Procesamiento de Imgenes

Nmero de resultado:

Requerimiento : La informacin terica de las tcnicas de interpolacin utilizadas

Procedimiento y/o Resultados Obtenidos (tablas y grficos) :

Introduccin
Cuando realizamos los diversos procesamientos geomtricos en una imagen digital, la cual se
considera como una matriz o un arreglo numrico, se genera un efecto de tipo geomtrico en la
imagen de tal manera que pueden cambiar las intensidades en los pixeles. En ese sentido, el
proceso de escalamiento en el domino espacial, consiste en agrandar la imagen, es decir, aadir
pxeles para poder magnificar la imagen.
Sin embargo, se suele tener algunos problemas al realizar este proceso, como la prdida de
nitidez en toda la imagen, especialmente en los bordes donde se encuentran los cambios bruscos
de intensidad, es decir, los pixeles se vuelven ms toscos en la imagen. La interpolacin se emplea
generalmente para los siguientes procesos en la imagen digital:

Interpolacin Vecino Cercano o de Orden Cero :

La interpolacin de vecino cercano es un mtodo bsico que consiste en aumentar el tamao de
cada pixel, solo se tiene en cuenta un pixel, el ms cercano al punto p(x,y) para

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:

La representacin bidimensional se ilustra en la figura 1. La funcin g(r, s) definida por la

ecuacin:

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

Zoom positivo : Aumento

El escalamiento en factor positivo (Sx,Sy>1) requiere de un proceso de interpolacin vecino
cercano entre los pixeles para evitar las discontinuidades entre ellos mismos.

Zoom Negativo : Compresin

Por otro lado, en este caso, si se quiere comprimir una imagen (Sx,Sy <1) requiere de un proceso
de interpolacin por vecino cercano , realizando una aproximacin al entero ms prximo respecto
a las dimensiones de la imagen comprimida. Los valores de la intensidades de la imagen
comprimida se obtiene de un previo proceso de aumento de la imagen:

Procedimiento : Caso de compresin Sx= 1/2

1) Se aumenta la imagen en un factor de Sx=2
2) Se escogen los pixeles cuyos ndices (en filas y en columnas) son mltiplos del
denominador del factor de escala de compresin, en este caso Sx =

Nota: Se consideraran otros casos y el proceso se explicar con mayor profundidad en el

diagrama de flujo de la compresin.
Interpolacin Bilineal :
La interpolacin bilineal, considera los 4 pxeles ms cercanos al pxel (x,y) a interpolar, se
aplican dos interpolaciones lineales, en filas y columnas. Asimismo, se obtiene un promedio entre
estos 4 puntos para llegar a un valor interpolado, es decir, resulta de una combinacin lineal de los
pixeles vecinos cercanos. La imagen resultante es ms suave que la del vecino ms cercano. Sin
embargo, la imagen final se puede apreciar un poco difusa y genera mayor carga computacional
que la interpolacin por vecino cercano.

Modelamiento Matemtico :
La funcin paramtrica h(t) para el mtodo de interpolacin bilineal est definida por la ecuacin:

La representacin bidimensional se ilustra en la figura 1. La funcin g(r, s) 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.

Anteriormente se hizo referencia, que durante el proceso de escalamiento se puede aumentar o

comprimir la imagen, los factores Sx e Sy deben ser iguales para mantener la forma de la imagen
para luego realizar el proceso de interpolacin bilineal.

Zoom Positivo : Aumento

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.

Zoom negativo : Compresin

Por otro lado, en este caso, si se quiere comprimir una imagen (Sx,Sy <1) requiere de un proceso
de interpolacin bilineal, realizando una aproximacin al entero ms prximo respecto a las
dimensiones de la imagen comprimida. Los valores de la intensidades de la imagen comprimida se
obtiene de un previo proceso de aumento de la imagen:

Procedimiento : Caso de compresin Sx= 1/2

Se tiene la siguiente matriz de 2x3 :
1) Se calculan las dimensiones de la matriz comprimida, redondeando el cociente resultante
de la divisin del denominador del factor de compresin y las dimensiones de la imagen
original.
2) Se amplifica la matriz original en un factor Sx mltiplo del tamao de la matriz
comprimida.
3)

Se divide la matriz amplificada en relacin a las dimensiones de la matriz comprimida.

Comparacin entre los algoritmos de interpolacin :

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.

Interpolacin Lineal: Produce una ligera disminucin en la resolucin a consecuencia del

emborronado propio del promedio empleado; disminuye el efecto de salto.

Nmero de resultado:

Procesamiento de Imgenes
3

Requerimiento : Ejemplo con una matriz de cada tcnica de interpolacin para aumentar
y comprimir una imagen

Procedimiento y/o Resultados Obtenidos (tablas y grficos) :

Se emplearon las funciones de Matlab del programa
Matriz de prueba :

Matriz Sx =2 Vecino Cercano :

Matriz Sx = Vecino Cercano :

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 Vecino Cercano : (Imresize)

Matriz Sx = Vecino Cercano :

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

los valores resultantes (aumento

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

Filtraje por Mediana

Filtraje por Promediador

Funcion bilinearInterpolation

Para un Sx = 1/2 :
Funcin Imresize sin Antialiasing

Filtraje Gaussiano

Filtraje por Mediana

Filtraje por Promediador

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.

Si la tasa de frecuencia de muestreo espacial de una dimensin no es suficiente, se produce

aliasing en esta dimensin de la imagen debido a que el espectro de frecuencia espacial de la
seal original cruza sus rplicas en las frecuencias espaciales ms altas de esta dimensin.Es
donde el muestreo de frecuencia espacial en una dimensin x no es suficiente para evitar el
aliasing.Podemos observar:

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 :