RESPUESTAS del

Examen de PROCESAMIENTO IMGENES / 19-IX-2008

1. Determina unos valores de los parmetros, a, b y c, de la transformacin
2
0 si 0
( )
si 1
u c
T u
a bu c u
s <
=

+ < s

para conseguir mejorar el contraste de la imagen de la figura 1(a) al aplicarle dicha
transformacin. Se consigue aumentar el contraste en todo el intervalo [0.5, 1]?

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
1000
2000
3000
4000
5000
6000

(a) (b)
Figura 1. a) Lago. b) Histograma.

RESPUESTA:

La funcin tiene que aplicar los tonos de gris de intervalo [0, 0.5] en el tono de gris u=0, puesto
que no hay pxeles con tonos de gris en dicho intervalo y as c=0.5. La transformacin T debe
de verificar que T(0.5) = 0 y T(1) = 1. Por lo tanto, tenemos un sistema de 2 ecuaciones con 2
incgnitas
2
(0.5) 0 a b + =
2
1 1 a b + =
cuya solucin es 1/ 3 y 4/ 3 a b = = . As,

2
0 si 0 0.5
( )
4 1
- si 0.5 1
3 3
u
T u
u u
s <

=

s s

En la figura 2(a) se muestra la representacin grfica de dicha transformacin y se pueden
comparar las imgenes inicial (figura 2(c)) con la imagen transformada (figura 2(b)) que tiene
mayor contraste.
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

(a) (b) (c)
Figura 2. a) Representacin grfica de la transformacin. b) Imagen mejorada. c) Imagen original.


Como la derivada de la transformacin,

0 si 0 0.5
'( )
8
si 0.5 1
3
u
T u
u u
s <

=

< s

es mayor que 1 en el intervalo [0.5, 1] resulta que se consigue aumentar el contraste de la
imagen en todo el intervalo de definicin.



2. Cmo restauraras la imagen de la figura 2, movida en la direccin de 45
o
, a partir de
un filtro de convolucin de tamao 55 y utilizando la transformada de Fourier?


(a) (b)
Figura 3. a) Imagen movida. b) Imagen restaurada.

RESPUESTA:

Una plantilla de tamao 55 que aplicada como filtro produce el efecto de la borrosidad por
desplazamiento en la direccin de 45
o
es la siguiente:

0 0 0 0.0501 0.0304
0 0 0.0519 0.1771 0.0501
0 0.0519 0.1771 0.0519 0
0.0501 0.1771 0.0519 0 0
0.0304 0.0501 0 0 0
h
| |
|
|
|
=
|
|
|
\ .


Sus elementos suman uno y van disminuyendo conforme nos retiramos del elemento central,
siendo la disminucin menor en la direccin de 45
o
. La imagen borrosa obtenida, f
o
, mostrada en
la figura 3, correspondera a la convolucin de la imagen real, f, con la plantilla h. Es
decir,
o
f f h = . Se trata ahora de determinar f conociendo h y f
o
. Para ello aplicamos la
transformada de Fourier que nos lleva a:
o
F F H =
Donde F
o
, F y H las transformada de Fourier de f
o
, f y h, respectivamente. De aqu se obtiene
que
0
/ F F H = y as a transformada de Fourier inversa aplicada a
0
/ F H nos conduce a f, la
imagen real no distorsionada con la plantilla h, que se muestra en la figura 3(b).



3. Cmo eliminaras las lneas ms delgadas de la figura 3(a), sin apenas alterar el resto
de la imagen, mediante filtrado de la imagen, para conseguir la figura 3(b)?

(a) (b)
Figura 4. a) Circuito. b) Circuito modificado.
RESPUESTA:

Las lneas delgadas se pueden considerar como ruido dentro de la imagen y se eliminan
aplicndole el filtro mediana con una ventana de tamao, por ejemplo, 55, que garantiza que
en un entorno de tamao 55 de un pixel de una lnea delgada no haya mayora de pxeles de
dicha lnea, por lo que el filtro mediana sustituir el tono de gris del pxel de la lnea (blanco)
por el valor mediano de los pxeles del entorno (negros). En la figura 4(b) se muestra la imagen
resultante.


4. El filtro de paso baja de Butterworth. Cmo mediras el deterioro (borrosidad) de la
imagen segn el valor del parmetro D
o
seleccionado?

RESPUESTA:

Ver apuntes de clase.


5. Deduce el operador de Laplace como un operador de segundo orden y muestra cmo
cualquier imagen se puede descomponer en suma de dos imgenes, una imagen de bordes y una
imagen borrosa (suavizada). Cul es el filtro de paso baja complementario al de Laplace?

RESPUESTA:

Ver apuntes de clase.


6. Transformaciones lineales para la compresin de imgenes.

RESPUESTA:

Ver apuntes de clase.


7. Explica con detalle el proceso de segmentacin de imgenes que seguiras que seguiras para
determinar el nmero de monedas que aparecen en la figura 4, as como su tamao y su posicin
en la imagen.

Figura 5. Monedas.
RESPUESTA:

Ver apuntes de clase.
8.- Cmo extraeras el fondo de la imagen de la figura 5 mediante un operador
morfolgico? Cmo corregiras el efecto de la iluminacin no uniforme en la imagen de
cromosomas?

Figura 6. Cromosomas.
RESPUESTA:

Para extraer el fondo de la imagen de cromosomas se aplica el operador morfolgico de
dilatacin para imgenes en tonos de gris, es decir, el operador que consiste en sustituir el tono
de gris de cada pixel por el tono de gris mayor que presenten los pixeles de su entorno. Si
tomamos un elemento estructurador de tamao 2020 garantizamos que en un entorno de dicho
tamao de cualquier pixel de un cromosoma haya pxeles del fondo y entonces el tono de gris de
dicho pixel ser sustituido por el tono de gris de un pixel del fondo que es ms luminoso. De
esta manera se obtiene la imagen de la figura 7.


Figura 7. Fondo de la imagen Figura 8. Cromosomas.

A la imagen de fondo obtenida, que es ms luminosa que la original, se le resta la imagen
original, con lo que se consigue un fondo homogneo y oscuro puesto que los pxeles del fondo
tienen valores similares en las dos imgenes. Los cromosomas tienen ahora un tono de gris que
es el complementario con respecto al fondo. Por lo tanto, la imagen complementaria de la
imagen diferencia entre la imagen de fondo y la imagen original nos da la imagen de los
cromosomas con un fondo ms uniforme (ver la imagen de la figura 8). En la figura 9 se
muestra el programa Matlab que realiza el proceso explicado.











Figura 9. Programa en Matlab.


PROGRAMA MATLAB

I=imread('chromos2.tif');
SE=strel('rectangle',[25 25]);
F=imdilate(I,SE);
imshow(F)
R=256-(F-I);
figure,imshow(R)

RESPUESTAS AL EXAMEN DE
PROCESAMIENTO DE IMGENES /01-II-2007


1. Analiza con detalle el efecto que produce la transformacin siguiente sobre el contraste de la
imagen digital de la figura 1, cuyos tonos de gris estn normalizados en el intervalo [0,1]:


2
4 si 0 0.5
( )
1 si 0.5< 1
u u
T u
u
s s
=

s

RESPUESTA:

Se trata de encontrar los intervalos donde la funcin T(u) tiene una pendiente mayor que la
unidad. Como la pendiente viene dada por la derivada de la funcin, es decir,
8 si [0, 0.5]
( )
0 si (0.5,1]
u u
dT u
u dt
e
=

e

,
resulta que la pendiente de dicha funcin es mayor que 1 siempre y cuando (1/ 8,0.5] ue . Por lo
tanto, en el intervalo de tonos de gris, (1/ 8,0.5], se mejora el contraste de la imagen, a costa de
reducirlo en los intervalos restantes, [0,1/ 8) y (0.5,1] .
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

Figura 2. Representacin grfica de la funcin T(u).


2. Filtros recursivos: si filtramos la imagen de la figura 1 utilizando la plantilla, M
1
= [ ],
y a continuacin filtramos la imagen resultante con la plantilla,
M2 =
(
(
(

4 / 1
2 / 1
4 / 1
, cmo es la plantilla equivalente a la aplicacin consecutiva de estas dos plantillas?

RESPUESTA:

Sea f(i,j) el tono de gris del pxel (i,j). La aplicacin de la plantilla M
1
sobre la imagen
transforma el tono de gris del pxel (i,j) segn la expresin siguiente (notacin cartesiana):

1 1 1
*( , ) ( , ) ( 1, ) ( 1, )
2 4 4
f i j f i j f i j f i j = + + +

La aplicacin de la plantilla M
2
a la imagen resultante f* transforma el tono de gris del pxel (i,j)
segn la expresin siguiente:

1 1 1
**( , ) *( , ) *( , 1) *( , 1)
2 4 4
f i j f i j f i j f i j = + + +
0 0.5 1
0
50
100

Figura 1. Reloj e histograma.
1 1 1 1 1 1 1 1
( , ) ( 1, ) ( 1, ) ( , 1) ( 1, 1) ( 1, 1)
2 2 4 4 4 2 4 4
f i j f i j f i j f i j f i j f i j
( (
= + + + + + + +
( (


1 1 1 1
( , 1) ( 1, 1) ( 1, 1)
4 2 4 4
f i j f i j f i j
(
+ + + + + + +
(



= ( , ) M f i j , siendo
1/16 1/ 8 1/16
1/ 8 1/ 4 1/ 8
1/16 1/ 8 1/16
M
(
(
=
(
(



Es decir, es equivalente a aplicar directamente un filtrado lineal con la plantilla M a la imagen f.
Obsrvese que dicha matriz viene dada por el producto de las respectiva matrices de M
2
y M
1
:

1/4 1/16 1/ 8 1/16
1/2 (1/ 4 1/2 1/4) 1/ 8 1/ 4 1/ 8
1/16 1/ 8 1/16 1/4
| | | |
| |
=
| |
| |
\ . \ .



3. Qu es un cuantificador? En qu consiste el problema de determinar un cuantificador
ptimo?

RESPUESTA:

Un cuantificador Q (escalar) es una aplicacin de 9 en el conjunto discreto de puntos
C={r
1
, r
2
,...., r
L
} llamado tabla de cdigos. La cantidad r=log
2
L se llama resolucin y mide el
nmero de bits necesarios para representar los cdigos. Es decir, los niveles de gris de la imagen
muestreada. Por ejemplo, si representamos la intensidad luminosa de una imagen f(x,y) por
nmeros del conjunto {0,1, ...., 255}, tenemos una resolucin r=log
2
256=8. Cada
cuantificador de L puntos tiene asociada una particin de 9 en L regiones R
i
i=1,2, .... L,
definidas por la expresin:
R
i
= { te9 : Q (t) = r
i
}, i=1,2,,L.
de manera que j i R R R
j i i
L
i
= C = 9 =
=
, ,
1
.
La intensidad luminosa se puede representar mediante una variable aleatoria U que toma
valores en el conjunto { f(x,y): (x,y)e9} con funcin de densidad p
U
(u). Dicha funcin de
densidad se puede estimar por las frecuencias relativas de los tonos de gris. El problema de
determinar un cuantificador ptimo consiste en determinar los niveles de transicin t
i
y los
niveles de reconstruccin r
i
de tal manera que se minimice el error cuadrtico medio
1
1
2 2
( ') ( ') ( )
L
t
U
t
ECM E U U u u p u u
+
( = = c
}

donde U' es la variable aleatoria, U = Q(U), y E es el operador esperanza matemtica (media)
de una variable aleatoria. La expresin anterior se puede escribir tambin como
1
2
1
( ) ( )
i
i
t
L
i U
i
t
ECM u r p u du
+
=
=

}


4. Disponemos de una imagen digital, I, distorsionada mediante un filtro lineal de paso baja
cuya plantilla h es conocida. Cmo obtendras la imagen original no distorsionada?

RESPUESTA:

La nueva imagen distorsionada mediante un filtro de paso baja cuya plantilla es h viene dada
por la siguiente expresin:
0
( , ) ( , ) ( , )
k j
I m n h m k n j I k j

= =
(
=
(


,
El problema de la reconstruccin de la imagen inicial I a partir de la imagen distorsionada
I
0
(m,n), consiste en determinar la funcin de restauracin h
R
(m,n) que nos proporcione una
estimacin de la imagen original a travs de la expresin:

0
( , ) ( , ) ( , )
R
k j
I m n h m k n j I k j

= =
=

0
( , ) ( , )
R
h m n I m n =
| | { }
( , ) ( , ) ( , )
R
h m n h m n I m n =
Si aplicamos la transformada de Fourier, tenemos
| | ( , ) ( , ) ( , ) ( , )
R I I
F u v H u v H u v F u v =

Si ahora elegimos como funcin de reconstruccin aquella cuya transformada de Fourier es la
inversa de la transformada de Fourier de la plantilla de paso baja h, es decir,
1
( , )
( , )
R
H u v
H u v
=
Por lo tanto, se obtiene que ( , ) ( , )
I I
F u v F u v =

.
Es decir, I I =

. Por lo tanto, se puede reconstruir la imagen distorsionada sin ms que tomar

como funcin de reconstruccin aquella cuya transformada de Fourier es la inversa de la
transformada de Fourier de la plantilla correspondiente al filtro de pasa baja.

5. La modulacin delta: Transformacin, cuantificacin y codificacin. Qu ocurre si se elige
un valor de delta demasiado pequeo?

RESPUESTA:
Apuntes de la asignatura

6. Los descriptores de Fourier: Qu interpretacin tienen? Para que son tiles? Qu
propiedades tienen sus magnitudes y sus fases?
1
0
1 2
( ) ( )exp( )
N
n
nui
Z u z n
N N
t

=
=

RESPUESTA:
Apuntes de la asignatura
7. Explica la transformada de Hough para la deteccin de objetos cuadrados de la figura 3,
teniendo en cuenta que un cuadrado de centro (a, b) y longitud de lado 2l viene descrito por la
ecuacin:
{ }
max ( , x a y b l =


Figura 3. Tarjeta grfica.
RESPUESTA:

La transformada de Hough de un punto (x
1
, y
1
) del espacio cartesiano XY se hace corresponder
al cuadrado de centro dicho punto y lado 2l en el espacio paramtrico de cuyos ejes de
coordenadas corresponden a los parmetros a y b.
{ }
1 1
, Max x a y b l =

Si un punto (a
1
,b
1
) del espacio paramtrico es interseccin de n cuadrados con longitud del lado
2l quiere decir que hay n puntos (x
1
, y
1
), (x
2
, y
2
),, (x
n
, y
n
), que son los centros de los mismos y
que verifican:
{ }
1 1
,
i i
Max x a y b l = , i=1,2,,n.
Por lo tanto, dichos puntos pertenecen a un cuadrado del espacio cartesiano de centro (a
1
,b
1
) y
lado 2l.
En consecuencia, las intersecciones de los cuadrados en el espacio paramtrico corresponde a
los centro de cuadrados en el espacio cartesiano.

Algoritmo para determinar cuadrados:

Paso 0: Poner a cero los contadores A(a,b,l).
Paso 1: Para a = a
1
, a
2
,.,a
r
realizar los pasos siguientes.
Paso 2: Para b = b
1
, b
2
,.,b
s
realizar los pasos siguientes.
Paso 3: Para i = 1, 2, , n, determinar
{ }
,
i i
l Max x a y b =
e incrementar el contador: A(a,b,l) = A(a,b,l) +1.
fin
fin
fin
fin
Paso 4: Identificar los contadores cuyo valor es superior a un valor umbral t (t es el nmero
mnimo de puntos que deben configurar un cuadrado para que se considere como tal). Los
parmetros de estos contadores corresponden a los centros y a la mitad de las longitudes de los
lados de los cuadrados encontrados.

8. Cmo determinaras el nmero de arandelas que hay en la imagen de la figura 4 que tienen
un radio interior de 3 pxeles y exterior de 6 pxeles, utilizando operadores morfolgicos?


Figura 4. Arandelas.
RESPUESTA:

Mediante el operador de aciertos y fallos (hit-miss). Para ello utilizamos dos elementos
estructurantes disjuntos, g
1
y g
2
. El primero se utiliza con el operador erosin para determinar
los pxeles en los que coinciden todos los unos del elemento estructurante con unos en la
subimagen correspondiente centrada en ellos. El segundo se utiliza tambin con el operador
erosin aplicado al negativo de la imagen f para identificar los pxeles en los que coinciden los
unos del elemento estructurante g
2
con unos del negativo de la subimagen correspondiente
centrada en ellos. Por lo tanto, el operador de aciertos y fallos viene dado por la expresin

1 2 1 2
( ) ( ) ( ) ( ) f g f g f g f g f g = O O = O

En este problema utilizaramos como elemento estructurantes g
1
el correspondiente a la plantilla
de la figura 5 y como elemento estructurante g
2
el que se presenta en la figura 6.



Figura 5. Elemento estructurante g
1
. Figura 5. Elemento estructurante g
2
.

RESPUESTAS AL EXAMEN DE
PROCESAMIENTO DE IMGENES /15-II-2006

1. Define analticamente la transformacin de tramos lineales que utilizaras para mejorar el
contraste de la imagen de la figura 1(a) en los intervalos de tonos de gris [0, 50] y [100, 180] a
costa de anular el contraste en los intervalos restantes.

(a) (b) (c)
Figura 1. a) Fotgrafo. b) Histograma de la imagen. c) Imagen mejorada.

RESPUESTA:

La transformacin de tramos lineales puede ser la siguiente:
2 si 0 50
100 si 50 100
( )
155
100 ( 100) si 100 180
80
255 si 180 255
u u
u
T u
u u
u
s s

s s

=

+ s s

s s

puesto que incrementa el contraste en el intervalo [0, 50] por tener la transformacin pendiente
dos, que es mayor que uno, y en el intervalo [100, 180] por tener pendiente 155/80, que tambin
es mayor que uno. En los intervalos restantes la pendiente es cero por lo que se anula el
contraste al asignarle el mismo tono de gris a todos los puntos de dichos intervalos.
La figura 2 muestra la representacin grfica de dicha transformacin.


Figura 2. Grfica de la transformacin T(u).

2. Cuando se reduce el tamao de una imagen se suele producir un efecto conocido como
aliasing que consiste en la aparicin de contornos escalonados o rizados, sobre todo en las
zonas de alto contraste de la imagen (figura 3). Cmo reduciras una imagen de tamao
256256 a tamao 6464 de manera que se atene el efecto aliasing?

(a) (b)
Figura 3. a) Imagen de reloj despus de la
reduccin directa. b) Imagen deseada.
RESPUESTA:

Se divide la imagen en bloques (ventanas) de pxeles de tamao 44 y se sustituye cada ventana
por un pxel que tiene como tono de gris el valor medio o el valor mediano de los tonos de gris
de los pxeles de dicha ventana. Sin embargo, dicha reduccin puede producir el efecto de
aliasing en las zonas de ms alto contraste. Una forma de atenuarlo consiste en suavizar
previamente la imagen utilizando un filtro de paso baja, como puede ser el filtro gaussiano.



3. Cmo eliminaras las rayas o las lneas delgadas de una imagen (figura 4) mediante filtrado
sin apenas alterarla y sin introducir ruido? Cmo eliminaras slo las rayas verticales?


Figura 4. Ojo humano.

RESPUESTA:

Se utiliza un filtro mediana cuya plantilla tenga un tamao tal que al aplicarlo sobre los pxeles
de la raya siempre haya en el entorno que define la plantilla un nmero superior del pxeles que
no sean pxeles de la raya. De esta forma el tono de gris de cada pxel de una raya se sustituye
por el tono de gris correspondiente al valor mediano de los tonos de gris de los pxeles que
cubre la plantilla.

En el caso de rayas verticales se utiliza un filtro mediana cuya plantilla es de tamao 1m
(m>3).


4. Qu propiedades caracterizan a un pxel del contorno de un objeto, o de su interior, en
trminos de sus 8 vecinos en un entorno 33? Identifica el contorno de los objetos (permetro)
de la figura 5 a partir de un filtrado lineal por convolucin con una plantilla de tamao 33.


(a) (b)
Figura 5. a) Imagen binaria de un circuito.
b) Contorno de los objetos.

RESPUESTA:

Un pxel interior de una imagen binaria se puede definir como aquel cuyo entorno 33 contiene
todos sus pxeles con el mismo tono de gris. Un pxel es del contorno si alguno de los pxeles de
su entorno 33 presenta un tono de gris diferente del suyo.
Si suponemos que los objetos se corresponden con pxeles blancos y el fondo con pxeles
negros, podemos determinar el conjunto de pxeles interiores de los objetos mediante un filtro
de paso baja cuya plantilla tiene tamao 33 y todos sus elementos valen 1/9.

1/ 9 1/ 9 1/ 9
1/ 9 1/ 9 1/ 9
1/ 9 1/ 9 1/ 9
g
(
(
=
(
(


La imagen filtrada tiene un valor igual a uno para todos los pxeles interiores de los objetos, un
valor cero para los pxeles interiores del fondo y un valor del intervalo [1/9, 8/9] para los pxeles
del contorno. Por lo tanto, un pxel del contorno viene caracterizado por que su tono de gris en
la imagen filtrada pertenece a dicho intervalo. Si se desea una representacin grfica del
contorno sobre un fondo negro (figura 5b) basta con realizar la siguiente transformacin sobre la
imagen obtenida:
1 8
1 si [ , ]
( ) 9 9
0 en otro caso
u
T u

e

8.- Define el operador morfolgico TopHat para imgenes monocromticas (en tonos de
gris). Cmo sera la imagen resultante al aplicarle dicho operador a la imagen de la figura 5
con un elemento estructurante que no est contenido en ningn grano de arroz de la imagen.


Figura 6. Imagen de granos de arroz.
RESPUESTA:

El operador morfolgico TopHat viene definido por la expresin:

( ) TopHat f f f g =
donde ( ) f g f g g = O ,
{ }
( )( , ) min ( , ) ( , ) ( , )
g
f g m n f m i n j g i j i j D O = + + e y
{ }
( )( , ) max ( , ) ( , ) ( , )
g
f g m n f m i n j g i j i j D = + + + e

Si aplicamos el operador erosin (MNIMO), con un elemento estructurante de tamao dado,
sobre un pxel de un objeto pueden ocurrir tres cosas:

a) Que el elemento estructurante quede contenido en el objeto, en cuyo caso el nuevo
valor del pxel ser el tono de gris mnimo de los pxeles de dicho objeto cubiertos por
la plantilla. En este caso el pxel del objeto no pasa a ser un pxel del fondo. Por lo tanto
no queda eliminado totalmente el objeto (no se confunde con el fondo).

b) Que el elemento estructurante cubra completamente al objeto, es decir, que al aplacar el
operador erosin con dicho elemento estructurante siempre se coge algn pxel del
fondo (ms oscuro) y, por lo tanto, sustituir su tono de gris por un tono de gris del
fondo. En este caso el objeto se convierte en fondo (queda eliminado).

c) Que no ocurra ninguno de los casos anteriores. Al aplicar el operador erosin sobre un
pxel de un objeto concreto lo transforma en un pxel del fondo, puesto que para que se
transforme en un pxel del objeto es necesario que todos los pxeles de la plantilla sean
del objeto (caso (a)).

En el caso a) si aplicamos el operador abertura obtendramos la imagen de la figura 7 donde
los objetos que contienen a la plantilla asociada al elemento estructurante no ha quedado
eliminados. Obsrvese que al aplicar primero la erosin se eliminan (o atenan) los granos
de arroz pequeos, es decir, los que no contiene a la plantilla. Al aplicar el operador de
dilatacin (MXIMO) los granos de arroz recuperan su tamao original pero cogiendo la
forma cuadrada de la plantilla utilizada (figura 7).


Figura 7. Imagen f g. Figura 8. Imagen f f g.


Si a la imagen original de la figura 6 le restamos la imagen obtenida (figura 7) se obtiene la
imagen de la figura 8 que viene caracterizada por un fondo uniforme y constituida por los
granos de arroz ms pequeos.

En los casos b) y c) el operador erosin f g O nos genera una imagen del fondo, ya que el tono
de gris de cada pxel es sustituido por el tono de gris mnimo del entorno determinado por el
elemento estructura que siempre contendr pxeles del fondo (oscuro). En la figura 9 se presenta
la imagen obtenida que revela una iluminacin no uniforme en la imagen original. La parte
inferior de la imagen est ms oscura (menos iluminada). Al aplicarle a continuacin el
operador dilatacin se obtiene una imagen del fondo un poco ms luminosa (figura 10).


Figura 9. Imagen fOg. Figura 10. Imagen ( fOg)g.

Al restarle a la imagen original dicha se obtiene la imagen de la figura 11 cuya iluminacin es
uniforme y contiene a todos los objetos.


Figura 11. Imagen final uniforme.





E. T. S. I. Informtica Universidad de Mlaga

RESPUESTAS del Examen de
PROCESAMIENTO DE IMGENES / 16-II-2005


1. Qu efecto produce sobre el contraste de la imagen de la figura 1 la transformacin y=x
3
,
cuya grfica se muestra en la figura 1, suponiendo que sus tonos de gris estn normalizados en
el intervalo [0,1]? Indica los tonos de gris en los que se mejora el contraste y en los que se
empeora.

Figura 1. a) Transformacin cbica. b) Mamografa.

Respuesta:

Hay que analizar los puntos donde la pendiente de la curva es mayor que uno, pues en ellos se
aumenta el contraste de la imagen, a costa de reducirse en los puntos de menor pendiente.
Como la pendiente viene dada por la tangente a la curva, es decir, su derivada, resulta que

2 2
1
' 3 1
3
y x x = > >
Por lo tanto, para
1
3
x > se obtiene una pendiente mayor o igual a uno y, por tanto, un
aumento del contraste de la imagen en el intervalo
1
`,1
3
(
(

a costa de reducirlo en el intervalo
1
0, `
3
(
(

.


2.- Indica un procedimiento para obtener el contorno de los objetos de la imagen de la figura
2(a) para conseguir la imagen de la figura 2(b) utilizando un filtro no lineal.


Figura 2. a) Objetos. b) Contornos.

Respuesta:

Como en la imagen de la figura 2 los objetos son oscuros con un fondo ms claro podemos
utilizar el filtro MAX de tamao 33 pues en los pxeles del contorno de los objetos toma el
valor de fondo y as produce una erosin de los mismos. Si le restamos a la imagen resultante la
imagen original conseguiremos la imagen del contorno de los objetos. Aplicando el operador
umbral con el valor umbral que sea inferior al valor mnimo del fondo conseguiremos la imagen
binaria de la figura 2(b).

Una manera ms eficiente computacionalmente es aplicar primero el operador umbral
complementario
0 si ( , )
( ( , ))
1 si ( , )
f m n t
T f m n
f m n t
>
=

s

siendo t un valor entre el valor inferior al valor mnimo del fondo. La imagen que se obtiene es
binaria con los objetos blancos y el fondo negro. Le aplicamos el filtro MIN de tamao 33,
pues en los pxeles del contorno de los objetos toma el valor de fondo negro y as produce una
erosin de los objetos. Restando a la imagen original la imagen transformada conseguimos la
imagen del contorno de los objetos en blanco con fondo negro. Finalmente, la imagen de la
figura 2(b) se obtiene como la complementaria (negativo) de la imagen conseguida.

3. La imagen de la figura 3 corresponden a una fotocopia (dos cuadrados sobre un fondo gris)
que ha sufrido un oscurecimiento progresivo al no colocarse bien el soporte que presiona sobre
el cristal a la imagen original. Cmo restauraras dicha imagen suponiendo que la ltima
columna de la matriz asociada a la imagen obtenida corresponde a los valores correctos.


Figura 3. Fotocopia.


Respuesta:

Se trata de una imagen con iluminacin no uniforme. Por lo tanto, en primer lugar vamos a
obtener el fondo de la imagen ya que contiene la informacin del oscurecimiento progresivo de
derecha a izquierda. Como el fondo es ms oscuro que los objetos utilizamos el operador MIN
con una plantilla cuyo tamao garantice que al aplicarlo sobre una pxel cualquiera contenga
pxeles del fondo. Como la imagen es de tamao 222285 se puede tomar, por ejemplo, una
plantilla de tamao 7419. Se obtiene la siguiente imagen:



Figura 4. Imagen del fondo

f(m,n)
t
f(m,n)

UMBRAL T MIN
33

DIFERENCIA
NEGATIVO
A continuacin se resta a la imagen original la imagen del fondo, con lo cual se obtiene una
imagen con iluminacin uniforme, como se muestra en la figura 5 (despus de una suavizacin).


Figura 5. Imagen con iluminacin uniforme.

Finalmente, se puede conseguir una imagen realzada aplicando la igualacin del histograma,
como se muestra en la figura 6.


Figura 6. Imagen final.

6. Cmo detectaras la posicin de la planta qumica (edificio grande de color blanco) de la
figura 7 mediante el mtodo de segmentacin basado en las proyecciones?


Figura 7. a) Imagen area. b) Histograma.

Respuesta:

Se determinan las proyecciones de la imagen sobre los ejes de coordenadas,

256
1
( , )
i
j
p f i j
=
=

y
256
1
( , )
j
i
p f i j
=
=

, i, j = 1,2,,256

cuyas representaciones grficas se representan en las figuras 8 y 9, respectivamente.


Figura 8. Grficas de las proyecciones verticales.


Figura 9. Grficas de las proyecciones verticales.

A partir de los valores mximos de las proyecciones se identifica la planta qumica que es el
objeto ms claro, como se muestra en la figura 10.



Figura 10. Identificacin de la planta basada en las proyecciones.


8. Determinacin de la distribucin del tamao de los objetos pequeos (partculas) de
una imagen en tonos de gris (figura 11) mediante operadores morfolgicos.


Figura 11. Ndulos.


Respuesta:

Se trata de determinar la distribucin de los objetos segn su tamao. En primer lugar pasamos
a una imagen binaria aplicando el operador umbral. Se obtiene la imagen de la figura 12.



Figura 12. Figura original binaria


Como los objetos son negros y el fondo es blanco se aplica el operador cierre con elementos
estructurantes circulares de diferente radio. Al aplicar el operador cierre con un elemento
estructurante de radio r vamos a obtener una imagen en la que se eliminan los objetos
contenidos en crculos de radio inferior a r. Si aplicamos dicho operador cierre sucesivamente,
incrementando los valores de r, y restamos a cada imagen obtenida la anterior, vamos
obteniendo las imgenes que contienen slo a los objetos de un tamao determinado, es decir,
que estn contenidos en crculos de radio r+1 pero no estn contenidos en crculos de radio r.
Por ejemplo, si aplicamos el operador cierre con elementos estructurantes circulares, cuyos
radios son 5, 6, 7, 8, 9, 10, 11, 12, 13 y 14, obtenemos la imagen (a) de la figura 13 para r=5, la
imagen (b) para r=6, la imagen (c) para r=7, la imagen (d) para r=8, la imagen (e) para r=9, la
imagen (f) para r=10, la imagen (g) para r=11, 12 y 13, y la imagen (h) para r=14, la imagen
(d).


(a) (b) (c) (d)


(e) (f) (g) (h)
Figura 13. Figura 11. (a) Imagen resultante al aplicar el operador cierre con un disco de radio 5. (b)
Con un disco de radio 6. (c) Con un disco de radio 7. (d) Con un disco de radio 8. (e) Con un disco de
radio 9. (f) Con un disco de radio 10. (g) Con un disco de radio 11, 12 13. (h) Con un disco de
radio 14 15.


Si a continuacin restamos a la imagen obtenida aplicando el operador cierre con el elemento
estructurante de radio r+1 la imagen obtenida al aplicarlo con radio r obtenemos una imagen
con slo los objetos de tamao r pues estn contenidos en un disco de radio r+1 y no los
cubre uno de radio r. Por ejemplo, si restamos a d) la imagen c) obtenemos la imagen de la
figura 14 que contiene slo los elementos de radio 7 (menor que 8).


Figura 14. Imagen con los ndulos de tamao 7.

Para obtener la distribucin segn el tamao de los objetos se determina la suma de los valores
(tonos de gris) de todos los pxeles de la imagen obtenida por diferencia con la imagen anterior;
dicha suma es el rea de los objetos de la misma. Podemos representar grficamente el rea de
cada una de las superficies obtenidas frente al radio de los elementos estructurantes (discos).
Adems, si los objetos tienen la forma del elemento estructurante empleado, como ocurre en
este caso, y el rea de cada objeto es tr
2
, podemos determinar el nmero de objetos que hay en
la imagen sin ms que dividir el rea total por el tamao del objeto. Por lo tanto, se obtiene la
distribucin de los ndulos segn su tamao que se muestra en la tabla I.






Radio de los
objetos
N de
objetos
5 24
6 25
7 9
8 2
9 1
10 2
11 0
12 0
13 1
14 0
15 3
Tabla I. Distribucin de los ndulos de radio superior a 4.

Tambin podemos representar grficamente el rea total de los objetos de cada imagen obtenida
mediante el operador cierre con los distintos valores del radio del elemento estructurante. Dicha
grfica se muestra en la figura 15.


Figura 13. Representacin grfica del rea total de los
objetos frente al radio del elemento estructurante.

Como se puede observar, el mayor nmero de objetos corresponde a los objetos de menor
tamao. Los mximos locales de la funcin indican una mayor abundancia de los objetos del
tamao correspondiente frente a los objetos de tamao ms prximo.


E. T. S. I. Informtica Universidad de Mlaga
Examen de PROCESAMIENTO DE IMGENES / 9-II-2005

1. Define la transformacin de tramos lineales que utilizaras para mejorar el contraste de la
imagen de la figura 1(a) cuyos tonos de gris estn concentrados en el intervalo [30,235].


Figura 1. a) Aeropuerto. b) Histograma de la imagen.
Respuesta:

Teniendo en cuenta la forma del histograma se puede utilizar una funcin continua de tramos
lineales cuyas pendientes en el intervalo [30, 235] sean mayores que uno para aumentar el contraste
en dicho intervalo en el que estn concentrados los tonos del gris de la imagen. La pendiente ser
mayor cuanta ms concentracin de pxeles haya en el intervalo correspondiente.

| |
| |
0 si ( , ) 30
1.3 ( , ) 30 si 30 150
*( , )
99
( , ) 150 156 si 150 ( , ) 235
85
255
f m n
f m n f(m,n)
f m n
f m n f m n
<
s <
=
+ s <
si 235 ( , ) 255 f m n

s s

Fig. 2. Transformacin de tramos lineales.


2. Cmo eliminaras las rayas o las lneas delgadas de una imagen (figura 3) mediante filtrado sin
apenas alterarla y sin introducir ruido? Cmo eliminaras slo las rayas verticales?

Respuesta
Se puede utilizar un filtro mediana de tamao 33 para eliminar las rayas delgadas si en cada
entorno de tamao 33 de los pxeles que configuran las lneas delgadas hay cuatro, o menos de
cuatros, pxeles de la lnea, como se muestra en la figura 4.


Figura 3. Ojo humano. Figura 4. Entorno 33.

Anlogamente, las rayas verticales se pueden eliminar mediante un filtro mediana de tamao 13.

3. Filtrado en el dominio de las frecuencias: El filtro de paso alta de Butterworth.
Respuesta: Apuntes de clase




4. Deteccin del iris (figura 2) mediante la transformada de Hough. Cul es la principal ventaja
del mtodo basado en la transformada de Hough?
Respuesta: Apuntes de clase


5. Los descriptores de Fourier: Qu interpretacin tienen? Para que son tiles? Qu
propiedades tienen sus magnitudes y sus fases?
1
0
1 2
( ) ( )exp( )
N
n
nui
Z u z n
N N
t

=
=

Respuesta: Apuntes de clase

6. Segmentacin basada en regiones: Divisiones y uniones.
Respuesta: Apuntes de clase

7. El operador morfolgico copa de sombrero (Top-Hat): Defnelo e indica para qu se puede
utilizar en la imagen de la figura 1.


Respuesta: Apuntes de clase


8.- Propn una medida de la rectangularidad de un objeto basada en el rectngulo base. Explica
por qu es adecuada.



Figura 3. Rectngulo base de un objeto.

Respuesta:
Si representamos por a y b las longitudes de los lados del rectngulo base que contiene al
objeto, una medida razonable para medir la rectangularidad viene dada por el cociente
entre el rea de objeto, que representaremos por A, y el rea del rectngulo dada por ab, es
decir:
Rectangularidad =
A
ab











E. T. S. I. Informtica Universidad de Mlaga
Examen de PROCESAMIENTO DE IMGENES / 4-II-2004

1. Qu transformacin de tramos lineales utilizaras para aumentar todo lo que se pueda el
contraste en la imagen digital de la figura 1?

(a) (b)
Figura 1. (a) Tomografa axial del crneo. (b) Histograma de la imagen.
Respuesta:
Se puede utilizar la transformacin de tramos lineales siguiente (ver la figura 2):

| |
| |
| |

s s +
< s +
< s
<
=
1 ) , ( 0.90 si 0.90 90 . 0 ) , (
90 . 0 ) , ( 0.70 si 10 . 0 70 . 0 ) , ( 4
70 . 0 0.65 si 65 . 0 ) , ( 2
65 . 0 ) , ( si 0
) , ( *
n m f n m f
n m f n m f
f(m,n) n m f
n m f
n m f

f*(m,n)







f(m,n)


Figura 2. Transformacin de tramos lineales.

2. Explica las caractersticas de la imagen filtrada con la plantilla [1 1 1 1 1]. Conservara
las altas frecuencias?
Respuesta:
La plantilla se puede descomponer de la forma
[1 1 1 1 1] = [0 0 1 0 0 ] + [1 1 0 1 1]
Por lo tanto, la imagen resultantes correspondera a la imagen original ms una imagen
correspondiente a las aristas verticales y as ser como la imagen original pero con los bordes
verticales resaltados. Por lo tanto, es una plantilla para el realzado de dicha imagen.

3. Una imagen digital se degrada (filtra) utilizando la siguiente plantilla:

0 0 0 0 0 0.03 0.07
0 0 0 0 0.03 0.1 0.03
0 0 0 0.03 0.1 0.03 0
0 0 0.03 0.1 0.03 0 0
0 0.03 0.1 0.03 0 0 0
0.03 0.1 0.03 0 0 0 0
0.07 0.03 0 0 0 0 0

Respuesta:
a) La borrosidad corresponde al efecto de un movimiento relativo en la direccin de 45 a poca
velocidad puesto que slo afecta a los pxeles de un entorno 77.
a) Qu tipo de borrosidad produce sobre la imagen
original?
b) Cmo se obtendra la imagen original a partir de
la imagen degradada?
b) Sea F(u,v) la transformada de Fourier discreta de la imagen digital y H(u,v) la transformada
de Fourier de la plantilla 77 que provoca el efecto de borrosidad. Como la transformada de
Fourier de la imagen distorsionada con dicha plantilla viene dada por la expresin:

F
*
(u,v)=F(u,v)H(u,v)

resulta que la imagen original se obtiene aplicando la transformada de Fourier inversa a la
expresin
F
*
(u,v)[H(u,v)]
-1

4. (Ver apuntes de clase)

5. Cmo detectaras la textura de una imagen constituida por dos elementos de textura de
tamao 3232 que se repiten segn se muestra en la figura 3.






Figura 3. Textura.
Respuesta:
Mediante la matriz de relacin espacial tomando como relacin espacial la siguiente:

R
0,64
: (i, j) (i , j+64)
o bien,
R
64,0
: (i, j) (i+64 , j)

Dicha matriz va a tener sus elementos positivos en la diagonal principal.

6. Segmentacin: Explica la transformada de Hough para encontrar los objetos cuadrados de
la imagen digital de la figura
Respuesta:
La ecuacin de un cuadrado con centro (a,b) y lado l viene dada por la expresin:
{ }
2
,
l
b y a x Max = (1)

La transformada de Hough de un punto (x
1
, y
1
) del espacio cartesiano XY se hace corresponder
al cuadrado de centro dicho punto y lado l en el espacio paramtrico de cuyos ejes de
coordenadas corresponden a los parmetros a y b.
{ }
2
,
1 1
l
b y a x Max =
Si un punto (a
1
,b
1
) del espacio paramtrico es interseccin de n cuadrados de lado l quiere decir
que hay n puntos (x
1
, y
1
), (x
2
, y
2
),, (x
n
, y
n
), que son los centros de los mismos y que verifican:
{ }
2
,
1 1
l
b y a x Max
i i
= , i=1,2,,n.
Por lo tanto, dichos puntos pertenecen a un cuadrado del espacio cartesiano de centro (a
1
,b
1
) y
radio l.
En consecuencia, las intersecciones de los cuadrados en el espacio paramtrico corresponde a
los centro de cuadrados en el espacio cartesiano.

Algoritmo para determinar cuadrados:

Paso 0: Poner a cero los contadores A(a,b,l).
Paso 1: Para a = a
1
, a
2
,.,a
r
realizar los pasos siguientes.


Paso 2: Para b = b
1
, b
2
,.,b
s
realizar los pasos siguientes.
Paso 3: Para i = 1, 2, , n, determinar
{ } b y a x Max l
i i
= , 2
e incrementar el contador: A(a,b,l) = A(a,b,l) +1

Paso 4: Identificar los contadores cuyo valor es superior a un valor umbral t (t es el nmero
mnimo de puntos que deben configurar un cuadrado para que se considere como tal). Los
parmetros de estos contadores corresponden a los centros y longitudes de los dados de los
cuadrados encontrados.

7. Describe un algoritmo que a partir de la imagen 1 nos determine la imagen 2 donde slo
aparecen los ndulos cuyo radio tiene una longitud inferior a 8 pxeles.

(a) (b) (c)
Figura 4. a) Imagen de ndulos. b) Histograma. c) Ndulos de tamao superior a 8 pxeles.

Respuesta:
Paso 1: Convertir la imagen a binaria mediante el operador umbral con parmetro t=150 (ver
histograma) y determinar su complementaria (fondo negro):


Figura 5. Imagen binaria.
Paso 2: Aplicar el operador erosin con un elemento estructurante circular de radio 8 (plantilla
1717):

Figura 6. Imagen erosionada.

Paso 3: Aplicar el operador dilatacin con un elemento estructurante circular de radio 8
(plantilla 1717):

Figura 7. Imagen dilatada.

Paso 4: Restar a la imagen de la figura 5 la imagen de la figura 7:


8. Cmo identificaras una arandela partida, como las mostradas en la figura 5, en una imagen
de constituida por diferentes objetos?


Figura 5. Arandelas partidas.
Respuesta:

Mediante el ndice de circularidad dado por la expresin:

( )
2
4
permetro
rea
C t =

Si r es el radio menor de la arandela y R es su radio mayor, resulta que:

rea de la media arandela = (tR
2
tr
2
)/2
permetro de media arandela = tR + tr + 2(Rr)

1
4
2

+
=
r R
r R
r R
r R
C
t
t
t


Si R=2r entonces
4 3 9
6
2
2
+
=
t t
t
C =0.71.


































E. T. S. I. Informtica Universidad de Mlaga
Examen de PROCESAMIENTO DE IMGENES / 5-II-2003

1. Qu transformacin puntual utilizaras para aumentar todo lo que se pueda el
contraste en la regin de inters sealada con un recuadro en la imagen digital de la figura
1 (que tiene 256 tonos de gris)?

Figura 1. Regin de inters de una galaxia.

Respuesta:

Se trata de aumentar el contraste de la imagen en la zona ms iluminada (blanca) de la
galaxia a costa de reducirlo o anularlo en el resto de la imagen. Teniendo en cuenta que los
tonos de gris de la imagen de inters varan aproximadamente entre 100 y 200, como se
observa en el histograma de la figura 4, la transformacin puntual ms sencilla para
conseguir el objetivo es la siguiente (ver figura 5):

| |
| |

e
e
=
100,200 u si ) 100 (
100
256
200 100, u si 0
) (
u
u T



Figura 4. Imagen de inters y su histograma


Figura 5. Transformacin puntual y la imagen resultante






2. Calcula la transformada de Fourier discreta del filtro cuya plantilla es [-1 0 1]. Si
F(u,v) es la transformada de Fourier discreta de la imagen digital f(m, n) Cul sera la
transformada de Fourier discreta de la imagen filtrada? La figura 2(b) muestra el espectro
de frecuencia |F(u, v)| de f(m,n).

Figura 2. a) Imagen de Saturno. b) Imagen espectral.

Respuesta:

La transformada de Fourier discreta se determina de la siguiente manera:

(

+ =
+ +

)
1
0
3
1
( 2 )
1
0
3
1
( 2
) 1 (
3
1
) , (
v u i v u i
e e v u H
t t


(

=

3
2
3
2
3
1
iu iu
e e
t t

)
3
2
(
3
2
u isen
t
= .

Figura 6. Espectro de Fourier

En la figura 6 se representa grficamente el espectro de Fourier |H(u,v)|. Como se puede
observar corresponde a un filtro de paso alta.

Si F(u,v) es la transformada de Fourier de una imagen digital f(m,n), entonces la
transformada de Fourier de la imagen filtrada por H(u,v) es la siguiente:
) , ( ) , ( ) , ( * v u H v u F v u F = ,
puesto que la transformada de Fourier de la convolucin de funciones es el producto de las
transformadas de Fourier de dichas funciones.




3. Hemos capturado una imagen digital f
o
(m, n) que corresponde a una imagen digital
f(m, n) distorsionada por convolucin mediante una funcin de degradacin h(m, n), sin
ruido adicional. Encuentra la funcin de reconstruccin g(m, n) que permite reconstruir de
forma exacta, por convolucin, la imagen digital original f(m, n).

Respuesta

Como la imagen digital f
o
(m, n) corresponde a la imagen digital f(m, n) distorsionada por
convolucin con la funcin de degradacin h(m, n), resulta que:

=
i i
o
j n i m f j i h n m f ) , ( ) , ( ) , (
Su transformada de Fourier discreta es
) , ( ) , ( ) , ( v u F v u H v u F
o
=
Ahora se trata de encontrar una funcin de reconstruccin g(m, n) tal que

=
i i
o
j n i m f j i g n m f ) , ( ) , ( ) , ( .
Si tomamos la transformada de Fourier en la expresin anterior, se tiene que dicha
condicin es equivalente a que
) , ( ) , ( ) , ( v u F v u G v u F
o
=
Por lo tanto, basta con tomar como funcin de reconstruccin aquella cuya transformada de
Fourier discreta es la inversa de H, es decir,

G(u,v)=1/H(u,v).




Figura 3. Columna vertebral


Respuesta

Podemos utilizar el operador MIN con una plantilla 3x3, que sustituye el tono de gris de
cada pxel por el valor mnimos de tono de gris de los pxeles de su entorno 3x3. Segiremos
el diagrama de operaciones que se muestra en la figura 7; restamos a la imagen original la
imagen resultante y obtenemos la imagen de bordes. Para poderla ver mejor le aplicamos el
operador umbral al nivel 4 (ver el histograma de la imagen diferencia en la figura 8(a)) y
obtenemos la imagen de bordes que se muestra en la figura 8(b).



4. Determina los bordes da la imagen de la figura 3
utilizando un mtodo basado en un operador no lineal.




Figura 7. Diagrama de Operaciones



(a) (b)
Figura 8. (a) Histograma de la imagen diferencia.
(b) Imagen de bordes.


5. Define el filtro ideal de paso baja en el dominio de las frecuencias. Cmo
determinaras su radio r para conseguir una potencia del 95%.

Respuesta:
Viene recogida en los apuntes de clase.

6.- El operador erosin con el elemento estructurante 3x3 (todos unos) se aplica
sucesivamente en una imagen binaria con un solo objeto hasta que este desaparece. Sea d el
nmero de veces que se ha aplicado dicho operador. Construye un descriptor de forma
basado en dicho valor d y en el rea A del objeto para medir cmo de alargado es el objeto.

Respuesta:

Si a un objeto de una imagen binaria con fondo negro le aplicamos el operador erosin con
un elemento estructurante cuadrado de tamao 3x3 se obtiene una nueva imagen que ha
perdido los pxeles de su contorno. Si volvemos a aplicar dicho operador la imagen se sigue
reduciendo. En el caso de un crculo de radio r, desaparece despus de r aplicaciones del
operador. Para una figura de igual rea que el crculo pero ms alargada necesitaramos
aplicar el operador erosin un nmero menor de veces para eliminar el objeto. Por ejemplo
una regin cuadrada de tamao 3x100 desaparecera despus de aplicar dos veces dicho
operador. Por lo tanto, d es menor cuanto ms delgado sea el objeto, siempre comparando
objetos con igual rea, y as es una media del grosor mximo del objeto. Por lo tanto, una
media de cmo de alargado (delgado) es un objeto, puede ser

2
1
d
rea
I =
f(m,n)
MIN
DIFERENCIA
UMBRAL
t=4
Imagen
de
Bordes
Se divide por el cuadrado de d en lugar de dividir simplemente por d para conseguir una
medida adimensional. Sin embargo, esta medida no est normalizada (acotada). Por
ejemplo, para un crculo vale y para un rectngulo 2xL vale 2xL (proporcional a L). Sera
conveniente utilizar
rea
d
I
2
2
t =

Dicha medida vale para uno para un crculo y es menor que uno para el resto de los objetos;
es una medida de la circularidad del objeto. Por ejemplo, para un rectngulo 2xL vale
/(2L), que nos dice que es inversamente proporcionar a la longitud L del rectngulo.


7. Segmentacin de imgenes basada en divisin de regiones.
Respuesta:
Viene recogida en los apuntes de clase.

8. La modulacin delta: Transformacin, cuantificacin y codificacin.
Respuesta:
Viene recogida en los apuntes de clase.

Respuesta a las cuestiones del Examen de
PROCESAMIENTO DE IMGENES 18-II-2002



1. Qu transformacin puntual utilizaras para aumentar el contraste de la imagen
digital de la figura 1 observando su histograma (figura 2).


Figura 1. Imagen Digital. Figura 2. Histograma.


Respuesta:
Observando el histograma se tiene obtiene que imagen original tiene su rango de
variabilidad de tonos de gris en el intervalo [100, 240]. En el intervalo [200, 240] se
concentra el mayor nmero de pxeles; por ello, utilizaramos la siguiente transformacin
de tramos lineales:

s
< s +
< s
< s
=
x 240 si 255
240 x 200 si 100 ) 200 (
40
100a - 255
200 x 100 si ) 100 (
100 x 0 si 0
) (
a x
x a
x T

Tomaramos a<255/140 para garantiza que la pendiente del primer tramo lineal sea menor
que la del segundo, donde est el mayor nmero de pxeles (ver la figura 3).











Figura 3. Transformacin de tramos lineales.










0 100 200 240
3. Determina la transformada de Fourier discreta de la mscara M=[1/3 1/3 1/3]. Es
un buen filtro de paso baja?

Respuesta:
1 1 ( 1) 0 1 1 0 0 1 1 0
( , ) exp 2 ( ) exp 2 ( ) exp 2 ( )
3 3 3 3 3 3 3 3 3 3 3 3
u v u v u v
F u v i i i t t t
( ( (
= + + + + +
( ( (




1 1 1
exp(2 / 3) exp( 2 / 3)
9 9 9
ui ui t t = + +
=
1 2
cos(2 / 3)
9 9
u t +

Esta funcin est representada en la figura 4. Como puede observarse la funcin es
peridica de periodo 3 y simtrica con respecto al origen; se repite la funcin definida en el
intervalo [-3/2, 3/2]. Como es decreciente en el intervalo [0, 3/2] atena ms las altas
frecuencias por lo que se trata de un filtro de paso bajotambin deja pasar cientos rangos
de altas frecuencias, que pueden corresponder a cierto tipo de ruido. Nos es un buen filtro
de paso bajo.
-4 -3 -2 -1 0 1 2 3 4
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1

Figura 4. Transformada de Fourier del filtro.


4. Identificacin de patrones: Cmo identificaras en una imagen el lugar donde se
encuentra un objeto determinado cuya imagen es bien conocida? (figura 5).
objeto
Figura 5. Imagen sea. Figura 6. Mamografa

Respuesta:
Se utiliza una plantilla del tamao del objeto, cuyos valores son los tonos de gris
correspondientes del objeto en cuestin. Se selecciona el nivel de gris de un pixel central de
dicha plantilla y se recorre la imagen original identificando los pxeles que presentan el
mismo tono de gris que el pxel seleccionado. Sobre cada pxel identificado de la imagen se
superpone la plantilla y se calcula la diferencia entre las matrices correspondientes a dichas
ventanas. Si la matriz resultante es nula, el pixel identificado nos la una posicin donde se
encuentra un objeto idntico al de la plantilla.
6. Deteccin de un vaso capilar en la mamografa de la figura 6 mediante la transformada
de Hough (se supone que los vasos capilares vienen dados por dos rectas paralelas y que se
pueden encontrar mltiples rectas paralelas por no estar bien definidos).

Respuesta:
Partimos de una imagen binaria de bordes, B(x, y), y del conjunto de pxeles C={(x,y):
b(x,y)=1} que suponemos que tiene P pxeles.
Se trata de identificar el par de restas paralelas ms destacado. Se sabe que dos rectas son
paralelas si sus valores del parmetro u son idnticos o, tambin, si sus valores son u
o
y u
o

+t, siempre que u
o
e [t/2, 0], para garantizar que pasen por el primer cuadrante que es el
que contiene la imagen digital. Por lo tanto, podemos utilizar el algoritmo basado en la
transformada de Hough pero con la siguiente modificacin: el par de rectas paralelas
corresponde a aquellas dos rectas cuyos contadores C(u,
1
) y C(u,
2
) C(u,
3
) y C(u
+t,
4
) conduce a un valor mximo de su suma, C(u,
i
) + C(u,
2
) C(u,
3
) + C(u +t,
4
).

Algoritmo:

Iniciar contadores a cero: C(u,) = 0.
Para i =1 a P
Para u =t/2 a t
= x
i
cosu+y
i
senu
C(u,) = C(u,) + 1
fin
fin
Determinar u
*
,
*
2
*
1
y que corresponden al mximo de las dos siguientes cantidades:
{ }
1 2
1 2
, ,
( , ) ( , ) Max C C
u
u u +
{ }
1 2
1 2
,
[ / 2,0]
( , ) ( , ) Max C C

u t
u u t
e
+ +

7.- Cul es el efecto de los operadores morfolgicos de abertura y cierre sobre los
contornos convexos y sobre los contornos cncavos de un objeto de la imagen?

Respuesta:
El operador abertura impone la forma de la plantilla sobre las partes convexas de un
contorno y as se puede suavizar el contorno convexo:
Si se utiliza como elemento estructurante una plantilla vertical 31 se suaviza un poco la
parte convexa, como se muestra a continuacin:

Operador Abertura





y apenas modifica las partes cncavas. En cambio, si hubiramos utilizado como elemento
estructurante una cruz,



el contorno convexo no se altera.
Por otra parte, el operador cierre impone la forma de la plantilla sobre las partes cncavas
del contorno y as se puede suavizar el contorno cncavo.
Si se utiliza como elemento estructurante una plantilla vertical 31 se suaviza la parte
cncava, como se muestra a continuacin:


Operador Cierre




y apenas modifica las partes convexas. En cambio, si hubiramos utilizado como elemento
estructurante una cruz,


el contorno cncavo no se altera.



NOTA: Las dems cuestiones han sido desarrollas en clase y estn recogidas en
los apuntes.
E.T.S.I. Informtica
Universidad de Mlaga
RESPUESTAS a las cuestiones del
Examen de PROCESAMIENTO DE IMGENES / 2-II-2001

1. Cmo deduciras que una imagen binaria tiene ejes a partir de la matriz de
relacin espacial?

Respuesta: Un eje vertical, de 45
o
o de 45
o
, viene caracterizado porque el pixel de
su izquierda vale cero y el de su derecha uno, o el de su izquierda uno y el de su derecha
cero, como se muestra en las figuras 1(a) y 1(b).

0 0 0 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0
0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 0 0 0 0
0 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1
0 0 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1
(a) (b) (c)
Figura 1. (a) Imagen con una arista vertical. (b) Imagen
con una arista de 45

. (c) Imagen con una arista horizontal.

Si elegimos la relacin, (i, j) (i+1, j), obtenemos una matriz de relacin espacial
cuyo elemento (1, 2) nos da el nmero de pixeles con valor 0 cuyo pixel de la derecha
tiene valor 1, y el elemento (2,1) nos da el nmero de pixeles que tienen valor 1 y cuyo
pixel de la derecha tiene valor cero. La suma de los valores de dichos elementos de la
matriz nos dan el nmero total de ejes locales verticales o de 45
0
. As, la matriz de
relacin espacial de la imagen de la figura 1(a) es:
|
|
.
|

\
|
12 0
8 4

En valor 4 del elemento (1, 2) nos indica la presencia de 4 ejes locales segn la relacin
previamente establecida.
Anlogamente, con la matriz de relacin espacial basada en la relacin, (i, j) (i, j+1),
los valores de los elementos (1,2) y (2,1) nos determinan el nmero total de ejes locales
horizontales o de 45
0
. La matriz de relacin espacial de la figura 1(c) segn dicha
relacin es:
|
|
.
|

\
|
7
0 7
7

Por lo tanto, a partir de dicha matriz podemos tener una idea del tamao de los
contornos de los objetos de la imagen binaria.

2. Qu transformacin de tramos lineales utilizara para mejorar la calidad de la
imagen de la figura 1, teniendo en cuenta su histograma?

Respuesta: Utilizaramos la curva de tramos lineales que se muestra en la figura 2, que
tiene tramos con pendiente mayor que uno en las zonas del histograma que
corresponden a frecuencias relativas ms altas, y pendiente menor que uno en las ms
bajas.




Figura 2. Imagen de la luna junto con su histograma.

3. Determina la transformada de Fourier discreta de la mscara M=[1 0 2 0 1]
y analiza sus caractersticas. Corresponde a un filtro de paso de banda?

Respuesta: La transformada de Fourier discreta de dicha mscara es la siguiente:
| | )) 5 / 2 ( 2 exp( ) 1 ( ) 5 / ) 0 ( 2 exp( 2 ) 5 / ) 2 ( 2 exp( ) 1 (
5
1
) , ( u i u i u i v u H t t t + + =

=
(

|
.
|

\
| +

2
) 5 / 4 exp( ) 5 / 4 exp(
1
5
2 iu iu t t


= | | ) 5 / 4 cos( 1
5
2
u t
Su representacin grfica se muestra en la figura 3. Como se puede observar acenta
slo ciertas bandas de frecuencias y atena las restantes. Es un filtro de paso banda.


Figura 3. Transformada de Fourier discreta
del filtro de paso de banda.

Tambin se puede demostrar, en el dominio espacial, que es un filtro de paso banda,
pues basta con expresarlo como diferencia de un filtro de paso baja con otro de paso
baja (con plantilla de mayor tamao que el anterior), es decir:

4
1
[1 0 2 0 1] =
4
1
[0 1 2 1 0]
4
1
[1 1 0 1 1].

Tambin se puede expresar como sigue:

5
1
[1 0 2 0 1] =
5
1
[0 1 3 1 0]
5
1
[1 1 1 1 1].

4. Cmo conseguiras una imagen donde apareciera slo la carretera (lnea blanca) de
la figura 1 en un fondo ms o menos uniforme?

Respuesta: Aplicamos el operador MIN, con el tamao apropiado de plantilla (77), a
la imagen de tonos de gris de la figura 5 y conseguimos eliminar la carretera de la
imagen al mismo tiempo que erosionamos las zonas ms blancas (como el lago). A
continuacin aplicamos el operador MAX para dilatar la imagen obtenida. Finalmente,
restamos a la imagen inicial la imagen que acabamos de obtener. La imagen resultante
contiene la carretera con un fondo ms o menos negro.


f(m,n)

f(m,n) MIN MAX RESTAR f
c
(m,n)


Figura 4. Proceso de identificacin.


Figura 5. Imagen area.

5. Deduce el filtro seudoinverso que se utiliza para la restauracin de imgenes.

Respuesta: Ha sido desarrollada en clase y viene recogida en los apuntes.

6. Describe la modulacin delta para la compresin de imgenes: Transformacin,
cuantificacin y codificacin.

Respuesta: Ha sido desarrollada en clase y viene recogida en los apuntes.


7. La elongacin se puede definir como la razn entre la longitud de lado mayor, a, y
la longitud del lado menor, b, de rectngulo de rea mnima que contiene al objeto.



b


a
Figura 6. Rectngulo de menor rea que contiene a un objeto

Qu inconvenientes presenta? Cmo definiras una medida de rectangularidad?

Respuesta: No es una buena media de elongacin, pues, por ejemplo, al objeto de la
figura le asigna valor 1, y sin embargo, es un objeto alargado.











Figura 7. Objeto alargado.

Una medida de rectangularidad viene dada por el cociente entre el rea del objeto y el
rea de rectngulo de menor rea que lo contiene, es decir,

9 =
ab
objeto de rea
,

siendo a y b las longitudes de los lados del rectngulo de menor rea que contiene a
dicho objeto. Para cualquier rectngulo 9 siempre vale la unidad y es una medida
normalizada,
0s9s1.

8. Aproximaciones poligonales de contornos basadas en el criterio minimax.

Respuesta: Ha sido desarrollada en clase y viene recogida en los apuntes.
RESPUESTAS A LAS CUESTIONES DEL EXAMEN DE
PROCESAMIENTO DE IMGENES
DEL DA 12-9-2001

1. Por tratarse de ruido granular se utiliza el filtro mediana siguiente:
f*(m,n) = mediana {f(m-1,n-1}, f(m,n), f(m+1,n+1)}
que corresponde a la plantilla

0 0 1
0 1 0
1 0 0


Figura 1. Eliminacin del ruido granular.

2. Se puede utilizar la transformacin de tramos lineales siguiente (ver la figura 2):

>
s s

<
=
2
2 1 1
1 2 1 2
1
) , ( si 255
) , ( si
255
) , (
255
) , ( si 0
) , ( *
r n m f
r n m f r r
r r
n m f
r r
r n m f
n m f

f*(m,n)







f(m,n)
r
1
r
2
Figura 2. Transformacin de tramos lineales


Figura 3. Transformacin de la imagen


3. Como los bordes (aristas) de una imagen corresponden a las posiciones donde se
produce una transicin de valores positivos a valores negativos (o al revs) en la
transformacin que corresponde al filtro Laplaciano de la Gaussiana, basta con asignarle el
blanco a los valores positivos y el negro a los negativos. Los contornos de la nueva imagen
binaria nos dan las aristas de la imagen original.

4. La transformada de Fourier discreta de la plantilla [1/3 1/3 1/3] es:

F(u,v) = ( ) ( ) ( ) | | 3 / 1 2 ( exp 3 / 0 2 ( exp 3 / ) 1 ( 2 ( exp
3
1
u i u i u i t t t + +
=
(

+
+
2
) 3 / 2 exp( ) 3 / 2 exp(
2 1
3
1 iu iu t t


= | | ) 3 / 2 cos( 2 1
3
1
u t +

La representacin grfica, que se muestra en la figura 3, nos indica que no es un buen filtro
de paso baja, pues slo atena ciertas bandas de alta frecuencia.

Figura 3. Transformada de Fourier discreta del filtro.

5. Viene recogida en los apuntes de clase.


6. Para eliminar el hueco blanco del crculo negro grande (ver la figura 4) se utilizara el
operador cierre, asignando el valor 1 al objeto, es decir, a los crculos, y el valor 0 al
fondo.

f*(m,n)=(f(m,n)h(m,n)) h(m,n)

siendo h el elemento estructurante

0 1 1 1 0
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
0 1 1 1 0

Asimismo, para eliminar los crculos pequeos (del tamao de la plantilla), se utilizara el
operador abertura,
f*(m,n)=(f(m,n) h(m,n)) h(m,n)


Figura4. Esmalte.


7. Viene recogida en los apuntes de clase.

8. Si deseamos detectar todos cuadrados, cuya longitud del lado es l, podemos utilizar la
transformacin de Hough. A cada conjunto de pxeles {(x
i
, y
i
), ieC} que configura un
cuadrado, en la imagen de aristas, cuya longitud de cada uno de sus lados es igual a l, se le
asigna un punto en el espacio de los parmetros (a,b), que corresponde al centro de dicho
cuadrado. A cada pxel se le asigna un cuadrado en el espacio de los parmetros (a,b),
determinado por la ecuacin:

{ }
2
,
l
b y a x Max =

y b



(x
i
,y
i
)
(a
o
,b
o
) (a
o
,b
o
)




x a
Figura 4. Transformacin de Hough.

Todos los cuadrados del espacio paramtrico (a,b) correspondientes a los pxeles de los
lados de un cuadrado del espacio (x,y), con centro en (a
o
,b
o
) se cortan en el punto (a
o
,b
o
). El
contador A(a
o
,b
o
,l) nos dir el nmero de cuadrados del espacio paramtrico que se cortan
simultneamente en el punto (a
o
,b
o
). Es decir, el nmero de pxeles que configuran el
cuadrado del espacio cartesiano (x,y) que tiene como centro (a
o
,b
o
) y lado l.



Algoritmo:

Paso 0: A(a,b,l)=0, a=a
1
, a
1
+1,....,a
1
+c, b=b
1
, b
1
+1,....,b
1
+d, l=1,2,...,h
Paso 1: Para i=1,2,...,m, j=1,2,,n
Para a=a
1
, a
1
+1,....,a
1
+c
Para , b=b
1
, b
1
+1,....,b
1
+d
{ } b y a x Max l = , 2
A(a,b,l)=A(a,b,l)+1
fin
fin
fin

Paso 2: Para a=a
1
, a
1
+1,....,a
1
+c
Para b=b
1
, b
1
+1,....,b
1
+d
Para l=1,2,...,h
Si A(a,b,l)> umbral entonces
detectamos un cuadrado con centro (a,b) y lado l
fin
fin
fin
Respuestas a las cuestiones del examen de
Procesamiento de Imgenes del da 18-2-2000

1. La transformada de Fourier de la funcin de interpolacin utilizada en el teorema de
Witaker-Shanon viene dada por la expresin:

s s
=
caso otro en 0
para
) , (
2 1 c c
v v y u u T T
v u F

siendo T
1
s1/(2u
1
) y T
2
s1/(2v
1
).

2. Cuantificadores uniformes: Desarrollado en clase (ver apuntes).

3. La transformada de Fourier de la plantilla [ 1/16 0 1/8 0 1/16 ] es la
siguiente:
) 4 cos(
8
1
8
1
) ) 2 ( 2 exp(
16
1
) 0 2 exp(
8
1
) 2 2 exp(
16
1
) , ( u ui ui ui v u F t t t t =

+ +

=

Su representacin grfica como funcin de u se puede ver en la figura 1:


Figura 1. Representacin grfica de la transformada de Fourier de la plantilla dada.

Se puede observar que se trata de un filtro de paso de banda que atena las bajas
frecuencias y, tambin, ciertas bandas de alta frecuencia.

Para ver que es un filtro de paso de banda en el dominio espacial expresamos dicha
plantilla como diferencia de dos plantillas de paso baja, una de tamao 3 y la otra de
tamao 5:

[ 1/16 0 1/8 0 1/16 ] =

[ 0 1/4 1/2 1/4 0 ] [ 1/16 1/4 6/16 1/4 1/16 ]

Esta descomposicin no es nica, otras posibles son:

[ 0 1/8 6/8 1/8 0 ] [ 1/16 2/16 10/16 2/16 1/16 ]

[ 0 1/16 14/16 1/16 0 ] [ 1/16 1/16 12/16 1/16 1/16 ]


4. Filtros recursivos: La plantilla equivalente a la aplicacin consecutiva de las
plantillas dadas se obtiene de la forma siguiente:

M 1/2f*(i,j) + 1/4f*(i,j+1) + 1/4f*(i,j-1)=

=1/2[1/2f(i,j)+1/4f(i-1,j)+1/4f(i+1,j)] + 1/4[1/2f(i,j+1)+1/4f(i-1,j+1)+1/4f(i+1,j+1)] +

+ 1/4[1/2f(i,j-1)+1/4f(i-1,j-1)+1/4f(i+1,j-1)]


= ) , (
16 / 1 8 / 1 16 / 1
8 / 1 4 / 1 8 / 1
16 / 1 8 / 1 16 / 1
j i f
(
(
(

5. Para la identificacin de los cuadrados 33 en una imagen binaria utilizaremos el
operador morfolgico de aciertos y fallos. Se toman como plantillas


(
(
(
(
(
(

=
(
(
(
(
(
(

=
1 1 1 1 1
1 0 0 0 1
1 0 0 0 1
1 0 0 0 1
1 1 1 1 1
g ;
0 0 0 0 0
0 1 1 1 0
0 1 1 1 0
0 1 1 1 0
0 0 0 0 0
2 1
g

y el centro de dichos cuadrados viene dado por lo pixeles con valor uno en la imagen
binaria siguiente:

b(m,n) = [f(m.n) g
1
(m,n) ] . [f (m.n) g
2
(m,n) ]


6. Se trata de determinar las dos restas paralelas ms destacadas que tomaremos como
modelo para identificar el vaso capilar presente en la mamografa. Para ello utilizamos
la transformada de Hough. Primero se aplica un filtro de paso alta a la imagen original
f( , ), como puede ser el filtro de Sobel, y a la imagen obtenida se le aplica el operador
umbral, que nos da una imagen binaria donde los pixeles de las aristas ms destacadas
valen uno y los dems cero. A continuacin detectamos mediante el siguiente algoritmo
las lneas rectas de la imagen de aristas.

1. Partimos de los contadores igualados a cero, es decir,
C(u, r ) = 0, para u = u
1
,...,u
a
, r = r
1
,...,r
b
.

2. Para u = u
1
,...,u
a
hacemos:

Para todos los pixeles (x
i
, y
i
) con f(x
i
, y
i
)=1 determinamos
r = x
i
cos u + y
i
sen u
y ponemos C(u, r ) = C(u, r ) + 1.

El algoritmo nos da la matriz de contadores C(u, r ). Las restas paralelas son aquellas
que tiene un mismo valor de u. Sea C(u
i
, r
1(i)
) el valor mximo de la fila i de dicha
matriz y C(u
i
, r
2(i)
) el segundo valor mayor de dicha fila. Podemos tomar como vaso
capilar aquellas dos rectas que corresponden al valor u
h
cuya suma

C(u
i
, r
1(i)
) + C(u
i
, r
2(i)
).
es mxima.

Es decir, que corresponde a la fila cuya suma de sus dos mayores elementos es mxima.


Fig. 2. Mamografa


7. Deteccin de aristas: Una vez aplicado un filtro de segundo orden, como el filtro de
Laplace, pasamos a una imagen binaria donde los valores negativos son negros y los
positivos son blancos. Los puntos frontera de esta imagen binaria nos dan las aristas de
la imagen original pues corresponde a los pixeles donde se producen los cambios de
valores positivos a negativos y de negativos a positivos.

<
>
=
0 ) , ( ) , ( si (negro) 0
0 ) , ( ) , ( si (blanco) 1
) , (
n m L n m f
n m L n m f
n m e

Como el filtro de Laplace es muy sensible al ruido es conveniente filtrar previamente la
imagen original con un filtro de paso baja, como puede ser el filtro Gaussiano. De esta
forma se obtiene el filtro LG (Laplaciano de la Gaussiana), que consiste en aplicarle
el filtro Laplaciana a la imagen obtenida despus de aplicarle el filtro Gaussiano a la
imagen original.

Saturno Aristas

Figura 3. Imagen de Saturno.


8. Correccin de la iluminacin irregular. Para conseguir la imagen e) con
iluminacin uniforma basta dividir la imagen a) por la imagen c). Los pixeles de fondo
tomaran el valor 1, y los pixeles de los objetos tomaran valores mayores que uno si son
ms luminosos que el fondo y valores menores que uno si son menos luminosos.
Observando el histograma de la imagen e) slo tenemos que multiplicar por una
constante para aumentar el brillo, pero la imagen resultante tiene ya iluminacin
uniforme y en ella se distinguen perfectamente los diferentes objetos para poder
segmentarla utilizando los mnimos del histograma como valores umbrales. Se obtiene
as dos valores umbrales que nos conducen a tres tipos de objetos: los crculos oscuros,
los crculos claros (que ahora se diferencian mejor del fondo) y el fondo (ver la figura
4).

Figura 4. Correccin de la iluminacin irregular.



Mlaga, a 22 de marzo de 2000







Fdo. Jos Muoz Prez


Respuesta a las cuestiones del Examen de
PROCESAMIENTO DE IMGENES 19-IX-2000

1.- Cmo eliminaras el ruido de la imagen de la figura 1 evitando que los ejes
horizontales queden difuminados?
Figura 1.
Respuesta:
Mediante un filtro mediana horizontal de tamao 1(2r+1), dado por la expresin:
f*(m,n) = Mediana { f(m-r,n), f(m-r+1,n),...,f(m,n),..., f(m+r-1,n), f(m+r,n) }.

4.- Cmo corregiras el efecto de una iluminacin no uniforme en una imagen como
la que aparece en la figura 2?

Figura 2.
Respuesta:
Se aplica el operador MiN, con una ventana de tamao (2K+1)(2K+1), K>15, a la
imagen:

f*(m,n) = MNIMO{ f(m-K, n+K), f(m-K-1,n+K),..., f(m,n),..., f(m+K, n-K) }

Esta imagen mantiene el efecto de iluminacin no uniforme de la imagen original. Se
resta a la imagen original f(m,n) la imagen f*(m,n). Con ello se consigue una imagen
como la original (un poco ms oscura) pero con iluminacin uniforme. Para mejorar la
imagen slo tendramos que aplicarle un operador de igualacin del histograma.

5.- Cul es el efecto de los operadores morfolgicos de abertura y cierre sobre los
contornos convexos y sobre los contornos cncavos de un objeto de la imagen?

Respuesta:
El operador abertura impone la forma de la plantilla sobre las partes convexas de un
contorno y as se puede suavizar el contorno convexo:

Si se utiliza como elemento estructurante una plantila 33 se suaviza un poco la parte
convexa, como se muestra a continuacin:




Operador Abertura





y apenas modifica las partes concavas. En cambio, si hubiramos utilizado como
elemento estructurante una cruz,


el contorno convexo no se altera.

Por otra parte, el operador cierre impone la forma de la plantilla sobre las partes
cncavas del contorno y as se puede suavizar el contorno cncavo.
Si se utiliza como elemento estructurante una plantila 33 se suaviza la parte cncava,
como se muestra a continuacin:


Operador Cierre




y apenas modifica las partes convexas. En cambio, si hubiramos utilizado como
elemento estructurante una cruz,


el contorno cncavo no se altera.

7.- Qu informacin nos da la matriz de relacin espacial (co-occurrence matrix)
acerca de la textura? Aplcala a las dos imagen binarias siguientes:

1 2 1 2 1 1 1 1
1 2 1 2 2 2 2 2
1 2 1 2 1 1 1 1
1 2 1 2 2 2 2 2
Respuesta:
La matriz de relacin espacial permite detectar texturas en una imagen, buscando una
relacin entre pixeles adecuada, cuando los elementos positivos de la misma estn en
torno a la diagonal principal. Si tomamos la relacin (m,n) (m,n+1) la matriz de
relacin espacial de la primera imagen es:
|
|
.
|

\
|
6 0
0 6

que indica la existencia de una textura. Anlogamente, para la relacin (m,n) (m+1,n)
la matriz de la segunda imagen es la misma que la anterior e indica, por tanto, la
presencia de una textura.

Las respuestas a las preguntas 2, 3, 6 y 8 vienen recogidas en los apuntes de clase.