Algo

Procesamiento Digital de Imágenes

Dr. Rubén Wainschenker Mg. Ing. José María Massa Mg. Ing. Paula Tristan

Clase Teórico Práctica Nº 1
Optativa Área Procesamiento de señales Primer cuatrimestre de 2011

Objetivos de la materia

• Extraer información de imágenes digitales. • Utilizar herramientas informáticas para la extracción de información. • Capturar, realzar, segmentar, medir,identificar y visualizar objetos de interés en las imágenes. • Aplicaciones en diversas áreas: medicina, medioambiente, industria, seguridad, gestión.

Programa
• Imágenes y procesamientos digitales. Introducción. • Representación de imágenes digitales. Cámara oscura. Imagen fotográfica. Imagen digital. RGB. CMY. CMYK. Muestreo y Cuantificación. • Obtención de imágenes digitales. Detectores,scanners, cámaras CCD, microdensitómetros, ojo humano. • Almacenamiento de imágenes digitales. Formatos de almacenamiento de imágenes digitales. Paleta. BMP, GIF, TIFF, JPEG, etc. • Análisis de imágenes digitales. Definición de contraste, brillo e intensidad luminosa. Histograma. • Procesamientos elementales: Realce, Funciones de punto. Realce de tonos claros, oscuros y medios. Expansión de grises.Ecualización del histograma. Conectividad. Distancia. • Reducción de ruido en imágenes digitales. Suavizado. Filtros mediana, promedio, combinación promedio-mediana. Convolución. Método de trabajo con cualquier filtro. (Normalización con expansión lineal, etc.) • Detección de bordes en imágenes digitales. Estudio de funciones, derivada continua, derivada segunda, derivada digital, asociación dederivadas a búsquedas de bordes. Filtro de Roberts. Filtros de prewitt y de Kirsch. Detección de bordes con dirección preferencial. Filtro de Sobel. El Laplaciano y su filtro. • Operaciones geométricas en imágenes digitales. Tratamiento de firmas y otros objetos claramente definidos: Centro geométrico, centro de gravedad, Traslaciones, rotaciones, busqueda del angulo de rotación, teorema del coseno,zoom. • Segmentación. Crecimiento local por cota relativa. Operaciones morfológicas. Erosión y dilatación. Bordes por diferencia entre original y erosión. Apertura y Cierre. Filtros Top Hat y Well. Almacenamiento de bordes por método de código de la cadena. Almacenamiento de regiones por método de código de segmentos en línea. • Transformaciones elásticas. Método de cálculo y aplicaciones de lastransformaciones elásticas. Correlación entre objetos. Textura. • Medición de parámetros de objetos en imágenes digitales. Calculo de perímetros y otras longitudes. Obtención del área de una superficie limitada por una curva cerrada. Teorema de Green. • Identificación de objetos: clasificadores entrenados y no-entrenados. Clasificadores probabilísticos. Teorema de Bayes. otros algoritmos declustering. Introducción a algoritmos avanzados de clasificación. K-Means y clasificación espectral.

Etapas del procesamiento de imágenes
Captura Pre-procesamiento Segmentación Extracción de características Identificación de objetos
Diseño de las propiedades de la captura. Tipo de cámara, distancia al objeto, mega píxeles, etc. Reducir el entorno que no es de interés para el problema. Fondo, ruido,etc. Reconocer y extraer cada uno de los objetos presentes en la imagen. Seleccionar y extraer “características” apropiadas para la identificación de los objetos deseados. Utilizar un modelo de toma de decisión para decidir a que categoría pertenece cada objeto.

Clasificador

Entrenamiento

Problema: Identificar frutas
Captura Pre-procesamiento Segmentación Extracción de característicasIdentificación de objetos
Decidir como van a ser capturadas las imágenes de las frutas. Ejemplo: Distancia de 60 cm., resoluciòn de 800x600, 24 bits, etc. Quitar el fondo de la imagen y dejar solamente las frutas. Utilizar algùn operador de segmentación para reconocer y extraer las frutas de la imagen. Para cada una de las frutas se va a extraer la longitud y el indice de circularidad. Utilizar...