TI02 - AdquisicionDigitalizacionMuestreo

Tratamiento de Imágenes
Adquisición, Digitalización y
Muestreo
ADVERTENCIA!
No use estas diapositivas como referencia única
de estudio durante este curso. La información
aquí contenida es sólo una guía para las sesiones
de clase y de estudio futuro. Para obtener
información más completa, refiérase a la
bibliografía dada durante la presentación del
curso.
Estas diapositivas incluyen material de un curso previo impartido por Felipe Orihuela Espina
28/11/09 Héctor Alejandro Montes 2
I. La Luz y el Espectro
Electromagnético

Luz
• Luz es el término que usamos para referirnos a la
radiación electromagnética en el rango visible del
espectro electromagnético
– Sólo se diferencia de otras ondas en su longitud de

onda y velocidad
– A veces usamos el término luz para denotar cualquier

radiación electromagnética y no sólo la visible

Luz (2)
• La luz se puede comportar como:
– Partícula (Isaac Newton/Corpuscular Theory,
1704): la luz esta hecha de pequeñas partículas
discretas llamadas “corpúsculos”.
– Onda (Huygens/Traité de la Luminère, 1690):
apoyada por la observación de que dos haces
de luz que se interceptan, no rebotan; como
sería el caso si fueran partículas.

Luz (3)
• Al comportarse como onda, la luz tiene cuatro
propiedades:
– Amplitud y
– Frecuencia f
– Velocidad c
– Longitud de onda λ
λ=c/f

Luz (4)
• Al comportarse como partícula, se considera que
la energía electromagnética viene en paquetes
discretos llamados fotónes.
– Fotón: Partícula elemental de la radiación electromagnética. La
energía de un fotón es:
E = h·f = h·c/λ
Donde h es la constante de Planck (6.626·10-34 J·s)

Espectro electromagnético
• El espectro electromagnético es el conjunto de
radiaciones electromagnéticas ordenadas acorde a la
longitud de onda.
www.srh.noaa.gov
Ensayo I
http://www.imageprocessingplace.com

II. Adquisición de la Imágen
Cámaras y Digitalización

Adquisición
• La luz emitida por una fuente incide sobre una materia e
interacciona con esta (absorción y dispersión).
• Parte de la luz incidente es remitida y captada por un
sensor.

Sensor sencillo
• Es un material sensible (célula fotovoltáica) que produce
una salida eléctrica cuando se excita con radiación
electromagnática
– Para captar diferentes longitudes de onda, se antepone al material
fotosensible un filtro
Radiación
electromagnética
Filtro
Material fotosensible Salida eléctrica

Sensor sencillo
• Existen varios tipos de sensores fotosensibles:
– Fotodiodos - más común en las cámaras
– Tubos fotomultiplicadores
– Fotosensores de juntura (fotoceldas, fototransistores, fototiristores,

etc.)
– Otros

Sensor de línea y matricial
• Realmente no son más que un array;
unidimensional (de línea) o bidimensional
(matricial) de sensores sencillos
• Podemos distinguir dos tipos de sensores

compuestos:
– CCD (Charge-Coupled Device)
– CMOS (Complementary Metal Oxide Semiconductor)

Dispositivos de adquisición de
imágenes (Cámara)
• Pueden ser:
– Analógicos
– Digitales

imágenes (Cámara)
• Analógicos:
– Generan una señal continua
– Suelen ser más propensos al ruido que las digitales
– De bajo costo
– Más lentos al adquirir la imágen

imágenes (Cámara)
• Digitales:
– Incluyen un digitalizador
– Alta relación señal-ruido
– Frame rate alto

Digitalización
• La salida de los sensores es un voltage
contínuo (analógico).
• La digitalización consiste en transformar

una señal analógica (infinitos valores) a una
señal digital (número discreto de valores).

Digitalización
• Una imagen f(x,y) puede ser continua:
– En las direcciones x o y (coordenadas)
– En la intensidad de la luz (amplitud)
• Para digitalizar una imagen, hay que hacerlo

en ambas partes; coordenadas y amplitud

Digitalización
• La digitalización en
coordenadas consiste
simplemente en dividir
la imagen en un
número discreto de
filas y columnas.

Digitalización
• El proceso de Digitalización se hace en dos
etapas:
– Muestreo
– Cuantificación

III. Muestreo y Cuantificación

Muestreo
• Señales y secuencias son funciones que
representan una información
– Las señales son continuas en el tiempo
– Las secuencias son discretas en el tiempo. No existen
en los tiempos intermedios.
• Discreta no es lo mismo que continua muestreada!

– La continua sigue teniendo valores entre muestreos,
aún cuando no los conozcamos

Muestreo
• Un sistema es un proceso que da lugar a una
transformación de señales. Puede ser:
– En tiempo continuo [x(t)→y(t)]
– En tiempo discreto [x[n]→y[n]]
x(t) → F(x(t)) → y(t)

• A x(t) o x[n] se les llama entrada o estímulo
• A y(t) o y[n] se les llama salida o respuesta

Muestreo
• Estadística: Es la selección e implementación de
observaciones para estimar las propiedades de
una población bajo escrutinio
• Procesamiento de señales: Se refiere a la medida
de una señal en tiempos discretos, usualmente
con la intensión de reconstruir la señal original
• Toda digitalización requiere un proceso de
muestreo y consiste en tomar porciones de los
valores de amplitud de la señal muestreada
• Existen varios tipos de muestreo según la señal de
muestreo
Muestreo
• Algunas funciones de muestreo comunes son:
– Función de Impulso Unitrario o Delta de Dirac
– Función Sampling
• (sen(x)/x)
• Es la transformada
de Fourier de un filtro
ideal.

Muestreo
• Diferentes funciones de muestreo dan lugar
a distintos tipos de muestreo:
– Muestreo instantáneo
– Muestreo natural
– Muestreo por impulsos

Muestreo Instantáneo

Muestreo Natural

Muestreo por Impulsos

Muestreo
• La convolución contínua entre dos señales
discretas x(t) e h(t) se define como:
¥
y(t) = x(t) * h(t) = ò -¥
x(T)h(t - T)dT

Muestreo
• La convolución discreta entre dos señales
discretas x[n] e h[n] se define como:
¥
y [ n ] = x[n]* h[n] = å x[n]h[n - k]
k=-¥

Muestreo
• El proceso de muestreo consiste en un
sistema que convolucione a la señal
muestreada con una señal de muestreo
(ver Wolfram)
• Ejemplo: Muestreo por impulsos

∞
y[ n ] = x[ n] * δ [ n] = ∑ x[ n]δ [ n − k ]
k= − ∞
Teorema del muestreo de
Nyquist
• “Si una señal f(t) con un ancho de banda W finito, se
muestrea a intervalos regulares de tiempo, con una
frecuencia fc mayor que el doble de la frecuencia
significativa más alta de la señal (fc≥2W), entonces las
muestras obtenidas contienen toda la información de la
señal original.”
• La función f(t) se puede reconstruir a partir de estas

muestras mediante la utilización de un filtro paso bajo

Nyquist
• Por razones prácticas, el teorema de Nyquist no
es realizable, y simplemente se convierte en un
límite teórico superior
– No se pueden construir filtros perfectos, lo que significa

que la señal original nunca estará realmente limitada en
banda.
– Normalmente se usan ratios de muestreo 20% superior

al ratio de Nyquist [Davies 2005]

Nyquist
• El teorema de Nyquist trabaja sobre el
dominio del tiempo y su correspondiente
dominio de la frecuencia
• En imágenes se tiene el dominio espacial y

el dominio de la frecuencia espacial.

Nyquist
• El teorema de Nyquist es aplicable a los dominios
espacial y de la frecuencia espacial, donde ahora:
– Wx es el ancho de banda espacial

– X es el periodo de muestreo espacial (1/fc)
– Y por tanto la condición de muestreo es: 1/X≤2Wx

Nyquist y Aliasing
• Si no se muestrea a una frecuencia menor
que la de Nyquist, no será posible recuperar
la señal original.
• Esto es debido a que habrá errores de

interpolación al intentar recomponer la señal
– A estos errores se les conoce como Aliasing.

Cuantificación
• El muestreo resulta convierte una señal
continua en una secuencia discreta, pero el
resultado sigue siendo analógico.
• La conversión de esta secuencia analógica

a otra discreta se denomina proceso de
cuantificación.

Cuantificación
• La relación entre la
entrada y la salida de
un cuantificador tiene
comúnmente la forma
de escalera.

Cuantificación
• La diferencia entre dos valores adyacentes se
denomina tamaño del escalón, δ
Amax - Amin
δ=
L
• Donde:
– Amax y Amin indican los límites del rango de valores
cuantificados
– L es el número de niveles de cuantificación

Cuantificación
• L=2k | k es el número de bits del cuantificador
– A L se le conoce a veces como número de niveles de

grises (aunque la imagen no necesariamente se
represente con grises)
– Si k=1 ⇒ L=2 y hablamos de imágenes binarias o en

blanco y negro
• NOTA: Al hablar de imagen en blanco y negro, esto además
requiere que el sistema de adquisición tenga un único filtro.

Cuantificación
• La función de cuantificación no tiene por
que ser lineal
• Al número k de bits del cuantificador a

veces también se le conoce como
profundidad.
– Ejemplo: Una imagen con profundidad 8 bits
tiene 28=256 valores de grises

Cuantificación
• El proceso de cuantificación conlleva de forma
inherente un error o ruido de cuantificación.
– Diferencia entre el valor original de la amplitud
muestreada y el valor aproximado correspondiente en la
escala seleccionada
• El error cometido en la cuantificación conlleva una

pérdida de información inevitable durante la
digitalización.

Dithering
• El dithering es una técnica consistente en
introducir ruido a propósito para compensar
el error de cuantificación
• El ruido a introducir se determina a partir de

la correlación de la señal con el error de
cuantificación.

IV. Representación de
Imágenes Digitales
Color vs Escala de Grises

Representación de Imágenes
Digitales
• Una vez que una imagen ha sido
digitalizada podemos pensar en ella como
en una matríz de MxN
[ ]
a 1,1
a 1,2
L a
1, N
A= a 2,1
a 2,2
L a
2, N
M M O M
a M ,1
a M ,2
L a
M ,N

Digitales
• Cada elemento de la matríz es un píxel.
• La intensidad recogida por el sensor en el origen

de coordenadas (x,y)=(0,0) se corresponde con el
elemento a11=f(0,0).
– Similarmente aM,N=f(M-1,N-1)
• El eje X crece hacia abajo, y el eje Y crece hacia

la derecha

Digitales
• Cuando el sistema de adquisición tiene un
solo filtro óptico, decimos que la imagen es
monocromática.
– Realmente el filtro puede no ser estrictamente
monocromático, es decir de una sóla longitud
de onda.

Digitales
• Si el sistema de
adquisición de imágenes
tuviese más de un filtro,
está matríz A se vuelve
tridimensional (cúbica),
donde la tercera dimensión
se corresponde con los
distintos filtros.

Digitales
• Sea R el número de filtros del sistema de adquisición. Si el
sistema de adquisición tiene:
– R = 1 filtro ⇒ Monocromática
– R = 3 filtros ⇒ Color
– R > 3 filtros ⇒ Multi-spectral
– R >> 3 filtros ⇒ Hiperespectral

Digitales
• Si el número de niveles de cuantificación, o k
niveles de grises del filtro i-ésimo Ri es Li = 2, i
entonces, para guardar una imagen necesitamos:
R
b=∑ M⋅N⋅k i
i=1
• Siendo b el número de bits requerido para

almacenar una imagen digitalizada

Digitales
• Si todos los filtros Ri usan un cuantificador
con el mismo número de niveles entonces
ki=kj | i≠j
• Y entonces…
b = M ×N ×R ×k

Digitales
• Esto nos da una idea inicial de que el color
es muy costoso en espacio.
• Igualmente es fácil imaginar que el tiempo

de proceso requerido es mayor ya que hay
más información para procesar.

Digitales
• Color normalmente se entiende como 3 filtros
– Pero lo anterior aplica también a imágenes multiespectrales e
hiperespectrales
• El potencial del color es enorme en ciertas aplicaciones

(medicina, agricultura,...)
• Sin embargo el coste del color es más espacio de

almacenamiento y más tiempo de cómputo
– Para muchas aplicaciones el color es innecesario y debe ser
evitado

V. Rango Dinámico

Rango Dinámico
• El rango dinámico de un sistema es la
relación entre el valor más alto y el más bajo
que puede tomar.
• Se expresa en decibelios (dB)
RD dB =10 log

V
V 10
 
MAX
MIN

Rango Dinámico
• El ojo humano es capaz de ver objetos cuando la
iluminación es escasamente la de la luna, y
cuando es un día soleado, eso equivale a un
RD=90dB
• No existe ningún dispositivo de adquisición de

imágenes actual que se acerque remotamente a
este mismo rango dinámico.

Rango Dinámico
• Cuando sobrepasamos el máximo de intensidad
que el fotorreceptor admite, se dice que se ha
saturado.
– Normalmente esto se traduce en un color blanco.
• Cuando no llegamos al mínimo, el material

fotosensible, simplemente no se excita
– Normalmente esto se traduce en un color negro.

Rango Dinámico
• High Dynamic Range Imaging (HDRI) es una
técnica para intentar ampliar el rango dinámico de
un dispositivo.
– Inicialmente desarrollada para juegos de ordenador
– Actualmente se usa también en fotografia, cine, etc…
– Complejidad alta

VI. Resolución Espacial

Resolución Espacial
• Existen varias definiciones:
– Distancia que cubre un pixel
– El detalle discernible más pequeño
– Distancia que puede detectar un sensor
(Teledetección)
– Tamaño mínimo de un elemento para que
pueda ser discriminado.
– Tamaño que un píxel representa en el mundo
real.

• En general todas indican lo mismo;
– La relación entre la distancia física y el tamaño

del pixel

• La resolución espacial afecta directamente a
la calidad de la imagen, ya que determina
que objetos serán correctamente captados

• Existen varias formas de expresar la
resolución espacial:
– Tamaño del píxel
– Píxeles/metros (o bien, Píxeles/pulgada)
– Pares de línea/pulgada

Ruido

Ruido
• El ruido son fluctuaciones en la intensidad
que difieren de la intensidad existente en la
escena real
– El ruido puede ser de carácter aleatorio o

determinista.

Ruido
• En imágenes, existen tres tipos de ruido
– Aleatorio
– De patrón fijo
– Ruido de Banda
Nota: Estos, como puede verse, son diferentes de los “clásicos” ruidos eléctricos;
térmico, blanco, flicker, etc… pero son consecuencia de cómo afectan estos al
dispositivo de adquisición de imagen.

Ruido
• Aleatorio
– Difícil de eliminar
– Su eliminación
normalmente implica
degradar la imagen
– Afectan de forma
especial a las texturas
Imagen obtenida en:

www.cambridgeincolour.com

Ruido
• De patrón fijo
– Surgen por los llamados
“hot pixels”, que
sistemáticamente
superan o degradan la
intensidad de la escena
– Fácil de eliminar al ser
repetitivo
Imagen obtenida en:


Ruido
• Ruido de Banda
– Dependiente del
dispositivo de
adquisición.
– Varía con la exposición,
balance, saturación,
etc…
Imagen obtenida en:


Ruido
• Normalmente aparece en forma de motitas
(píxeles con una intensidad erronea) que
degradan la calidad de la imagen.

Ruido
• El ruido se mide con la relación Señal/Ruido (SNR
- Signal to Noise Ratio) normalmente expresada
en decibelios:
SNR  dB =10 log

S
R 10
• Donde S es la potencia de la señal y R es la

 
potencia del ruido, ambos expresados en Wattios.

Ruido
• Más adelante veremos diferentes técnicas
para la eliminación de ruido y el realce de
una imagen

IX. Aliasing

Aliasing
• El aliasing surge como hemos indicado durante el
muestreo, por que la señal está infra-muestreada
con respecto al teorema del muestreo de Nyquist.
• Formalmente el aliasing se corresponde con

componentes de frecuencia que se introducen en
la señal muestreada (ya que los filtros no son
perfectos)

Aliasing
• El aliasing es el resultado de que diferentes
señales continuas se vuelven indistinguibles una
vez muestreadas.
Imagen obtenida de
es.wikipedia.org

Aliasing
• El aliasing se traduce
en una distorsión en la
imágen
Imagen obtenida de
es.wikipedia.org

Aliasing
• El aliasing se corrige o minimiza aplicando
algún algoritmo de anti-aliasing
• Los algoritmos de anti aliasing normalmente

consisten en eliminar las componentes de
frencuencia más altas.

Aliasing
• El aliasing es muy común en las imágenes
digitales debido al carácter discreto (número finito
de renglones y columnas) de la matriz de la
imagen
Imagen obtenida de
http://acacia.ual.es/profesor/LIRIBARNE/AIG/antialiasing/problemas.html
Aliasing
• Algunos de los problemas que produce el aliasing
son:
– Bordes escalonados (Jagged profiles)
– Renderizado inadecuado de los detalles
– Interferencias
• Incluye los patrones de Moiré
– Desintegración de texturas

Aliasing
• Figura sin anti-aliasing
Imagenes obtenidas de
• Figura con anti-aliasing es.wikipedia.org

Aliasing
Imagen obtenida de
www.schorsch.com

Aliasing
Imagen obtenida de
sepwww.stanford.edu

Aliasing Imagenes obtenidas de
koti.mbnet.fi
Sin anti-aliasing Con anti-aliasing

Aliasing Imagenes obtenidas de
www.ultrafractal.com
Sin anti-aliasing Con anti-aliasing

Aliasing Imagen obtenida de
www.linux-france.org

Anti-aliasing
• Los algoritmos de anti-aliasing requieren de
un cierto tiempo de forma que a veces se
evitan
– Esto ocurre especialmente en aplicaciones de

tiempo real, o juegos de ordenador, motores
3D, etc…

Anti-aliasing
• Existen tres tipos de algoritmos de antialiasing
– Incrementar la resolución utilizando una mayor

frecuencia de muestreo
– Prefiltrado
– Supermuestreo o Postfiltrado
[http://acacia.ual.es/profesor/LIRIBARNE/AIG/antialiasing/tecnicas.html]

Anti-aliasing
• Incrementar la resolución utilizando una
mayor frecuencia de muestreo
– Incrementa el costo de producción de la imagen

Anti-aliasing
• Prefiltrado
– Se determina la intensidad de los píxeles basándose en

la cantidad en que un píxel se encuentra cubierto por un
objeto de la imagen.
– Para determinar si el píxel se encuentra cubierto o no,

se usan diferentes variantes; media, mayor densidad,
etc…

Anti-aliasing
• Postfiltrado
– Se crea la imagen a alta resolución y

posteriormente la somete a un filtrado digital
para eliminar las altas frecuencias.
– Dependiendo de la forma de creación de la

imagen de alta resolución y del filtrado digital
existen diferentes variantes

X. Modelos de Color

Mezclas aditivas (luces) y mezclas
substractivas (pigmentos)
• La luz que llega a un fotorreceptor, puede

provenir directamente de una fuente de luz,
o bien después de haber interaccionado con
una materia.

• Mezcla aditiva de luces
– Cuando la luz llega al fotorreceptor directamente desde

las diferentes fuentes de luz, estas suman su energía o
radiación electromagnética.
– Los colores primarios son Rojo, Verde y Azul (ej:

Televisión)

• Mezcla substractiva de pigmentos
– Cuando la luz llega al fotorreceptor después de haber

interaccionado con la materia, allí ha sido absorbida por
los pigmentos que haya en esta materia. Esto se
traduce en un decremento de la radiación
electromagnética. Los distintos pigmentos substraen
una parte de la energía.
– Los colores primarios son Magenta, Cian y Amarillo (ej:

Impresoras)

Modelos de Color
• El color está relacionado con la caracterización de
la luz.
• Normalmente nos referimos a color cuando

tenemos tres filtros ópticos (ortogonales) en el
rango del visible.
– Esta forma de pensar en el color tiene reminiscencias
de cómo los humanos vemos (3 tipos de fotoreceptores)

Modelos de Color
• Un modelo de color es una abstracción
matemática que describe una forma de
representar los colores.
• Los colores son vectores donde cada valor

es la respuesta de un filtro y se le conoce
como componente

Modelos de Color
• Algunos de los modelos de color más usados
comparten esta idea del color tridimensional
– En estos son en los que nos vamos a centrar aquí
• Pero hay modelos de coloración (este término es

más general que el de modelos de color) que no
están definidos sobre tres valores.

Modelos de Color
• Vamos a discutir cuatro modelos estándares:
– Espacio de color CIE 1931
– RGB (Red-Green-Blue)
– CMY/CMYK (Cyan-Magenta-Yellow-BlacK)
– HSI (Hue-Saturation-Intensity)

Modelos de Color
• Otros modelos importantes incluyen:
– HSV
– HSL
– YIQ/YUV
– xvYCC
– Sistema de color Munsell
– NCS
– RGK

Espacio de color CIE 1931
• La comisión internacional de iluminación CIE
(Commission Internationale de l'Eclairage) es el
organismo internacional para describir estándares
de luz, iluminación, colores y espacio de colores.
– http://www.cie.co.at/cie/
• En 1931 publicaron el espacio de colores CIE XYZ

o CIE 1931 que es la base para otros modelos de
color

• El espacio de color de la CIE está basado
en la percepción humana promedio.
• El ojo humano tiene tres tipos de

fotorreceptores, de forma que se necesita
un espacio tridimensional para representar
todos los colores posibles.

Filtros CIE
Imagen obtenida de
es.wikipedia.org

• …sin embargo, su representación más común es
en un grafo bidimensional, llamado el diagrama
de cromacidad
• Para pasar de tres dimensiones a dos, la CIE

piensa en el color como si este tuviese dos
componentes:
– Brillo y
– Cromacidad.

• El brillo se refiere únicamente a la
intensidad
– Ejemplo:
• Blanco, gris y negro, no son más que el mismo color
pero con distinto brillo, es decir con más o menos
intensidad.

• La cromacidad captura las otras dos
dimensiones, con unas funciones de
transformación desde el espacio
tridimensional al bidimensional
• Este espacio tiene una representación
gráfica particular

• La figura se la conoce
como gamut, y
representa todas las
tonalidades visibles al
ojo humana

• La curva exterior
superior se conoce
como spectral locus e
identifica a los colores
monocromáticos
– Se indica la longitud de
onda

• La línea recta inferior
se conoce como línea
púrpura e identifica a
los colores no
monocromáticos para
el ojo humano

• En el centro van
apareciendo colores
menos saturados, hasta
llegar al blanco.
– Nota: No confundir la
saturación del color
(intensidad de un tono) con
la del dispositivo de
adquisición de la imagen (el
dispositivo ya no puede
absorber más radiación).

RGB
• Se considera una sistema de adquisición con tres
filtros ópticos situados aproximadamente en las
bandas Roja, Verde y Azul
• Surge de forma natural, ya que se corresponde

aproximadamente con los tres tipos de
fotorreceptores del ojo humano.

RGB
• Utiliza un modelo aditivo
Imagen obtenida de
es.wikipedia.org

RGB
• RGB está basado en un sistema de
coordenadas cartesianas.
• Forma un cubo tridimensional donde cada

dimensión se corresponde con las
diferentes componentes; Rojo, Verde y Azul.

RGB

RGB
• El cubo está representado de forma
contínua, y normalizado al rango [0,1]
• Tras una digitalización, cada dimensión

tendrá 2k valores en cada eje
– Esto da un total de (2k)3 colores

RGB
• Existen variantes de RGB
– Safe RGB: usada en la web donde el cubo se

ha discretizado a tan sólo 216 valores (ver
González y Woods para más detalle)
– Estándar RGB (sRGB) creado por HP y

MicroSoft, y aprobado por otras compañias
• Estándar IEC 61966-2-1

CMY/CMYK
• Es el estándar de las impresoras ya que
está pensado para pigmentos
• Se puede obtener como una simple

transformación de RGB
[ ][][ ]
C 1 R
M =1 −G
Y 1 B
CMY/CMYK
• Usa una mezcla substractiva

CMY/CMYK
• CMYK es una variante de CMY donde la K
significa que se añade el pigmento negro.
– Nota: La necesidad de introducir el pigmento negro es

debido a razones prácticas (la mezcla de tres pigmentos
que no sean perfectos, da lugar a un pseudo-negro), de
forma que las impresoras incluyen aparte tinta negra.

HSI
• Hue-Saturation-
Intensity
Imagen modificada de
González y Woods

Transformaciones
Colorimétricas
• Las transformaciones colorimétricas

permiten el paso de un modelo de color a
otro [Wyszecki y Stiles, 1982].

Transformaciones
Colorimétricas
• Sean P y Q dos espacios de color.
• La transformación desde P a Q puede escribirse

como:
Q=T·P
Donde T es la matríz de transformación

Transformaciones
Colorimétricas
• La matriz T es fija para una determinada
transformación
[ ][ ][ ]
q 1
t 11
t 12
L t
1m
p 1
q t t L t p
=
2 21 22 2m 2
M M M O M M
q n
t 1n
t 2n
L t
nm
p m

Transformaciones
Colorimétricas
• Nota: La transformación RGB a CMY y
viceversa, si bien es posible describirla
como Q=TP, normalmente se expresa de
forma más sencilla como Q=T-P, donde:
[]
1
T= 1
1

Transformaciones
Colorimétricas
• En algunas transformaciones colorimétricas puede
haber pérdida de información.
• La calidad de una imagen que ha sufrido una

transformación depende de:
– El solapamiento de los gamuts de los diferentes espacio
de colores
– La calidad del color (i.e. El muestreo y la cuantificación)

Transformaciones
Colorimétricas
• En las siguientes direcciones puedes encontrar
información sobre diferentes transformaciones y
algunos algoritmos.
– http://local.wasp.uwa.edu.au/~pbourke/colour/convert/
– http://www.easyrgb.com/math.php?MATH=M12
– http://www.cs.rit.edu/~ncs/color/t_convert.html
– http://kogs-www.informatik.uni-hamburg.de/~koethe/vigra/doc/v

Iluminación
“En visión, todo depende de la adquisición de la

imagen, y en la adquisición de la imagen, todo
depende de la iluminación”
E.R.Davies

La importancia de la
iluminación
• Al implementar un sistema de visión, lo más
importante es el sistema de adquisición de
la imagen.
• Las deficiencias en la imagen adquirida

puede causar serios problemas al análisis
de las mismas.

iluminación
• El punto más crítico en el sistema de
adquisición de la imagen es la iluminación
de la escena.
• Entendemos por iluminación de la escena al

conjunto de fuentes de luz, y sus
localizaciones.

iluminación
• La iluminación de la escena afecta a como se
perciben los objetos.
• Cuando la iluminación de la escena no es

adecuada, surgen problemas de adquisición en la
escena.
– Si bien existen algoritmos robustos a iluminaciones no
adecuadas, el tratamiento de imágenes con una
iluminación adecuada es más sencillo y más fiable.

Un esquema de iluminación
sencillo
• El esquema de
iluminación más sencillo
es aquel donde sólo
tenemos una única
fuente de luz puntual y
dirigida.

sencillo
• Observa que la cámara y la
fuente de luz:
– A) Están a una cierta

distancia del objeto
– B) Están en direcciones
relativas diferentes con
respecto al objeto

sencillo
• La intensidad de la luz
incidente sobre un
objeto provocada por
una lámpara puede
aproximarse con una
función Gaussiana
1 − ( x − µ )2 / 2σ 2
f ( x) = e
σ 2π

sencillo
• En 3D
1 − [( x − µ x ) 2 / 2σ 2
+ ( y − µ y ) 2 / 2σ 2
]
f ( x, y ) = e x y
2π σxσ y
Problemas de iluminación
1. Las diferentes partes de un objeto no están
iluminadas de manera uniforme.
– Sin importar la geometría que tenga este objeto
– Este efecto es más notable cerca de las orillas del

objeto
– Variaciones en el ángulo de incidencia provocan que

la cámara capte diferencia en el brillo.

1. El brillo no sólo depende del ángulo de
incidencia, sino también de la reflectividad de la
superficie y de la especularidad
• La interacción de la luz con la materia S(λ) puede

considerarse en dos partes
• lo que ocurre en la superficie del objeto
• lo que ocurre dentro del objeto.
• A su vez, la componente de la superficie se puede
descomponer en una componente difusa y una
componente especular.

• Partes del fondo, partes ocultas de objetos, y
quizás objetos enteros, pueden estar en
sombras.
• No tiene por que haber un único objeto en la escena
• Los objetos no tiene por que tener formas regulares,

dejando partes con una iluminación desigual

1. La luz que rebota en un objeto, puede
iluminar a otro, con lo que el ángulo de
incidencia de la luz varía.
– Esto puede dar lugar a variaciones muy

complicadas.

Geometría de la Reflexión
• Donde:
– s es el vector dirección de la
fuente de luz
– s´ el el vector reflectancia
especular ideal
– v es el vector dirección del

observador
– n es un vector normal
(perpendicular) a la superficie

• Donde:
– i es el ángulo de incidencia
– e es el ángulo emergente
– g es el ángulo de fase
θ es el ángulo entre la dirección

emergente y la dirección
especular ideal

• La luz que llega al observador es:
λΩ
i (l ) = ∫ I (λ , l ) ⋅ R(λ ) ⋅ S (λ , l )dλ
λα

• A una determinada longitud de onda λi y
normalizando el filtro R(λi)=1
i (l ) = I (l ) ⋅ S (l ) λ i
• Y teniendo en cuenta que la escena es
tridimensional y la imagen es bidimensional
i ( ximagen , yimagen ) = I ( x, y , z ) ⋅ S ( x, y , z ) λ i

• S(x,y,z) depende de los ángulos de las
posiciones relativas de la fuente de luz, y
del observador, es decir, se puede expresar
como:
S(n,s,v)

• El modelo de iluminación de Phong (1975)
establece una buena aproximación a la
reflectancia de muchas superficies es:
S ( n, s, v ) = S cos(i ) + S cos (θ )
0 1
m
• Donde:
– S0 es la reflectancia absoluta
– S1 es la componente especular de la reflectancia

• Observese, que si la superficie es
Lambertiana ideal (la luz se emite por igual
en todas las direcciones), entonces no hay
componente especular, y por tanto:
S ( n, s, v ) = S0 cos(i ) = S0 s ⋅ n

Eliminando sombras
• Uno de los problemas de la iluminación es
que quedan partes de objetos en sombras.
• Es conveniente eliminar las sombras ya que

estas modifican el brillo de los objetos (i.e.
La intensidad capturada por el fotoreceptor).

Eliminando sombras
• Una estrategia común para eliminar
sombras es tener más de una fuente de luz.
– Esto disminuye el contraste producido por las

sombras.
– Suele ser usada por fotógrafos

Eliminando sombras
• No necesariamente soluciona el problema
del todo
– Puede haber objetos con concavidades fuertes

que queden sin iluminación

Eliminando sombras
• Además tener más fuentes de luz, hace que
se pierda la direccionalidad de la misma
– Ahora la luz proviene de varias direcciones
– Perder la direccionalidad de la luz da lugar a

otra serie de problemas

Eliminando sombras
• Una estrategia que ha demostrado ser más
eficiente es tener una única fuente de luz
pero en forma de anillo alrededor de la
cámara.
– Sin ser perfecta, esta es una solución

relativamente barata y efectiva.

Iluminación Uniforme
• No se trata de que la iluminación sea

uniforme en la escena, sino de que la
distribución espacial de la luz que emana de
la superficie del objeto en la escena parezca
uniforme. [Davies2005]

• No se trata por tanto de controlar la
iluminación I(λ,l) per se, sino la intensidad
que llega al observador i(l)
• Una forma de ayudar es eliminando la

componente especular S1 de la reflectancia
del objeto S(λ,l)

• A continuación se presentan algunos

esquemas de disposición de la iluminación
que eliminan o reducen las componentes
especulares y así obtienen una intensidad
uniforme.

• El montaje de iluminación varía según sea

la forma y tamaño de la región sobre la que
queremos tener una iluminación uniforme.

• Geometría para la
iluminación con un
único punto de luz
– h distancia desde el
punto de luz al objeto

• Geometría para la
iluminación con dos
puntos de luz

• Dos luces tubulares
paralelas
– Para regiones
rectangulares

• El efecto de usar dos
luces tubulares paralelas
para iluminar una
superficie
• La línea punteada
muestra la intensidad
combinada de ambas
luces
– Observe que al separarlas
demasiado el patrón de luz
varía

• Una luz de anillo
– Para regiones
circulares

• Cuatro luces tubulares
formando un cuadrado
– Para regiones
cuadradas

TI02 - AdquisicionDigitalizacionMuestreo

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

TI02 - AdquisicionDigitalizacionMuestreo

Загружено:

Авторское право:

Доступные форматы

Tratamiento de Imágenes

28/11/09 Héctor Alejandro Montes 3

– Sólo se diferencia de otras ondas en su longitud de

– A veces usamos el término luz para denotar cualquier

28/11/09 Héctor Alejandro Montes 4

28/11/09 Héctor Alejandro Montes 5

28/11/09 Héctor Alejandro Montes 6

Donde h es la constante de Planck (6.626·10-34 J·s)

28/11/09 Héctor Alejandro Montes 7

28/11/09 Héctor Alejandro Montes 9

28/11/09 Héctor Alejandro Montes 10

28/11/09 Héctor Alejandro Montes 11

Material fotosensible Salida eléctrica

28/11/09 Héctor Alejandro Montes 12

– Fotodiodos - más común en las cámaras

– Fotosensores de juntura (fotoceldas, fototransistores, fototiristores,

28/11/09 Héctor Alejandro Montes 13

• Podemos distinguir dos tipos de sensores

28/11/09 Héctor Alejandro Montes 14

28/11/09 Héctor Alejandro Montes 15

– Suelen ser más propensos al ruido que las digitales

– Más lentos al adquirir la imágen

28/11/09 Héctor Alejandro Montes 16

– Alta relación señal-ruido

– Frame rate alto

28/11/09 Héctor Alejandro Montes 17

• La digitalización consiste en transformar

28/11/09 Héctor Alejandro Montes 18

• Para digitalizar una imagen, hay que hacerlo

28/11/09 Héctor Alejandro Montes 19

28/11/09 Héctor Alejandro Montes 20

28/11/09 Héctor Alejandro Montes 21

28/11/09 Héctor Alejandro Montes 22

• Discreta no es lo mismo que continua muestreada!

28/11/09 Héctor Alejandro Montes 23

x(t) → F(x(t)) → y(t)

28/11/09 Héctor Alejandro Montes 24

28/11/09 Héctor Alejandro Montes 26

– Muestreo por impulsos

28/11/09 Héctor Alejandro Montes 27

28/11/09 Héctor Alejandro Montes 28

28/11/09 Héctor Alejandro Montes 29

28/11/09 Héctor Alejandro Montes 30

28/11/09 Héctor Alejandro Montes 31

28/11/09 Héctor Alejandro Montes 32

• Ejemplo: Muestreo por impulsos

• La función f(t) se puede reconstruir a partir de estas

28/11/09 Héctor Alejandro Montes 34

– No se pueden construir filtros perfectos, lo que significa

– Normalmente se usan ratios de muestreo 20% superior

28/11/09 Héctor Alejandro Montes 35

• En imágenes se tiene el dominio espacial y

28/11/09 Héctor Alejandro Montes 36

– Wx es el ancho de banda espacial

– Y por tanto la condición de muestreo es: 1/X≤2Wx

28/11/09 Héctor Alejandro Montes 37

• Esto es debido a que habrá errores de

28/11/09 Héctor Alejandro Montes 38

• La conversión de esta secuencia analógica

28/11/09 Héctor Alejandro Montes 39

28/11/09 Héctor Alejandro Montes 40

28/11/09 Héctor Alejandro Montes 41

– A L se le conoce a veces como número de niveles de

– Si k=1 ⇒ L=2 y hablamos de imágenes binarias o en