statistic filters el filtro de mediana. este tipo de filtro pertenece al grupo de filtros de orden...
TRANSCRIPT
Statistic FiltersStatistic Filters
El filtro de mediana. Este tipo de filtro pertenece al grupo de filtros de orden estadístico, los cuales son filtros que no cumplen con la característica de linealidad. La estadística de orden se define de la siguiente manera.
Sea una muestra aleatoria de tamaño n de una población con función de densidad . La estadística de orden r´ésima es el r'ésimo valor más pequeño en la muestra, digamos . También, se llaman las estadísticas de orden.
n21 X,...,X,X
)x(FX
rY
nr1r21 Y...YY...YY
Statistic FiltersStatistic Filters
La mediana se define de la siguiente manera, Si tiene , entonces se dice que m es la median de si y . Si existe una solo m se denomina la mediana.
X)x(FXX
2
1)mX(P
2
1)( mXP
(3.57) yxiWmedianayxskXk
,,
donde es una ventana de pixeles centrada en . yxiWkXk
, kXk yxi ,
Statistic FiltersStatistic Filters
Figura 3. 35 a) Original, b) con ruido, c) promediado 5x5, d) medina 5x5.
Statistic FiltersStatistic Filters
El filtro de punto medio definido como (3.58) donde es el arreglo ordenado de pixeles dentro de la ventana. Este tipo de filtro da buenos resultados para ruido gausiano y uniforme.
2
iiPuntomedio
2N1
ki
El filtro media alfa-truncado, ATM, se define como (3.59) donde representa el número de valores de pixeles excluidos de los extremos del arreglo ordenado y pude ir de 0 a .
TN
1Tkk2
2
iT2N
1ATM
T 1N 2
Sharpening FiltersSharpening Filters
Este tipo de filtros se relacionan con los filtros pasa altas ya que mejoran las partes de la imagen relacionada con los detalles.
Esta aproximación de la derivada debe cumplir con algunas características: i) Debe ser cero en regiones uniformes ii) No debe ser cero en la entrada de una región de tono de gris tipo escalón o rampa. iii) Debe ser cero en una rampa. La segunda derivada deberá cumplir con los siguientes puntos: i) Debe ser cero en regiones uniformes ii) No debe ser cero en la entrada y salida de una región de tono de gris tipo escalón o rampa. iii) Debe ser cero en una rampa de pendiente constante.
Sharpening FiltersSharpening Filters
Aproximación de la primera y segunda deriva para imágenes digitales.
Partiendo de la definición de la primera derivada de una función de una dimensión en un incremento unitario tenemos que
(3.60) La segunda derivada se define por (3.61)
)x(f)1x(fx
f
)1x(f)x(f2)1x(fx
f2
2
Sharpening FiltersSharpening Filters
Sharpening FiltersSharpening Filters
Filtros independiente a la rotación. Los filtros que posee esta característica se denominan filtros isotrópicos. El filtro u operador Laplaciano es un filtro isotrópico definido como (3.62) este operador posee la característica de linealidad ya que las derivadas de cualquier orden son operaciones lineales. De las definiciones de primera derivada tenemos (3.63) y (3.64)
2
2
2
22 ),(),(
),(y
yxI
x
yxIyxI
),1(),(2),1(),(
2
2
yxIyxIyxIx
yxI
)1,(),(2)1,(),(
2
2
yxIyxIyxI
y
yxI
Sharpening FiltersSharpening Filters
por lo que (3.65) Esta definición no contempla los cambios de la función en las direcciones diagonales las cuales se pueden incorporar de la siguiente manera,
(3.66) Estas definiciones de Laplaciano generan los kernels o núcleos mostrados en la Figura 3.36 los cuales serían filtros para aplicarse a las imágenes.
),(4)1,()1,(),1(),1(),(2 yxIyxIyxIyxIyxIyxI
)y,x(I8)1y,1x(I)1y,1x(I
)1y,1x(I)1y,1x(I)1y,x(I)1y,x(I)y,1x(I)y,1x(II2
Sharpening FiltersSharpening Filters
0 1 0
1 -4 1
0 1 0
1 1 1
1 -8 1
1 1 1
a) b) Figura 3. 36 a) Laplaciano, b) Laplaciano incluyendo diagonales.
0 -1 0
-1 4 -1
0 -1 0
-1 -1 -1
-1 8 -1
-1 -1 -1
Figura 3. 37 Laplaciano invertido
Sharpening FiltersSharpening Filters
La suma de los coeficientes es 0. Esto también se relaciona a la ganancia DC del filtro que en este caso es cero. (3.67)
i j
0j,ihDC
Si aplicamos únicamente el operador sobre la imagen la imagen nueva tendrá como resultado principal los bordes presentes de la imagen. Así que si lo que se desea es mejorar la nitidez de la imagen entonces hay que conservar la información de las bajas frecuencias de la imagen y enfatizar los detalles generados por el Laplaciano. Para realizar este efecto la nueva imagen se define por
(3.68)
positivo es central ecoeficient el si),(),(
negativo es central ecoeficient el si),(),(),(
2
2
yxIyxI
yxIyxIyxI N
Sharpening FiltersSharpening Filters
(3.69) )1,(),1,(),1()1(),(5),( yxIyxIyxIxIyxIyxI N
a) b) c)
Figura 3. 38a) Imagen original, b) Laplaciano, c) Nitidez mejorada.
Sharpening FiltersSharpening Filters
Definir los bordes presentes en una imagen.
(3.70)
y
x
G
G
y
y,xIx
y,xI
y,xI
212y
2x GG)y,x(I
(3.71)
Sharpening FiltersSharpening Filters
(3.72)La cual puede ser calculada por y (3.73) Otra aproximación conocida como Roberts es y (3.74)
yx GGyxI ),(
)y,x(i)y,1x(iGx )y,x(i)1y,x(iGy
)y,x(i)1y,1x(iGx )1y,x(i)y,1x(iGy
i1 i2 i3
i4 i5 i6
i7 i8 i9
Figura 3. 39 Nomenclatura de pixeles en una ventana.
Sharpening FiltersSharpening Filters
i1 i2 i3
i4 i5 i6
i7 i8 i9
Figura 3. 39 Nomenclatura de pixeles en una ventana.
y (3.75)
y (3.76)y el operador denominado Sobel se calcula mediante
y (3.77)
58x iiG
56y iiG
59x iiG
68 iiG y
)ii2i()ii2i(G 321987x )ii2i()ii2i(G 741963y
Sharpening FiltersSharpening Filters
-1 0 1
-2 0 2
-1 0 1
-1 -2 -1
0 0 0
1 2 1
0 -1
1 0
-1 0
0 1
Figura 3. 40 Máscaras para aproximación de la magnitud del gradiente.