Realce de imagenes

Solo disponible en BuenasTareas
  • Páginas : 5 (1043 palabras )
  • Descarga(s) : 0
  • Publicado : 3 de febrero de 2011
Leer documento completo
Vista previa del texto
Universidad Nacional Autónoma de México
Facultad de Ingeniería
División de Ingeniería Eléctrica

Imagenología

Proyectos
1. Realce de imágenes
2. Segmentación


Elaborada por: Bautista Reyes Alvaro
García Calles Octavio E. A.
Martínez Del Prado Filiberto

Grupo: 1

Semestre: 2010 -2

Fecha deentrega: 26 de Mayo de 2010



Proyecto 1.Realce de imágenes
A las siguientes imágenes, realizar las operaciones necesarias para mejorar su apreciación en el sistema de visión humano.
1) Transformar a los niveles de gris y luego eliminar el ruido Gaussiano con un filtro pasa-bajas.

Se utiliza un filtro suavizador, pasabajas se observa que la imagen obtenidadisminuye el ruido contenido en la imagen, pero se pierde nitidez.
Código
clc;close all; clear all;
A=imread('resonancia.tif');
figure(1); image(A); colormap(gray(256));title('Imagen original'); %imagen en niveles de gris%
PB=ones(8,8)*(1/64); %Filtro pasobajas%
IF=conv2(double(A),PB,'same'); %Convolucionamos la imagen con el filtro%
figure(2)
imagesc(IF)
colormap(gray(256))
title('Imagenfiltrada') %Mostramos la imagen filtrada%

2) Transformar a los niveles de gris y luego eliminar el ruido impulsivo con el filtro de mediana.

Visualizando la imagen original observamos que contiene bastante ruido.

Para el diseño del filtro de mediana se busca en el histograma un valor adecuado para generar el filtro.

Finalmente se aplica un filtro de mediana, una matriz de 5X5,implementando como mediana el valor de intensidad igual a 168. El resultado es una imagen con menor ruido sin embargo dada la naturaleza de este no se pierde totalmente, además de que pierde nitidez la imagen.
Código
clc;close all; clear all;
A=imread('x-ray-bones.tif');
figure(1); image(A); colormap(gray(256));title('Imagen original'); %tranformación de la imagen a sus niveles de gris%
figure(2);imhist(A); title('Histograma'); %buscamos en el histograma una mediana para diseñar el filtro de mediana%
FM=[157 158 158 159 160; 161 162 163 164 165; 166 167 168 169 170; 171 172 173 174 175; 176 177 178 179 180];
IF=conv2(double(A),FM,'same'); %se elige el filtro mostrado arriba, una matriz de 5x5%
figure(3)
imagesc(IF)
colormap(gray(256))
title('Imagen filtrada') %Se muestra la imagenfiltrada%

3) La eliminación del ruido periódico en el dominio de la frecuencia y luego resaltar los contornos con el filtro unsharp masking.

El código implementado arroja más imágenes sin embargo se incluyen las más representativas. Vemos el espectro de la imagen con origen al centro.

Visualizando en tercera dimensión el espectro observamos una serie de pequeños picos en la imagenrepresentando las respectivas frecuencias al ruido periódico.

Se visualiza el espectro del filtro a utilizar para filtrar la imagen en el domino de la frecuencia.

También se visualiza el espectro del filtro en 3 dimensión, siendo este un pasoaltas

Realizamos el producto punto a punto del filtro y de la imagen, ambos en el domino de la frecuencia, así vemos el espectro de este producto.

Alregresar ese producto al dominio espacial, observamos que el ruido periódico no ha desaparecido completamente. Sin embargo hemos eliminado una cantidad considerable.

Finalmente aplicamos una convolución con un filtro unsharp masking. Obtenemos una imagen en la que se pueden apreciar mejor los bordes. El ruido también ha cedido.
Código
%%%%despliegle de la imagen inter.tif
close all; clearall ; clc
A=imread('inter.tif');
A=double(A);
figure(1)
image(A)
colormap(gray(256))
title('Imagen Original')
%%%%DFT de la imagen
FA=fft2(A);
figure(2)
imagesc(abs(FA))
colormap(gray(256))
title('DFT de la imagen')
%%%visualización del espectro
FAlog=log(abs(FA)+1);
figure(3)
imagesc(FAlog)
colormap(gray(256))
title('DFT de la imagen con transformacion logaritmica')
%%%%%mover...
tracking img