Procesamiento digital de imágenes con matlab

PROCESAMIENTO DE
IMÁGENES CON MATLAB
1

http://lonely113.blogspot.com

Lectura de Imágenes
2

Mediante el comando:
Imagen=imread(‘nombre.extensión’)
La imagen a leer debe encontrarse en la carpeta de trabajo de
Matlab. Los formatos de imagen soportados por Matlab son:

Formato Extensión
TIFF .tiff
JPEG .jpg
GIF .gif
BMP .bmp
PNG .png
XWD .xwd


Ejemplo: Lectura de una imagen *.jpg
3

La imagen "fruta.jpg" se encuentra en el directorio de
trabajo.

>> Im_RGB=imread('fruta.jpg');


Representación de Imágenes en Matlab
4

En Matlab una imagen en formato de color RGB se
representa por tres matrices bidimensionales,
correspondientes a los planos R, G y B.

1=R
2=G
3=B


Obtención de los Planos RGB
5

Para obtener los planos R, G y B se ejecutan los comandos:
Im_R=Imagen(:,:,1)
Im_G=Imagen(:,:,2)
Im_B=Imagen(:,:,3)
Ejemplo:

>> Im_R=Im_RGB(:,:,1);
>> Im_G=Im_RGB(:,:,2);
>> Im_B=Im_RGB(:,:,3);


Tamaño de la Imagen
6

Obtención del tamaño de Imagen:
>> [m,n,p]=size(Im_RGB)
m=
600
n=
800
p=
3

Im_RGB: 600x800
3 planos (R,G y B)


Despliegue de Imágenes
7

Se realiza con el comando:
Imshow(Imagen)

Dónde: Imagen es del tipo uint8.

>> imshow(Im_RGB)


Escritura de Imágenes
8

Con el comando:
imwrite(Imagen,’nombre.extensión’)

>> imwrite(Im_RGB,'imagen.jpg');


Lectura de Valor de Pixeles
9

Obtención de valor de pixel
Imagen(m,n) ; Cuando Imagen está en escala de grises (un solo plano).
Imagen(m,n,p) ; Para imagen RGB. Devuelve el valor del pixel
correspondiente al plano p (1, 2 ó 3).

Dónde: m,n son las coordenadas del pixel.

>> Im_RGB(300,300,1)
ans =
255
>> Im_RGB(300,300,2)
ans =
178
>> Im_RGB(300,300,3)
ans =
10


Selección manual y Lectura de Valor de
Pixel
10

 Mostrar la imagen con el comando imshow.
 Escribir el comando: pixel=impixel;
 Clic en el pixel y Enter.

>> imshow(Im_RGB)
>> pixel=impixel
pixel =
252 144 115


Edición de Pixeles
11

Para modificar el valor de un pixel:
Imagen(m,n)=x ; Para una imagen en escala de grises.
imagen(m,n,p)=x ; Para una imagen RGB.
Dónde: x es un número entero entre 0 y 255 correspondiente a
escala de grises (0=negro y 255=Blanco)

>> Im_RGB(200,750,1)=255;
>> Im_RGB(200,750,2)=255;
>> Im_RGB(200,750,3)=255;


Perfil de Imagen
12

 Mostrar la imagen con el comando: imshow.
 Escribir el comando: improfile
 Trazar la línea para obtener el perfil en la imagen (clic en inicio y clic en final) y Enter.
 Si se desea se puede guardar el perfil en una variable. Ejecutando:
perfil=improfile;
300
>> imshow(Im_RGB)
>> improfile 250

200

150

100

50

0
0 50 100 150 200 250 300 350 400 450 500
Distance along profile


Submuestreo
13

Submuestrear una imagen reduce su tamaño y permite que
el procesamiento posterior de la imagen se agilice.
a11 a12 a13 a14 a15 a16 a17 a18 … a1n

Se toman pixeles equidistantes (muestras), dependiendo del
factor elegido, y se desecha el resto de pixeles.

Imagen_ sub=Imagen(1:a:end,1:a:end,1:1:end)

Dónde: a es el factor de muestreo.
Si a=2 la imagen se reduce a la mitad.


Ejemplo: Submuestreo de la imagen Im_RGB
por un factor de 4.
14

>> Im_sub=Im_RGB(1:4:end,1:4:end,1:1:end);
>> imshow(Im_sub)


Transformación Uint8 - Double
15

 En algunos casos es necesario que la imagen a procesar
sea del tipo "double", ya que uint8 admite sólo valores
enteros entre 0 y 255.
 Para transformar de uint8 a double y viceversa:

Imagen_double=double(Imagen_uint8)
Imagen_uint8=uint8(Imagen_double)
 El comando imshow sólo muestra imágenes del tipo
uint8.


Ejemplo: Se requiere resaltar el gris en una
imagen por un factor 0.25.
16

>> Im_double=double(Im_RGB);
>> Im_double=Im_double*0.25;
>> Im_uint8=uint8(Im_double);
>> Imshow(Im_uint8)


Filtraje
17

Se realiza mediante convolución de matrices.

Dónde: Imagen es la matríz a filtrar.

f es la matríz filtro.

b11,b12,…,bmn son los
elementos de la matríz de salida.


Filtraje
18

 Se puede utilizar el comando:
imagen2=filter2(filter,Imagen);
Dónde: filter es la matriz filtro.
El comando filter2 no admite uint8, por lo tanto la
imagen a filtrar se debe convertir al tipo double.
El filtraje se debe realizar plano por plano en una
imagen RGB.

 Se agrega ruido a una imagen con el comando imnoise.
Revisar los archivos de ayuda de Matlab para mas
información.

Ejemplo: Filtraje promedio
19

Para eliminar o reducir el ruido de una imagen.
>> foto=imread('fruta.jpg');
>> foto=imnoise(foto,'salt & pepper');
>> foto_R=foto(:,:,1);
>> foto_G=foto(:,:,2);
>> foto_B=foto(:,:,3);
>> filtro=1/9*[1 1 1;1 1 1;1 1 1];
>> foto2_R=filter2(filtro,double(foto_R));
>> foto2_G=filter2(filtro,double(foto_G));
>> foto2_B=filter2(filtro,double(foto_B));
>> foto2(:,:,1)=foto2_R;
>> foto2(:,:,2)=foto2_G;
>> foto2(:,:,3)=foto2_B;
>> imshow(uint8(foto))
>> figure,imshow(uint8(foto2))


Ejemplo: Detección de bordes.
20

 Se puede realizar similar al caso anterior, definiendo un filtro para detección de bordes.

 La imagen a filtrar debe estar en escala de grises.

 Para convertir RGB a escala de grises se utiliza el comando:

Imagen_gray=rgb2gray(Imagen_RGB);

>> filter=[1 2 1;0 0 0;-1 -2 -1];
>> Im_RGB=imread('medusa.jpg');
>> Im_gray=rgb2gray(Im_RGB);
>> Im_edge=filter2(filter,Im_gray);
>> imshow(Im_RGB);
>>figure,imshow(Im_edge);


Filtro Mediana
21

 Se realiza para atenuar el ruido de una imagen.
 Usualmente se aplica a imágenes en escala de grises.
Imagen2=medfilt2(Imagen)

Ejemplo:

>> Im_RGB=imread('fruta.jpg');
>> Im_gray=imnoise(Im_gray, 'salt
& pepper');
>> imshow(Im_gray)
>> Im_filt=medfilt2(Im_gray);
>> figure, imshow(Im_filt)


Detección de Bordes
22

 Se realiza con el comando:

imagen_edge=edge(imagen_gray,’mascara’);
 Se requiere que la imagen esté en escala de grises.

 mascara es el tipo de mascara a utilizar (sobel,
canny,prewit, …) ya predefinidas en Matlab.


Ejemplo:
23

Se realiza la detección de bordes de una imagen utilizando la máscara de
"sobel".
>> Im_RGB=imread('Penguins.jpg');
>> Im_edge=edge(Im_gray,'sobel');
>> imshow(Im_edge)


Binarización
24

 Conversión de una imagen en escala de grises a una
imagen lógica (0=negro, 1=blanco).
 Se realiza con el comando:
Imagen_bin=imagen<=Umbral

Dónde: Umbral es un número entre 0 y 255.

 También se puede usar el siguiente comando cuando se
requiere binarizar una imagen RGB directamente.
Imagen_bin=im2bw(Imagen,level)
Dónde: level es el nivel de umbral entre 0 y 1.


Ejemplo: Método 1.
25

Binarización de una imagen con un umbral de 128.

>> Im_bin=Im_gray>=128


Ejemplo: Método 2.
26

>> Im_bin=im2bw(Im_RGB,0.5)


Erosión y Dilatación
27

Son las operaciones morfológicas más utilizadas.

DILATACIÓN: Adiciona pixeles en las fronteras de la
imagen.

EROSIÓN: Remueve pixeles de las fronteras de la
imagen.

Ambas operaciones se aplican a imágenes binarizadas.


Dilatación
28

Se utiliza el comando:
Result=imdilate(Imagen,SE)
Dónde: SE es la estructura del arreglo a utilizar como
rejilla.
Imagen es previamente binarizada.
Existen varias maneras de obtener una estructura SE.
Se realiza mediante el comando "strel". Revisar los
archivos de ayuda de Matlab.


Dilatación
29

Suponiendo que se utiliza una matriz identidad de orden 3 como rejilla (mostrada con
bordes resaltados en la imagen), el resultado de aplicar la operación de dilatación en el
pixel que se traslapa con el elemento central de la rejilla es:

"Si alguno de los pixeles de la rejilla configurados como 1 coincide con al menos uno de
la imagen el pixel resultante es 1".


Ejemplo:
30

Aplicando dilatación a una imagen binarizada, utilizando una
estructura generada a partir de una matriz cuadrada de "1" de
orden 30.

>> SE=strel('square',30);
>> Im_RGB=imread('imagen.jpg');
>> Im_dilate=imdilate(Im_edge,se);
>> imshow(Im_edge);
>> figure,imshow(Im_dilate)


Erosión
31

Se utiliza el comando:

Result=imerode(Imagen,SE)

Dónde: SE es la estructura del arreglo a utilizar
como rejilla.
Imagen es previamente binarizada.


Erosión
32

Suponiendo que se utiliza una matriz identidad de orden 3 como rejilla (mostrada con
bordes resaltados en la imagen), el resultado de aplicar la operación de erosión en el
pixel que se traslapa con el elemento central de la rejilla es:

"Todos los pixeles de la rejilla configurados como 1 deben coincidir con todos los de la
imagen, si esto no sucede el resultado del pixel es 0".


Ejemplo:
33

Aplicando la operación de erosión a la imagen dilatada utilizando una
estructura generada por una matriz cuadrada de "1" de orden 15.

>> Im_erode=imerode(Im_dilate,SE);
>> imshow(Im_dilate)
>> figure,imshow(Im_erode)


Vecindad
34

Para determinar si dos pixeles son vecinos o no (adyacentes).
Vecindad-4: Se consideran pixeles conectados en direcciones
perpendiculares (arriba, abajo, derecha, izquierda).
Vecindad-8: Se consideran también los pixeles vecinos
diagonales.

Vecindad-4 Vecindad-8


Conectividad
35

Dos pixeles están con la misma etiqueta están conectados si existe un camino del uno al otro a través
de pixeles vecinos con la misma etiqueta.
La conectividad en Matlab puede ser:
Conexión-4: Se toma en cuenta la vecindad-4 para determinar la conectividad de pixeles.
Conexión-8: Se toma en cuenta la vecindad-8 para determinar la conectividad de pixeles.
ETIQUETADO: Agrupación de pixeles con características similares

Si se elige conectividad conexión-4 se
consideraría como dos objetos diferentes,
pero si se elige conectividad conexión-8 se
consideraría como un solo objeto (vecindad
diagonal).


Cuenta y Etiquetado de Objetos en una
Imagen
36

Para contar la cantidad de objetos presentes en una imagen se realiza el procedimiento:
1. Leer la imagen.
2. Convertirla a escala de grises y posteriormente binarizarla.
3. En la imagen binarizada se requiere que los objetos a contar estén en blanco (1) y con
fondo negro (0), si no fuera así se puede aplicar el comando:
Im_bin=not(Im_bin)

4. Ejecutar el siguiente comando para etiquetar los objetos. Cada objeto encontrado se
etiqueta con un número entero: 1, 2, 3,…:
Im_label=bwlabel(Im_bin,C)

Dónde: C=4 u 8 (Conexión)
5. Para obtener el número de objetos:
n=max(max(Im_label))


Ejemplo:
37

Se contará el número de objetos de la siguiente imagen:

>> Im_RGB=imread('imagen.jpg');
>> Im_bin=im2bw(Im_RGB,0.5)
>>imshow(Im_bin)
>> Im_bin=not(Im_bin);
>> imshow(Im_bin)
>> Im_label=bwlabel(Im_bin,8);
>> n=max(max(Im_label))
n=
5


Selección de un Objeto
38

Para seleccionar manualmente un objeto y aislarlo se realiza
el procedimiento:
1. Mostrar la imagen binarizada con el comando imshow.
2. ejecutar el comando:
Im_sel=bwselect(C)
Dónde: C=4 u 8 (Conexión)
3. Clic en el objeto y Enter.
4. Si se desea, desplegar el objeto seleccionado Im_sel.


Ejemplo:
39

Se selecciona el objeto inferior derecho y se aísla en la
variable Im_sel.

>> imshow(Im_bin)
>> Im_sel=bwselect(8);
>> imshow(Im_sel)


Captura de Imágenes Mediante Cámaras
Conectadas a la Pc
40

Resulta de suma utilidad para implementar algoritmos
de visión o adquisición de imágenes en tiempo real
utilizando dispositivos simples y de bajo costo tales
como las webcams.

Matlab incluye el toolbox "Image Acquisition" para
este fin.

El toolbox incluye la herramienta Image Aquisition tool
"imaqtool" que se utilizará posteriormente.


Obtención de Información del Dispositivo
41

Comandos a utilizar:
Imaqhwinfo
Devuelve la información del hardware y software disponibles, tales como:
Adaptador de video instalado, versión de Matlab, Toolbox (nombre y
versión).
Imaqhwinfo(‘adaptor’)
Donde adaptor es el nombre del adaptador instalado, por lo general
winvideo. Este comando devuelve información relacionada al adaptador.
Imaqhwinfo(‘adaptor’,DeviceID)
Donde DeviceID es el ID del dispositivo a utilizar obtenido con el
comando anterior. Si sólo se cuenta con un dispositivo conectado el
DeviceID será 1. Este comando muestra información del dispositivo
conectado (cámara) .


Ejemplo: Ejecutando los comandos
42

>> imaqhwinfo
ans =
InstalledAdaptors: {'winvideo'}
El adaptador instalado es
MATLABVersion: '7.8 (R2009a)' "winvideo".
ToolboxName: 'Image Acquisition Toolbox'
ToolboxVersion: '3.3 (R2009a)‘

>> imaqhwinfo('winvideo') Hay un dispositivo de
ans =
AdaptorDllName: [1x81 char] adquisición de imágenes
AdaptorDllVersion: '3.3 (R2009a)'
AdaptorName: 'winvideo'
instalado (DeviceID).
DeviceIDs: {[1]}
DeviceInfo: [1x1 struct]

>> imaqhwinfo('winvideo',1)
El dispositivo instalado es
ans =
DefaultFormat: 'RGB24_640x480'
una webcam "ilook300".
DeviceFileSupported: 0 Soporta 13 formatos de
DeviceName: 'iLook 300'
DeviceID: 1
adquisición. Formato por
ObjectConstructor: 'videoinput('winvideo', 1)'
SupportedFormats: {1x13 cell}
defecto: RGB 640x480.


Preparación del Dispositivo
43

 Crear la estructura:

cam=imaqhwinfo(‘adaptor’,DeviceID)
Para poder obtener las características del dispositivo con facilidad.
Por ejemplo, para obtener los formatos soportados:
cam.SupportedFormats
 Ejecutar el comando:

video=videoinput(‘adaptor’,DeviceID,’Format’)
Construye un objeto de entrada de video (nexo entre el dispositivo y
Matlab). Si no se especifica Format se asume el formato por defecto.


Ejemplo: Preparación de dispositivo
44

>> cam=imaqhwinfo('winvideo',1);

>> cam.SupportedFormats

ans =
Columns 1 through 4
'I420_160x120' 'I420_176x144' 'I420_320x240' 'I420_352x288'
Columns 5 through 8
'I420_640x480' 'RGB24_1280x960' 'RGB24_1600x1200'
'RGB24_160x120'
Columns 9 through 12
'RGB24_176x144' 'RGB24_320x240' 'RGB24_352x288'
'RGB24_640x480'
Column 13
'RGB24_800x600'

>> video=videoinput('winvideo',1,'RGB24_640x480');


Pre - Visualización
45

Para desplegar la pre-visualización de las imágenes a capturar ejecutar el
comando:
preview(video)

>> preview(video)


Captura
46

Para capturar una imagen ejecutar:
Image=getsnapshot(‘cam’)

>> foto=getsnapshot(video);
>> imshow(foto)


Image Acquisition tool
47

Facilita el trabajo de realizar la captura de imágenes mediante línea de comandos.
Para acceder a esta herramienta ejecutar:
imaqtool

>> imaqtool


Aplicaciones
48

Se presentan 3 aplicaciones sencillas del procesamiento de
imágenes:

1. Detección de bordes de una imagen.
2. Cuenta de objetos de características similares
presentes en una imagen.
3. Reconocimiento Óptico de Caracteres (OCR) mediante
un algoritmo implementado por terceros.

En todos los casos las imágenes serán obtenidas mediante
una cámara web.


1. Detección de bordes de una imagen
49

>> cam=imaqhwinfo(‘winvideo’,1);
>> video=videoinput('winvideo',1);
>> preview(video)
>> Im_RGB=getsnapshot(video);
>> imshow(Im_RGB)
>> Im_gray=medfilt2(Im_gray);
>> figure,imshow(Im_gray)
>> figure,imshow(Im_edge)
>>Im_edge2=not(Im_edge);
>> figure,imshow(Im_edge2)

No se especifica formato de captura, entonces se asume el formato por
defecto (RGB 640x480).

Las imágenes obtenidas paso a paso se muestran en la siguiente
diapositiva.

1. Detección de Bordes de una Imagen
50

Im_RGB Im_gray

Im_edge Im_edge2


2. Conteo de Objetos
51

 Se desea contar el número de transistores en la
imagen.

 Para ello se utiliza el etiquetado de objetos, pero el
problema es que si no se realiza tratamiento previo
también se etiquetarán los pines de cada transistor.

 Para resolver este problema primero se aplican las
operaciones de erosión (hasta que desaparezcan los
pines y solo quede el cuerpo) y luego dilatación (para
obtener objetos a contar de regular tamaño).


52

>> cam=imaqhwinfo(‘winvideo’,1);
>> video=videoinput(‘winvideo’,1);
>> Im_RGB=getsnapshot(video);
>> imshow(Im_RGB)
>> Im_bin=im2bw(Im_RGB,0.5);
>> figure, imshow(Im_bin)
>> Im_bin2=not(Im_bin);
>> figure, imshow(Im_bin2)
>> Im_erode=imerode(Im_bin2,SE);
>> figure, imshow(Im_erode)
>> Im_dilate=imdilate(Im_erode,SE);
>> figure,imshow(Im_dilate)
>> Im_label=bwlabel(Im_dilate,8);
>> n=max(max(Im_label))
n=
10


53

Im_RGB Im_bin


54

La imagen se invierte para
poder seguir con el
procedimiento de tratamiento
de imagen.

Si no se aplica erosión se
etiquetaría cada objeto
aislado, dando como resultado
un número de objetos muy
superior al real.

Im_bin2


55

Im_erode Im_dilate
Con estas dos operaciones se obtiene sólo el cuerpo de los transistores en su
tamaño original, los pines ya fueros desechados. La imagen está lista ahora para el
etiquetado y conteo.


3. Reconocimiento de Caracteres
56

 Se desea reconocer los caracteres presentes en una imagen
adquirida mediante la webcam y almacenar el texto en un archivo
.txt.
 El algoritmo OCR utilizar se obtuvo de la página:
http://www.matpic.com/esp/matlab/ocr.html.
 Para usar el algoritmo los archivos a descargados se deben copiar
a la carpeta de trabajo de Matlab.
 La imagen se debe guardar con el nombre "TEST_1.jpg". Los
caracteres deben estar en mayúsculas en negro y fondo blanco.
 Una vez hecho esto ejecutar el comando:

OCR


57

>> cam=imaqhwinfo('winvideo',1);
>> video=videoinput('winvideo',1);
>> preview(video)
>> text=getsnapshot(video);
>> imshow(text)
>> text_bin=im2bw(text,0.5);
>> figure,imshow(text_bin)
>> text_erode=imerode(text_bin,SE);
>> figure,imshow(text_erode)
>> text_dilate=imdilate(text_erode,SE);
>> figure,imshow(text_dilate)
>> text_fin=not(text_dilate);
>> figure,imshow(text_fin)
>> imwrite(text_fin,'TEST_1.jpg');
>> ocr


58

text text_bin
text_bin contiene elementos no deseados (puntos blancos) que podrían perjudicar el proceso
de reconocimiento de caracteres. Estos elementos se eliminan aplicando la operación de
erosión.


59

text_erode text_dilate

Enseguida se aplica la operación de dilatación para contrarrestar el
efecto de la erosión en el texto.

60

text_fin

Es necesario que el texto esté en negro con fondo blanco para
aplicar el algoritmo.


http://lonely113.blogspot.com 61

Procesamiento digital de imágenes con matlab

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (8)

Similar a Procesamiento digital de imágenes con matlab

Similar a Procesamiento digital de imágenes con matlab (20)

Más de Percy Julio Chambi Pacco

Más de Percy Julio Chambi Pacco (8)

Último

Último (20)

Procesamiento digital de imágenes con matlab