TRATAMIENTO DE IMÁGENES

CÓDIGO: 208054

Paso 2

Segmentación de imágenes

Presentado a:
PAOLA ANDREA MATEUS
Directora del Curso

Entregado por:
Jose Alexander Vargas Jaramillo
Código: 71054680

Grupo: 208054_4

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

FEBRERO 2020

BOGOTA DC.
 INTRODUCCIÓN

El presente trabajo se realizará teniendo en cuenta las temáticas del paso 2 – Segmentación de

imágenes. La cual contiene los temas relacionados con lecturas de imágenes, espacios de color,

niveles de grises e histograma, donde se consulta y recopila información necesaria para la

resolución del proyecto planteado, se emplea técnicas de detección de bordes, binarización y

filtrado, para la segmentación de objetos de interés.

Cumplir con esta actividad será posible realizando la lectura e investigación encaminada a un

proyecto final, que, en este paso del proyecto, busca la realizar la detección de bordes,

binarización, filtrado y reconstrucción morfológica con el fin de obtener la segmentación de la

imagen, donde obtienen el primer plano con los objetos de interés propuestos en el proyecto y

eliminan el resto de información convirtiéndola en fondo.

Además, es complementario a la investigación la definición de conceptos y respuesta a preguntas

teóricas del tema en cuestión.

La lectura en detalle y solución acertada, nos permitirán obtener el producto individual exigido

en esta actividad. Este aprendizaje empleado, nos permitirá tomar decisiones, trabajar con las

observaciones de los integrantes del grupo y desarrollar un pensamiento crítico y lógico que nos

permitirá presentar un trabajo final más acertado y con la solución esperada para la actividad

planteada.
 OBJETIVOS

1. Emplear técnicas de detección de bordes, binarización y filtrado, para la segmentación de

objetos de interés.

2. Recopilar información necesaria para la resolución del proyecto planteado durante el

paso 2.

3. Realizar la detección de bordes, binarización, filtrado y reconstrucción morfológica con

el fin de obtener la segmentación de la imagen.

4. Obtener el primer plano con los objetos de interés propuestos en el proyecto y eliminar el

resto de información convirtiéndola en fondo.

5. Investigar de manera individual y dar respuesta a las preguntas teóricas.

 Actividades a desarrollar

1. Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera

individual y da respuesta a las siguientes preguntas teóricas:

a. ¿Qué es umbralización o binarización?

La umbralización es uno de los métodos más importantes de fraccionamiento o segmentación. Lo

que buscamos es transformar una imagen en escala de grises a una nueva imagen con sólo dos

niveles, de manera que los objetos queden separados del fondo. Esta técnica consiste en realizar

un barrido en la matriz de la imagen original, utilizando bucles o recursividad, tratando de

reducir la escala de grises a dos valores, para poder umbralizar o binarizar la imagen uno de los

métodos utilizados es el histograma de esta, mediante este método logramos una gráfica donde se

muestran el número de píxeles por cada nivel de gris que aparecen en la imagen.

Se debe elegir valores apropiados entre los niveles de grises (umbral), buscando que el

histograma forme un valle en ese nivel. Todos los niveles de grises menores al umbral calculado

se convertirán en negro y todos los mayores en blanco, Negro (= 0) y blanco (= 255), es decir, un

sistema binario de ausencia y presencia de color 0-1. El cotejo de cada píxel de la imagen se

determina por el umbral de sensibilidad (valor T =Threshold). Es decir, si los valores son

mayores que el umbral toma un valor 255(blanco) y si son menores 0 (negro).

b. ¿Cuál es la diferencia entre umbralización global y local? ¿Cuál es su

implementación en Matlab?

DIFERENCIAS
UMBRALIZACION GLOBAL UMBRALIZACION LOCAL
También llamado umbral fijo También es llamada adaptativa
El objeto puede ser extraído del resto de la imagen. Se determina dividiendo una imagen en subimágenes.
Operación que compare los valores de la imagen con el
Calculando los umbrales de dichas subimágenes.
valor umbral T.
La manera más obvia de extraer el objeto es seleccionar Se determina examinando las intensidades de la imagen en
un umbral T que separe los dos modos. los alrededores de cada píxel.
El resultado es una imagen binaria, donde los píxeles con
Se obtienen los histogramas de cada subimagen y se
valores de intensidad igual a 1 corresponden al objeto
realiza una segunda interpolación para encontrar los
deseado; mientras que los píxeles con valor 0,
umbrales adecuados a cada píxel.
corresponder al resto de la imagen.
La imagen posee un histograma bimodal. Útil para segmentar objetos en fondos no homogéneos.

Es aquel que es único sobre toda la imagen. Es computacionalmente más costosa que la global.

Su implementación en Matlab se realiza programando líneas con las siguientes funciones: T =

graythresh (I), que calcula un umbral global desde la imagen en escala de grises, utilizando el
método de Otsu. El método de Otsu elige un umbral que minimiza la varianza intraclase de los
píxeles en blanco y negro de los umbrales. El umbral global se puede utilizar para convertir una
imagen en escala de grises en una imagen binaria

c. ¿Qué es umbral de Otsu?

Es un algoritmo que tiene como finalidad separar los objetos de una imagen, que necesitamos del
resto, gracias al método de valor umbral se puede decidir que pixeles conforma los objetos que
se buscan y que otros pixeles solo son del ambiente que rodea la imagen. Este método es muy
utilizado para separar el texto de un documento del fondo de la imagen, el umbral de Otsu utiliza
técnicas estadísticas, para resolver los problemas o situaciones, utiliza la varianza, que es una
medida de la dispersión de valores (en este caso se trata de la dispersión de los niveles de gris).

d. ¿Qué es reducción de ruido en una imagen binaria?

Una imagen binaria es una imagen digital que tiene únicamente dos valores posibles para cada

píxel, regularmente, los colores para su representación son negro y blanco, pero también puede

haber otras dos posibles combinaciones, ahora bien, el ruido es cualquier perturbación, aparición

circunstancial de rastros o huellas, o de variaciones de brillo y color; Por lo anterior, reducción

de ruido son operaciones, filtros o algoritmos que se utilizan para reducir los efectos espurios que

puede tener una imagen, consecuencia de su captura, digitalización y transmisión.

 e. ¿Qué es filtro mediano y cómo se implementa en Matlab?

Es una técnica de filtrado digital no lineal, que a menudo se utiliza para eliminar el ruido de una

imagen o señal. Tal reducción de ruido es un paso de preprocesamiento típico para mejorar los

resultados de un procesamiento posterior, este filtro conserva los bordes y elimina el ruido,

proceso consistente en reemplazar el valor central u=I ( x , y) por umed , para cada pixel de la

imagen. Típicamente W es una vecindad de 3 ×3 pixeles, con N=8 mas el centro. Es el más

simple, intuitivo y fácil de implementar, pero sensible a cambios locales

f. ¿Para qué sirven los filtros de suavizado en una imagen?

Los filtros de suavizado sirven para emborronar o trazar la imagen, eliminan pequeños detalles y

pinceladas antes de la segmentación de un objeto de interés, rellenan pequeños espacios, elimina

ruido, difuminacion de la imagen, reducir contrastes desiguales. Su utilización es normalmente

necesaria antes de la aplicación de un detector de bordes, el operador de suavizado más simple es

la convolucion de media.

g. ¿Cuál es la diferencia entre ruido gaussiano y ruido de sal y pimienta?

RUIDO GAUSSIANO RUIDO DE SAL Y PIMIENTA

Produce pequeñas variaciones en la imagen. Cubre de forma dispersa toda la imagen con una serie de
píxeles blancos y negros.
Se produce debido a los componentes electrónicos Se produce cuando la señal de la imagen es afectada por
(sensores, digitalizadores). intensas y repentinas perturbaciones o impulsos.
Filtros basados en la media. Se reduce mediante el uso de filtros medianos o filtros
morfológicos.
Modela bien el ruido real suma de múltiples Utiliza el valor de la mediana de la vecindad de cada píxel.
Factores.
La intensidad de todos los píxeles se ve alterada. Ocurrencias aleatorias de píxeles blancos y negros.
Variaciones en la intensidad generadas por una Aparece en las fotos debido a polvo en el lente entre otras
distribución gaussiana normal. cosas.

h. Explique diferentes técnicas de segmentación de imágenes

  Segmentación: simplificación, dividir imagen en partes significativas.
 Estructural: Trabaja sobre los valores de pixeles discretos.
 Hibridas: Usa la información de pixeles y estructurales discretas.
 Método Umbral: Dividen los pixeles con respecto a su nivel de intensidad:
 Detención de bordes: Localizan los bordes y luego se conectan entre sí formando límites.
 Regiones: Cambia las regiones similares adyacentes:
 Agrupación: Método basado en clústeres, grupos con características similares.
 Cuenca: Considera el gradiante como una superficie topográfica.
 Ecuaciones diferenciales, parciales y redes neuronales:

i. ¿Qué es reconstrucción morfológica?

Es la dilatación repetida de una imagen, el contorno de la imagen del marcador se ajusta debajo
de una segunda imagen, los picos en la imagen del marcador se extienden o se dilatan. Tiene las
siguientes propiedades: El procesamiento se basa en dos imágenes, un marcador y una máscara,
en lugar de una imagen y un elemento de estructuración. El procesamiento se basa en el concepto
de, en lugar de un elemento de estructuración. conectividad de píxeles y el procesamiento se
repite hasta la estabilidad; es decir, la imagen ya no cambia.

j. ¿Qué tipos de funciones morfológicas existen y cómo funcionan?

Se tienen los siguientes tipos de funciones:

 Dilatación: Agrega pixeles a un objeto, lo hace más grande.

 Erosión: Extrae los outlayers del objeto, lo hace más chico.
 Apertura: Suaviza los contornos de una imagen. Elimina pequeños salientes. Abre
pequeños huecos. Elimina franjas o zonas de un objeto que sean más estrechas que el
elemento estructural.
 Cierre: Elimina huecos pequeños rellenándolos y une componentes conexas cercanas.

CONCLUSIONES
1. Varios métodos son adecuados para diversos tipos de aplicaciones de imagen, pero

ningún método es suficiente para un tipo especial de imagen, por lo tanto, esta tecnología

tiene un futuro desafiante en su estudio.

2. El tratamiento de Imágenes nos permitirá mejorar la calidad o facilitar la búsqueda de

información.

3. Lograr, a partir de una imagen original, otra final cuyo resultado sea más adecuado para

una aplicación específica del estudio que se esté realizando.

4. Optimizar ciertas características de las imágenes de entrada, que posibilite efectuar

operaciones del procesado sobre ellas.

5. Se evidencio durante el desarrollo de las actividades, un gran soporte y ayuda por parte

del señor Tutor, el cual nos permitió tener una retroalimentación a tiempo, un amplio

material de ayuda, consulta y estudio, permitiendo así el desarrollo asertivo y eficiente de

la actividad planteada.

6. Se logró de forma satisfactoria la realización de la actividad, evidenciando que la lectura

de los recursos ofrecidos y la consulta de bibliografías y demás, fue acertada y completa.

REFERENCIAS BIBLIOGRÁFICAS
Bovik, A. C. (2009). The Essential Guide to Image Processing (Vol. 2nd ed). Amsterdam:
Academic Press, pp. 1 - 123. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=249002&lang=es&site=eds-live&scope=site

Bovik, A. C. (2005). Handbook of Image and Video Processing (Vol. 2nd ed). Amsterdam:
Academic Press, pp. 4 - 12. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=eds-live&scope=site

Nixon, M. S., & Aguado, A. S. (2002). Feature Extraction and Image Processing. Oxford:
Newnes, pp. 542 - 600. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds-live&scope=site

Mateus, P. (2019, Enero 14), Tratamiento de Imágenes. [OVI]. Recuperado de:

http://hdl.handle.net/10596/23302

Hemanth, D. J., & Estrela, V. V. (2017). Deep Learning for Image Processing Applications.
Amsterdam, Netherlands: IOS Press. Retrieved from http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=1791226&lang=es&site=eds-live&scope=site

The MathWorks, Inc. (1994-2020), MATLAB. https://la.mathworks.com/products/matlab.html