Resumen_Primer_Parcial Felipe.pdf

Percepción visual humana: Permite captar interpretar y comprenden...

Percepción visual humana: Permite captar interpretar y comprenden el mundo a traves de la Vista. El ojo capta información visual brillos y tonos los convierte señales traves de la retina y en a. Estructura del ojo : · Cubierta exterior - Córnea Transparente > ↳ Esclerótica opaca. Capa Intermedia Coroides (Contiene nutrientes oxígeno · sanguíneos > y - - vasos - > Iris : Controla el paso de luz , el tamaño de la pupila cuerpo, ciliar x ajusta la lente enfocar - · Capa interna > - Retina - con fotorreceptores > - conos : visión del calor - > - bastones : visión con poca luz. Macula Forea -Punto de visión más nítida Forea Mácula -Detalles finos y colores Imagen digital Imagen Digital Representación atvisiblea : 2D del espectro de CCD > - por cos Muestreo : Convertir una señal continua en una señal discreta. Selección de un número finito de puntos. · Resolución -- Puntos por pulgada (PPP ↳ milimetro (lP/mm S Pares de línea Cuantificación : Proceso de convertir los valones de amplitud continua en un conjunto finito de valores discretos. Imágenes Medicas - Mayor prefundidad de bits para mayor precisión. 2 Matrices > - X aumenta hacia abajo. ↳ la aumenta hacia derecha y. Menor tamaño de sensores- Mayor resolución es Menor sensibilidad. Menor tamaño Mayor resolución sensibilidad. Médicasi de sensores - - Mayor Imágenes  Vecindarios Neighborhoods : 4 conectado 8 conectado : 26 conectado : I S I 2 Y 2 3 7 - - - - - 3 6 5 Y / Pixeles : (2D + 1) - 1 & Vokeles : (2D 1) : 1 + Imágenes en color S 3 RGB-Cada canal de calor profundidad de 8 bits (28 / Total de imagenes : Hay 3 canales Humanos : CIELAB/HSU Escala de grises : Usado en : Radiografias. Tomografías resonancias magnéticas y ecografías. RGB : Estos colores se corresponden con fotocélulas receptorasconos Usado en : endoscopia o detección de melanoma. HSV (Tono , saturación Intensidad (Hue, Saturation Intensity Modela la humana del color el RGB percepción con mayor precisión que. · Tono (H) : Tipo de color (0 = rojo , 120 = verde , 240 = azul · Saturación ISS Intensidad. So Desaturado grise : : ↳ S= 1 : Saturado (Puro · Intensidad (1) : Brillo > - I= 0 : Negro ↳ I = 1 : Blanco Separa la Intensidad del tono y saturación. HSV Tono saturación Valor SHue Saturation Value · Tono (H) : Tipo de color (0 = rojo , 120 = verde , 240 = azul · Saturación ISS Intensidad. So Desaturado grise : : ↳ S= 1 : Saturado (Puro · Valor (VI : Brillo del color - v= 0 Negros ↳ V 1 Brillo máximos No tiene = e parque ser blanco. 1000! &Intensidad =Bla HSV más eficiente para procesamiento de imágenes. YOV/XCrCb Cuminancia y Cromancia Separa la luminancia (X de la cromancia UV o Cr. Cb Permite la compresión de video y procesamiento de manera eficiente. > - Videoendoscopia y algoritmos de compresión. ClELAB (L* a *, b > - * : luminosidad ↳ F b* : Dimensiones del color oponente. => Segmentación de tejidos siendo necesaria la diferenciación precisa del color. Pseudocolor : > - PET ↳ SPECT ↳ IMRI Generan imagenes escola de le color específico en grises que se asigna un Para indicar niveles de acumulación de radistrazador. Histograma de la imagen Representación visual de la distribución de intensidad de los valores de un pixel. Izquierda Valores bajos oscuros · : más · Derecha : Valores más altos.  Transformaciones de imagen a imagen Reciben imagen de entrada de salida una y producen una imagen modificada Objetivo : Mejorar transformar o filtrar la imagen origninal para hacer que ciertas características sean prominentes. · Transformaciones Afines : Lineales rotar desplazar traslador ,. Transformaciones de intensidad: A partir del histograma ajustan brillocontraste. · Filtros espaciales : Suavizar /Media mediana resaltar bordes Sobel Laplacianos gaussiono, o o , Filtros de frecuencia : Fourier Dom. espacial e Dom. frecuencia Técnicas multiresolución : Wavelet e Analiza en multiples resoluciones y descompone en frecuencias. Operaciones morfológicas : Modificar estructuras Erosión dilatación apertura cierre Transformaciones de imagen a objeto. Extraer información específica de la imagen , no modifican su apariencia. Resultado : Conjunto de características, Objetos detectados o valores numéricos · Segmentación : Umbralización bordes contornos , agrupación.. Extracción de características Extrae atributos medidas de los la : y objetos en imagen.  Transformaciones Afines Transformaciones que conservan puntos. lineas rectas planos y paralelismo pero no necesariamente distancias ángulos euclidianos y. Conserva proporciones de las longitudes de los segmentos. No conserva ángulos ni distancias. Dos pasos > - Transformación espacial de coordenadas. ↳ los pixeles Interpolación de intensidad para asignar valores de intensidad a transformados. =10 Transformación identidad : - Iraslación : Desplaza la imagen a lo largo de los ejes sin alterar su forma tamaño u orientación. (y x a) = = x + +x m + = y + CV2 Matriz WarpAffine de 2x3. ·. : · Cuz. WorpPerspective Matriz de : 3x3. Pueden incluir distorsiones Rotación : Proceso de cambiar la orientación radial de una imagen alrededor da un punto fijo forigent Rotación en sentido antihorario : x = XCosA-ysenC y XSend + y cos O = Sin escalado. Obtener matriz de rotación : M = CVC. get Rotation Matrix2D colsiz rous angle En Scipy directamente : rotated-imagen = Scipy ndimage.. rotate( ESCALADO : Cambiar el tamaño de una imagen o de un objeto mediante un factor de escala, que puede vario a lo largo de los ejes. Cambia la distancia entre puntos pero conserva forma y orientación. ( C1 Imagen escalada más grande - > >1 escalada Imagen más - > pequeña (x = Cy > - Escala Uniforme /(x + Cy > - Escala No uniforme J scale-x -y8) newcols = scale-x. cols M = - scale new rows = scaley. rows valar nuevos pixeles - scaled-image = CVI. Warp Affine image, M enewcals neurouss. flags = CVI. INTERCUBI En scipy : Scipy ndimage.. zoom ( REFLEXICN Tipo de escalado que voltea la la lorgo de un eje creando imagen a : , una imagen reflejada. 8) =()den de referencia 8) (() = de referencia · reflected imagen = cul. flip image II I : horizontal 0 : vertical ↳ diagonal : -1 CORTE (Shear S : Corrección geométrica, aumento de datos. Su [ vertical = 0 > - Esfuerzo cortante Su Cortante horizontal = 0 - > Esfuerzo. 81 o shear-factor Corte horizontal M = 1 Eje x sheared-image = cv2. WarpAffine image. width N. height new , horizontal - cambia el ancho.  Transformaciones No Afines RECORTE (Cropping) : Seleccionar una región rectangular de imagen descartar y una el resto. No requiere funciones específicas INTERPOLACIÓN : No es una transformación Afín. Se usa para estimar valores de pixel en ubicaciones desconocidas basándose en píxeles conocidos. Splines : Función polinomial por partes que se usa para interpolar un conjunto de puntos de datos. Se convierte en multiples segmentos cada uno definido en un intervalo. Vecino No más splin-> función constante por partes > - cercano : es es. > - Bilineal : Splines bilineales. Bicuadrática Polinomio de segundo grado > - :. > - Bicúbica : 16 pixeles más cercanos , polinomio cúbico. De orden polinomio de grado 45 > - superior :. > - Interpolación Lanczos.  Dominio espacial li representación de la imagen como una colección de píxeles dispuestos en una cuadricula ED. Las transformaciones de intensidad se basan en los valores de las intensidades individuales Y en los valores circundantes. Técnicas de > - Funciones de mapeo matemático. procesamiento de puntos - Tecnicas basadas en histogramas. > - Corte de plano de bits. Funciones de Mapeo Matemático Transformación negativa Inversali Transformación lineal que invierte los valores de intensidad de la entrada la imagen de con respecto a profundidad de bits maxima. En algunos casos es más fácil analizar algunos detalles en la imagen negativa. Cv2 bitwise-not inverted- cu2 bitwise not l image image · me =.. Corrección Conocida la Gamma : como transformación de ley de potencia. Ajusta el brillo de la coincida la humana del brillo imagen para que con percepción. Hace la brillante través del mapeo no lineal imagen más u oscura a. · U = 1 > - Salida = entrada que entrada.Asigna · 01 - salida más brillante un valor mayor · >1 - Salida más oscura que entrada. (Asigna un valor menore ioso ! Suele ser necesario normalizar 20 255]. · np power. me corrected image = Mp vintSCp power image /255.. , gammal. 255 Transformación Logarítmica Mejora : la visibilidad de los detalles en regiones oscuras. Resultado - imagen más brillante. Equivale a la corrección paraJes La corrección gamma es más agresiva mientras que la transformación logaritmica es más gradual. · np log1p. -> log-image = np. vints//np. log/primages /np log / 256). : 2550 Transformación exponencial : inversa de la transformación logarítmica se usa para expandir brillantes regiones y comprimir oscuras. Equivale a la corrección para 131 Hace que los detalles en regiones más brillantes sean más prominentes. · np expm1m exp-image. = np vints. (np expms/image/255.. p. log (256) y Corrección Sigmoidea : Asigna las intensidades de entrada a los valores de salida de manera suave no lineal y. Mejora el contraste, especialmente en el rango medio. Hay ~ 3 normalizar L controla el contraste => X el contrasie aumenta X 10 = que. I B controla el brillo BP el brillo disminuye B = 05 Transformación lineal por partes: Puede mejorar o suprimir ciertos rangos de intensidad mientras mantiene una relación lineal dentro de sus rangos. Permite ajustes de contraste más flexibles localizados. y Nivel de intensidad de corte - Hard level slicing : Produce una imagen binaria donde se resulta de intensidades mientras los valores un vango que fuera de este valor bajo =or rango se ponen a un Soft level los valores dentro · A de slicing : un rango se pueden mejorar asignado un rango específico (no necesariamente un valor único). Los valores fuera del rango pueden permanecer inalterados o modificarse más gradualmente. => Ventanas : En imagenes TC Utilizan HU extraidas de archivos DICOM  - lécnicas basadas en histogramas Dos imágenes muy diferentes pueden tener el mismo histograma. El histograma no tiene en cuenta la relación espacial de intensidades de los pixeles con Sus vecinos. Umbralización : Convierte una imagen en escala de grises en una imagen binaria. Asigna valores por encima y por debajo de un umbral. CV2 threshold threcold-value binary-image threshold /image 255 ·. m = CU).. TRESH - BINARy , , Umbral Adaptativo Calcula el umbral para más pequeñas de la imagen lo que regiones : , permite una segmentación más precisa con iluminación desigual. Cu2 adaptative Threshold adaptative image cv2 adaptative Threshold/image 255. · =.. -. Cuz. adaptative thresh mean media de los valores de pixel. cuz.adaptive- thresh gaussian es suma ponderada de los valores. Estiramiento por contraste : Mejora el contraste de una imagen al asignar linealmente el de valores de intensidad de la rango imagen original a un nuevo rango de valores más amplios · np. clip image, lower-bound upper-bound Marca los valores fuera del rango. Cuz normalize / clipped image None 0. 255. CU. NORM MINMAX Ecualización del histograma : Mejora el contraste al redistribuir uniformemente los valores de intensidad. todos los de intensidad Crea histograma uniforme es valores sean igual de probables. cu) equalizeHist /image ·. CLAHE : Ecualización de histograma adaptativa limitada por contraste. Técnica avanzada de ecualización. Funciona en pequeñas regionesmosaicos , siendo util en imágenes con iluminación desigual. · Clade = cuz Createlahey. > - Crea un objeto CLAHE. · clahe-image = clabe. aply image I Aplica al algoritmo.  Corte en planos de bits Descompone la imagen en sus componentes binarias o planos de bits. > - Plano de bits O : contiene el bit menos significativo LSB. Tiene menos influencia y suele ser ruido. Plano de Contiene el Tiene influencia bits 7 bit más significativo (MSB mayor > : -.. · Resultar ciertos detalles al aislar planos de bits. Compresión centrada los planos más significativos · en. Reducir ruido al planos ignorar ciertos.. Filtros espaciales : Manipulan los valores de los pixeles en función de las intensidades de sus pixeles vecinos. imagenesReducciónderi. e - Restauración de - Detección de bordes. Filtro lineal : Cumple -Aditividad i Filtrolim. I im 2. = filtro Im. I + filtro Im. 2 Promedio Gaussiano La placiano -Homogeneidad : Filtro cimagen = C. filtroimagene Filtro No lineal : No cumple. Mediana , MaxMin , Sobel i Prewitti Bilateral Reducción de ruido : Filtro Medio Mediana "Gausiano "bilateral Conservación de detalles : Filtro de mejora de bordes. Detección de bordes : Filtre Sobel Filtro Laplaciano Operaciones Filtro Min /Max morfológicas : CONVOLUCIÓN : Tamaño de salida : (N-C-1N 30 - N > n N Tamaño imagen N y : Tamaño Kernel n impares n No quitasfil,se Zero Padding : Rellena con Os. - ENT-1) x (N + m 1)) Relleno Constante Se selecciona número rellena el. y con : un se Relleno del vecino más cercano : Replica la fila columna mas proxima y. Relleno de valores reflejados : Replica las últimas 2 columnas fila pero y reflejandois 2112 Imagen tet Acolchado envolvente : Replica el extremo opuesto SIN RETEJAR - 67123456732 - - K im K  Filtro de Media : Filtro NO ponderado todos las valores iguales 111. 1 11 11 ↳ Ni Suma valores del filtro. Para que no se escale la intensidad de filtrar. · Reduce ruido aleatorio. · Desenfoca la imagen. Los los bordes detalles finos y nítidos · se suavizan. · Conocido como filtro paso bajo. Filtro Gaussiano : Filtro ponderado. 121 to 2 L Para la normalización dividir hay que. · Reduce el ruido. · Preserva mejor los bordes. Equilibrio entre mantener características · suavizado y. > - El filtro gaussiano se consigue mediante producto exterior : Me x -- Gi k = vv = Jab p Filtro de mediana : Filtro No lineal. Se establece el núcleo , se ordena de mayor menor ; selecciono el valor central a y el centro del núcleo el valor central. sustituyo por Reduce el sal ruido de pimiento ruido impulsivo · y.  Filtro Máximo z Dilatación Realza los valores más brillantes. Filtro Mínimo Eresión Realza zonas oscurasmínimo del vecindario. Filtro bilateral : Filtro No lineal. Preserva bordes reducel ruido y. · Filtrado espacial : Proximidad espacial. · Filtrado de Considera la diferencia de intensidades rango :. Mejora de bondes : Resalta los componentes de alta frecuencia y su prime los componentes de baja frecuencia. Valor el centro valores positivo negativos rodean · en y pequeños. +0 Conserva contenido de la contraste bordes mejora > imagen - : en y. z 0 Enfatiza los bordes disminuye las otras partes. > : pero - = Bordes Zona de cambios : significativos. Estos cambios mediante la derivada se pueden obtener primeral segunda. Elvuido crea bordes falsos por lo que hay que procesar antes de aplicar 22 derivada. & Las derivadas calcular se utilizando aproximaciones discretas. Filtro Sobeli Filtro espacial de primera derivada. - 12 - 1 -101 00 0 - 202 121 - 101 Máscara sobel X : Detecta bordes Máscara sobel X : Detecta bordes verticales los del horizontales. Destaca cambios verticales resalta cambios a la largo eje X. Máscara Sobel diagonal : 2 o 0 - 1 - 2 - I 01 10 - 1 0 12 210 Filtro Scharr : Para detector bordes. Versión optimizada de Sobel. Más preciso Detección de bondes más nitida precisa y. Filtro Laplaciano : Filtro de segunda derivada. Invariante a la rotación fisotrópico 0 10 111 1 - 41 1 - 81 01 0 111 Los filtros de segunda derivada introducen vuido. Primero filtro suavizado filtro el aplicanos de gaussianol para reducir ruido. E Laplaciano de Gauss CLoG : Combina suavizado detección de bordes y. 00 - 100 0 - - 2 - G -1 - 216 - 2 - 1 0 - 1 - 2 - 10 00 - 100 Diferencia de Gaussianas : No es un filtro de segunda derivada. 19 Suavizado con desenfoque gaussiono. 2 Resta de imagenes borrosas para enfatizar bardes. DoG es computacionalmente eficiente e Operaciones Morfológicas : Técnicas de procesamiento de imagen que se centran en el análisis y la manipulación de formas. S Objetivo - Eliminar ruido. - > Mejorar la estructura. Limpiar ruido, rellenar huecos definir limites. ↳ Extraer características relevantes. Emplean un elemento estructurante que se desliza sobre la imagen. Se pueden aplicar sobre imágenes binarias escala de o en grises. ¿ En que tipo morfológicas. 1 de imagen se aplican operaciones Elemento estructurante MatrizNúcleo suele su centro que origen que ser : posee un. DILATACIÓN límites : Operación fundamental que se utiliza para ampliar los de los objetos en una imagen. Permite que los pixeles se expandan pudiendo vellenar huecos. I' : Imagen binarizada I = I + S. S : E estructurante.. I : Imagen entrada. Proceso : 1. - Coloco el origen de s en el primer pixel. 2.. - Realizamos operación máxima en la zona de la matriz los 1valor predominante -Si alguno de pixeles es blanco Origen = I - Si vale 1 establece el valor a 0 ninguno se.. 3 Repetimos en el siguiente pixel. Dilatación en escala de grises : El algoritmo es similar pero en el paso 2 el resultado de la operación máxima es el valor máximo. Línea Hay la de Código introducir imagen, elem estructurante : e CV2. dilate que. iteraciones. El el est habría definirlocrearlos.. que  Erosión tamaño : Operación fundamental opuesta a la dilatación utilizada para reducir el de los objetos eliminando pixeles. I' : Imagen binarizada I = I - S. S : E estructurante.. I : Imagen entrada. Proceso : 1. - Coloco el origen de s en el primer pixel. 2.. - Realizamos operación mínima en la zona de la matriz los Ovalor predominante -Si alguno de pixeles es oscuro Origen = O - Si vale establece el valor a 1 ninguno O se.. 3 Repetimos en el siguiente pixel. Erosión de El resultado en escala grises : algoritmo es similar r pero en el paso 2 el de la operación mínima es el valor mínimo. Línea Hay la de Código introducir imagen, elem estructurante : e CV2 erode. que. iteraciones. El el est habría definirlocrearlos.. que Da como resultado una imagen donde las zonas oscuras han aumentado. 2 ¿A qué corresponde el primer plano! Pixeles con valor 1 blancos Apertura y Cierre. Apertura : La apertura se define como la erosión seguida de la dilatación I=S = (1 - S) + S Se utiliza Bordes suaves para. ↳ Romper estructuras delgadas y largas. ↳ Eliminar artefactos o ruido del primer plano. Cierre : El define la dilatación