SlideShare una empresa de Scribd logo
1 de 28
Descargar para leer sin conexión
Procesamiento de Imágenes
y Visión Artificial
(WEE2)
Sesión: 5
MSc. Ing. José C. Benítez P.
Histograma, Brillo/Contraste y Corrección Gamma
Logros de aprendizaje
1. Graficar el histograma de una imagen
2. Ecualizar una imagen mediante el histograma.
3. Manipular el brillo y contraste de una imagen.
4. Aplicar la corrección Gamma a imágenes.
2
3
Contenido
Histograma, Brillo/Contraste y corrección
Gamma:
Histograma de una imagen.
Ecualización mediante el histograma de una
imagen.
Brillo y contraste de una imagen.
Corrección Gamma.
Histograma de una imagen
En estadística, un histograma es una
representación gráfica de una
variable en forma de barras, donde la
superficie de cada barra es
proporcional a la frecuencia de los
valores representados, ya sea en
forma diferencial o acumulada.
Sirven para obtener una "primera
vista", de la distribución de la
población, o la muestra, respecto a
una característica, cuantitativa y
continua, de la misma y que es de
interés para el observador.
Histograma de una imagen
El histograma de una imagen consiste en otra imagen donde se
muestra en el eje Y el número de píxeles(np), y en el eje X cada
nivel de gris (ng) que aparecen en la imagen.
Si una imagen tiene una profundidad de 8bpp en niveles de grises,
el rango de tonos de gris será de 0 a 255 que irán en el eje X, y la
frecuencia de ocurrencia de cada nivel irá en el eje Y asociado a
cada valor de intensidad del eje X.
Histograma de una imagen
En la imagen podemos ver tres imágenes con sus correspondientes
histogramas.
Histograma de una imagen
Los histograma de una imagen pueden ser de imágenes:
- Binarias
- Escala de grises
- Colores
Ecualización del histograma
El objetivo es que la imagen del histograma tenga una
distribución uniforme sobre toda la escala de grises.
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Ecualización del histograma
Brillo de una imagen
• El brillo de una imagen está dado por los niveles de intensidad
de cada pixel de una imagen.
• Cuando mayor es el nivel de intensidad de una imagen
basado en su profundidad, el pixel tendrá mas brillo. Por
ejemplo, el pixel de nivel de intensidad 25 tiene mayor brillo
que el pixel de nivel de intensidad 12.
• El brillo es un atributo de una sensación visual por la que una
zona parece mostrar más o menos luz.
Manipulación del brillo de una imagen
• El nivel de intensidad mas bajo de una imagen escala de
grises es 0 (negro) y el mas alto es 255 (blanco)(mas brillante).
• Para aumentar el brillo de una imagen debemos aumentar el
nivel de intensidad de sus pixeles y esto se puede hacer a
todo la imagen o a ciertos segmentos de la imagen.
• Para aumentar el brillo de toda la imagen escala de grises se
puede:
a. Aumentar un valor positivo “k” a cada uno de los niveles
de intensidad de pixeles de la imagen: p + k
b. También se puede multiplicar por un valor “n”, mayor
que 1 para aumentar el valor de la intensidad de los
pixeles de la imagen: n*p
Contraste de una imagen
• El contraste se define como la diferencia relativa en la
intensidad entre un pixel de una imagen respecto a otro.
• Un ejemplo simple es el contraste entre un objeto de brillo
constante sobre un fondo de un brillo constante. Si ambas
superficies tienen el mismo brillo, el contraste será nulo y si
el conjunto está en tonos de gris, el objeto será tanto física
como perceptiblemente indistinguible del fondo.
• Según se incrementa la diferencia en brillo el objeto será
perceptiblemente distinguible del fondo una vez alcanzado
el umbral de contraste, que se sitúa alrededor del 0,3 % de
diferencia.
Manipulación del contraste de una imagen
• Modificar el contraste significa hacer que los valores
brillantes de una imagen se vuelvan mas brillantes y los
oscuros se vuelvan mas oscuros.
• Para modificar el contraste de una imagen, se puede usar el
valor umbral como el punto para aumentar y disminuir las
intensidades de los pixeles.
• Se sabe que existen cuatro métodos para hallar el umbral,
por lo que existirá cuatro métodos para el contraste.
• Además también existe aquellos métodos que no solo
toman un valor umbral sino varios. El de dos valores
umbrales, el de tres, etc.
Contraste de una imagen
Brillo y contraste de una imagen
Corrección gamma
• Es el ajuste de los valores de intensidad de una imagen (una
combinación del brillo y el contraste) con el objetivo de
compensar las variaciones de los dispositivos de salida.
• Por ejemplo, las imágenes desplegadas en un monitos de PC
deben ser corregidas de forma Gamma para que luzcan de la
misma manera que en una PC y viceversa.
• La fórmula que se utiliza para hacer esta corrección viene dada
por:
Corrección gamma
• Esta fórmula al ser tabulada para diferentes valores de Gamma
nos produce una gráfica como la siguiente:
Corrección gamma
Observando esta gráfica se puede concluir lo siguiente:
• Para gamma = 1 no hay ninguna corrección
• Para gamma > 1 hay una gran corrección en el contraste para
valores pequeños del color de entrada, mientras que una
pequeña corrección en el contraste para valores grandes. El
brillo aumenta más para valores intermedios del color de
entrada.
• Para gamma < 1 hay una pequeña corrección en el contraste
para valores pequeños del color de entrada mientras que una
gran corrección en el contraste para valores grandes. El brillo
disminuye más para valores intermedios del color de entrada.
Corrección gamma
La implementación de esta corrección se hara en matlab
teniendo en cuenta lo descrito anteriormente, se hará una
función para recorrer todos los pixeles de una imagen y se
generará su correspondiente imagen donde se modificará
aumentando o disminuyendo su gamma en cierta cantidad,
al final se realizará las conclusiones prácticas respectivas
27
Preguntas
Al término de la experiencia de aprendizaje el alumno debe ser
capaz de responder las siguientes preguntas:
1. Graficar el histograma de una imagen.
2. Ecualización de imágenes escala de grises.
3. El brillo de una imagen.
4. El contraste de una imagen.
5. Hacer un listado de cinco aplicaciones del histograma de una
imagen, brillo de una imagen, contraste de una imagen y la
corrección gamma de una imagen las operaciones,
transformaciones y conversiones.
28
Sesión 5. Histograma, Brillo/Contraste y corrección gamma
Procesamiento de Imágenes y Visión Artificial
http://utpiayva.blogspot.com

Más contenido relacionado

La actualidad más candente

Tarea 1 Imagen Digital
Tarea 1   Imagen DigitalTarea 1   Imagen Digital
Tarea 1 Imagen Digitalgcaro_rvan
 
Retoque fotográfico
Retoque fotográficoRetoque fotográfico
Retoque fotográficoLaura Barrera
 
Corel photo paint
Corel photo paintCorel photo paint
Corel photo paintpit-zahot
 
Utp pd_iy_va_sap2 iluminacion y modos de color
 Utp pd_iy_va_sap2 iluminacion y modos de color Utp pd_iy_va_sap2 iluminacion y modos de color
Utp pd_iy_va_sap2 iluminacion y modos de colorutp_jcbp
 
El histograma una imagen digital
El histograma una imagen digitalEl histograma una imagen digital
El histograma una imagen digitaljcbp_peru
 
Taller de Producción Multi-imagen
Taller de Producción Multi-imagenTaller de Producción Multi-imagen
Taller de Producción Multi-imagenLaura Danir
 
Presentación1
Presentación1Presentación1
Presentación1gema161
 
Utp 2014-2_pdi_sap2 iluminacion y modos de color
 Utp 2014-2_pdi_sap2 iluminacion y modos de color Utp 2014-2_pdi_sap2 iluminacion y modos de color
Utp 2014-2_pdi_sap2 iluminacion y modos de colorc09271
 
Creación y tratamiento de imágenes digitales: color digital
Creación y tratamiento de imágenes digitales: color digitalCreación y tratamiento de imágenes digitales: color digital
Creación y tratamiento de imágenes digitales: color digitalAplicaciones Gráficas
 
Pyc imagenes digitales y contexto
Pyc imagenes digitales y contextoPyc imagenes digitales y contexto
Pyc imagenes digitales y contextoAlx Marroquin
 
Introducción al video y la edición digital
Introducción al video y la edición digitalIntroducción al video y la edición digital
Introducción al video y la edición digitalsergio ceballos
 
Presentación, edición de imágenes
Presentación, edición de imágenesPresentación, edición de imágenes
Presentación, edición de imágeneselena-ana
 
Creación y tratamiento de imágenes digitales: tamaño de la imagen
Creación y tratamiento de imágenes digitales: tamaño de la imagenCreación y tratamiento de imágenes digitales: tamaño de la imagen
Creación y tratamiento de imágenes digitales: tamaño de la imagenAplicaciones Gráficas
 

La actualidad más candente (17)

Tarea 1 Imagen Digital
Tarea 1   Imagen DigitalTarea 1   Imagen Digital
Tarea 1 Imagen Digital
 
Retoque fotográfico
Retoque fotográficoRetoque fotográfico
Retoque fotográfico
 
Presentación Photoshop e Imagenes
Presentación Photoshop e ImagenesPresentación Photoshop e Imagenes
Presentación Photoshop e Imagenes
 
Corel photo paint
Corel photo paintCorel photo paint
Corel photo paint
 
Utp pd_iy_va_sap2 iluminacion y modos de color
 Utp pd_iy_va_sap2 iluminacion y modos de color Utp pd_iy_va_sap2 iluminacion y modos de color
Utp pd_iy_va_sap2 iluminacion y modos de color
 
El histograma una imagen digital
El histograma una imagen digitalEl histograma una imagen digital
El histograma una imagen digital
 
Renderizado
RenderizadoRenderizado
Renderizado
 
Ejercicios
EjerciciosEjercicios
Ejercicios
 
Tema 2
Tema 2 Tema 2
Tema 2
 
Taller de Producción Multi-imagen
Taller de Producción Multi-imagenTaller de Producción Multi-imagen
Taller de Producción Multi-imagen
 
Presentación1
Presentación1Presentación1
Presentación1
 
Utp 2014-2_pdi_sap2 iluminacion y modos de color
 Utp 2014-2_pdi_sap2 iluminacion y modos de color Utp 2014-2_pdi_sap2 iluminacion y modos de color
Utp 2014-2_pdi_sap2 iluminacion y modos de color
 
Creación y tratamiento de imágenes digitales: color digital
Creación y tratamiento de imágenes digitales: color digitalCreación y tratamiento de imágenes digitales: color digital
Creación y tratamiento de imágenes digitales: color digital
 
Pyc imagenes digitales y contexto
Pyc imagenes digitales y contextoPyc imagenes digitales y contexto
Pyc imagenes digitales y contexto
 
Introducción al video y la edición digital
Introducción al video y la edición digitalIntroducción al video y la edición digital
Introducción al video y la edición digital
 
Presentación, edición de imágenes
Presentación, edición de imágenesPresentación, edición de imágenes
Presentación, edición de imágenes
 
Creación y tratamiento de imágenes digitales: tamaño de la imagen
Creación y tratamiento de imágenes digitales: tamaño de la imagenCreación y tratamiento de imágenes digitales: tamaño de la imagen
Creación y tratamiento de imágenes digitales: tamaño de la imagen
 

Destacado

Pdi paterno m_lab1
Pdi paterno m_lab1Pdi paterno m_lab1
Pdi paterno m_lab1c09271
 
Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3jcbenitezp
 
Utp 2015-2_pdi_ea1 introduccion a la va
 Utp 2015-2_pdi_ea1 introduccion a la va Utp 2015-2_pdi_ea1 introduccion a la va
Utp 2015-2_pdi_ea1 introduccion a la vajcbp_peru
 
Utp 2015-2_pdi_lab1
 Utp 2015-2_pdi_lab1 Utp 2015-2_pdi_lab1
Utp 2015-2_pdi_lab1jcbp_peru
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2cjcbenitezp
 
Utp 2015-2_pdi_lab2
 Utp 2015-2_pdi_lab2 Utp 2015-2_pdi_lab2
Utp 2015-2_pdi_lab2jcbp_peru
 
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 Utp pdi_2015-2_ea7 operaciones morfologicas ii Utp pdi_2015-2_ea7 operaciones morfologicas ii
Utp pdi_2015-2_ea7 operaciones morfologicas iijcbp_peru
 
Utp pdi_2015-2_ea6 operaciones morfologicas i
 Utp pdi_2015-2_ea6 operaciones morfologicas i Utp pdi_2015-2_ea6 operaciones morfologicas i
Utp pdi_2015-2_ea6 operaciones morfologicas ijcbp_peru
 
A153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialA153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialjcbp_peru
 
Utp pdi_2015-2_ea8 transformaciones geometricas
 Utp pdi_2015-2_ea8 transformaciones geometricas Utp pdi_2015-2_ea8 transformaciones geometricas
Utp pdi_2015-2_ea8 transformaciones geometricasjcbp_peru
 
Utp pd_iy_va_sap10 detecciòn de bordes
 Utp pd_iy_va_sap10 detecciòn de bordes Utp pd_iy_va_sap10 detecciòn de bordes
Utp pd_iy_va_sap10 detecciòn de bordesjcbp_peru
 
Utp pd_iy_va_sap12 reconocimiento de patrones
 Utp pd_iy_va_sap12 reconocimiento de patrones Utp pd_iy_va_sap12 reconocimiento de patrones
Utp pd_iy_va_sap12 reconocimiento de patronesjcbp_peru
 
Utp pd_iy_va_sap14 vision estereoscopica
 Utp pd_iy_va_sap14 vision estereoscopica Utp pd_iy_va_sap14 vision estereoscopica
Utp pd_iy_va_sap14 vision estereoscopicajcbp_peru
 
Utp pdi_2015-2_ea9 filtrado espacial
 Utp pdi_2015-2_ea9 filtrado espacial Utp pdi_2015-2_ea9 filtrado espacial
Utp pdi_2015-2_ea9 filtrado espacialjcbp_peru
 
Utp pd_iy_va_sap11 segmentación
 Utp pd_iy_va_sap11 segmentación Utp pd_iy_va_sap11 segmentación
Utp pd_iy_va_sap11 segmentaciónjcbp_peru
 
MUESTREO Y RECONSTRUCCION DE SEÑALES
MUESTREO Y RECONSTRUCCION DE SEÑALESMUESTREO Y RECONSTRUCCION DE SEÑALES
MUESTREO Y RECONSTRUCCION DE SEÑALESLinda Yesenia
 
Muestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabMuestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabmarco calderon layme
 

Destacado (20)

L2 s2
L2 s2L2 s2
L2 s2
 
Lab2 d
Lab2 dLab2 d
Lab2 d
 
Pdi paterno m_lab1
Pdi paterno m_lab1Pdi paterno m_lab1
Pdi paterno m_lab1
 
Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3
 
Utp 2015-2_pdi_ea1 introduccion a la va
 Utp 2015-2_pdi_ea1 introduccion a la va Utp 2015-2_pdi_ea1 introduccion a la va
Utp 2015-2_pdi_ea1 introduccion a la va
 
Utp 2015-2_pdi_lab1
 Utp 2015-2_pdi_lab1 Utp 2015-2_pdi_lab1
Utp 2015-2_pdi_lab1
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2c
 
Utp 2015-2_pdi_lab2
 Utp 2015-2_pdi_lab2 Utp 2015-2_pdi_lab2
Utp 2015-2_pdi_lab2
 
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 Utp pdi_2015-2_ea7 operaciones morfologicas ii Utp pdi_2015-2_ea7 operaciones morfologicas ii
Utp pdi_2015-2_ea7 operaciones morfologicas ii
 
Utp pdi_2015-2_ea6 operaciones morfologicas i
 Utp pdi_2015-2_ea6 operaciones morfologicas i Utp pdi_2015-2_ea6 operaciones morfologicas i
Utp pdi_2015-2_ea6 operaciones morfologicas i
 
A153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificialA153 wee2 procesamientodeimagenesyvisionartificial
A153 wee2 procesamientodeimagenesyvisionartificial
 
Utp pdi_2015-2_ea8 transformaciones geometricas
 Utp pdi_2015-2_ea8 transformaciones geometricas Utp pdi_2015-2_ea8 transformaciones geometricas
Utp pdi_2015-2_ea8 transformaciones geometricas
 
Utp pd_iy_va_sap10 detecciòn de bordes
 Utp pd_iy_va_sap10 detecciòn de bordes Utp pd_iy_va_sap10 detecciòn de bordes
Utp pd_iy_va_sap10 detecciòn de bordes
 
Utp pd_iy_va_sap12 reconocimiento de patrones
 Utp pd_iy_va_sap12 reconocimiento de patrones Utp pd_iy_va_sap12 reconocimiento de patrones
Utp pd_iy_va_sap12 reconocimiento de patrones
 
Utp pd_iy_va_sap14 vision estereoscopica
 Utp pd_iy_va_sap14 vision estereoscopica Utp pd_iy_va_sap14 vision estereoscopica
Utp pd_iy_va_sap14 vision estereoscopica
 
Utp pdi_2015-2_ea9 filtrado espacial
 Utp pdi_2015-2_ea9 filtrado espacial Utp pdi_2015-2_ea9 filtrado espacial
Utp pdi_2015-2_ea9 filtrado espacial
 
Utp pd_iy_va_sap11 segmentación
 Utp pd_iy_va_sap11 segmentación Utp pd_iy_va_sap11 segmentación
Utp pd_iy_va_sap11 segmentación
 
Informe matlab
Informe matlabInforme matlab
Informe matlab
 
MUESTREO Y RECONSTRUCCION DE SEÑALES
MUESTREO Y RECONSTRUCCION DE SEÑALESMUESTREO Y RECONSTRUCCION DE SEÑALES
MUESTREO Y RECONSTRUCCION DE SEÑALES
 
Muestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabMuestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLab
 

Similar a Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma

Similar a Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma (20)

Tema4 contraste
Tema4 contrasteTema4 contraste
Tema4 contraste
 
CLASE 10 PROCESAMIENTO DE IMAGEN DIGITAL a.pptx
CLASE 10 PROCESAMIENTO DE IMAGEN DIGITAL a.pptxCLASE 10 PROCESAMIENTO DE IMAGEN DIGITAL a.pptx
CLASE 10 PROCESAMIENTO DE IMAGEN DIGITAL a.pptx
 
Definicion de imagen
Definicion de imagenDefinicion de imagen
Definicion de imagen
 
Definicion de imagen
Definicion de imagenDefinicion de imagen
Definicion de imagen
 
Definicion de imagen
Definicion de imagenDefinicion de imagen
Definicion de imagen
 
Definicion de imagen
Definicion de imagenDefinicion de imagen
Definicion de imagen
 
Procesamiento de imagenes
Procesamiento de imagenesProcesamiento de imagenes
Procesamiento de imagenes
 
Niveles en profundidad en Photoshop
Niveles en profundidad en PhotoshopNiveles en profundidad en Photoshop
Niveles en profundidad en Photoshop
 
Manipulación de imagen digital
Manipulación de imagen digitalManipulación de imagen digital
Manipulación de imagen digital
 
Niveles
NivelesNiveles
Niveles
 
6. ajustes
6. ajustes6. ajustes
6. ajustes
 
Pdi02
Pdi02Pdi02
Pdi02
 
Tratamiento digital de imágenes
Tratamiento digital de imágenesTratamiento digital de imágenes
Tratamiento digital de imágenes
 
U c3m3photoshopcc
U c3m3photoshopccU c3m3photoshopcc
U c3m3photoshopcc
 
Manipulación del contraste de una imágen monocromática por transformación exp...
Manipulación del contraste de una imágen monocromática por transformación exp...Manipulación del contraste de una imágen monocromática por transformación exp...
Manipulación del contraste de una imágen monocromática por transformación exp...
 
Tratamiento de imagen
Tratamiento de imagenTratamiento de imagen
Tratamiento de imagen
 
Tecnicas de realce
Tecnicas de realceTecnicas de realce
Tecnicas de realce
 
Menu imagen en photoshop
Menu imagen en photoshopMenu imagen en photoshop
Menu imagen en photoshop
 
Color Teoria Tratamiento Del Color
Color Teoria Tratamiento Del ColorColor Teoria Tratamiento Del Color
Color Teoria Tratamiento Del Color
 
Presentation1 (consulta 3)
Presentation1 (consulta 3)Presentation1 (consulta 3)
Presentation1 (consulta 3)
 

Más de jcbp_peru

It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3jcbp_peru
 
It526 2016 2 pc4 dom
It526 2016 2 pc4 domIt526 2016 2 pc4 dom
It526 2016 2 pc4 domjcbp_peru
 
It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4jcbp_peru
 
It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3jcbp_peru
 
It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2jcbp_peru
 
It526 2013 2 ep
It526 2013 2 epIt526 2013 2 ep
It526 2013 2 epjcbp_peru
 
It526 2016 1 ep
It526 2016 1 epIt526 2016 1 ep
It526 2016 1 epjcbp_peru
 
It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2jcbp_peru
 
33012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-201533012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-2015jcbp_peru
 
It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1jcbp_peru
 
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionUni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionjcbp_peru
 
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosUni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosjcbp_peru
 
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricoUni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricojcbp_peru
 
Uni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gUni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gjcbp_peru
 
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gUni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gjcbp_peru
 
Lte whitepaper(1)
 Lte whitepaper(1) Lte whitepaper(1)
Lte whitepaper(1)jcbp_peru
 
Redes moviles
Redes movilesRedes moviles
Redes movilesjcbp_peru
 
Uni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmaUni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmajcbp_peru
 
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesUni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesjcbp_peru
 
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionUni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionjcbp_peru
 

Más de jcbp_peru (20)

It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3It526 2017 1 balotario-s_ap2y3
It526 2017 1 balotario-s_ap2y3
 
It526 2016 2 pc4 dom
It526 2016 2 pc4 domIt526 2016 2 pc4 dom
It526 2016 2 pc4 dom
 
It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4It246 2016 2 practica calificada 4
It246 2016 2 practica calificada 4
 
It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3It246 2016 2 practica calificada 3
It246 2016 2 practica calificada 3
 
It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2It246 2016 2 practica calificada 2
It246 2016 2 practica calificada 2
 
It526 2013 2 ep
It526 2013 2 epIt526 2013 2 ep
It526 2013 2 ep
 
It526 2016 1 ep
It526 2016 1 epIt526 2016 1 ep
It526 2016 1 ep
 
It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2It526 2016 2 practica calificada 2
It526 2016 2 practica calificada 2
 
33012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-201533012 calvo tfw-figura-paterna-2015
33012 calvo tfw-figura-paterna-2015
 
It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1It246 2016 2 practica calificada 1
It246 2016 2 practica calificada 1
 
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionUni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacion
 
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosUni fiee ci 2016 02 sesion 2 servicios inalámbricos
Uni fiee ci 2016 02 sesion 2 servicios inalámbricos
 
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricoUni fiee ci 2016 02 sesion 1 espectro radioelèctrico
Uni fiee ci 2016 02 sesion 1 espectro radioelèctrico
 
Uni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 gUni wc 2016 1 sesion 14 redes moviles 4 g
Uni wc 2016 1 sesion 14 redes moviles 4 g
 
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gUni wc 2016 1 sesion 13 redes moviles 2 g y 3g
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3g
 
Lte whitepaper(1)
 Lte whitepaper(1) Lte whitepaper(1)
Lte whitepaper(1)
 
Redes moviles
Redes movilesRedes moviles
Redes moviles
 
Uni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdmaUni fiee ci sesion 12 cdma
Uni fiee ci sesion 12 cdma
 
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesUni fiee ci 2016 01 sesion 11 comunicaciones moviles
Uni fiee ci 2016 01 sesion 11 comunicaciones moviles
 
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionUni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
 

Utp pdi_2015-2_sap5 histograma_brilloo_cntrastecgamma

  • 1. Procesamiento de Imágenes y Visión Artificial (WEE2) Sesión: 5 MSc. Ing. José C. Benítez P. Histograma, Brillo/Contraste y Corrección Gamma
  • 2. Logros de aprendizaje 1. Graficar el histograma de una imagen 2. Ecualizar una imagen mediante el histograma. 3. Manipular el brillo y contraste de una imagen. 4. Aplicar la corrección Gamma a imágenes. 2
  • 3. 3 Contenido Histograma, Brillo/Contraste y corrección Gamma: Histograma de una imagen. Ecualización mediante el histograma de una imagen. Brillo y contraste de una imagen. Corrección Gamma.
  • 4. Histograma de una imagen En estadística, un histograma es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados, ya sea en forma diferencial o acumulada. Sirven para obtener una "primera vista", de la distribución de la población, o la muestra, respecto a una característica, cuantitativa y continua, de la misma y que es de interés para el observador.
  • 5. Histograma de una imagen El histograma de una imagen consiste en otra imagen donde se muestra en el eje Y el número de píxeles(np), y en el eje X cada nivel de gris (ng) que aparecen en la imagen. Si una imagen tiene una profundidad de 8bpp en niveles de grises, el rango de tonos de gris será de 0 a 255 que irán en el eje X, y la frecuencia de ocurrencia de cada nivel irá en el eje Y asociado a cada valor de intensidad del eje X.
  • 6. Histograma de una imagen En la imagen podemos ver tres imágenes con sus correspondientes histogramas.
  • 7. Histograma de una imagen Los histograma de una imagen pueden ser de imágenes: - Binarias - Escala de grises - Colores
  • 8. Ecualización del histograma El objetivo es que la imagen del histograma tenga una distribución uniforme sobre toda la escala de grises.
  • 17. Brillo de una imagen • El brillo de una imagen está dado por los niveles de intensidad de cada pixel de una imagen. • Cuando mayor es el nivel de intensidad de una imagen basado en su profundidad, el pixel tendrá mas brillo. Por ejemplo, el pixel de nivel de intensidad 25 tiene mayor brillo que el pixel de nivel de intensidad 12. • El brillo es un atributo de una sensación visual por la que una zona parece mostrar más o menos luz.
  • 18. Manipulación del brillo de una imagen • El nivel de intensidad mas bajo de una imagen escala de grises es 0 (negro) y el mas alto es 255 (blanco)(mas brillante). • Para aumentar el brillo de una imagen debemos aumentar el nivel de intensidad de sus pixeles y esto se puede hacer a todo la imagen o a ciertos segmentos de la imagen. • Para aumentar el brillo de toda la imagen escala de grises se puede: a. Aumentar un valor positivo “k” a cada uno de los niveles de intensidad de pixeles de la imagen: p + k b. También se puede multiplicar por un valor “n”, mayor que 1 para aumentar el valor de la intensidad de los pixeles de la imagen: n*p
  • 19. Contraste de una imagen • El contraste se define como la diferencia relativa en la intensidad entre un pixel de una imagen respecto a otro. • Un ejemplo simple es el contraste entre un objeto de brillo constante sobre un fondo de un brillo constante. Si ambas superficies tienen el mismo brillo, el contraste será nulo y si el conjunto está en tonos de gris, el objeto será tanto física como perceptiblemente indistinguible del fondo. • Según se incrementa la diferencia en brillo el objeto será perceptiblemente distinguible del fondo una vez alcanzado el umbral de contraste, que se sitúa alrededor del 0,3 % de diferencia.
  • 20. Manipulación del contraste de una imagen • Modificar el contraste significa hacer que los valores brillantes de una imagen se vuelvan mas brillantes y los oscuros se vuelvan mas oscuros. • Para modificar el contraste de una imagen, se puede usar el valor umbral como el punto para aumentar y disminuir las intensidades de los pixeles. • Se sabe que existen cuatro métodos para hallar el umbral, por lo que existirá cuatro métodos para el contraste. • Además también existe aquellos métodos que no solo toman un valor umbral sino varios. El de dos valores umbrales, el de tres, etc.
  • 22. Brillo y contraste de una imagen
  • 23. Corrección gamma • Es el ajuste de los valores de intensidad de una imagen (una combinación del brillo y el contraste) con el objetivo de compensar las variaciones de los dispositivos de salida. • Por ejemplo, las imágenes desplegadas en un monitos de PC deben ser corregidas de forma Gamma para que luzcan de la misma manera que en una PC y viceversa. • La fórmula que se utiliza para hacer esta corrección viene dada por:
  • 24. Corrección gamma • Esta fórmula al ser tabulada para diferentes valores de Gamma nos produce una gráfica como la siguiente:
  • 25. Corrección gamma Observando esta gráfica se puede concluir lo siguiente: • Para gamma = 1 no hay ninguna corrección • Para gamma > 1 hay una gran corrección en el contraste para valores pequeños del color de entrada, mientras que una pequeña corrección en el contraste para valores grandes. El brillo aumenta más para valores intermedios del color de entrada. • Para gamma < 1 hay una pequeña corrección en el contraste para valores pequeños del color de entrada mientras que una gran corrección en el contraste para valores grandes. El brillo disminuye más para valores intermedios del color de entrada.
  • 26. Corrección gamma La implementación de esta corrección se hara en matlab teniendo en cuenta lo descrito anteriormente, se hará una función para recorrer todos los pixeles de una imagen y se generará su correspondiente imagen donde se modificará aumentando o disminuyendo su gamma en cierta cantidad, al final se realizará las conclusiones prácticas respectivas
  • 27. 27 Preguntas Al término de la experiencia de aprendizaje el alumno debe ser capaz de responder las siguientes preguntas: 1. Graficar el histograma de una imagen. 2. Ecualización de imágenes escala de grises. 3. El brillo de una imagen. 4. El contraste de una imagen. 5. Hacer un listado de cinco aplicaciones del histograma de una imagen, brillo de una imagen, contraste de una imagen y la corrección gamma de una imagen las operaciones, transformaciones y conversiones.
  • 28. 28 Sesión 5. Histograma, Brillo/Contraste y corrección gamma Procesamiento de Imágenes y Visión Artificial http://utpiayva.blogspot.com