UNIVERSIDAD PRIVADA DE TACNA

PROCESAMIENTO
DIGITAL DE IMAGENES
En el dominio de las frecuencias y
espacial
Jorge Deza Concori
Daleshka Marazo Cama

El Procesamiento Digital de Imagenes

Introduccion: La Transformada de Fourier
Fourier nos indica que toda funcion periodica puede ser representada como
una suma infinita de senos y cosenos de distintas frecuencias
El Analisis de Fourier de una seal permite determinar sus frecuencias, pero a
costa de perder la informacion de tipo temporal.

Figura 1. Seal sinusoidal y la transformada de Fourier

En el caso de las imagenes, las seales corresponden a los niveles de gris o

intensidad de las diferentes filas o columnas de la matriz de la imagen.

Procesamiento Basico de Imagenes

El principal objetivo del procesamiento de imagenes es conseguir algoritmos
que mejores la calidad y/o la apariencia de la imagen original.
Es posible resaltar ciertas caracteristicas de una imagen (bordes, contraste,
color) mientras que es posible eliminar ruido, frecuencias caracteristicas, etc)
Es usado principalmente para otro tipo de tareas y organizacion de las
imagenes para su post-analisis(segmentacion, extraccion de caracteristicas,
datos, estadisticas).
Los algoritmos o procesos ampliamente usados se presentan en el dominio
espacial y transformados( Transformada de Fourier)

Las operaciones realizadas en las imagenes, se hace a nivel del pixel, que es la
unidad de tamao mas pequea en una imagen, siendo principalmente
aritmeticas, logicas, de umbralizacion y geometricas.
Tipos:
Aplicacion Suma: Reduccio de Ruido
Aplicacion Resta: Estudio del movimiento(Entre imagenes consecutivas de una
secuencia)
Cambio de Tamao de imagenes, Reescalar un resultado

Fig 2. Ejemplo de Operaciones Aritmeticas y logicas sobre imagenes en nivel

de gris

Operaciones geometricas:
Son aquellas que modifican las relaciones espaciales entre pixeles de una
imagen
Tipos: traslacion, escalado y Rotacion.
Presencia de Matrices de Transformacion, (Uso de Coordenadas Homogeneas).
Composicion de Transformaciones. Es a veces necesario combinarlas con un
algoritmo de interpolacion (necesidad de coordenadas enteras).

Filtrado en el dominio de la frecuencia

Estos filtros de frecuencia procesan la imagen trabajando sobre el dominio de
la frecuencia en la transformada de Fourier de la imagen. De este modo, se
emplea el Teorema de la Convolucion correspondiente
1. Aplicacion de la Transformada de Fourier,
2. Se Multiplica Posteriormente por la funcion del filtro que se ha escogido,
3. Para terminar, se retransforma al dominio espacial empleando la
Transformada inversa de Fourier.
Teorema de la convolucion (frecuencia): G(u,v) = F(u,v)*H(u,v)
F(u,v): transformada de Fourier de la imagen original.
H(u,v): filtro atenuador de frecuencias
Como la multiplicacion en el espacio de Fourier es identica a la convolucion
en el dominio espacial, todos los filtros podrian, en teoria, ser
implementados como un filtro espacial.

Fig 3. Etapas de procesamiento de Imagenes, en el dominio de la frecuencia

Procesamiento de Imagenes con Matlab

El programa MatLab (de Matrix Laboratory, Laboratorio de matrices) es un
software muy potente para el calculo matematico, con un propio lenguaje y
entorno de desarrollo integrado, capaz de manipular funciones, representacion
de datos y funciones en distintas graficas
Para la lectura de una imagen, el siguiente codigo permite tal proposito:
>> f=imread(imagen.jpg)
>> f = imread (C:\imagenes\imagen1.jpg)
La imagen a leer debe encontrarse en la carpeta de trabajo de Matlab. Los
formatos de imagen soportados por Matlab son: TIFF, JPEG, GIF, BMP, PNG,
XWD.
Una imagen de color RGB se representa por tres matrices bidimensionales,
correspondientes a los planos R, G y B.
Llamada a una imagen real
f=imread('C:\Users\jorge\Desktop\IMPR KUPA\cnv000026.jpg');
imshow(f)

Conversion a grises
f=imread('C:\Users\jorge\Desktop\IMPR KUPA\cnv000001.jpg');
g=rgb2gray(f);
imshow(g)

Para guardar un archivo

f=imread('C:\Users\jorge\Desktop\IMPR KUPA\cnv000001.jpg');
g=rgb2gray(f);
imwrite(g,'C:\Users\jorge\Desktop\IMPR KUPA\imag1.tif')

la imagen es guardada como imag1.tif, y ademas ha sido guardada en escala

de grises

El tipo de dato matriz, que contendr una imagen puede ser de varios tipos
(segn el tipo de dato de cada pixel):
- double: Doble precisin, nmeros en punto flotante que varan en un rango
aproximado de -10308 a 10308 (8 bytes por elemento)
- uint8: Enteros de 8 bits en el rango de [0,255] (1 byte por elemento)
- uint16: Enteros de 16 bits en el rango de [0, 65535] (2 bytes por elemento)
- uint32: Enteros de 32 bits en el rango de [0, 4294967295] (4 bytes por
elemento)
- int8: Enteros de 8 bits en el rango de [-128, 127] (1 byte por elemento)

- int16: Enteros de 16 bits en el rango de [-32768, 32767] (2 bytes por

elemento)
- int32: Enteros de 32 bits en el rango de [-2147483648,2147483647] (4 bytes
por elemento)
- logical: Los valores son 0 1 (1 bit por elemento

Transformaciones de Intensidad
La sintxis general para aplicar una transformacin de intensidad a una imagen
f es:
>> g = imadjust (f, [low_in high_in], [low_out high_out])
Aplica los valores de intensidad de la imagen f (uint8, uint16 o doubl) que
estn en el intervalo [low_in high_in] en valores del intervalo, [low_out
high_out] (considerando valores entre 0 y 1).
f=imread('C:\Users\jorge\Desktop\IMPR KUPA\cnv000025.jpg');
g=rgb2gray(f);
g2=imadjust(g,[0 1],[1 0]);
imshow(g2)

Transformada Discreta de Fourier

>> F=fft2 (f)

Transformada discreta de Fourier de la imagen f, luego es una matriz de valores

complejos
f=imread('C:\Users\jorge\Desktop\IMPR KUPA\cnv000030.jpg');
g=fft2(f);
imshow(g)

>> abs (F)

Magnitud de los valores complejos de la TDF (espectro de Fourier).
>> fftshift (F)
TDF desplazada (F(0,0) en el centro de frecuencias).
>> f=ifft2 (F)
TDF inversa.

Transformaciones Geometricas
g=padarray(f, [m n])
Rellena la imagen f aadiendo m filas de ceros en la parte superior e inferior de
la imagen y n columnas de ceros en a derecha e izquierda de la imagen.

Rotacin de imgenes:
>> g=imrotate(f, angle, crop)
El tamao de la imagen es aumentado automticamente rellenando la imagen
hasta adaptarse a la rotacin. Si incluimos el argumento crop, observar qu
ocurre con el tamao de la
imagen en el siguiente
ejemplo:
f=imread('C:\Users\jorge\Desk
top\IMPR
KUPA\cnv000030.jpg');
g= imrotate(f,70,'crop');
imshow(g)

Conclusiones:
1. Segun Fourier, toda funcion periodica puede ser representada como una
suma infinita de senos y cosenos.
2. El Procesado Digital de Imagenes se logra mediante la Transformada y
Antitransformada de Fourier
3. El Proceso de Filtros, tanto de mejoramiento o analisis se realizan cuando
se aplica la transformada de Fourier
4. A traves de Fourier, los Filtros son operaciones Matematicas,
Geometricas, Logicas, etc.
5. Las Imagenes, son representados de una manera matricial en el software
MatLab
6. El Filtrado, puede ser tanto en el dominio de la Frecuencia, como en el
espacial.