6 Filtrado

6. Filtrado.
Universidad de Valladolid
Filtrado.
1.
2.
3.
4.
5.
6.
7.
Filtros lineales
El ruido en las imgenes
Filtros lineales de suavizado
Filtros de suavizado no lineales
Otros filtros
Filtrado de imgenes con MATLAB
Conclusiones
Visin Artificial Industrial. Univ. Valladolid
Introduccin
Las tcnicas de filtrado tienen como objetivo modificar la imagen
para hacerla ms adecuada para su uso en una aplicacin
especfica.
Desde el punto de vista de las aplicaciones industriales, la
reduccin del ruido es la tcnica de filtrado ms usada.
Las tcnicas que hemos visto de realzado destinadas a mejorar la
visualizacin como deslizamiento o ecualizacin de histogramas en
realidad no se utilizan en aplicaciones industriales. Estas van
dirigidas a la interpretacin o anlisis por un humano.
Introduccin.
Las tcnicas de filtrado se clasifican en dos grandes familias:
Mtodos en el dominio espacial (plano imagen), basados en

la manipulacin directa de los pxeles de la imagen
Mtodos en el dominio frecuencial, basados en la

modificacin de la transformada de Fourier de la imagen
En aplicaciones industriales no es habitual el uso de mtodos

frecuenciales, por lo que no los estudiaremos.
1. Filtros lineales
De
forma genrica, un filtro en el dominio espacial puede
caracterizarse por la siguiente frmula:
N
donde cada pixel (x,y)de la imagen filtrada J se obtiene a partir de los
niveles de gris de la imagen de entrada I en una vecindad N(x,y). La
vecindad suele ser tpicamente un cuadrado centrado en (x,y). Por
tanto el filtro F se aplica a cada posicin (x,y) empleando los pxeles
vecinos para el clculo.
Los filtros espaciales se clasifican como filtros lineales y filtros no
lineales, atendiendo a la naturaleza matemtica de las operaciones
realizadas.
1. Filtros lineales
Los filtros ms usados en aplicaciones industriales son los lineales y
entre los filtros lineales, lo habitual es usar operadores que no
dependen de la coordenada (x,y) sobre la que actan: son los
operadores invariantes al desplazamiento:
J ( x, y )
F ( s, t ) I ( x s, y t )
t N s M
En este caso, el operador de vecindad se convierte en la operacin

de convolucin. Al operador F se le conoce en este caso como
mscara de convolucin, matriz de pesos o kernel.
1. Filtros Lineales. La convolucin.

Imagen original
0
0
1
2
3
4
5
6
7
208
14
12
12
219
43
1
89
41
57
81
12
124
214
12
2
59
12
3
44
241
1972 81
241
214
21
12
46
21
45
24
12
24
127
179
221
89
85
15
169
167
89
21
213
212
49
175
62
49
19
45
216
12
122
187
10
12
12
21
6
17
52
21
24
12
Imagen filtrada
7
1
96
87
mscara
191
221
59
79
253
39
149
95
182
251
83
11
143
98
181
1 2 1
2 4 2
1 2 1
0
1
2
3
4
5
6
7
86
77
88
72
_1 (
1*89
1*59
1*44
2*59
2*44
1*44
1*49
1*208 ++ 2*122
2*89 +++1*122
1*59
16
+ 2*81
2*41
2*197
4*197
4*81+++2*213
2*81
2*62
2*14 +++4*62
4*41
2*197
+ 1*45
1*57
1*12
2*12
2*45
1*45
1*19
1*219++2*187
2*57++1*187
1*12) )
= 100
88
87
86
87
100 108
100

En realidad, en el ejemplo anterior hemos aplicado una correlacin,
caracterizada por la frmula:
J ( x, y )
F ( s, t ) I ( x s, y t )
t N s M
donde (s,t) son coordenadas en una vecindad de (x,y)

Cuando la mscara es simtrica (lo habitual) correlacin y
convolucin son lo mismo, de ah que para aplicar el operador
convolucin se use en realidad el operador correlacin.
1. Qu hacer con los bordes?

Al realizar un filtrado espacial, no podremos calcular los
valores filtrados en los bordes de la imagen porque parte
de la mscara se sale de la imagen. Podemos optar por
dos alternativas:
Ignorar los bordes obteniendo una imagen ms pequea.
Considerar que los pxeles que faltan tienen el mismo
valor que en la imagen original.
2. El ruido en las imgenes
Denominamos ruido a las perturbaciones originadas en

el proceso de adquisicin y transmisin de la imagen,
que modifican los niveles de gris de la imagen
contaminando la informacin de la escena.
Una de las aplicaciones ms habituales de una
convolucin es la reduccin del ruido en las imgenes.
El efecto suele ser el de suavizar la imagen, por lo que a
este tipo de operacin tambin se la conoce como
suavizado de imgenes.
Entre los tipos de ruido que pueden aparecer veremos :

Ruido gaussiano: variaciones en el nivel de gris que
siguen una distribucin normal
Sal y pimienta: presencia aleatoria de pxeles
blancos y negros
El ruido gaussiano es el ms frecuente ya que es el
modelo asumido en las aplicaciones industriales, y est
asociado al ruido presente en el CCD durante la
adquisicin de la imagen
original
gaussiano
Sal y pimienta
3. Filtros de suavizado .
Los filtros de suavizado son filtros pasa-bajos. Eliminan
el ruido caracterizado por su alta frecuencia espacial
pero desgraciadamente tambin reducen los detalles
de la imagen pues la aplicacin de una mscara de
suavizado siempre tiene aparejado el efecto indeseable
de hacer ms borrosa la imagen. Este efecto va a ser
tanto mayor cuanto mayor sea el tamao de la
mscara.
El tamao y valores de la mscara de suavizado
deben ser cuidadosamente escogidos para optimizar el
compromiso entre reduccin del ruido y la degradacin
de la imagen.
3. Filtros suav. lineales. F. de la media.
1
1
1
w 2
L
1
1
1
1
La mscara es un cuadrado de tamao L x L
0
0
1
2
3
4
5
6
7
208
89
59
44
122
49
17
96
14
41
197
81
62
213
52
87
219
57
12
45
187
19
191
221
43
81
46
212
127
59
79
253
10
45
49
179
39
149
221
89
85
95
182
251
83
11
143
98
181
12
175
216
15
169
167
89
0
1_ ( 208
44 ++ 89
122
49
59
44
122
59 ++ 59
44
9 89
81 ++ 41
62
213
81
62
14
41
197++ 197
81
+ 197
45
187
19
12
45
187
+ 219
57 ++ 57
12 ++ 12
45))
= 99
91
89
69
0
1
2
99
78
69
85
3
4
5
6
7
89
91
101
105
3x3
5x5
7x7
50 x 50
3. Filtros suav. lineales. Filtro Gaussiano.

Un filtro gaussiano da menos peso a medida que los pxeles estn ms
alejados del centro de la mscara
Aproximaciones 3x3 y 5x5 del

filtrado gaussiano son:
1 2 1
1
g 2 4 2
16
1 2 1
1
4
1
g5
6
246
4
1
4 6 4
16 24 16
1
4
24 36 24
16 24 16
4 6 4
4
1

El parmetro que figura en la funcin gaussiana es la desviacin
estndar y permite modular la intensidad del suavizado
gaussiano. Cuanto mayor es ms aplastada ser la campana
y, por tanto, mayor ser su efecto de suavizado.
0.0113
0.0838
0.0113
0.0838
0.6193
0.0838
0.0113
0.0838
0.0113
Mscara Gaussiana 3x3 sigma 0.5

>> g=fspecial(gaussian, 3, 0.5);
0.0751
0.1238
0.0751
0.1238
0.2042
0.1238
0.0751
0.1238
0.0751
Mscara Gaussiana 3x3 sigma 1.0

>> g=fspecial(gaussian, 3, 1.0);
Imgenes resultantes del filtrado con los filtros gaussianos anteriores sigma 5, 10 y 20.
3. Filtros de suavizado lineales.
Filtro de la media
Filtro gaussiano
4. Filtros de suavizado no lineales.

Para determinadas aplicaciones, los filtros lineales de suavizado que
acabamos de ver tienen dos inconvenientes fundamentales:
el filtrado afecta no solo al ruido sino tambin a los detalles finos
de la imagen
si el ruido que contiene la imagen de entrada es del tipo sal y
pimienta, todos los pxeles en la vecindad de los valores
exageradamente altos o bajos se vern afectados
significativamente en la imagen filtrada.
Estos problemas se pueden soslayar empleando filtros no lineales
como el filtro de la mediana.
4. Filtros Suav. no lineales. F. de la mediana.

El filtro de la mediana desplaza una mscara pxel a pxel por toda
la imagen pero en lugar de tener una matriz de pesos para realizar
la convolucin, la mscara es usada para seleccionar la vecindad.
Selecciona como nivel de gris para la imagen filtrada el valor que
se encuentre en la posicin media de los niveles de gris ordenados
entre los que estn bajo la mscara . El filtro de la mediana es por
tanto no lineal.
El filtro de la mediana proporciona en general imgenes de mejor
calidad que el suavizado lineal con la contrapartida de un mayor
coste computacional.

0
0
1
2
3
4
5
6
7
208
89
59
44
122
49
17
96
14
41
197
81
62
213
52
87
219
57
12
45
187
19
191
221
43
81
46
212
127
59
79
253
10
45
49
179
39
149
221
89
85
95
182
251
83
11
143
98
181
1
2
3
4
5
6
7
12
175
216
15
169
167
89
208
89 89
59
14
41
59
2
57
59
44
41
197 197
81
219
57 57
12
12 41
14 44
41 45
57 57
59 59
89 81
197 89208197219
12
45

>> I=imread(flowers.tif');
>> I = I(:,:,1);
>>R = imnoise(I,'salt & pepper',0.02);
Imagen I original
Imagen corrompida R con ruido

sal y pimienta

Con el ruido sal y pimienta los filtros pasabajos no
proporcionan buenos resultados
Imagen R con ruido sal y pimienta
Filtrado promedio sobre R (media 3x3)

El filtro de la mediana es muy eficaz en ruido tipo
sal y pimienta y pequeas rayaduras.
Filtrado mediana sobre R (3x3)

>> I=imread(fig6_11a.tif');
Otro ejemplo >> R = imnoise(I,'salt & pepper',0.02);
>> Med=medfilt2(R);
Imagen filtrada Med
5. Otros Filtros. Filtro del mnimo.

0
0
1
2
3
4
5
6
7
208
89
59
44
122
49
17
96
14
41
197
81
62
213
52
87
219
57
12
45
187
19
191
221
43
81
46
212
127
59
79
253
10
45
49
179
39
149
221
89
85
95
182
251
83
11
143
98
181
1
2
3
4
5
6
7
12
175
216
15
169
167
89
208
89 89
59
14
41
12
2
12
59
44
41
197 197
81
219
57 57
12
12 41
14 44
41 45
57 57
59 59
89 81
197 89208197219
12
45
5. Otros Filtros. Filtro del mnimo.

>> I=imread(' fig 6_12a.tif ');
>> Min=ordfilt2(I,1,ones(5,5));
Imagen I original fig 6_12a.tif
Imagen Min filtrada filtro mnimo 5x5
Es como si hubiramos hecho una erosin. Las zonas claras se

han reducido (morfologa en niveles de gris)
5. Otros Filtros. Filtro del mximo.

0
0
1
2
3
4
5
6
7
208
89
59
44
122
49
17
96
14
41
197
81
62
213
52
87
219
57
12
45
187
19
191
221
43
81
46
212
127
59
79
253
10
45
49
179
39
149
221
89
85
95
182
251
83
11
143
98
181
1
2
3
4
5
6
7
12
175
216
15
169
167
89
208
89 89
59
14
41
219
197
59
44
41
197 197
81
219
57 57
12
12 41
14 44
41 45
57 57
59 59
89 81
197 89208197219
12
45
5. Otros Filtros. Filtro del mximo.

>> I=imread(' fig 6_12a.tif ');
>> Max=ordfilt2(I,25,ones(5,5));
Imagen I original fig 6_12a.tif
Imagen Max filtrada filtro mximo 5x5
Es como si hubiramos hecho una dilatacin. Las zonas claras han

aumentado (morfologa en niveles de gris)
5. Otros Filtros. Filtros de realzado.

Los filtros de realzado resaltan las
caractersticas de las imgenes hacindolas
ms ntidas pero desgraciadamente tambin
aumentan el ruido.
En el captulo siguiente veremos unos filtros de
realzado, los filtros de derivada, que permiten
la extraccin de los contornos de las imgenes, y
cuyo uso es generalizado en las aplicaciones
industriales.
6. Filtrado de imgenes con MATLAB

>> f = fspecial(tipo)
Crea un filtro del tipo especificado: 'average', 'gaussian', 'sobel'
>> F = imfilter(I,f);
Filtra la imagen I con el filtro f
>> F=ordfilt2(I,orden,vecindad)
Filtros no lineales de orden
>> R = imnoise(I, tipo);
Aade a la imagen ruido del tipo especificado: 'salt & pepper', 'gaussian',
7. Conclusiones
Los filtros son operadores donde el valor de cada pxel en la imagen

filtrada es obtenido a partir no solo del nivel de gris del pxel
correspondiente sino tambin a partir de los pxeles de su
entorno.
La imagen filtrada generalmente no es un objetivo en s misma sino
un paso para adecuar la imagen de entrada a procesamientos
posteriores.
Una de las aplicaciones ms comunes del filtrado es el suavizado,
destinado a eliminar el ruido de la imagen. El suavizado resulta un
paso previo ineludible en muchas tcnicas de procesamiento como
la extraccin de contornos que veremos en el prximo captulo. El
filtro de la media, el gaussiano y el filtro de la mediana son
empleados en suavizado. Los dos primeros son lineales y el ltimo
no lineal.

6 Filtrado

Cargado por

Copyright:

Formatos disponibles

6 Filtrado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

6 Filtrado

Cargado por

Copyright:

Formatos disponibles

6. Filtrado.

Visin Artificial Industrial. Univ. Valladolid

Visin Artificial Industrial. Univ. Valladolid

Mtodos en el dominio espacial (plano imagen), basados en

Mtodos en el dominio frecuencial, basados en la

En aplicaciones industriales no es habitual el uso de mtodos

Visin Artificial Industrial. Univ. Valladolid

Visin Artificial Industrial. Univ. Valladolid

En este caso, el operador de vecindad se convierte en la operacin

Visin Artificial Industrial. Univ. Valladolid

1. Filtros Lineales. La convolucin.

1. Filtros Lineales. La convolucin.

Visin Artificial Industrial. Univ. Valladolid

1. Filtros Lineales. La convolucin.

donde (s,t) son coordenadas en una vecindad de (x,y)

Visin Artificial Industrial. Univ. Valladolid

1. Qu hacer con los bordes?

Visin Artificial Industrial. Univ. Valladolid

2. El ruido en las imgenes

Denominamos ruido a las perturbaciones originadas en

Visin Artificial Industrial. Univ. Valladolid

2. El ruido en las imgenes

Entre los tipos de ruido que pueden aparecer veremos :

Visin Artificial Industrial. Univ. Valladolid

2. El ruido en las imgenes

Visin Artificial Industrial. Univ. Valladolid

2. El ruido en las imgenes

2. El ruido en las imgenes

2. El ruido en las imgenes

3. Filtros suav. lineales. F. de la media.

La mscara es un cuadrado de tamao L x L

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. F. de la media.

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. F. de la media.

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. F. de la media.

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. Filtro Gaussiano.

Aproximaciones 3x3 y 5x5 del

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. Filtro Gaussiano.

Mscara Gaussiana 3x3 sigma 0.5

3. Filtros suav. lineales. Filtro Gaussiano.

Mscara Gaussiana 3x3 sigma 1.0

3. Filtros suav. lineales. Filtro Gaussiano.

Visin Artificial Industrial. Univ. Valladolid

3. Filtros suav. lineales. Filtro Gaussiano.

3. Filtros de suavizado lineales.

4. Filtros de suavizado no lineales.

Visin Artificial Industrial. Univ. Valladolid

4. Filtros Suav. no lineales. F. de la mediana.

Visin Artificial Industrial. Univ. Valladolid

4. Filtros Suav. no lineales. F. de la mediana.

Visin Artificial Industrial. Univ. Valladolid

4. Filtros Suav. no lineales. F. de la mediana.

Imagen corrompida R con ruido

4. Filtros Suav. no lineales. F. de la mediana.

Imagen R con ruido sal y pimienta