Recomendados
Recomendados
Más contenido relacionado
Destacado
Destacado (20)
Similar a Utp pd_iy_va_sap3 operaciones, transformaciones y conversiones
Similar a Utp pd_iy_va_sap3 operaciones, transformaciones y conversiones (20)
Más de jcbp_peru
Más de jcbp_peru (20)
Utp pd_iy_va_sap3 operaciones, transformaciones y conversiones
- 1. Procesamiento de Imágenes y Visión Artificial (WEE2) Sesión: 3 Ing. José C. Benítez P. Operaciones, transformaciones y conversiones
- 2. Logros de aprendizaje 1. Conocer las operaciones lógicas y aritméticas aplicadas a los diferentes tipos de imágenes digitales. 2. Procesar espacialmente las imágenes digitales. 3. Conocer los métodos de conversión de las imágenes digitales RGB a escala de grises. 2
- 3. 3 Contenido Operaciones, transformaciones y conversiones: • Operaciones con imágenes. • Procesamiento espacial de imágenes. • Métodos de conversión RGB a escala de grises.
- 4. Operaciones con imágenes Operaciones lógicas y aritméticas. o Operaciones lógicas. o Suma. o Resta. Operaciones geométricas. o Traslaciones. o Magnificaciones. o Rotaciones. o Interpolaciones Procesamiento espacial. o Convolución. o Correlación. o Convolución y correlación.
- 18. 18 Operaciones Geométricas INTERPOLACIONES. Formas: • Vecino más próximo • Bilineal • Bicúbica
- 19. 19 Operaciones Geométricas INTERPOLACION: Vecino mas próximo
- 23. Procesamiento espacial 23 Dominio espacial: Filtros lineales
- 24. Procesamiento espacial 24 Dominio espacial: Filtros lineales
- 36. Procesamiento espacial 36 Observaciones y dificultades
- 37. Procesamiento espacial 37 Observaciones y dificultades
- 38. Procesamiento espacial 38 Tratamiento de bordes
- 39. Procesamiento espacial 39 Tratamiento de bordes. Soluciones
- 40. Procesamiento espacial 40 Tratamiento de bordes. Soluciones
- 41. Procesamiento espacial 41 Tratamiento de bordes. Soluciones
- 42. 42 Convolución y correlación en MatLab Procesamiento espacial >>a = [0 1 2 1 0] >>stem(a) >>b =[1 0 1] >>stem(b) >>c = conv(a,b) >>stem(c) c = a * b c = [0 1 2 2 2 1 0]
- 43. 43 Convolución y correlación en MatLab Procesamiento espacial >>a=[ 0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0; 0 0 0 1 1 1 0 0 0]; >>imshow(a); >> b=[ 1 1 1 0 0 0 1 1 1; 1 1 1 0 0 0 1 1 1; 1 1 1 0 0 0 1 1 1] >>imshow(b) >>c = conv2(a,b) >>imshow(c) >> size(a) ans = 5 9 >> size(b) ans = 3 9 >> size(c) ans = 7 17
- 44. 44 Convolución y correlación en MatLab Procesamiento espacial
- 45. 45 Convolución y correlación en MatLab Procesamiento espacial
- 46. 46 Convolución y correlación en MatLab Procesamiento espacial >> a=magic(5) a = 17 24 1 8 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9 >> h=[-1 0 1] h = -1 0 1 Filtro usando la correlacion >> imfilter(a,h) ans = 24 -16 -16 14 -8 5 -16 9 9 -14 6 9 14 9 -20 12 9 9 -16 -21 18 14 -16 -16 -2 Filtro usando la convolucion >> imfilter(a,h,'conv') ans = -24 16 16 -14 8 -5 16 -9 -9 14 -6 -9 -14 -9 20 -12 -9 -9 16 21 -18 -14 16 16 2
- 50. 50 ¿Cómo convertir una imagen a escala de grises? Para que una imagen sea vea en tonos de gris se requiere que los tres componentes básicos del color (en el computador: rojo, verde, azul – RGB por sus siglas en inglés) tengan más o menos la misma intensidad, podemos decir que si queremos convertir un pixel a su equivalente en escala de grises bastaría con hacer algo como esto: • Sumar los valores de los componentes de color del pixel, es decir sumar R + G + B • Sacar el promedio de esa suma • El valor hallado se debe asignar a R, G y B Con estos tres pasos ya logramos que el pixel sea de color gris ya que cada uno de sus componentes tiene el mismo valor.
- 51. 51 ¿Cómo convertir una imagen a escala de grises? Hay muchas otras formas de hacerlo, incluso alguien que haya trabajado previamente con imágenes puede tener su propia versión de como implementarlo de acuerdo a lo que necesite o al tiempo que tenga. Pero existe una manera ampliamente conocida y aceptada en el gremio de las personas que trabajan con imágenes y visión por computador esa manera es la que aprenderemos a efectuar.
- 52. 52 El ojo humano y su sensibilidad Bien, resulta que el ojo humano es mucho más sensible a los colores verdes y rojos que al azul, por lo que en cuanto a precepción de iluminación se trata nuestro ojo reconoce los patrones de iluminación en color en las siguientes proporciones para cada componente: • Rojo: 30% • Verde: 59% • Azul: 11% Así que lo más adecuado es calcular el valor de cada componente de color con base a esta proporción y de este modo se obtiene el pixel de color gris con la iluminación adecuada para que nuestro ojo lo perciba como un mejor equivalente a su versión en color.
- 53. 53 Conversión de imágenes RGB a grayscale En PDI existen generalmente cuatro funciones diferentes para convertir los colores a escala de grises: "lightness", "luminosity" y "average". Para cada píxel: "lightness" promedia los valores de color máximo y mínimo; "luminosity" le da más peso al verde y muy poco al azul; "average" calcula el promedio de los tres colores: Average = (R + G + B) / 3 Lightness = ( max(R,G,B) + min(R,G,B) ) / 2 Luminosity = 0,21 × R + 0,72 × G + 0,07 × B Luminancia = R × 0.3 + G × 0.59 + B × 0.11
- 54. 54 Conversión de imágenes RGB a grayscale
- 55. 55 Agradecimiento Procesamiento de Imágenes y Visión Artificial Blog del curso: http://utppdiyva.blogspot.com