Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
colores esenciales en
una imagen digital”
“Detección automática de los
colores esenciales en
una imagen digital”
Colores esenciales
Tipos de imágenes
Textos;
Caricaturas;
Pinturas;
Publicidades;
Mapas;
Naturales.
Conceptos y
definiciones
Conceptos y
definiciones
En el 2000 se desarrolló la
fórmula CIE2000 basada en
este espacio para calcular la
diferencia entre colores y
aproximarse más a las
características del sistema
visual humano (SVH).
Conceptos y
definiciones
Mapa de
NT Caricatura1 Lena Mandril Pintura1 Texto1
México
0 398 71068 256 306234 144998 159
2 271 648 234 651 1757 11
4 121 83 131 250 187 8
6 56 20 52 68 48 7
8 39 12 32 24 23 5
10 30 7 17 14 13 5
12 23 5 15 8 10 3
14 18 3 7 7 6 3
16 13 2 6 7 5 3
20 11 2 4 4 4 3
25 6 1 2 3 2 3
30 4 1 1 3 2 2
Solución del problema
Solución del problema
Colores
Colores 0
------------------- 0
Regiones ∞
Regiones
De izquierda a derecha
y de arriba hacia abajo:
imagen original con
35,121 colores; imagen
reconstruida por
indexación; imagen
reconstruida por
“dithering”; y
finalmente se muestran
las regiones creadas
por el algoritmo. Estas
tres últimas imágenes
tienen 33 colores.
Solución del problema
Solución del problema
Solución del problema
Evaluación de
resultados
Evaluación de
resultados
Evaluación de
resultados
Caricatura 1
300
12000
250
10000
Colores
Regiones
200
8000
150 6000
100 4000
50 2000
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tolerancia Tolerancia
Evaluación de
resultados
Caricatura 2
4000
40000
3500
35000
3000
Colores
Regiones
30000
2500
25000
2000
20000
1500
15000
1000
10000
500 5000
0 0
0 5 10 15 20 25 0 5 10 15 20 25
Tolerancia Tolerancia
Evaluación de
resultados
Fotografía1
Lena (71,068 colores – 12 colores)
Evaluación de
resultados
Fotografía 1 (Lena)
700
45000
600 40000
35000
500
Colores
Regiones
30000
400
25000
300 20000
15000
200
10000
100
5000
0
0
0 5 10 15 20 25
0 5 10 15 20 25
Tolerancia Tolerancia
Evaluación de
resultados
Fotografía 2
Mandril (257 colores – 32 colores)
Evaluación de
resultados
Fotografía 2 (Mandril)
250
40000
35000
200
Colores
Regiones
30000
150 25000
20000
100
15000
50 10000
5000
0
0
0 5 10 15 20 25
0 5 10 15 20 25
Tolerancia Tolerancia
Evaluación de
resultados
Pintura1
3000
400000
2500 350000
300000
Colores
Regiones
2000
250000
1500
200000
1000 150000
100000
500
50000
0
0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tolerancia Tolerancia
Evaluación de
resultados
Pintura 2
1200 180000
160000
1000
140000
Colores
Regiones
800
120000
100000
600
80000
400
60000
40000
200
20000
0
0
0 5 10 15 20 25 30 35
0 5 10 15 20 25 30 35
Tolerancia Tolerancia
Evaluación de
resultados
Mapa 1
2000
160000
1800
140000
1600
120000
Colores
Regiones
1400
1200 100000
1000
80000
800
60000
600
400 40000
200 20000
0
0
0 5 10 15 20 25 30
0 5 10 15 20 25 30
Tolerancia Tolerancia
Evaluación de
resultados
Picture 6
Evaluación de
resultados
Mapa 2
60
40000
50 35000
30000
Colores
Regiones
40
25000
30
20000
20 15000
10000
10
5000
0
0
0 10 20 30 40 50 60
0 10 20 30 40 50 60
Tolerancia Tolerancia
Evaluación de
resultados
Texto 1
35 12000
30
10000
Colores
Regiones
25
8000
20
6000
15
4000
10
2000
5
0 0
0 20 40 60 80 100 0 20 40 60 80 100
Tolerancia Tolerancia
Evaluación de
resultados
Texto 2
100
1400
90
80 1200
70
1000
Colores
Regiones
60
800
50
40 600
30
400
20
10 200
0
0
0 10 20 30 40 50 60
0 10 20 30 40 50 60
Tolerancia Tolerancia
Evaluación de
resultados
140.00
MedianCut OPQ Propuesto
120.00
100.00
80.00
60.00
40.00
20.00
0.00
Evaluación de
resultados
Imagen original Imagen regionizada Resultado de segmentación
Conclusiones
Evaluación de
resultados
Trabajos futuros
Generar un algoritmo o una herramienta tal, que nos permita encontrar el nivel de
tolerancia óptimo para cada imagen, aunque esto implique una búsqueda exhaustiva
de su valor o largos periodos de tiempo de cómputo.