Operadores Prewitt y Sobel

1. Introducción.

Operador Sobel

El operador Sobel es utilizado en procesamiento de imágenes, especialmente en

algoritmos de detección de bordes. Técnicamente es un operador diferencial
discreto que calcula una aproximación al gradiente de la función de intensidad de
una imagen. Para cada punto de la imagen a procesar, el resultado del operador
Sobel es tanto el vector gradiente correspondiente como la norma de éste vector.

Descripción simple

El operador Sobel calcula el gradiente de la intensidad de una imagen en cada

punto (píxel). Así, para cada punto, este operador da la magnitud del mayor
cambio posible, la dirección de éste y el sentido desde oscuro a claro. El resultado
muestra cómo de abruptamente o suavemente cambia una imagen en cada punto
analizado y, en consecuencia, cuán probable es que éste represente un borde en
la imagen y, también, la orientación a la que tiende ese borde. En la práctica, el
cálculo de la magnitud -probabilidad de un borde- es más fiable y sencillo de
interpretar que el cálculo de la dirección y sentido.

Formulación

Matemáticamente, el operador utiliza dos kernels de 3×3 elementos para aplicar

convolución a la imagen original para calcular aproximaciones a las derivadas, un
kernel para los cambios horizontales y otro para las verticales. Si definimos
\mathbf{A} como la imagen original, el resultado, que son las dos imágenes
\mathbf{G_x} y \mathbf{G_y} que representan para cada punto las aproximaciones
horizontal y vertical de las derivadas de intensidades, es calculado como:

Operador Prewitt

El operador de Prewitt se utiliza en el procesamiento de imágenes, en particular

dentro de detección de bordes algoritmos. Técnicamente, es un operador de
diferenciación discreta, calcular una aproximación del gradiente de la función de
intensidad de la imagen. En cada punto en la imagen, el resultado del operador de
Prewitt es o bien el vector gradiente correspondiente o la norma de este vector. El
operador Prewitt se basa en la convolución de la imagen con un pequeño filtro,
separable, y número entero valorada en direcciones horizontales y verticales y por
lo tanto es relativamente barata en términos de cálculos. Por otra parte, la
aproximación del gradiente que se produce es relativamente crudo, en particular,
para las variaciones de alta frecuencia en la imagen. El operador Prewitt fue
desarrollado por Judith MS Prewitt.

Descripción simplificada

Matemáticamente, el gradiente de una función de dos variables (en este caso la

función de intensidad de la imagen) es en cada punto de una imagen de 2D vector
con los componentes dados por los derivados en las direcciones horizontal y
vertical. En cada punto de la imagen, los puntos de gradiente de vector en la
dirección de mayor aumento de intensidad posible, y la longitud del vector
gradiente corresponde a la tasa de cambio en esa dirección. Esto implica que el
resultado del operador Prewitt en un punto de imagen que está en una región de
intensidad de la imagen constante es un vector de cero y en un punto en un borde
es un vector que apunta a través del borde, de más oscuro a los valores más
brillantes.

Formulación

Matemáticamente, el operador utiliza dos 3 × 3 núcleos que se convolucionada

con la imagen original para calcular aproximaciones de los derivados - uno para
los cambios horizontal y uno para vertical. Si definimos \ mathbf {A} como la
imagen de origen, \ mathbf {G_x}y, y \ mathbf {G_y}son dos imágenes que en cada
punto contienen las aproximaciones derivados horizontales y verticales, estos
últimos se calcula como:

Operador laplaciano

El operador laplaciano o lapalaciana de una función bidimensional f(x,y) cuantifica

el cambio del cambio de una función. Es decir, el cambio de una derivada, por lo
que es una segunda derivada que definimos formalmente como:
Puede obtenerse una aproximación discreta, útil para el procesamiento de
imágenes digitalizadas, mediante la siguiente fórmula, aplicada a cada pixel:

Al ser la laplaciana una derivada de segundo orden, resulta muy sensible al ruido.
Por ello, suele aplicarse de modo combinado con otros operadores de gradiente
que además incorpore un filtro paso-bajo a fin de suavizar la imagen (reducir el
ruido).

Cuando la imagen contiene gradientes débiles, aunque bien localizados

espacialmente, pueden detectarse contornos bastante difusos mediante un
algoritmo fundamentado en la localización de los cruces de cero de la segunda
derivada de la matriz de luminacias.

En el algoritmo basado en el gradiente, en cuanto detector de bordes, el objetivo

consistía en buscar los máximos y mínimos locales de la primera derivada de la
función de luminancia. Este algoritmo se basa en obtener los "pasos de cero" o
puntos en que la segunda derivada intercepta (cruza) el eje de ceros (abscisas).
Para ello, cada pixel se a una máscara de KxK pixels con una función continua
fácilmente derivable [por ejemplo, un polinomio de grado n con dos variables
Pn(v,w)]. Cuando calculamos la primera derivada parcial, obtenemos su gradiente
(dirección y módulo). Dicho gradiente adoptará la forma de pico siempre que la
segunda derivada pase por el eje de ceros (abscisas). Por tanto, la presencia de
un paso de cero senala la existencia de un borde.

El efecto producido al aplicar este algoritmo será el de disponer de una imagen de

bordes con una anchura de un pixel. Es decir, que este detector sólo responde a
los puntos concretos que forman el contorno y no responde a los pixels vecinos
del contorno. Si bien el coste computacional es mayor que en los otros algoritmos,
la eficacia lograda en la detección los supera con creces.
Operador Laplaciano de la Gaussiana

Este operador está compuesto por la acción conjunta de un filtro gaussiano y el

operador laplaciana. Es equivalente a convolucionar la imagen con la laplaciana
de una función gaussiana bidimensional. Si tomamos:

Entonces:

Cuya representación unidimensional sería:

La imagen resultante quedaría:

Su discretización depende del valor de s. Así, para una s de 1.0, solo sería
necesario considerar una máscara de 7x7 como la siguiente:
2. Aplicación de resaltado de bordes

2.1. Prewwit
2.2. Sobel
2.3. Roberts

Aplicando Edge
2.4. Operador Laplaciano
2.5. Operador Laplaciana de la Gaussiana
3. Conclusiones.

-A través de la aplicación de filtros sobel y prewitt tuvimos dos opciones de filtrado

el uso de edge, y el uso de imfilter.

-Se pudo notar que el uso de Edge fue un poco menos certero, cuando no se
sabe aplicar el umbral entre 1 y 0; sin embargo si se aprende a manejar dicho
umbral podremos obtener una imagen con detalle en bordes; al contrario el uso de
fspecial y imfilter nos proporcionó un detalle más exacto de los bordes tanto
verticales y horizontales sin aplicar mucho conocimiento sobre umbrales.

-El operador Roberts no posee una aplicación directa para imfilter solo aplicación
para Edge.

-El operador extensión de la imagen nos proporciona un resultado con bordes

mucho más gruesos

-La aplicación de operadores de segunda derivada en lo que refiere la detección

de bordes proporciona un resultado mucho más suave y exacto para dicha
aplicación

-Una ventaja de usar operadores de segunda derivada es que se puede estimar

mejor la localización de la orilla, donde la segunda derivada cruza cero

4. Bibliografía

-Patnaik, S. and Yang, Y.M. (2012). Soft Computing Techniques in Vision Science
395. Springer.

-http://homepages.inf.ed.ac.uk/rbf/HIPR2/sobel.htm

-J.M.S. Prewitt "Object Enhancement and Extraction" in "Picture processing and

Psychopictorics", Academic Press,1970

-http://www4.ujaen.es/~satorres/practicas/practica3_vc.pdf

-http://isa.umh.es/titere/tutorial/vision/cap8_2_7.htm

-http://www.varpa.org/~mgpenedo/cursos/Ip/Tema7/nodo7_2.html