Modicaci on del Brillo de los P xeles para Mejorar la Calidad de Constraste en una Imagen

Diego Alejantro Triana Barreto C odigo N.o 20081005094* Juan David Reyes Cordoba C odigo N.o 20082005063** Jos e Esteban Heredia C odigo N.o 20081005014*** Vivian Herrera Ardila C odigo N.o 20082005084**** 4 de septiembre de 2013

Resumen Este documento muestra la metodolog a usada en el proceso de mejora aplicado sobre una imagen, el cual afecta el brillo o intensidad original de los pixeles de la misma, mediante una transformaci on. Para ello se utiliz o la herramienta computacional MATLAB, mediante la cual se procesaron las respectivas im agenes, mostrando un cambio signicativo con respecto a la calidad visual que tienen las im agenes originales. Adicionalmente se muestra una forma cuantitativa de medir la eciencia de dicha transformaci on. Palabras clave: Brillo, intensidad, transformaci on, ecualizaci on, pixel.

* Estudiante de Ingenier a Electr onica de la Universidad Distrital Francisco Jos e de Caldas. Correo Electr onico: datrianab@correo.udistrital.edu.co. ** Estudiante de Ingenier a Electr onica de la Universidad Distrital Francisco Jos e de Caldas. Correo Electr onico: jdreyesc@correo.udistrital.edu.co. *** Estudiante de Ingenier a Electr onica de la Universidad Distrital Francisco Jos e de Caldas. Correo Electr onico: jeherediag@correo.udistrital.edu.co. **** Estudiante de Ingenier a Electr onica de la Universidad Distrital Francisco Jos e de Caldas. Correo Electr onico: vherreraa@correo.udistrital.edu.co.

1.

Introducci on
3000 2000 1000 0 0

Histograma Im.1

Histograma Im.2

2000

Para el procesamiento de las im agenes se tienen en cuenta las transformaciones de brillo donde se trabajan caracter sticas muy particulares como el brillo y el contraste, ya que el respectivo control de estos factores son los m as intuitivos para nosotros, debido a que una modicaci on cualquiera de alguno de ellos suele suponer un cambio visible en la imagen. Una herramienta muy u til para el procesamiento de las im agenes, es hacer uso del histograma, ya que es la base para numerosas t ecnicas espaciales de procesamiento de dominio. La manipulaci on del histograma puede ser usado efectivamente para mejora de la imagen, adem as de proporcionar estad sticas de imagen muy u tiles y es posible ver la distribuci on de intensidades en una imagen [2]. El histograma de una imagen f es una gr aca que representa los niveles de intensidad del color de f con respecto al n umero de p xeles presentes en f con cada intensidad de color, aunque seg un sus propiedades los histogramas no contienen informaci on espacial sobre la imagen, La imagen f no se puede deducir a partir de h(f), ya que dos im agenes diferentes pueden tener el mismo histograma. La ecualizaci on de un histograma es un m etodo que se utiliza para lograr una distribuci on m as uniforme entre el n umero de p xeles asociado a cada nivel de intensidad.

1000

0 0.5 Histograma Im.3 3000 1 0 0.5 Histograma Im.4 1

2000 1000 0 0 0.5 1

2000 1000 0 0 0.5 1

Figura 1: Histogramas imagen 1 a 4

no muy bien denida, es su distribuci on bi-modal, teniendo en algunos casos m as de dos picos. La intensidad media de estas im agenes ronda el intervalo de [76-110] si tomamos de referencia 256 valores posibles.
Histograma Im.5 3000 2000 1000 500 0 0 0.5 Histograma Im.7 3000 2000 2000 1 0 0 0.5 Histograma Im.8 1 2000 1500 1000 Histograma Im.6

2.

Formulaci on del problema

1000 0

1000

0 0 0.5 1 0 0.5 1

Las im agenes destinadas para este ejercicio son tomas fotogr a?cas de un ocaso en epoca de verano en Bogot a. Debido al fulgor del sol, el ajuste autom atico de la c amara hace que los objetos de la escena aparecen m as oscuros. El ejercicio consiste en modi?car el brillo de los pixeles para que la presentaci on general de la imagen permite ver mejor las partes oscuras. Puesto que son varias im agenes, habra necesidad de estudiar algunas propiedades para determinar cu al es la transformaci on apropiada. Dise ne un m etodo propio de modi?caci on del brillo de los p?xeles para mejorar la visualizaci on de las im agenes. Intente encontrar alg un o algunos par ametros que permitan que el algoritmo realce las im agenes autom aticamente. No utilice la ecualizaci on de histograma sino s olo para comparar. Eval ue la e?ciencia de su algoritmo a trav es de alguna medida.

Figura 2: Histogramas imagen 4 a 8

3.

Resultados

Para lograr una correcta transformaci on de las 8 im agenes dadas, es decir, para que su presentaci on general permite ver mejor las partes oscuras, se observ o en primer lugar el histograma de cada una de estas, vistos en la Figura (1) y (2). En estos histogramas observamos claramente una caracter stica similar a todas las im agenes, y es su alta concentraci on de p xeles en tonos oscuros o muy oscuros, dejando varios niveles de grises casi sin utilizar; otra caracter stica 2

Por lo tanto dadas estas caracter sticas se di o a la tarea de encontrar una transformaci on que intentara mejorar el contraste, vista en la gura 3, en este caso con la utilizaci on de un estiramiento o ampliaci on de contraste para las zonas m as oscuras, que en todas las im agenes aproximadamente es hasta 0.15 observando las guras 1 y 2, esto se logra teniendo una pendiente mayor a 1. Para las intensidades del segundo pico se realiz o una reducci on dado que la pendiente es menor a 1, es decir, se pierde contraste en dicho tramo. Su funci on para la implementaci on se observa en la gura 4, donde como vemos se realiza la transformaci on para los intervalos [0,c] y [c,1] a una ampliaci on en [0,ac] y una reducci on en [ac,1]. Para observar los resultados se realiz o una funci on en MATLAB con par ametro de entrada la imagen a transformar (Ver anexos), donde la variable utilizada para realizarlo de forma autom atica fue la media de las intensidades de cada imagen. Esta dar a como resultado una nueva imagen transformada, as como su histograma, en las guras (6) a (12) lo podemos observar en forma de comparaci on: Para medir la ecacia de este algoritmo, vamos a utilizar el valor esperado de las intensidades, as como su desviaci on est andar, en un rango de intensidades de [0,255]. Esto pa-

Imagen Original 3000 100 2000 200 1000 300 0 100 200 300 400 500 0

Histo.Im.Orig

0.5 Histo.Im.Transformada.

Imagen Transformada 3000 2000 200 1000 300 0 100 200 300 400 500 0

100

ra corroborar que existe un mayor n umero de intensidades usadas, y por lo tanto la imagen en este caso tendr a una mejor presentaci on, dado que como podemos observar en la tabla 1, los valores iniciales del valor esperado estaban en intensidades oscuras, ahora con la transformaci on se nota que este valor esperado se eleva, y observando su desviaci on est andar, nos damos cuenta que los pixeles est an m as en las zonas de grises, dando como resultado el permitir ver mejor las partes oscuras y su medici on se dar a en la diferencia del valor esperado.

0.5

Figura 3: Transformaci on sobre la imagen 1

Figura 7: Tabla comparativa para la medici on de la eciencia del algoritmo. Figura 4: Funci on utilizada para la transformaci on
Imagen Original Histo.Im.Orig

100 200 300

2000 1000 0 100 200 300 400 500 0 0.5 Histo.Im.Transformada. 3000 1

Imagen Transformada

100 2000 200 1000 300 0 100 200 300 400 500 0 0.5 1

Figura 5: Gr aca de la funcion utilizada Figura 8: Transformaci on sobre la imagen 3

Imagen Original 2000

Histo.Im.Orig

4.

Discusi on

100 200 300

1000

0 100 200 300 400 500 0 0.5 Histo.Im.Transformada. 1

Imagen Transformada

100 200 300

2000 1000 0 100 200 300 400 500 0 0.5 1

Figura 6: Transformaci on sobre la imagen 2

Para obtener una mejor presentaci on visual de las 8 im agenes trabajadas, se le aplic o a cada imagen diferentes tipos de transformaci on de brillo (transformaciones lineales, no lineales, de modicaci on del histograma, modicaci on de posici on), y partiendo con la referencia de los histogramas de cada una de las im agenes originales, se identic o una caracter stica similar en todas las im agenes que fue su alta concentraci on de p xeles en tonos oscuros o muy oscuros, dejando varios niveles de grises casi sin utilizar y la presencia de una distribuci on bi-modal, teniendo en algunos casos m as de dos picos. As mismo, los histogramas permitieron establecer que la intensidad media de estas im agenes ronda el intervalo de [76-110], tomando de referencia 256 valores 3

posibles. Partiendo de estos resultados, se determin o que la transformaci on adecuada era una transformaci on lineal, que permit a hacer un estiramiento en el contraste de los pixeles de la imagen donde se presentaban las zonas m as oscuras, y una reducci on en las zonas donde hab a p erdidas del contraste, logrando una modicaci on en la intensidad de los pixeles por secciones. Posteriormente, para evidenciar los efectos de las transformaciones lineales sobre las im agenes, se obtuvo el histograma de la imagen transformada y se pudo concluir que era muy similar al de la original, mientras que aplicando la transformaci on no lineal, el histograma de la imagen resultante si var a bastante, ya que se modica en gran consideraci on los niveles de gris. Como el criterio de calidad que se utiliz o en un principio para determinar qu e transformaci on era la m as adecuada fue la presentaci on visual de las im agenes transformadas, se hizo necesario establecer un m etodo que permitiera demostrar la conveniencia o ecacia de un transformaci on versus otra, y en este caso, se decidi o usar un algoritmo con valor esperado de las intensidades, as como su desviaci on est andar, en un rango de intensidades de [0,255]. As se corrobor o que existe un mayor n umero de intensidades usadas, y por lo tanto la imagen en este caso tendr a una mejor presentaci on.
Imagen Original 3000 100 2000 200 1000 300 0 100 200 300 400 500 0 0.5 Histo.Im.Transformada. 3000 100 2000 200 1000 300 0 100 200 300 400 500 0 0.5 1 1 Histo.Im.Orig

Imagen Original 2000 100 200 300 100 200 300 400 500 1500 1000 500 0 0

Histo.Im.Orig

0.5 Histo.Im.Transformada.

Imagen Transformada 2000

100 200 300

1000

0 100 200 300 400 500 0 0.5 1

Figura 11: Transformaci on sobre la imagen 6

Imagen Original 3000 100 200 1000 300 0 100 200 300 400 500 0 2000

Histo.Im.Orig

0.5 Histo.Im.Transformada.

Imagen Transformada 3000 100 2000 200 1000 300 0 100 200 300 400 500 0

Imagen Transformada

0.5

Figura 12: Transformaci on sobre la imagen 7 Figura 9: Transformaci on sobre la imagen 4

Imagen Original 3000 100 200 1000 300 0 100 200 300 400 500 0 2000

Histo.Im.Orig

Imagen Original 2000

Histo.Im.Orig

100 200 0.5 Histo.Im.Transformada. 3000 1 300

1000

Imagen Transformada

0 100 200 300 400 500 0 0.5 Histo.Im.Transformada. 3000 1000 100 200 0 0.5 1 300 0 100 200 300 400 500 0 0.5 1 1000 2000 1

100 2000 200 300 0 100 200 300 400 500 Imagen Transformada

Figura 10: Transformaci on sobre la imagen 5 Figura 13: Transformaci on sobre la imagen 8

5.

Conclusiones

la Mixteca.

alez and Richard E. Woods, Digital ImaDebido a las condiciones adversas de iluminaci on o de [2] Rafael C. Gonz ge Processing. Second Edition. Upper Saddle River, New enfoque de escena que se pueden presentar en la captuJersey 07458: Prentice Hall, Inc., 2002. ra de im agenes, se hace necesario desarrollar m etodos a trav es del procesamiento de im agenes que permitan [3] John C. Russ, The Image Processing Handbook. Fourth la manipulaci on o realce de la misma y que nalmente Edition. 2000 N.W. Corporate Blvd., Boca Raton, Floproporcione una mejor presentaci on en la visualizaci on rida 33431: CRC Press LLC, 2002. de la imagen para que sea m as acorde y agradable a las caracter sticas opticas humanas. [4] Steven W. Smith, The Scientist and Engineers Guide to Digital Signal Processing. Second Edition. P.O. Box Es dif cil establecer por medios computacionales o ma502407 San Diego, CA 92150-2407: California Technical tem aticos la calidad de una imagen, ya que el principal Publishing, 1999. criterio de calidad est a determinado por la comparaci on de la imagen real con la imagen capturada desde el punto de vista est etico y las limitaciones propias de A. Anexos la visi on humana. Es por esto que en general, para obtener una buena presentaci on en una imagen se busca function Isal = funmejimagen(Ient) que hayan buenas diferencias de intensidad (contraste) % Devuelve el no de filas y columnas en variables de s entre los objetos, con un brillo promedio en el interme- [filas,columnas] = size(Ient); dio, pero no hay una denici on universal de contraste Isal = zeros(filas,columnas); para establecer la idoneidad de la imagen capturada. me=mean2(Ient(:)); Ient=im2double(Ient);%Rango de la imagen en [0,1] Para mejorar la calidad visual o pict orica de las im agea=255/me; nes capturadas se requiere aplicar alguna modicaci on c=0.20; o transformaci on de las caracter sticas de la imagen, for n=1:512, principalmente el brillo y el contraste, en busca de las for m=1:384, proporciones adecuadas que lleven a una mayor optiif Ient(m,n)<c, mizaci on visual de la misma. Una de las transformaIsal(m,n)=Ient(m,n)*a; ciones m as comunes es la de brillo, en donde se utiliza else alg un proceso donde el brillo o la intensidad original Isal(m,n)=a*c+(Ient(m,n)-c)*(1-a*c)/(1-c); de los pixeles se cambia por otro a trav es de alg un end criterio de transformaci on cuya nalidad sea que el end rango de las intensidades o brillos de los pixeles de las end im agenes original y transformada sean los mismos. Al aplicar los diferentes tipos de transformaciones para el brillo (lineales, no lineales, modicaci on de histograma, modicaci on por posici on) se establece en un principio que el m etodo m as adecuado para transformar las im agenes trabajadas en este informe, es el m etodo de modicaci on por histograma, ya que obtuvo mejores resultados en la presentaci on de la visualizaci on de las im agenes, y para evaluar dicha idoneidad del m etodo de la modicaci on del histograma se utiliz o como criterio la media de las intensidades de cada imagen. La ecualizaci on de un histograma es una herramienta bastante u til para obtener im agenes m as apropiadas visualmente y adem as su manejo es m as pr actico en comparaci on a los otros tipos de transformaciones que se manejaron.

%Representacion Grafica imc=histeq(Ient); figure,title(Comparaci on entre la imagen tarnsformada subplot(1,2,1);imshow(Isal);title(Imagen Transformada subplot(1,2,2);imshow(imc);title(Imagen equalizada con figure, subplot(2,2,1);imshow(Ient);title(Imagen Original); subplot(2,2,2);imhist(Ient);title(Histo.Im.Orig); subplot(2,2,3);imshow(Isal);title(Imagen Transformada subplot(2,2,4);imhist(Isal);title(Histo.Im.Transformad end

Referencias bibliogr acas

[1] Garc a Luna, V ctor Manuel. Introducci on al Procesamiento Digital de Im agenes. Universidad Tecnol ogica de 5