1
Transformaciones de brillo del pixel
La transformación depende del valor del pixel. 2 categorías.
Corrección del brillo: Modifica el valor atendiendo al valor original del pixel y a su posición en la imagen.
f(i,j) = e(i,j) * g(i,j) g(i,j) : imagen ideal
e(i,j) : cambios en la imagen ideal (calcular)
f(i,j) : imagen captada
Transformación de escala de gris: No dependen de la posición del pixel en la imagen.
q = T(p) [p0 , pk] ? [q 0 , q ]
Estas transformaciones se realizan fácilmente con tablas LUT (tablas de consulta), hardware o software.
En general no son reversibles, suele haber mapeos varios a uno.
Se utilizan mucho cuando la imagen va a ser vista por un observador humano.
2
Operaciones con LUT (Look Up Table)
p1
p2
q
p
0
0
0
0
1
2
95
96
255
255
255
255
Tabla LUT
(tabla de consulta)
(Gp:) a
(Gp:) a) transf. inversa
(Gp:) b
(Gp:) b) realce entre p1 y p2
(Gp:) c
(Gp:) c) umbralización
3
Compresión de rango
En comparación con la visión humana la imagen digital tiene un rango dinámico menor.
El bajo contraste en las imágenes digitales las hace aparecer de baja calidad cuando nos enfrentamos a escenas en las que hay un contraste alto.
Podemos perdernos detalles en las partes oscuras.
Las partes brillantes se blanquean.
El rango dinámico se puede incrementar por medio de la transformación ganma.
Esta transformación aumente el rango dinámico en las partes más oscuras a costa de las partes más claras de la imagen.
Se adapta así mejor a la característica logarítmica del ojo humano.
4
Ejemplo de mejora del contraste
Imagen original
(Gp:) Imagen con mejor contraste
(Gp:) Transformación del nivel de gris
5
Corrección de iluminación no uniforme
A pesar de nuestros esfuerzos por tener una iluminación homogénea esta no será posible de obtener por completo.
Estos efectos se hacen más aparentes en casos de fondo uniforme.
El propio dispositivo sensor introduce errores.
Es posible corregir estos efectos teniendo un conocimiento a priori de su naturaleza y contando con imágenes de referencia.
Asumimos que los valores de gris se deben a la irradiancia no homogénea de la imagen y la reflectividad del objeto.
Se puede suponer un coeficiente de error multiplicativo g(i,j)=e(i,j)f(i,j)
Se supone que puede tomar una imagen de referencia constante C, la imagen degradada de esta referencia será fc(i,j) => e(i,j)=fc(i,j)/c
El error sistemático puede eliminarse con g(i,j)=(fc(i,j)/c ))f(i,j)
Este método puede usarse si la degradación es estable.
6
Ejemplo de iluminación no uniforme 1
Imagen con iluminación no uniforme
Histograma de la imagen
7
Ejemplo de iluminación no uniforme 2
Imagen del fondo
Histograma del fondo
8
Ejemplo de iluminación no uniforme 3
Imagen corregida, sustrayendo el fondo y estirando el histograma
Histograma de la nueva imagen
9
Transformación del histograma.
El histograma es una representación de la distribución de pixels con un nivel de gris.
Trata a cada valor r, nivel de gris como una variable aleatoria. Sobre ella puede aplicarse una transformación s=T(r).
T debe cumplir ser monótona creciente.
Debe abarcar todo el rango de valores de r.
La función inversa r=T-1(s) cumple las mismas condiciones.
Se pueden definir funciones de densidad de probabilidad pr(r) ps(s) entonces si se conoce T y se verifican las condiciones impuestas:
Las técnicas de mejora siguientes se basan en modificar la apariencia del histograma mediante una transformación T.
10
Ecualización
Se define una transformación T(r), que es la integración
Ejemplo Sea pr(r) una función de transformación entre 0 y 1 pr(r)=-2r+2
Página siguiente  |