Artificial V

Unidad 1: PREPOCESAMIENTO: Filtros, mejora de imgs, operaciones morfológicas. FILTROS: Suavizar la img (reducir las variaciones de intensidad entre píxeles vecinos) y Eliminar ruido (modificar aquellos píxeles cuyo nivel de intensidad es muy diferente al de sus vecinos). También Realzar la img (aumentar las variaciones de intensidad, allí donde se producen) y Detectar bordes (detectar aquellos píxeles donde se produce un cambio brusco en la función intensidad). F.Media: Es lineal. Asigna al pixel central la media de todos los pixeles incluidos en la ventana. La matriz de filtrado estaría compuesta por 1’s y el divisor sería el número total de elementos en la matriz. Es el más simple, intuitivo y fácil de implementar. Suaviza las imgs reduciendo la cantidad de variaciones de intensidad entre píxeles vecinos. Se visita cada píxel de la imagen  y se reemplaza por la media de los píxeles vecinos. Se puede operar mediante convolución con una máscara determinada. Cuando el # de texel es impar, el valor del mismo se posiciona geométricamente exacto en el centro del texel en la nueva img; Si es par no pasa nada pero no se posiciona en el centro del texel en la nueva img sino que toma una posición de al lado. Desventajas: Bastante sensible a cambios locales, crea nuevas intensidades de grises que no aparecían en la img. F.media ponderada: los elementos de la matriz de filtrado no son todos 1s sino que se da más peso a uno de ellos, (generalmente el central) para obtener un resultado más parecido a la img original y evitar que aparezca borrosa.  F.mediana: Este filtro NO lineal es mejor porque elimina ruido utilizando técnicas detección de bordes. También el 1er valor se crea y el segundo se escoge. Para calcular el nuevo valor de un píxel: - En una vecindad N ordenar los valores de intensidad de sus píxeles - Seleccionar el valor que se encuentra en el medio de la ordenación. Una mejor alternativa para ruidos sal y pimienta e impulso. Preserva mejor la información de los bordes. Tiene la ventaja de que el valor final del pixel es un valor real presente en la img y no un promedio, asi se reduce el efecto borroso que tienen las imgs que han sufrido un filtro de media. Es menos sensible a valores extremos. Normalización: Transformación lineal de la img para mejorar el contraste en dos diferentes formas, por ej. Una img en gris, la idea es separar los valores de intensidad para mejorar el contraste asi: 1. Lineal función y 2. No lineal función (ecualización)   Linearización o ecualización es una forma de manipulación de histograma que reduce automáticamente  el contraste en las áreas muy claras o muy oscuras de una imagen. También expande los niveles de gris a lo largo de todo intervalo. Consiste en una transformación no lineal que considera la distribución acumulativa de la imagen original para generar una img resultante cuyo histograma será aprox. Uniforme. El resultado de la ecualización maximiza el contraste de una img sin perder info de tipo estructural, conservando su entropía (info). Umbralización: valor mínimo de la intersección de las gaussianas. Busca un umbral óptimo que permita distinguir en una imagen los objetos del fondo de los objetos del primer plano, separar los objetos de la img obteniendo 2 niveles de grises en la img., todos los niveles de gris que se encuentren por encima del umbral se le asigna un nivel max. de blanco y al resto un valor 0 o negro. /Umbral global: 1 umbral/img. Se utiliza en imgs donde existe una clara diferencia entre objetos y entorno y cuando la iluminación es uniforme, es decir, se elige un valor umbral para toda la img. Este método es el más fácil de calcular pero tb es muy sensible a las pequeñas variaciones que pueden existir en la luminosidad de la img. Se basa en el histograma de la imagen. Emplea funciones de densidad de probabilidad (FDP). Umbral local: many umbral/img. Cuando el umbral a utilizar sea diferente en cada zona iluminada por una franja distinta, es decir se divide la img original en regiones y se establece un valor umbral para cada una de ellas, sin afectar la calidad. En comparación con el global, es menos sensible a las variaciones de luminosidad pero en las fronteras entre las regiones elegidas pueden aparecer desniveles visibles. Útiles cuando hay varios objetos en la img de distintos niveles de gris. y las condiciones de iluminación no son uniformes. Umbral dinámico: 1 umbral/pixel. Cuando se utiliza iluminación arbitraria que puede provocar en la img efectos de sombras reflejos, etc. Los umbrales a elegir deberán adaptarse a las condicione especiales que se producen en esas zonas de efectos especiales, es decir se define para cada pixel una zona vecina a la que se asigna un valor de umbral adecuado. Es muy estable frente a cambios de luminosidad localizados, pero la potencia de cálculo se incrementa mucho ya que para cada pixel se debe calcular un nuevo valor umbral. Quadtree: para codificar imágenes. Cada imagen se puede dividir en cuatro cuadrantes, y a su vez, cada cuadrante se puede dividir en otros cuatro sub-cuadrantes, etc. La imagen es representada por el nodo padre, mientras que los cuatro cuadrantes son representados por sus nodos hijos en un orden determinado. Mean moving thresholding: Operaciones morfológicas: método no lineal de simplificar imgs digitales basadas en la forma. Su objetivo es cuantificar estructuras geométricas. Los filtros están definidos por su kernel (no de convolución sino de un elemento estructurante). Simplifica los datos de una imagen, preservar características esenciales y eliminar aspectos irrelevantes. Teniendo en cuenta que la identificación y descomposición de objetos, la extracción de rasgos, la localización de defectos e incluso los defectos en líneas de ensamblaje están sumamente relacionados con las formas, es obvio el papel de la morfología matemática. Erosión: Efecto de encogimiento, contracción o reducción. Puede ser utilizado para eliminar islas menores en tamaño que el elemento estructurante. Útil para eliminar pequeños objetos. Sobre cada pixel de la img se superpone el origen del elemento estructurante. Si cada elemento no 0 de dicho elemento está contenido en la img, entonces el pixel de salida es puesto a 1. Se seleccionan los puntos para los cuales el núcleo se encuentra totalmente incluido en la imagen. Disminuye el tamaño de los objetos. Como pasaba en la dilatación, la cantidad y la forma en que se produce esta disminución depende del elemento estructural elegido. Eliminación detalles irrelevantes (en términos de tamaño) de una imagen binaria. Dilatación: el efecto básico de este operador en una img binaria es para agrandar gradualmente los límites de las regiones de los pixeles de primer plano. Asi las áreas de los pixeles de primer plano crecen en tamaño mientras que los agujeros dentro de esas regiones se hacen más pequeños. Relleno, expansión o crecimiento. Opera en con 2 datos de entrada: la img que de ser dilatada y el elemento estructurante (kernel, matriz pequeña). El elemento estructurante determina el efecto preciso de dilatación de la img de entrada. Elimina huecos rellenándolos, esquenas redondeadas. Aumenta el tamaño de un objeto. La cantidad y la forma en que aumenta el tamaño depende de la elección del elemento estructural. se seleccionan los puntos para los cuales el núcleo toca a algún punto de la imagen. Apertura: Reducir el ruido. Se obtiene por la erosión seguida de la dilatación. Su efecto es parecido al de la erosión ya que tiende a eliminar parte de los pixeles de los bordes de las regiones pero es menos destructivo que la erosión. El efecto es preservar las regiones que tienen una forma similar al elemento estructurante, mientras que va eliminando a todas las demás regiones de pixeles. Redondea las cosas, los bordes afilados desaparecen. Es decir, suaviza el contorno de un elemento, rompe uniones angostas y elimina salientes finas. Elimina objetos pequeños y se suavizan los contornos generados por la mala segmentación, dado que está compuesto por una operación de erosión seguida de una de dilatación.  No siempre aplicar la erosión antes de la dilatación se obtiene la img original. Cierre: Se cierran los huecos y aperturas del tamaño del núcleo que presente el objeto, dado que está compuesto por una dilatación seguida de una erosión. Su efecto es similar al de dilatación ya que tiende a ampliar los límites de las regiones del objeto de en la img, pero es menos destructivo de la forma del contorno original. El efecto del operador es preservar las regiones del fondo que tengan una forma similar al elemento estructurante o que pueda contener completamente el elemento estructurante, mientras que va eliminado todas las demás regiones de pixeles del fondo. Suaviza contornos, une cortes en partes angostas y golfos largos y finos, elimina pequeños huecos y llena baches con los contornos.

...