Академический Документы
Профессиональный Документы
Культура Документы
II. DESARROLLO
Fig. 2. Idealización de diagrama para filtro extremo, con un
Para la programación de este filtro se utilizó la tamaño de ventana 3x3.
distribución de Python, específicamente el
paquete Spyder (Anaconda), puesto que una gran
ventaja de esta paquetería proviene de ser un
entorno de programación ya con múltiples
librerías orientadas a OpenCV y procesamiento de
matrices. A continuación, se describirá los pasos
ejecutados por el código programado (En la parte
Anexo se adjuntará el código Filtro Extremo).
Variable. Descripción.
Dirección del directorio Fig. 3. Posicionamiento y desplazamiento de ventana a través
ruta donde se encuentran las de la imagen.
imágenes.
image Matriz donde se alojará el
contenido de nuestra Lo primero que se hace es leer el tamaño de la
imagen, nótese que es una matriz kernel, para replantear los índices de inicio
y fin de nuestros ciclos while y nuestros
contadores u, w, i y j respectivamente. Debemos
tomar en cuenta que se debe calcular el centro de
nuestra ventana para así de esta forma saber el
dónde se alojara el píxel de salida una vez
realizada la comparativa.
Una vez establecidos los valores anteriores, lo que Fig. 5. Ventana 5x5 imgNoise/color1.jpg
sucede internamente entre cada iteración se puede
explicar en la siguiente sucesión de instrucciones:
III. RESULTADOS
A continuación, se muestran los resultados del
procesamiento con dicho filtro en las imágenes de
controlo proporcionadas.
Imagen a color
Ventana 5x5 Imagen a color
original vs
imgNoise/color1.jp original vs
imagen sin
g imagen filtrada
filtrar
Valor de MSE 1916.84 1303.30
Imagen a color
Ventana 7x7 Imagen a color
original vs
imgNoise/color1.jp original vs
imagen sin
g imagen filtrada
filtrar
Fig. 8. Ventana 3x3, 5x5, 7x7 imgNoise/profundidad1.jpg Valor de MSE 1916.84 2279.31