Procesamiento De Imagenes Modelos De Color

1. Definiciones y conceptos
2.1.
Adquisición y digitalización de la imagen

Preprocesamiento

Segmentación

Extracción de Características

Reconocimiento

Interpretación

Extracción de Características: Se debe construir un vector (n dimensiones n≥1) que permita describir el contenido de la imagen.

2.2. Un Histograma describe la probabilidad de distribución de losvalores de intensidad en la imagen.

El numero de Bins: Son los intervalos de la distribución de probabilidad del histograma.

2.3. Modelo RGB: Es un modelo de color basado en la síntesis aditiva, con el que es posible representar un color mediante la mezcla por adición de los tres colores luz primarios.

2.4. Transformación matemática de una Imagen RGB a HSV, LAB y YCrCbTransformación RGB a HSV
Sea MAX el valor máximo de los componentes (R, G, B), y MIN el valor mínimo de esos mismos valores, los componentes del espacio HSV se pueden calcular como:

Las siglas H, S y V corresponden a Tono (hue), Saturación (saturation) y valor (value).

Transformación de RGB a YCrCb

RGB es un modelo de colores donde las tres capas de colores están adicionadas para reproducirtodos los colores, en cambio YCbCr es un modelo actual de una familia de espacios de colores, la siguiente ecuación representa la relación entre los modelos RGB yYCbCr.

 
Yes la luminancia de los componentes y C B y C R son la diferencia de color azul y rojo-la diferencia de croma componentes.

2.5. Ventajas y Desventajas del Modelo RGB
* No es la mejor opción para procesado deimágenes

Ventajas y Desventajas del Modelo LAB

Comparado con el RGB y CMYK, a menudo es más rápido hacer correcciones eficientes de color en Lab. El hecho de que la luminosidad es completamente ignorada en los canales A y B, hace que sea mucho menos sensible a errores.
Aunque el número de valores numéricos posibles por cada píxel es menor en Lab que en RGB o CMYK, es posible referenciar unacantidad superior de colores en total desde el sistema Lab -no solo colores que no pueden ser descritos con RGB o CMYK sino también colores que no aparecen en absoluto en el mundo real. En algunos casos este acceso a colores imaginarios es de utilidad cuando se generan manipulaciones de imagen de gran cantidad de pasos.
Sería natural asumir que uno pierde información convirtiendo una imagen entreLab y cualquier otro espacio de color. De todas maneras, de acuerdo a las pruebas realizadas por Dan Margulislas pérdida es ínfima.

1.6. Los Momentos Estadísticos se calculan a partir de histogramas, que son útiles para describir características principales de una distribución de probabilidad y para reducir el espacio de características dimensionalidad. Esos momentos, aquí llamadometa-características, se calculan por histograma como sigue:
Sea h un histograma dado con cubos de n y dejar k el índice de basura.

Mean:
Deviation:
Skewness: , the third central moment
Kurtosis: , the fourth central moment
Entropy:

1.8. Distancia Euclidiana o Euclídea es la distancia "ordinaria" (que se mediría con una regla de acero) entre dos puntos de unespacio euclídeo, la cual se deduce a partir del teorema de Pitágoras.
Por ejemplo, en un espacio bidimensional, la distancia euclidiana entre dos puntos P1 y P2, de coordenadas (x1, y1) y (x2, y2) respectivamente, es:

Definición de Norma Euclídea
En un espacio euclídeo ordinario los vectores son representables como segmentos orientados entre puntos de dicho espacio. Dado un vector de un espaciovectorial euclídeo, la norma de un vector se define como la distancia (en línea recta) entre dos puntos A y B que delimitan dicho vector. De hecho, en un espacio euclídeo la norma de un vector coincide precisamente con el módulo del vector .
* En dos dimensiones:
siendo y y O el origen de coordenadas de dicho espacio.
* Extendiendo lo anterior al espacio euclídeo de tres dimensiones,...