Imagen de un fondo de reflectanciaconstante, con el campo de iluminación
La imagen sometida al campo de iluminación no uniforme sepuede preprocesar dividiendola por la imagen de la iluminación.El resultado es una imagen corregida proporcional a lareflectancia:
Mejora de la imagen 22
Mapa de reflectanciaoriginal sintetizado,binarizable
Campo de iluminación ysu efecto en la imagensimulado mediante elproducto
Histograma de la imagen sometida alcampo de iluminación, se ha perdido labinarización.
Mejora de la imagen 23
Imagen original y suhistograma
Imagen binarizada(desaparece la sombra)
Ejemplo de binarización con umbral global
Mejora de la imagen 24
La existencia de un valleen el histograma no esindicativo seguro de quese puede discriminarfondo y objeto.
Mejora de la imagen 25
No se distinguen fondo yobjeto, por lo que labinarizacion o bienintroduce fondo comoobjeto o viceversa.
Mejora de la imagen 26
Cálculo del umbral óptimo mediante clustering the minimo error
Errores de clasificación objeto/fondo en función de T.
Minimización del error nos da:
Ecuacuaciones para el umbral deminimo error de clasificación.
cuando
La estimación de los parámetros de la ddpmezcla se puede hacer minimizando elerror.
Mejora de la imagen 27
Ejemplo de binarización local.
La imagen se parte en bloques consolapamiento. Para cada bloque secalcula el histograma, si es bimodal sele asigna un umbral. Los bloques sinumbral lo adquieren por interpolación.
Mejora de la imagen 28
Método de mínima varianza intragrupo (Otsu), extraido deComputer & Robot Vision, Haralick & Shapiro
Trata de minimizar en función de t
Dado que el numero de valores quepuede tomar el umbral es pequeño sepuede realizar la exploraciónexhaustiva para determinar el umbralque minimiza la varianza intragrupo.