Practic As

Escuela Tcnica Superior de Ingeniera Informtica
Universidad de Mlaga

Laboratorio de Procesamiento de I mgenes Curso 2010/11

1. Representacin de imgenes digitales monocromticas

a) Construye la matriz vinculada a la imagen de la figura 1.

Pr ogr ama
%Coor denadas del f oco ( a, b)
a=150;
b=150;
%Const r ucci n i magen MxN
M=300; N=300;
f or x=1: M;
f or y=1: N;
I ( x, y) =( 255- sqr t ( ( x- a) ^2+( y- b) ^2) ) / 255;
end
end
i mshow( I )
Figura 1. Iluminacin por focos.

b) Construye la matriz vinculada a la imagen de la figura 2.

Pr ogr ama
%i magen de t amao 30x30
I =ones( 30, 30) ;
I ( 5: 24, 13: 17) =0;
i mshow( I , i ni t i al Magni f i cat i on' , ' f i t ' )
Figura 2. Rectngulo negro.

c) Extrae de la imagen de la figura 3 la regin de inters mostrada en la figura 4.

Pr ogr ama
I =i mr ead( i c. t i f ) ;
i mshow( I )
J =i mcr op;
%sel ecci onar con el r at n l a r egi n de
%i nt er s
i mshow( J )
______________
%Tambi n se puede hacer f i j ando
%[ xmi n ymi n ancho y al t o]
I =i mr ead( i c. t i f ) ;
I 1=i mcr op( I , [ 60 40 100 90] ) ;
i mshow( I )
f i gur e, i mshow( I 1)
Figura 3. Imagen de un circuito.

Figura 4. Regin de inters.

2. Operaciones aritmticas y geomtricas con imgenes

a) Multiplica la imagen de la figura 5 por 1.3. Smale 50 a cada pxel de la imagen de la figura
5. Compara las imgenes resultantes. Qu conclusiones sacas?

b) Aumenta una cierta regin de la imagen de la figura 5 para verla mejor.

Pr ogr ama
I =i mr ead( m83. t i f ) ;
i mshow( I )
zoomon
%mar car l a r egi n a aument ar
%apar ecer l a i magen de l a r egi n
%mar cada

Figura 5. Galaxia.

c) Modifica el tamao de la imagen de la figura 5.

Pr ogr ama
I =i mr ead( m83. t i f ) ;
J =i mr esi ze( I , 0. 5, bi l i near ) ;
i mshow( J )
%t ambi n se puede poner
J 1=i mr esi ze( I , [ 30 40] ) %r educe l a
%i magen al t amao 40x30; 30 f i l as y
%40 col umnas
f i gur e, i mshow( J 1)

Figura 6. Imagen reducida.

d) Gira 30 la imagen anterior (figura 6)

Pr ogr ama

I R=i mr ot at e( J , 30) ;
i mshow( I R)
Figura 7. Imagen girada.

3. Conectividad de pxeles

a) Determina el objeto de la imagen de la figura 8(a) que est en la posicin (columna 90, fila
197) y el que est en la posicin (16, 67), suponiendo que un objeto viene dado por un
conjunto de pxeles de igual tonalidad y conectados por vecindad (entornos de 8 vecinos).

Pr ogr ama

I =i mr ead( t ext . t i f ) ;
c=[ 90 16] ; r =[ 197 67] ;
I 0=bwsel ect ( I , c, r , 8) ;
i mshow( I )
(a) (b)
Figura 8. a) Caracteres de texto. b) Objetos encontrados.


4. Histograma de una imagen

Determina el histograma de la imagen de la figura 9.

Pr ogr ama

I =i mr ead( spi ne. t i f ) ;
i mshow( I )
f i gur e, i mhi st ( I )

Figura 9. Espina dorsal. Figura 10. Histograma.

5. Transformaciones puntuales

a) Aplica a la imagen de la figura 9 una transformacin que ajuste los tonos de gris al rango
[0 255]
La transformacin ms sencilla es la siguiente:

| |
|
si 0, 63
( )
255 si (63, 255
ax x
y T x
x
e
= =

e

0 63 255

Figura 11. Transformacin.

El valor de la pendiente a se determina por la condicin T(63)=255, es decir, a60=255. Por lo tanto,
a~4.05. Como la pendiente es mayor que uno la imagen aumenta su contraste en el intervalo [0 63].

Figura 12. Espina dorsal.

Pr ogr ama
I =i mr ead( spi ne. t i f ) ; i mshow( I ) ;
I 1=i m2doubl e( I ) ; I 2=I 1;
f or n=1: 490,
f or m=1: 367,
I 2( m, n) =I 1( m, n) *255/ 63;
i f I 2( m, n) >1,
I 2( m, n) =1;
end
end
end
Tambin se puede realizar un ajuste de los tonos de gris del intervalo [0 60] al intervalo [0 255]
mediante el comando imadjust de MATLAB:

Pr ogr ama
I =i mr ead( spi ne. t i f ) ; i mshow( I ) ;
J =i madj ust ( I , [ 0 0. 247] , [ ] ) ;

Observa que 63/255~0.247.

b) Aplica a la imagen de la figura 13(a) una transformacin que aumente el contraste en las
regiones ms claras a costa de reducirlo en las ms oscuras.

Figura 13. (a) Nebulosa. (b) Histograma.

Una transformacin sencilla, suponiendo que el rango de la imagen es el intervalo [0,1], es la
siguiente

1

| |
|
si 0, c
( )
1
( - ) si ( ,1
1
ax x
y T x
ac
x c ac x c
c
e
= =

+ e

ac

0 c 1
Figura 14. Transformacin.

El valor de la pendiente de la recta en el tramo [0, c] es a, siendo a<1, por lo que el rango [0, c] lo
reduce al rango [0, ac], es decir, se pierde contraste en dicho tramo (zonas ms oscuras) mientras que
en el tramo [c, 1] la recta tiene de pendiente mayor que 1, es decir, los valores de dicho intervalo se
reducen al intervalo [ac, 1], por lo que se aumenta el contraste en dicho tramo (valores ms claros).

Figura 15. Imagen resultante y su histograma.
Pr ogr ama
I =i mr ead( ngc4024l . t i f ) ; i mshow( I ) ;
I 1=i m2doubl e( I ) ; %Rango de l a i magen en [ 0, 1]
a=0. 5 ;
c=220/ 255 ;
f or n=1: 368,
f or m=1: 174,
i f I 1( m, n) <c,
I 2( m, n) =I 1( m, n) *a;
el se
I 2( m, n) =a*c+( I 1( m, n) - c) *( 1- a*c) / ( 1- c) ;
end
end
end

c) Aplica una transformacin a la imagen de la figura 6 que aumente el contraste en los tonos
de gris intermedios (intervalo [0.4, 0.6]).

d) Aplica una transformacin no lineal de la forma T(x)=ax
2
que mejore el contraste en las
zonas ms claras. Qu valor de a seleccionaras?

e) Consigue una imagen binaria con fondo negro donde slo aparezcan los objetos ms
brillantes.

6. I gualacin del histograma
a) Aplica la tcnica de igualacin del histograma para mejorar la calidad de la imagen de la figura
16(a).

(a) (b)
Figura 16. a) Bosque. b) Histograma de la imagen.

Pr ogr ama
I =i mr ead( f or est . t i f ) ;
i mshow( I ) ;
f i gur e, i mhi st ( I )
f i gur e, hi st eq( I )
f i gur e, i mhi st ( hi st eq( I ) )
%t ambi n se puede poner
%J =hi st eq( I ) ; i mshow( J )
Figura 17. Imagen igualada y su histograma.

Si restamos a la imagen original la imagen igualada se obtiene la imagen de la figura 18, donde
tambin podemos ver su histograma, que pone de manifiesto las diferencias entre las dos imgenes.

Figura 18. Imagen diferencia y su histograma.

b) Aplica la tcnica de igualacin del histograma a la imagen de la figura 19(a) (moon.tif). Comenta el
resultado.

Igualacin
(a) (b)
Figura 19. a) Imagen de la Luna y su Histograma. b) Imagen igualada y su Histograma.

La imagen igualada 19(b) es de peor calidad puesto que se han mejorado los detalles del fondo (parte
ms oscura) a costa de reducir el contraste del objeto (la luna) que es la parte ms clara.


Para ver la transformacin que hemos realizado para tratar de conseguir una igualacin del
histograma, escribimos el siguiente programa:

Pr ogr ama
I =i mr ead( moon. t i f ) ;
[ J , T] =hi st eq( I ) ;
pl ot ( ( 0: 255) / 255, T) ;
Figura 20. Transformacin realizada.

7. Restauracin mediante filtrado en el dominio espacial

a) Mejora la calidad de la imagen con ruido de la figura 21 (a).

(a) (b)
Figura 21. a) Imagen radiolgica de la espina dorsal. b) Histograma de la imagen.

Para obtener la imagen de la figura 21(a) le aadimos primero ruido del tipo sal y pimienta (puntos
blancos y negros) con una densidad de ruido igual a 0.02 (afecta al 2% de los pxeles). A continuacin
le aplicamos la transformacin de igualacin del histograma para mejorar la calidad de la imagen y
comprobamos que el ruido no se ha eliminado. Para eliminar o reducir dicho ruido podemos aplicarle
un filtro de paso baja como el filtro mediana 33 y se obtiene, finalmente, la imagen de la figura 23.

(a) (b) (c)
Figura 22. (a) Imagen igualada. b) Histograma. c) Transformacin para la igualacin.

Pr ogr ama
I =i mnoi se( I , sal t & pepper , 0. 02)
[ J , T] =hi st eq( I ) ;
pl ot ( ( 0: 255) / 255, T) ;
M=medf i l t 2( J , [ 3 3] ) ;
i mshow( M)
Figura 23. Imagen restaurada.

Si en lugar de aplicarle dicho filtro le aplicamos el filtro media obtenemos la imagen de la figura 24
en la que se puede ver que el ruido se ha atenuado pero no se ha eliminado:


Figura 24. Imagen mejorada con el filtro media.
Pr ogr ama
%cont i nuaci n del ant er i or
%pr i mer o gener amos el f i l t r o medi a
g=f speci al ( aver age , [ 5 5] )
M=f i l t er 2( g, J ) / 255;
i mshow( M)

b) Aade ruido gaussiano a la imagen de la figura 21(a) y despus restaura dicha imagen con el
filtro media y con el filtro mediana. Comenta los resultados.

(a) (b)
Figura 25. (a) Restaurada con el filtro media. (b) Restaurada
Pr ogr ama
J =i mnoi se( I , ' gaussi an' , 0, 0. 01) ;
M=f i l t er 2( g, J ) / 255;
i mshow( M)
M1=medf i l t 2( J , [ 5 5] ) ;
f i gur e, i mshow( M1)
con el filtro mediana.

8. Deteccin de bordes mediante filtrado en el dominio espacial

a) Utiliza un operador basado en un filtro de paso alta para la deteccin de los contornos de los
granos de arroz de la imagen de la figura 26.

Pr ogr ama
I =i mr ead( i ce. t i f ' ) ; ' r
i mshow( I )
B1=edge( I , ' sobel ' ) ;
B2=edge( I , ' pr ewi t t ' ) ;
B3=edge( I , anny' ) ; ' c
i mshow( B1)
f i gur e, i mshow( B2)
f i gur e, i mshow( B3)

Figura 26. Imagen de arroz.

(a) (b) (c)
Figura 27. a) Imagen con filtrado de Sobel. b) Imagen con filtrado de Prewitt. c) Imagen con filtrado de Canny.

b) Detecta los bordes horizontales de la imagen de la figura 26 aplicando un filtro de paso alta.

Pr ogr ama
I =i mr ead( r i ce. t i f ) ;
g=[ 1 1 1; 0 0 0; - 1 - 1 - 1] ;
J =f i l t er 2( g, I ) ;
J =abs( J ) ;
B=J >0. 27*( max( J ( : ) ) - mi n( J ( : ) ) ) ;
i mshow( B)


Figura 28. Imagen de bordes horizontales.

c) Detecta los bordes verticales de la imagen de la figura 29 (wafer1.tif).

Figura 29. Imagen wafer1.tif. Figura 30. Imagen de bordes verticales.

d) Aplica un filtro de pasa alta a la imagen de la figura 31 y muestra la imagen resultante.

-300
-200
-100
0
100
200
300
400

Pr ogr ama
I =i mr ead( sat ur n. t i f ) ;
h=[ 1 2 1; 0 0 0; - 1 - 2- - 1] ;
I 1=f i l t er 2( h, I ) ;
i mshow( I 1, [ ] ) , col or bar
Figura 31. Saturno. Figura 32. Imagen filtrada.

9. Realzado de imgenes mediante filtrado

a) Acenta (perfila) los contornos a la imagen de la figura 31.

Figura 33. Imagen realzada.
Pr ogr ama
h=f speci al ( unshar p )
J =abs( f i l t er 2( h, I ) ) ;
J 1=J / 255; %/ max( J ( : ) ) ;
i mshow( J 1)

b) Aade ruido gaussiano a la imagen de la figura 31 y a continuacin restaura y realza la imagen
resultante.

Pr ogr ama
J =i mnoi se( I , ' gaussi an' , 0, 0. 01) ;
i mshow( J )
M1=f i l t er 2( g, J ) / 255;
h=f speci al ( unshar p )
M2=abs( f i l t er 2( h, M1) ) ;
i mshow( M1) ; f i gur e, i mshow( M2)


(a) (b) (c)
Figura 34. a) Imagen tratada con ruido gausiano. b) Imagen restaurada con el
filtro media 55. c) Imagen realzada con el filtro unsharp de perfilado.

c) Realza la imagen de la figura 26 utilizando un filtro lineal.

Figura 35. Realzado vertical Figura 36. Realzado horizontal
Pr ogr ama
gv=[ - 1 0 1; - 1 1 1; - 1 0 1] ;
gh=[ 1 1 1; 0 1 0; - 1 - 1 - 1] ;
J v=abs( f i l t er 2( gv, I ) ) / 255;
J h=abs( f i l t er 2( gh, I ) ) / 255;
i mshow( J v) ; f i gur e, i mshow( J h)

d) Realza la imagen ecualizada de la espina dorsal (figura 22(a)) utilizando la imagen de bordes.

Figura 37. Imagen realzada.
Pr ogr ama
I =i mr ead( ' spi ne. t i f ' ) ;
I =hi st eq( I ) ;
i mshow( I )
B=edge( I , ' canny' ) ;
f i gur e, i mshow( B)
R=doubl e( I ) / 255+0. 1*doubl e( B) ;
f i gur e, i mshow( R)

Figura 38. Imagen de bordes. Figure 39. Imagen realzada.

e) Mejora la imagen de un insecto (figura 40) realzando sus bordes horizontales.

Figura 40. Insecto. Figura 41. Imagen realzada.

10. Transformada de Fourier discreta
a) Determina la transformada de Fourier discreta de la imagen de la figura 42(a).

I =ones( 100, 100) ;
I ( 45: 55, 25: 75) =0;
i mshow( I , ' i ni t i al Magni f i cat i on' , ' f i t ' )
F=f f t 2( I ) ;
F1=l og( 1+abs( F) ) ;
f i gur e, . . .
i mshow( ' i ni t i al Magni f i cat i on' , ' f i t ' )
f r eqz2( F1)
(a) (b)
Figura 42. a) Rectngulo. b) Espectro de Fourier.

b) Determina la transformada de Fourier discreta de la imagen de la figura 42(a) pero con el valor
|F(0,0)| en el centro de la representacin.

I =ones( 100, 100) ;
I ( 45: 55, 25: 75) =0;
F=f f t 2( I ) ;
F1=f f t shi f t ( F) ;
F2=l og( 1+abs( F1) ) ;
f i gur e, . . .
i mshow( F2, ' i ni t i al Magni f i cat i on' , ' f i t ' ) ;
f r eqz2( F2)

Figura 43. Espectro de Fourier.

c) Determina la transformada de Fourier discreta de la imagen de la figura 44(a).

(a) (b)
Figura 44. a) Crculo. b) Espectro de Fourier
I =ones( 100, 100) ;
f or i =1: 100,
f or j =1: 100
i f ( i - 50) ^2+( j - 50) ^2<700
I ( i , j ) =0;
end
end
end
F=f f t 2( I ) ; %F=f f t 2( I , 256, 256) ;
F1=l og( 1+abs( F) ) ;
f i gur e, i mshow( F1/ 4, . . .
' i ni t i al Magni f i cat i on' , ' f i t ' )
col or map( j et ) ; col or bar

d) Determina la transformada de Fourier discreta de la imagen de la figura 45(a) pero con el valor de
|F(0,0)| en el centro de la imagen.

%l a i magen I es l a gener ada en l a
%pr ct i ca 1( a).
i mshow( I )
F=f f t 2( I ) ; %, 256, 256) ;
f i gur e, i mshow( 1+l og( abs( F3) )

(a) (b)
Figura 45. a) Punto luminoso. b) Espectro de Fourier.

e) Determina la transformada de Fourier discreta de la imagen de la figura 46(a) pero con el valor de
|F(0,0)| en el centro de la imagen.

I =phant om( 256) ;
i mshow( I )
F=f f t 2( I ) ;
f i gur e, i mshow( l og( abs( F1) ) , [ - 1 5] ) ;
(a) (b)
Figura 46. a) Tomografa. b) Espectro de Fourier

11. Diseo de filtros en el dominio de las frecuencias

a) Construye un filtro ideal de paso baja en el dominio de las frecuencias

[ u, v] =f r eqspace( 25, ' meshgr i d' ) ;
H=sqr t ( u. ^2+v. ^2) <0. 5;
meshz( u, v, H)
Figura 47. Filtro ideal.
b) Construye el filtro en el dominio de las frecuencias (respuesta de frecuencias) correspondiente al
filtro de Laplace 33 definido en el dominio espacial.

h=[ 0 - 1 0; - 1 4 - 1: 0 - 1 0] ;
f r eqz2( h)
Figura 48. Filtro de Laplace.

c) Determina el filtro en el dominio de las frecuencias que le corresponde al filtro gaussiano 33.

h=f speci al ( gaussi an )
f r eqz2( h)

Figura 49. Filtro gaussiano.

d) Construye un filtro de paso baja por el mtodo de ventanas.
Este mtodo construye un filtro cuya respuesta de frecuencias es una suavizacin (aproximacin) de
una respuesta de frecuencias dada (deseada), H, utilizando una funcin de ventana (la ventana de
Hamming).
[ f 1, f 2] =f r eqspace( 15, meshgr i d ) ;
H=zer os( 15, 15) ; H( 5: 10, 5: 10) =1;
mesh( f 1, f 2, H) , axi s( [ - 1 1 - 1 1 0 1. 2] ) , col or map( j et ( 64) )
h=f wi nd1( H, hammi ng( 15) ) ;
f i gur e, f r eqz2( h, [ 32 32] , axi s( [ - 1 1 - 1 1 0 1. 2] )


Figura 50. Filtro de paso baja. Figura 51. Filtro de paso baja.

e) Construye un filtro de paso baja por el mtodo de muestreo de las frecuencias.
Este mtodo crea un filtro cuya respuesta de frecuencias pasa a travs de un conjunto de puntos dados
(respuesta de frecuencias deseada) que definen la forma de la respuesta de frecuencias a construir, sin
poner condiciones en el comportamiento de la respuesta de frecuencias entre los puntos dados
(presentando generalmente rizos entre dichos puntos).

[ f 1, f 2] =f r eqspace( 15, ' meshgr i d' ) ;
Hd=zer os( 15, 15) ; Hd( 4: 11, 4: 11) =1;
mesh( f 1, f 2, Hd) , axi s( [ - 1 1 - 1 1 0 1. 2] ) , col or map( j et ( 64) )
h=f samp2( Hd) ;
f i gur e, f r eqz2( h, [ 32 32] ) , axi s( [ - 1 1 - 1 1 0 1. 2] )

Figura 52. Filtro de paso baja. Figura 53. Filtro de paso baja.

12. Aplicacin de filtros en el dominio de las frecuencias

a) Aplica en el dominio de las frecuencias el filtro Gaussiano de paso baja con diferentes valores del
radio, D
0
.

I 0=i mr ead( ' l et r as. j pg' ) ;
I =i m2doubl e( I 0) ; i mshow( I ) ; [ M, N] =si ze( I ) ;
f or i =1: 2: 7
F=f f t 2( I ) ;
H=l pf i l t er ( ' gaussi an' , M, N, 5*i ) ;
G=H. *F;
I 1=r eal ( i f f t 2( G) ) ;
end

Figura 54. Letras.

(a) (b) (c) (d)
Figura 55. (a) Imagen filtrada con D
0
=5. (b) D
0
=15. (c) D
0
=25. (d) D
0
=35.


b) Aplica el filtro ideal de paso baja a la imagen de la figura 56 para diferentes valores del parmetro.

Figura 56. Letras. Figura 57. Transf.. Fourier

(a) (b) (c) (d)
Figura 58. Imgenes filtradas. (a) D
0
=5. (b) D
0
=20. (c) D
0
=35. (d) D
0
=50.

c) Aplica en el dominio de las frecuencias un filtro de paso alta deducido de otro de paso baja.

(a) (b) (c) (d)
0
=5. (b) D
0
=20. (c) D
0
=35. (d) D
0
=50.

d) Aplica el filtro de paso baja de Butterworth a la imagen de la figura 56.
H=1- l pf i l t er ( ' i deal ' , M, N, 5*i ) ;
I 0=i mr ead( ' l et r as. j pg' ) ;
I =i m2doubl e( I 0) ;
i mshow( I )
[ M, N] =si ze( I ) ;
f or i =1: 3: 10
F=f f t 2( I ) ;
H=l pf i l t er ( ' i deal ' , M, N, 5*i ) ;
G=H. *F;
I 1=r eal ( i f f t 2( G) ) ;
end
H=l pf i l t er ( ' bt w' , M, N, 5*i ) ;

(a) (b) (c) (d)
0
=5. (b) D
0
=20. (c) D
0
=35. (d) D
0
=50.


e) Atena el ruido del tipo sal y pimienta aplicando un filtro de pasa baja en el
dominio de las frecuencias.

(a) (b)
I 0=i mr ead( ' r i ce. t i f ' ) ;
I =i mnoi se( I 0, ' sal t & pepper ' , 0. 02) ;
i mshow( I )
I =i m2doubl e( I ) ; M, N] =si ze( I ) ;
F=f f t 2( I ) ;
Hb=l pf i l t er ( ' bt w' , M, N, 25) ;
G=Hb. *F;
I 1=r eal ( i f f t 2( G) ) ;
Figura 61.(a) Imagen con ruido. (b) Imagen filtrada.

f) Construye un filtro en el dominio espacial que corresponda a un filtro ideal de paso baja en el
dominio de las frecuencias y aplcaselo a una imagen que tenga ruido del tipo sal y pimienta.

(a)

I =i mr ead( ' sat ur n. t i f ' ) ;
I =i mnoi se( I , ' sal t & pepper ' , 0. 02) ;
F=f f t 2( I ) ;
H=sqr t ( f 1. ^2+f 2. ^2) <0. 5;
H1=H( 13: 25, 13: 25) ;
h1=i f f t 2( H1) ;
B=f i l t er 2( r eal ( h1) , I ) ;
i mshow( I ) ,
f i gur e, i mshow( B, [ mi n( mi n( B) ) max( max( B) ) ] )
(b)
Figura 62.a) Imagen de Saturno. b) Imagen filtrada.

g) Disea un filtro en el dominio espacial que se corresponda con un filtro ideal de paso alta en el
dominio de las frecuencias y aplcaselo a una imagen.

(a)

F=f f t 2( I ) ;
H=sqr t ( f 1. ^2+f 2. ^2) >1. 1;
H1=H( 13: 25, 13: 25) ;
h1=i f f t 2( H1) ;
B=f i l t er 2( r eal ( h1) , I ) ;
i mshow( I ) ,
f i gur e, . . .
i mshow( B, [ mi n( mi n( B) )
max( max( B) ) ] )
(b)
Figura 63.a) Imagen de Saturno. b) Imagen filtrada.


h) Aplica a la imagen de la figura 63(a) un filtro de paso alta diseado por el mtodo de la ventana.

Figura 64. Imagen filtrada.
H0=zer os( 15, 15) ; H0( 12: 15, 12: 15) =1;
H=f wi nd1( H0, hammi ng( 15) ) ; col or map( j et ( 64) )
f r eqz2( H, [ 32 32] )
pause
mesh( f 1, f 2, abs( H) )
pause
H1=H( 7: 15, 7: 15)
h=i f f t 2( H1) ;
B=f i l t er 2( r eal ( h) , I ) ;
i mshow( B, [ mi n( mi n( B) ) max( max( B) ) ] )

i) Aplica a la imagen de la figura 63(a) un filtro de paso de banda.

Figura 65. Imagen filtrada.
H=zer os( 16, 16) ; H0( 5: 12, 5: 12) =1; H0( 7: 10, 7: 10) =0;
f r eqz2( H, [ 32 32] )
pause
mesh( f 1, f 2, H)
pause
H1=H( 9: 16, 9: 16) ;
h=i f f t 2( H1) ;
B=f i l t er 2( r eal ( h) , I ) ;
i mshow( B, [ mi n( mi n( B) ) max( max( B) ) ] )


13. Restauracin de imgenes degradadas o distorsionadas

a) Distorsiona la imagen de la figura 68 utilizando una funcin de distorsin que produzca el efecto
de imagen movida y corrgela mediante el filtro inverso.

Figura 68. Imagen area. Figura 69. Imagen movida.

I =i mr ead( ' concor daer i al . png' ) ;
l ong=31;
ang=11;
h=f speci al ( ' mot i on' , l ong, ang) ;
B=i mf i l t er ( I , h, ' ci r cul ar ' , ' conv' ) ;
i mshow( B)
W=deconvwnr ( B, h) ;
i mshow( W)
Figura 70. Imagen restaurada.

b) Restaura la imagen movida de la figura 71.

Figura 71. Imagen movida. Figura 72. Imagen restaurada.
I =i mr ead( i g5. 29( g) . j pg' ) ; ' F
i mshow( I )
l ong=100;
ang=135;
W=deconvwnr ( I , h) ;
f i gur e, i mshow( W)

c) Restaura la imagen movida de la figura 73(b) que tiene adems aadido ruido gaussiano utilizando
primero el filtro inverso y despus el filtro de Wiener.

(a) (b)
Figura 73. a) Imagen de flores original. b) Imagen movida y con ruido gaussiano.


Figura 74. Restaurada con el filtro inverso.

I =i mr ead( ' f l ower s. t i f ' ) ;
I =I ( 10+[ 1: 256] , 222+[ 1: 256] , : ) ;
i mshow( I )
l ong=20;
ang=12;
J =i mf i l t er ( I , h, ' ci r cul ar ' , ' conv' ) ;
f i gur e, i mshow( J ) ;
r ui do=0. 1*r andn( si ze( J ) ) ;
B=i madd( J , i m2ui nt 8( r ui do) ) ;
W=deconvwnr ( B, h) ;
f i gur e, i mshow( W)
NSR=sum( r ui do( : ) . ^2) / sum( i m2doubl e( I ( : ) ) . ^2) ;
W1=deconvwnr ( B, h, NSR) ;
f i gur e, i mshow( W1)
Figura 75. Restaurada con el filtro de Wiener.

d) Corrige la imagen movida de la figura 76 (superior izquierda) que tiene adems aadido ruido
gaussiano utilizando el mtodo de desconvolucin a ciegas (algoritmo de Lucy-Richardson).

I =i mr ead( ' camer aman. t i f ) :
i mshow( I )
h=f speci al ( ' gaussi an' , 7, 10) ;
B=i mf i l t er ( I , h, ' symet r i c' , ' conv' ) ;
f i gur e, i mshow( B) ;
h1=ones( si ze( h) - 4) ; %1 r est aur aci n
[ J 1 P1] =deconvbl i nd( B, h1) ;
f i gur e, i mshow( J 1) ; %2 r est aur aci n
h2=padar r ay( h1, [ 4
4] , r epl i cat e , bot h ) ;
f i gur e, i mshow( J 2) ; %3 r est aur aci n
h3=padar r ay( h1, [ 2
2] , r epl i cat e , bot h ) ;
f i gur e, i mshow( J 3) ;
peso=edge( I , sobel , . 3) ;
ee=st r el ( di sk , 2) ;
peso=1- doubl e( i mdi l at e( peso, ee) ) ;
peso( [ 1: 3 end- [ 0: 2] , =0;
peso( : , [ 1: 3 end- [ 02] ] ) =0;
f i gur e, i mshow( peso)

Figura 76. Proceso de restauracin a ciegas.


14. Anlisis morfolgico

a) Identifica los objetos rectangulares ms grandes de la imagen de la figura 76 utilizando operadores
morfolgicos.

B=i mr ead( ' ci r cbw. t i f ' ) ;
h=st r el ( r ect angl e , [ 40 30] )
BE=i mer ode( B, h) ;
i mshow( BE)
BD=i mdi l at e( BE, h) ;
i mshow( B1)
Figura 76. Circuito.

Figura 77 a) Imagen erosionada. b) Imagen dilatada.

b) Describe un algoritmo para detectar microestructuras basado en la segmentacin de la imagen de
la figura 78 mediante operadores morfolgicos.

Figura 78. Imagen de Microscopio.
I = i mr ead( ' pear l i t e. t i f ' ) ;
f i gur e, i mshow( I )
I c = i mcompl ement ( I ) ;
B = i m2bw( I c, gr ayt hr esh( I c) ) ;
f i gur e, i mshow( I c) , f i gur e, i mshow( BW) ;
h = st r el ( ' di sk' , 6) ;
Bc = i mcl ose( B, h) ;
Bo = i mopen( Bc, h) ;
f i gur e, i mshow( Bc) ,
f i gur e, i mshow( Bo) ;
I s= B & Bo;


Figura 79. Secuencia de las imgenes obtenidas.

c) Atena el ruido de la imagen de la huella dactilar de la figura 80 y realiza un refinado de las crestas
papilares utilizando operadores morfolgicos.

I 0=i mr ead( ' f i g9. 11( a) . j pg' ) ;
%es=st r el ( ' squar e' , 3) ;
I 1=i mopen( I 0, es) ; El i mi naci n de r ui do
I 2=i mcl ose( I 1, es) ;
D1=bwmor ph( I , ' t hi n' , 1) ;
DF=bwmor ph( I , ' t hi n' , I nf ) ;
i mshow( I 0) , f i gur e, i mshow( I ) ,
f i gur e, i mshow( D1) , f i gur e, i mshow( DF)

(a)

(b)
(c)

(d)

Figura 80. (a) Huella dactilar. (b) Abertura seguida de cierre de la imagen.
(c) Imagen con crestas adelgazadas. (d) Imagen con crestas muy delgadas.

d) Detecta los rectngulos de tamao 96 que aparecen en la figura 81(a) utilizando el operador de
acierto y fallo.

(a) (b)
Figura 81. Imagen de rectngulos. (b) Rectngulo detectado.
I =i mr ead( ' t est pat 2. t i f ' ) ;
i mshow( I )
B=zer os( 11, 9) ;
B( 2: 10, 2: 7) =1;
B1=B;
B=ones( 11, 9) ;
B( 2: 10, 2: 7) =0;
B( 1: 11, 9) =0;
B2=B;
C=bwhi t mi ss( I , B1, B2) ;
[ f i l a col ] =f i nd( C) ;
C( f i l a- 4: f i l a+4, col - 3: col +2) =1;
f i gur e, i mshow( C)

e) Describe un algoritmo que detecte la clula de la figura 82 y que determine su permetro.

Figura 82. Clula.

Figura 83. Secuencia de imgenes obtenidas por el algoritmo.

f) Corrige el efecto de una iluminacin no uniforme en la imagen de la figura 84.

Figura 84. Imagen con iluminacin no uniforme.

Figura 85. Imagen corregida.
I = i mr ead( ' cel l . t i f ' ) ;
i mshow( I )
B =
edge( I , ' sobel ' , ( gr ayt hr esh( I ) *. 1) ) ;
h90 = st r el ( ' l i ne' , 3, 90) ;
h0 = st r el ( ' l i ne' , 3, 0) ;
Bd = i mdi l at e( B, [ h90 h0] ) ;
f i gur e, i mshow( Bd)
Br = i mf i l l ( Bd, ' hol es' ) ;
f i gur e, i mshow( Br ) ;
Bs= i mcl ear bor der ( Br , 4) ;
f i gur e, i mshow( Bs)
hd = st r el ( ' di amond' , 1) ;
Bf i nal = i mer ode( Bs, hd) ;
f i gur e, i mshow( Bf i nal )
BL = bwper i m( Bf i nal ) ;
Segout = I ; Segout ( BL) = 255;
f i gur e, i mshow( Segout )
J =i m2doubl e( I ) ;
i mshow( J )
B=bl kpr oc( J , [ 32 32] , mi n( x( : ) ) ) ;
B1=i mr esi ze( B, [ 256 256] , bi cubi c ) ;
i mshow( B1) ;
D=J - B1;
i mshow( D)
A=i madj ust ( D, [ 0 max( D( : ) ) ] , [ 0 1] , 1) ;
i mshow( A)
%Es una apl i caci n di r ect a del
%oper ador TopHat
I =i mr ead( ' r i ce. t i f ' ) ;
se=st r el ( ' di sk' , 10) ;
U=i mt ophat ( I , se)
i mshow( U)

g) Consigue una imagen constituida slo por los objetos de la figura 86 (a) que estn contenidos en un
disco de radio tres pxeles utilizando operadores morfolgicos.

(a)

I =i mr ead( ' ngc4024m. t i f ' ) ;
i mshow( I )
se = st r el ( ' di sk' , 3) ;
E = i mer ode( I , se) ;
D = i mdi l at e( E, se) ;
%D=i mt ophot ( I ) ;
F=I - D;
f i gur e, i mshow( F)
(b)
Figura 86. (a) Nebulosa. (b) Imagen con los objetos ms pequeos.

15. Segmentacin

a) Describe un algoritmo que determine el nmero de objetos de la imagen de la figura 87.

ni vel =gr ayt hr esh( I ) ;
B=i m2bw( I , ni vel ) ;
whos
[ et i quet as, nobj et os] =bwl abel ( B, 4) ;
nobj et os
E=l abel 2r gb( et i quet as) ;
f i gur e, i mshow( E)
Figura 87. Granos de arroz.

(a) (b)
Figura 88. (a) Imagen binaria. (b) Imagen etiquetada.

c) Determina las componentes conectadas de la imagen de la figura 89(a) y el centro de
cada una de las regiones correspondientes.


ni vel =gr ayt hr esh( I ) ;
B=i m2bw( I , ni vel ) ;
[ et i quet as, nobj et os] =bwl abel ( B, 4) ;
E=l abel 2r gb( et i quet as;
f i gur e, i mshow( E)
%Determinacin del centro
f or k=1: nobj et os
[ f i l a col ] =f i nd( et i quet as==k) ;
cy=mean( f i l a) ;
cx=mean( col ) ;

pl ot ( cx, cy, ' Mar ker ' , ' o' , . . .
' Mar ker EdgeCol or ' , ' k' , . . .
' Mar ker FaceCol or ' , ' k' , . . .
' Mar ker Si ze' , 10)
hol d on
pl ot ( cx, cy, ' Mar ker ' , ' *' , . . .
' Mar ker EdgeCol or ' , ' w' )
end

(a) (b) (c)
Figura 89 (a) Monedas. (b) Imagen binaria. (c) Imagen etiquetada y centros.

c) Identifica las monedas de la imagen de la figura 89 cuyo radio tiene una longitud de 29 a 30 pxeles
mediante la Transformada de Hough.

(a) (b)

(c) (d)

Figura 90. (a) Imagen Binaria. (b) Imagen de contornos.
(c) Imagen de los acumuladores. (d) Imagen con los centros de las monedas identificadas.

Practic As

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Practic As

Hochgeladen von

Copyright:

Verfügbare Formate

Escuela Tcnica Superior de Ingeniera Informtica

Das könnte Ihnen auch gefallen