Este documento describe diferentes métodos para manipular el contraste de imágenes, incluyendo métodos locales como ampliar la escala de grises y aplicar transformaciones de imágenes, y métodos globales como ecualizar el histograma y usar tablas de consulta de valores. Explica cómo cada método modifica los niveles de gris para mejorar el contraste general de la imagen.
Manipulación del contraste de una imágen monocromática por transformación exp...Ivan Luis Jimenez
Manipulación del contraste de una imágen monocromática por transformación exponencial (Python OpenCV)
Transformación exponencial opencv y Python2.7
Python2.7 y OpenCV
Transformación Exponencial con OpenCV y Python2.7
Manipulación del contraste de una imágen monocromática por transformación exp...Ivan Luis Jimenez
Manipulación del contraste de una imágen monocromática por transformación exponencial (Python OpenCV)
Transformación exponencial opencv y Python2.7
Python2.7 y OpenCV
Transformación Exponencial con OpenCV y Python2.7
Rmseed prices settled in flat negative note as higher demand from oil millers and crushers offset rise in acreage in key growing areas. India's mustard seed acreage in the current rabi season stood at 7 million, up by 11% a year-ago, according to data released from the agriculture ministry.
Rmseed prices settled in flat negative note as higher demand from oil millers and crushers offset rise in acreage in key growing areas. India's mustard seed acreage in the current rabi season stood at 7 million, up by 11% a year-ago, according to data released from the agriculture ministry.
JEE Physics/ Lakshmikanta Satapathy/ Laws of Motion QA part 7/ Question on Breaking stress of wire connected in a pulley block system solved with the related concepts
Las matemáticas en el retoque digital de imágenesjorquera
Experiencia realizada con alumnos de bachillerato en abril de 2010 para dar a conocer las matemáticas que hay detrás del retoque digital de imágenes. Para ello se utilizó la herramienta de software libre Gimp.
2. 2
1. Introducción
La obtención de imágenes ideales se basa en dos factores:
1. Iluminación uniforme.
2. Ganancia lineal.
IMAGEN MAL CONTRASTADA
VS.
IMAGEN BIEN CONTRASTADA
3. 3
DEFINICIÓN DE CONTRASTE Y
MANIPULACIÓN DE LA ESCALA DE GRISES
Histograma de
una imagen poco
contrastada
Histograma de
una imagen bien
contrastada
2. Ampliación de la escala de grises
4. 4
y: el valor de gris de la imagen
resultante.
x: el valor de gris de la imagen
original.
a: valor mínimo de nivel de gris de la
imagen original.
b: valor máximo de nivel de gris de la
imagen original.
Max: el valor máximo de nivel de
gris que se desea en y.
Min: el valor mínimo de nivel de gris
que se desea en y.
Min
ab
ax
MinMaxy +
−
−
−= )(
EJEMPLO DE MODIFICACIÓN DE LA
AMPLITUD EN LA ESCALA DE GRISES
Histograma imagen
original
Histograma imagen
resultante
5. 5
MODIFICACIÓN DE LA IMAGEN CON LA
AMPLIACIÓN DE LA ESCALA DE GRISES:
Imagen original Imagen resultante
FÓRMULA GENERAL:
- y, x: son los niveles de gris de
las imágenes resultantes y
original respectivamente.
- α, β, γ: son las ganancias de cada
tramo.
- a, b, L: son los intervalos de
ganancia.
Lxb
bxa
ax
vbx
vax
x
y
b
a
≤≤
≤≤
≤≤
+−
+−=
0
)(
)(
γ
β
α
6. 6
3. Transformación de imágenes
Definición: Aplicar una función a cada uno de los píxeles de la
imagen.
Objetivo: modificar el contraste de las imágenes.
Forma de las funciones aplicadas:
p nuevo valor de gris en la imagen resultante
m es el valor de gris de la imagen original
a es la potencia a la que se eleva
a
mp =
TRANSFORMACIONES MÁS USUALES
mp −= 255
Función inversa: Invierte el valor de gris original.
7. 7
Función cuadrada: las imágenes resultantes
son más oscuras.
Función cúbica: los efectos son los mismos
que la función anterior, aunque más
pronunciados.
TRANSFORMACIONES MÁS USUALES
255
2
m
p =
2
3
255
m
p =
TRANSFORMACIONES MÁS USUALES
8. 8
TRANSFORMACIONES MÁS USUALES
Función raíz cuadrada: Las imágenes
resultantes son más claras.
Función raíz cúbica: Tiene los mismos
efectos que la función raíz cuadrada.
mp 255=
3 2
255 mp =
TRANSFORMACIONES MÁS USUALES
9. 9
TRANSFORMACIONES MÁS USUALES
Función logarítmica: Tiene los mismos efectos que la
función raíz cuadrada y que la función raíz cúbica.
( )
( )2551ln
1ln
255
+
+
=
m
p
TRANSFORMACIONES MÁS USUALES
10. 10
4. Ecualización del histograma
El objetivo es que la imagen
tenga una distribución
uniforme sobre toda la
escala de grises.
−
⋅
⋅= 1)(_'
MN
n
iHrenterapartei
Pasos a seguir para ecualizar una
imagen:
1.- Pasar nuestro
histograma a
histograma acumulado:
2.- Igualamos con lo que
sería el modelo ideal:
3.- Hallamos los nuevos
niveles de gris:
4.- Dibujamos el
histograma resultante.
∑=
=
i
k
khiH
0
)()(
n
MN
iiH
⋅
⋅+= )1'()(
−
⋅
⋅= 1)(_'
MN
n
iHenterapartei
11. 11
Ejercicio:
Ecualizar el siguiente histograma:
6
5
4
3
2
1
60 1 2 4 753
8
7 Pasos:
1.- Histograma histograma
acumulado.
2.- Buscar los nuevos niveles de
gris.
3.- Dibujar el histograma
acumulado.
Ejemplo:
Histograma:
Histograma
Acumulado:
Imagen resultanteImagen original
13. 13
Otras distribuciones:
Distribución exponencial:
Distribución Rayleigh:
Distribución Raíz cúbica:
Distribución Logaritmo:
( )1)(ln
1
+−= antiguomínnuevo iHii
α
2/1
2
)(1
1
ln2
−
+=
antiguo
mínnuevo
iH
ii α
( )[ ]33/13/13/1
)( mínantiguomínmàxnuevo iiHiii +−=
)( antiguoiH
mín
màx
mínnuevo
i
i
ii
=
Comparación de la imagen original con las
imágenes resultantes tras aplicar las
distribuciones exponencial y Rayleigh:
Imagen original Distribución RayleighDistribución exponencial
14. 14
Comparación de la imagen original con las
imágenes resultantes tras aplicar las
distribuciones Raíz cúbica y logarítmica:
Imagen original Distribución raíz cúbica Distribución logarítmica
5. Consulta a tablas (LUT)
Las tablas LUT (look up tables o LUTs) son una herramienta
que sirve para acelerar el proceso de la transformación de
imágenes.
0 Nuevo_valor0
1 Nuevo_valor1
2 Nuevo_valor2
.
.
254 Nuevo_valor2
54
255 Nuevo_valor2
55
Píxel imagen
original
Píxel imagen
transformada
15. 15
EJEMPLO DE APLICACIÓN
Ventajas:
-Rápido
-Eficiente computacionalmente
- Seguro
Manipulación de contraste en Matlab
IMADJUST
J = IMADJUST(I,[LOW_IN;HIGH_IN],[LOW_OUT;HIGH_OUT],GAMMA]
- [LOW_IN;HIGH_IN]: Por defecto [0;1].
- [LOW_OUT;HIGH_OUT]: Por defecto [0;1].
- GAMMA: Por defecto GAMMA=1.
HISTEQ
[J,T] = HISTEQ(I)