Documente Academic
Documente Profesional
Documente Cultură
Nmero de resultado:
realizar el
proceso de redimensin espacial. Este proceso genera poca carga computacional, es decir, menor
tiempo de procesamiento .Asimismo, la ventaja de este proceso en el domino espacial es que se
mantiene el valor original de intensidad del pixel. Generalmente, la interpolacin por vecino
cercano, se emplea cuando se realiza escalamiento de imgenes de reas urbanas, datos para ser
clasificados, datos temticos, etc.
Modelamiento Matemtico :
Sea f una imagen y h(t) una funcin paramtrica definida por:
Se calculan los valores interpolados para cada punto (r, s) de la imagen interpolada, definindose
t1 = rx x y t2 = sy y . x y y son las respectivas distancias horizontal y vertical entre los
puntos conocidos de la imagen de entrada. La figura 2 ilustra una aplicacin el mtodo del vecino
ms cercano utilizado en este caso para ampliar la seccin de una fotografa de un instrumento
musical. En la parte izquierda de la figura se muestra la fotografa original, a la derecha de esta se
encuentran dos secciones de esta misma con ampliaciones por factor Sx=4 (parte superior) y por
factor Sx=16 (parte inferior).En ambas ampliaciones se puede ver el efecto de pixeleado que
muestran las imgenes interpoladas usando este mtodo. A mayor factor de escalamiento, ms
toscos se volver el pixel de la imagen escalada, se generaran imgenes de baja calidad.
En el proceso de escalamiento se cuenta con dos factores de escalamiento Sx, Sy, los cuales
realizan el proceso a nivel de filas y columnas con respecto a la imagen original. Debemos tener
en cuenta lo siguiente en el proceso ,siendo Sx e Sy factores de escalamiento :
Sx = Sy
Sx Sy
Sx,Sy >1
Sx,Sy <1
La imagen no se deforma
La imagen se deforma
Zoom Positvo
Zoom Negativo
Modelamiento Matemtico :
La funcin paramtrica h(t) para el mtodo de interpolacin bilineal est definida por la ecuacin:
Los valores de t1 y t2, los cuales son calculados en funcin de r y s como se especifica en el
proceso anterior de vecino cercano. En la figura 1 se visualiza la funcin paramtrica utilizada para
interpolacin bilineal y un ejemplo de este mtodo aplicado a la seccin de una fotografa. En este
caso, la imagen interpolada muestra un defecto denominado borroso que se refleja en la escasa
definicin de los bordes de los objetos de la imagen. En la figura 2 se puede apreciar una regin
amplificada en Sx = 4, de una fotografa, utilizando interpolacin bilineal.
El
escalamiento en factor positivo (Sx,Sy>1) requiere de un proceso de interpolacin bilineal entre
los pixeles para evitar las discontinuidades entre ellos mismos.
Se realiza un round a P(Xo,Yo) para que los valores finales se encuentren dentro del rango de grises.
Interpolacin Vecino Cercano: El error de posicin es a lo sumo medio pxel; este error
es perceptible en objetos con fronteras rectas en las que aparece un efecto de salto
despus de la transformacin.
Nmero de resultado:
Procesamiento de Imgenes
3
Requerimiento : Ejemplo con una matriz de cada tcnica de interpolacin para aumentar
y comprimir una imagen
Matriz Sx = 2 Bilineal :
Matriz Sx = Bilineal :
Nota : Se convirti la matriz de tipo double en uint8, por eso se redondean lo valores resultantes,
para que se encuentren dentro del rango de grises ( 0- 255 ).
Comparacin con la funcin Imresize de Matlab :
Se compararon los resultados obtenidos con la funcin imresize :
Matriz de prueba :
Matriz Sx = 2 Bilineal :
Matriz Sx = Bilineal :
Observaciones :
Podemos observar que correspondiente a la interpolacin Vecino Cercano, los resultados de
nuestra
funcin
implementada
escalam(Matriz,Sx)
los
valores
interpolados
resultantes
(aumento y compresin) son los mismos obtenidos al aplicar la funcin imresize de matlab. Hay
que considerar que el imresize no considera un efecto antialiasing en la interpolacin Vecino
Cercano.
Por
otro
lado,
la
funcin
que
empleamos
para
bilinearInterpolation(Matriz,Dimension_de_Salida)
realizar
la
interpolacin
bilineal
compresin ) no son iguales pero se aproximan a los valores generados por la funcin imresize de
matlab, para la comparacin se desactivo la opcin de Antialiasing en la funcin de matlab
(imresize(Matriz,Sx,'bilinear','Antialiasing',false)) , de esa manera los resultados se
aproximan ms a la funcin propuesta.
Los resultados obtenidos en la interpolacin bilineal fueron posteriormente procesados mediante
diversos filtros: gaussiano, mediana y promediador. Se emple un filtro promediador de [2 2]
debido a que la funcin imresize aplica filtros (Kernel) de esa dimensin, se utiliz con la
intencin de aproximarlo a los valores de dicha funcin. El filtro de mediana y el gaussiano se
aplicaron con una dimensin [3 3] para que realice una correcta difuminacion.
Sin embargo, no se obtuvieron resultados que se aproximen a los obtenidos por el imresize sin
antialiasing. Por ello, se decidi solo aplicar la funcin de interpolacin propuesta. Se emplearon
funciones predeterminadas de matlab para la realizacin de los filtros.
Matriz Original :
Para un Sx = 2 :
Funcin Imresize sin Antialiasing
Filtraje Gaussiano
Funcion bilinearInterpolation
Para un Sx = 1/2 :
Funcin Imresize sin Antialiasing
Filtraje Gaussiano
Funcion bilinearInterpolation
Como podemos observar, en ambos casos (Aumento y Compresin) los valores obtenidos por los
filtros, se aproximan a los valores obtenidos por el imresize sin Antialiasing, pero los cambios de
intensidad son muy bruscos comparando ambos resultados. Sin embargo, los resultados obtenidos
por la funcion bilinearInterpolation se aproximan mucho ms a los resultados de la
interpolacin bilinear por el imresize sin Antialiasing.
Anexo 1 :
El aliasing espacial en Imgenes
El aliasing espacial de las imgenes no es muy diferente del concepto de aliasing en general. Una
imagen analgica tiene un espectro de frecuencias as pero hay dos ejes de frecuencia debido a
que una imagen simplemente tiene dos dimensiones. Durante el muestreo de una imagen
analgica, el espectro de frecuencia espacial se duplica en las frecuencias de muestreo espacial de
los ejes. Esta situacin se ilustra a continuacin.
Filtros anti-aliasing
Para evitar problemas causados por el aliasing por la baja tasa de muestreo espacial. Estos
filtros eliminan componentes de alta frecuencia en la imagen lo que significa que se reduce el
ancho de banda de la imagen original. Para poder examinar este concepto una imagen con
aliasing, y la versin suavizada de esta imagen se obtienen a partir de las transformadas rpidas
de Fourier de ambas imgenes :
En la FFT de la imagen con aliasing observamos que los componentes de baja frecuencia son ms
oscuros que la FFT de la imagen suavizada mediante el filtro anti-aliasing. Mediante la aplicacin
de un filtro Pasa Bajas, las componentes de baja frecuencia se incrementan pero los componentes
de frecuencia ms alta se reducen lo que significa que el filtro suprime las componentes de
frecuencia ms altas. Cuando comparamos los componentes de mayor frecuencia de la imagen
suavizada con los componentes de baja frecuencia, notamos que la diferencia en la intensidad es
mayor que la intensidad de la imagen con aliasing. Dado que el aliasing se produce en
componentes de mayor frecuencia debido al hecho de que las rplicas de la imagen original
generadas por el muestreo en el dominio de frecuencia espacial cruzan, es decir generan un
crosstalk en la imagen original a frecuencias ms altas, por ello, la imagen con aliasing tiene una
distorsin a frecuencias ms altas, como se ve en las grficas.
Bibliografa :