DIgital Image and Processing: Consiste en el mapeo de una imagen en puntos definidos discretamente

Digital Image processing: Consiste en el mapeo de una imagen en puntos definidos discretamente, a las cuales asignamos un par de coordenadas y un valor de intensidad. Una imagen está definida por una función bidimensional, f(x,y) o  I(i,j), donde x & y son las coordenadas de un plano espacial y la amplitud f de cualquier par de coordenadas se le llama la intensidad de niveles de gris de la imagen en algún punto. Una imagen digital tiene número finito de píxeles. De la imagen queremos:

1)Identificar qué hay

2)Mejorar calidad. Reduces ruido (nivel bajo) y detectar contornos relevantes (n. medio)

3)Detectar área de interés. Caracterizas (nivel alto de procesamiento)

Los componentes de un sistema de procesamiento de imágenes:

• Adquisición
• Realce
• Restauración
• Segmentación
• Representación y descripción
• Identificación

Relaciones básicas entre píxeles

Una curva digital del píxel p con coordenadas (x,y) al pixel q con coordenadas (s,t) es una secuencia de píxeles con coordenadas (xo, yo), (x1,y1),...,(xn,yn). Los pixeles (xi, yi) y (xi-1, yi-1) son adyacentes. Se pueden definir 3 curvas: 4-path, 8-path, m-path.

S es un subconjunto de pixeles en la imagen

2 pixeles p y q están conectados en S si existe una curva que los una y

todos los pixeles están de la curva están en S. Componente conexa de S.

Si S tiene una sola componente conexa S se llama conjunto conexo.

R es un conjunto de pixeles que se llama Región si R es un conjunto conexo.

El borde de R es el conjunto de pixeles que tienen uno o más vecinos que no están en S.

OPERACIONES SOBRE IMÁGENES

• Operaciones sobre un conjunto base de pixeles: suma, resta, división, multiplicación
• Operaciones lineales y no lineales

Contraste

La dif. entre el parámetro de la imagen f en una región de interés ROI en un fondo b, definido.         

C= f-b

Si el parámetro de la imagen no ha sido normalizado, se normaliza:

C= (f-b)/(f+b)

Ya que el contraste simultáneo depende del fondo donde se encuentra ubicado importa

C= (f-b)/(b)

El nivel de gris quiere decir la cantidad de bits para codificar un pixel. Ej: 8 bits per img.

JND (Just Noticeable Difference) es el concepto usado en el análisis de contraste y en calidad de las imágenes. Para un determinado nivel de fondo f, el valor de un objeto en el primer plano se incrementa gradualmente iniciando en el nivel b hasta un nivel de percepción mínimo. Usamos JND= (f-b)/(b). El JND es cte. 0.02 ó 2% sobre un amplio rango de fondos (Ley de Weber)

Haga un estudio de contraste. Cuál es el JND para esta imagen?

[pic 1][pic 2]

El experimento se debe de repartir
para un mismo y varios observadores.

[pic 3]

imagesc(I);
colormap(gray(256));
axis square; %Ejes cuadrados
axis off;  %Esconder ejes
f=178;
b=230;
contraste=(f-b)/b

%JND, nuevo valor de b (background)
nb= 175;

sizeI=size(I);

IC=I; %inicializar nuevo arreglo

for i=1:1:sizeI(1)
   for j=1:1:sizeI(2)
       if I(i,j) ~= 230 %Todo lo que no sea la figura (f)
       IC(i,j)= 178; %Asignarle color de fondo (b) igual
       else
       IC(i,j)= nb;%Sustituir colo de fondo (b)
       end
   end
end

JND=(f-nb)/nb

%Mostrar nueva imagen
figure (2)
imshow(IC);
axis square;
axis off;

>> Primero leemos la imagen y la guardamos en un arreglo

>> Calculamos el valor de contraste según los valores de f=230 y b=178, el contraste nos da -0.2261

>> Para el JND buscamos que todos los píxeles tengan el mismo valor, o 178 de fondo o 230 de la figura (ya que casi siempre hay diferencias en los bordes). Para eso se usa el ciclo for, cualquier pixel cuyo valor no sea 230 se le asignará al valor de f. Entonces se cambia el fondo (b).

>> Se sustituyen todos los valores de 230 (b) en la excepción else y se muestra la nva. figura.

>> Los valores de JND varían con la resolución del monitor ya que la última vez que se recorrió el código de cambian los valores de nb. A veces 175, 179, etc.

[pic 4]

[pic 5]

 JND encontrado = 1.12% y 4.52%. El primero cumple, el segundo no

Realce de Imágenes en el Dominio Espacial

También nos ayuda a mejorar el contraste

[pic 6][pic 7]

[pic 8]

s= L-1-R Es la ecuación que invierte los niveles de intensidad
cuando predominan los negros. L- nivel de grises y S-salida de negativos

[pic 9]

1. Tome la imagen breast digital X-ray y mejore el contraste por diferentes métodos.

EJERCICIOS LINEALES                        

s = L - 1 - r

[pic 10]

Es la transformación básica de niveles de gris para describir los negativos de una imagen. Con la ecuación de revierten los niveles de intensidad de una imagen y para mejorar detalles blancos o grises cuando la imagen original tiene el negro como predominante. Aquí, se recorren todos los píxeles con el ciclo for. A cada píxel se le aplica la fórmula y vemos los resultados inversos de b&n.

EJERCICIOS LOGARÍTMICAS

[pic 11][pic 12]

[pic 13]

Del 1 al 0

Lo pasas por la función con logaritmo.

La pasas por una función y realza la info que nos interesa.

Como se puede ver en la figura 2, los niveles de gris bajos se vuelven mucho más anchos en la imagen de salida lo que permite que haya mayor contraste en la imagen de salida.

[pic 14] 

%LOGARITMICA
clc; close all; clear all %Inicializar
X=imread('Fig0305(a)(DFT_no_log).tif','tif'); %Leer imagen de cualquier tipo, guardar en arreglo
imagesc(X);
colormap(gray(256));
axis square; %Ejes cuadrados
axis off;  %Esconder ejes
colorbar;

sizeX=size(X);
XC(1:1:sizeX(1),1:1:sizeX(2))=0; %inicializar nuevo arreglo


for i=1:1:sizeX(1)
           for j=1:1:sizeX(2)  
                     XC(i,j)= log(1 + double(X(i,j)) );
            end
end

figure (1)
imagesc(X);
colormap(gray(256));
axis square;
axis off;
colorbar;


figure (2)
imagesc(XC);
colormap(gray(256));
axis square;
axis off;
colorbar;

...