Ivn Aliaga Andrade

2013


Filtro de Procesamiento de imagen
Deteccin de Bordes
Introduccin
Una imagen digital no es otra cosa que una especie de hoja de papel cuadriculado en el
que cada una de las cuadriculas tiene asignado un color concreto especifico por medio de
su cdigo siendo las cuadriculas los pixeles.
Para la mayora de los filtros usan una matriz de convolucin, y con este filtro se
pueden crear filtros personalizados.
Una matriz de convolucin es una matriz cuadriculada que contiene valores numricos
enteros. Convolucin es un tratamiento de una matriz por otra que se llama kernel.
El filtro matriz de convolucin usa una primera matriz que va ser la imagen a la que se va a
tratar, el kernel o mascara usado depende del efecto deseado.
Los filtros usan matrices 5x5 , 3x3 y otros pero las mas usadas son las 3x3 y son suficiente
para los efectos que desees. El filtro examina sucesivamente cada pixel de la imagen. Los
llamaremos pixeles iniciales, donde se multiplica el valor de este pixel y el valor de los 8
circundantes por el valor correspondiente del kernel o mascara, despus se suman esos
resultados, y el resultado se divide por la norma(es la suma de los nmeros de la matriz
del Kernel o mascara). Entonses se aade el resultado, y el pixel inicial se regula en este
valor resultante final.
Ej.

100 100 100 100 100
100 100 50 50 100
100 100 100 100 100
100 100 100 100 100
100 100 100 100 100

A la izquierda, la matriz de la imagen, cada pixel esta marcado con su valor. Al medio esta
el kernel o la mascara y a la derecha esta el resultado.
El filtro lee sucesivamente, de arriba a abajo y de izquierda a derecha, todos los pixeles del
rea de accin del kelnel o mascara. Se multiplica el valor de cada uno de ellos por el valor
correspondiente del kernel o mascara y se suman los resultados, como en el ejemplo
anterior

100 100 100 100 100
100 100 50 50 100
100 100 100 50 100
100 100 100 100 100
100 100 100 100 100
0 1 0
0 0 0
0 0 0


(100*0)+(50*1)+(50*0)+(100*0)+(100*0)+(100*0)+(100*0)+(100*0)+(100*0)+(100*0) = 50
Norma=0+1+0+0+0+0+0+0+0=1
entonces 50/1=50. El pixel inicial asumi el valor 50.
El filtro no trabaja sobre la imagen sino sobre una copia, de esta manera cuando el filtro
lea los pixeles no lea las modificaciones sino que el que la imagen que estaba antes que
usaras el filtro.


















Deteccin de bordes

La deteccin de bordes es una herramienta fundamental en el procesamiento de imagen y
en visin por computadora, particularmente en las reas de deteccin y extraccin de
caractersticas, que tiene como objetivo la identificacin de puntos en una imagen
digital en la que el brillo de la imagen cambia drsticamente o, ms formalmente, tiene
discontinuidades. El mismo problema de encontrar discontinuidades en seales 1D se
conoce como deteccin de paso.

Algunos de los Operadores que se utilizan en el procesamiento de imagen son:
- Sobel
-Laplaciana
-Prewitt

Operador Sobel
El operador Sobel es utilizado en procesamiento de imgenes, especialmente en
algoritmos en deteccin de bordes. Tcnicamente es un operador discreto que calcula una
aproximacin al gradiente de la funcin de intensidad de una imagen. Para cada punto de
la imagen a procesar, el resultado del operador Sobel es tanto el vector gradiente
correspondiente como la norma de este vector.
Los operadores de gradiente, en general, tienen el efecto de magnificar el ruido
subyacente en la imagen, no obstante, el detector de Sobel se puede ver como la
combinacin de un filtro de suavizado del ruido con un operador de aproximacin
imprecisa del gradiente.
Primera derivada bidimensional
El algoritmo bsicamente extrae la luminosidad de cada punto de la imagen.
Matemticamente el operador utiliza dos kernels o mascaras de 3x3 elementos para
aplicar convolucin a la imagen original para calcular aproximaciones a las derivadas, un
kernel para los cambios horizontales y otro para las verticales. Si definimos A como la
imagen original, el resultado, que son las dos imgenes Gx y Gy que representan para
cada punto las aproximaciones horizontal y vertical de las derivadas de intensidades, es
calculado como:

En cada punto de la imagen, los resultados de las aproximaciones de los gradientes
horizontal y vertical pueden ser combinados para obtener la magnitud del gradiente,
mediante:

En este ejemplo se muestra el algoritmo en accin sobre una imagen.



Para este histograma se ve que es mas abundante el negro que el blanco ya que hay mas
barras a la izquierda que la derecha aunque hay una barra de los blancos que son los
bordes que detecto.

Operador Laplaciano

Segunda derivada bidimencional: En este caso se calcula la segunda derivada
omnidireccional y se buscan cruces por cero que indiquen mnimos locales en el pixel
evaluado (lo que indica un borde) El algoritmo es:
- Extraer la luminosidad de cada punto de la imagen (igual que con primera derivada)
- Calcular el valor del operador laplaciano para cada punto de la imagen, esto se puede
hacer con una mscara 55 o como en este caso con una mscara 33 . El clculo del valor
de G es igual que para GX y GY en el caso de Sobel.

0 1 0
1 -4 1
0 1 0

-1 2 -1
2 -4 2
-1 2 -1


1 1 1
1 -8 1
1 1 1
I)

Para este histograma se ve que el negro es el que predomina pero tambin se ve que no
hay blanco, solo llega hasta el gris.
II)

Para este histograma se ve que el negro es el que predomina y que hay una sola barra de
blanco por los bordes y que hacen que se remarque mas.


III)

Este histograma muestra que predomina el negro y que hay blanco pero muy pequeo.

Operador de Prewitt
El operador de Prewitt, al igual que el de Sobel, expande la definicin del gradiante en una
mascara de 3x3 para ser mas inmune al ruido, utilizando la misma ecuacin Sobel pero
con una constante c=1
A diferencia del operador de Sobel, este operador no otorga una importancia especial a
pixeles cercanos al centro de la mascara.







En este histograma se ve que el que predomina es el negro pero adems tiene ms
expandido las barras de grises osea que tiene mas variedad de grises adems que el
blanco que hay es solamente los bordes.



Conclusin
Este trabajo permiti realizar una importante investigacin a los principales operadores
para la deteccin de bordes empleado en muchos de los sistemas que involucran el
proceso de imgenes.
Los tres operadores que vimos tienen ventajas y desventajas y con eso haremos una una
eleccin correcta
Con el operador Sobel encontraras como ventajas que tiene una buena respuesta en
bordes horizontales y verticales, diversidad de tamaos en las mscaras, proporcionan un
suavizado adems del efecto de derivacin. En el operador Prewitt tiene buena respuesta
en bordes horizontales y verticales, poco sensible al ruido, proporciona la magnitud y
direccin del borde. Y en el Laplaciano realiza una buena localizacin de los bordes
siempre que las aristas se encuentren bien separadas y la relacin seal-ruido de la
imagen sea alta y es totalmente independiente de la orientacin del borde por lo que
ofrece una buena respuesta en la deteccin de bordes horizontales, verticales y
diagonales.
Las desventajas del operador Sobel son la mala respuesta en bordes diagonales, lentitud
de clculo, no da informacin acerca de la orientacin del borde, anchura del borde de
varios pxeles. Las del operador Prewitt tiene mala respuesta en bordes diagonales,
lentitud de clculo y Anchura del borde de varios pxeles. Y la del operador laplaciano a
pesar de que este mtodo es mas preciso, es muy sensible al ruido, por lo que las
imagenes presentarn los bordes de compresin (especialmente en jpg) y los defectos de
la imagenen.
Esto brinda la posibilidad de hacer una primera discriminacin respecto a cuales de ellos
serian mas factibles de utilizar y en que orden, a fin de obtener una imagen a analizar con
el menor ruido posible.