UNIVERSIDAD PRIVADA DEL VALLE

FACULTAD DE INFORMATICA Y ELECTRONICA

INGENIERIA BIOMEDICA Evaluación
CAMPUS TIQUIPAYA

PROCESAMIENITO DIGITAL DE
IMÁGENES MEDICAS

Practica 3

Bordes

Grupo “A

Estudiante: Adrian Del Castillo

Docente: Msc. Ing. Pablo Porcel

Cochabamba 7 de octubre de 2019

Gestión II– 2019

 PRÁCTICA 3: PROCESAMIENTO LOCAL Y SEGMENTACIÓN DE IMÁGENES MÉDICAS

1. PROCESAMIENTO LOCAL DE IMÁGENES

a. Suavizado de imágenes.

P1. Observe el resultado del suavizado de la imagen retina.tif y su versión

ruidosa. ¿Qué efecto tiene el filtrado sobre el ruido? ¿Y sobre los bordes de
la imagen?

R1.-Se pude observar que el ruido es eliminado de la imagen, todo es proceso

se realiza atraves de la normalización que. En la normalización lo que se hace
es llevar la imagen a una escala de valores de entre 0 y 1, porque se hace esto,
si el punto más oscuro de la imagen es .5 y el más brillante es .7, puede verse
afectado por el procesamiento o al usuario cuando se visualiza.

En la imagen e puede observar la eliminación del ruido y a su vez la imagen

llevada a una escala de grises de valores entre [0,1].
R2.- Se puede ver que un cambio en la escala de grises, una mejora en la
reconstrucción de la información e la imagen ya que los colores de cada pixel
son mucho mas uniformes.

Código

function imagen_suav = suavizado(imag)

a=imread(imag);
ra=imnoise(a,'gaussian',0.01);
img=double(ra);
I=((img-min(img(:)))/(max(img(:))-min(img(:))));
kmask=3;
mask=ones(kmask);
d=kmask*kmask;
imout=conv2(mask,I)/d;
figure(1),subplot(1,2,1),imshow(I),title('Imagen con Ruido
Gaussiano'),subplot(1,2,2),imshow(imout),title('Suavizado
de la imagen');
end

Resultados

P2. Aumente el tamaño de la máscara de suavizado. ¿Qué efecto se observa

sobre las imágenes?

R.-Al aumentar el tamaño de la máscara del suavizado se observa un cambio

de intensidad en los bordes, se ve que cambia una escala de grises mucho más
alta y elimina un poco de información.

Código

function imagen_suav = suavizado(imag)

a=imread(imag);
ra=imnoise(a,'gaussian',0.01);
img=double(ra);
I=((img-min(img(:)))/(max(img(:))-min(img(:))));
kmask=5;
mask=ones(kmask);
d=kmask*kmask;
imout=conv2(mask,I)/d;
figure(1),subplot(1,2,1),imshow(I),title('Imagen con Ruido
Gaussiano'),subplot(1,2,2),imshow(imout),title('Suavizado
de la imagen');
end

Resultados

P3. ¿Qué resultados se obtienen al aplicar el filtro de suavizado sobre estas

imágenes ruidosas?

R.-Lo que se puede observar es que la calidad del a imagen mejora y que el
ruido sal y pimienta es eliminado, pero a su vez la imagen llega a tener un
desenfoque de la misma manera se puede observar que, en los bordes de la
imagen la escala de grises aumenta.

Código

function imagen_suav = suavizado(imag)

a=imread(imag);
ra=imnoise(a,'salt & pepper',0.01);
img=double(ra);
I=((img-min(img(:)))/(max(img(:))-min(img(:))));
kmask=5;
mask=ones(kmask);
d=kmask*kmask;
imout=conv2(mask,I)/d;
figure(1),subplot(1,2,1),imshow(I),title('Imagen con Sal y
Pimienta'),subplot(1,2,2),imshow(imout),title('Suavizado de
la imagen');
end
Resultados

P4. Existen otro tipo de filtros para el suavizado de imágenes y la eliminación

de ruido que no tienen tanto efecto sobre los bordes de la imagen. Sugiera
alguno y explique su funcionamiento.
Código
function Filtrogaussiano
I=imread('retina.tif');
Ir=imnoise(I,'salt & pepper',0.02);
IF = imgaussfilt(Ir,2);
figure(1),subplot(1,2,1),imshow(Ir),title('imagen con
ruido'),subplot(1,2,2),imshow(IF),title('imagen filtrada');
impixelinfo
end
Resultados
Se propuso el filtro gaussiano con el comando imgaussfilt, el cual filtra la
imagen A con un núcleo de suavizado gaussiano en 2-D con desviación estándar
de 2 , este filtro se usa comúnmente para reducir el ruido.

B = imgaussfilt(A,sigma)

La elección de sigma depende mucho de lo que quieras hacer. El suavizado

gaussiano es un filtro de paso bajo, lo que significa que suprime los detalles de
alta frecuencia (ruido, pero también bordes), al tiempo que conserva las partes
de baja frecuencia de la imagen (es decir, aquellas que no varían tanto). En otras
palabras, el filtro difumina todo lo que es más pequeño que el filtro.

Si está buscando suprimir el ruido en una imagen para mejorar la detección de

características pequeñas, por ejemplo, sugiero elegir una sigma que haga que el
gaussiano sea un poco más pequeño que la característica.

En este caso se usó una sigma mucho menor al del primer resultado se observa
que el ruido esta un presente en la imagen.

Investigue en la ayuda de MATLAB el uso de la función medfilt2 y aplíquela

en las imágenes ruidosas. Explique los resultados obtenidos.

Código

function metfli
I=imread('retina.tif');
Ir=imnoise(I,'salt & pepper',0.02);
IF = medfilt2(Ir);
figure(1),subplot(1,2,1),imshow(Ir),title('imagen con
ruido'),subplot(1,2,2),imshow(IF),title('imagen filtrada');
end

Resultados
 La función medfilt2 realiza un filtrado medio de la imagen Ir en dos
dimensiones. Cada píxel de salida contiene el valor medio en un vecindario de 3
por 3 alrededor del píxel correspondiente en la imagen de entrada.

b. Detección de bordes

P5. Varíe los parámetros por defecto de la función de manera que mejoren
los resultados. Analice y compare los resultados de cada una de las opciones
de la función edge sobre la imagen retina.tif.

Sobel Vertical

>> I=imread('retina.tif');
>> b1=edge(I,'sobel','vertical');
>> imshow(b1)

Lo que podemos ver que al aplicar el sobel con parámetro vertical solo se
reconstruyes los bordes verticales no se tiene una información completa de la
imagen.
Sobel Horizontal

>> I=imread('retina.tif');
>> b1=edge(I,'sobel','horizontal');
>> imshow(b1)
Al momento de aplicar el sobel horizontal se observa que los bordes
horizontales de la imagen son reconstruidos, pero no se tiene la información
completa de los bordes
Sobel

>> I=imread('retina.tif');
>> ar=edge(I,'sobel');
>> imshow(ar)

Al aplicar el sobel sin especificar si es horizontal o vertical se puede observar

que los bordes de la imagen son reconstruidos con mas exactitud y se puede
tener la información deseada.
Canny

>> I=imread('retina.tif');
>> b3=edge(I,'Canny');
>> imshow(b3)
 Al poner el comando canny vemos que existe una gran exactitud al momento
de reconstruir la imagen tanto así que se llega a ver que se tiene información
de más de lo que se desea.

c. Realce de la imagen

P6. Observe con la imagen retina.tif el resultado del filtrado. ¿Qué diferencia
observa respecto a los filtrados de detección de bordes?

Código

function [imagen_hp, imagen_realce]= laplace(imagen)

a=imread('retina.tif');
img=double(a);
I=((img-min(img(:)))/(max(img(:))-min(img(:))));
G=[0 -1 0;-1 4 -1;0 -1 0];
imout=conv2(G,I);
c=imresize(imout,[256 256]);
IF=c+I;
figure(1),subplot(1,2,1),imshow(imout),title('imagen_hp'),s
ubplot(1,2,2),imshow(IF),title('imagen_realce');
end

Resultados
Lo que podemos observar es que existe una mejor localización siempre que las
aristas estén bien separadas y la relación señal ruido sea alta. Anchuras de
bordes óptimas. Independiente de la orientación del borde: buena respuesta
en bordes horizontales, verticales y diagonales.

Simulink

Suavizado 3x3

Resultados

Suavizado 5x5

Resultados
Filtro Sobel

Resultados

Laplace

Resultados
Conclusiones

a) Se puede ver que la aplicación de los filtros de suavizado ayuda a la

eliminación del ruido en una imagen y reconstruir la información de
manera que se puede hacer un estudio más efectivo de la imagen.
b) Podemos ver también que al momento de aplicar la función edge con
los diferentes parámetros se observa que se va reconstruyendo y
resaltando los bordes de la imagen con efectividad de acuerdo al tipo
de parámetro.
c) Al aplicar la máscara de la place se puede observar que al sumar con
la imagen original se tiene una notable mejora en la imagen, la
intensidad aumenta tanto que no se percibe que existe una pérdida
de información.