IMÁGENES BINARIAS Y SEGMENTACIÓN POR UMBRAL

Recordemos que una imagen binaria es una imagen en la cual cada píxel puede tener solo uno, de dos valores posible. Como es lógico una imagen en esas condiciones es mucho más fácil encontrar y de distinguir sus características estructurales. [9]

En visión computacional el trabajo con imágenes binarias es muy importante ya sea para realizar segmentación por intensidad de la imagen, para generar algoritmos de reconstrucción o reconocer estructuras. La forma más común de generar imágenes binarias es mediante la utilización del valor umbral de una imagen a escala de grises; es decir se elige un valor limite (o bien un intervalo) a partir del cual todos los valores de intensidades mayores serán codificados como 1 mientras que los que estén por debajo serán codificados a cero.

En Matlab este tipo de operaciones se realizan de forma bastante sencilla utilizando las propiedades de sobrecarga de los símbolos relaciónales. Por ejemplo si de la imagen “ejemplo” quisiera realizarse este tipo de operación de tal forma que los píxeles mayores a 128 sean considerados como 1 y los que son menores o iguales a 128 como cero.

Los resultados se muestran en la figura 2.5, para verificar el código, pasar al apéndice B de la Fig. 2.5.

Fig. 2.5 a) Imagen original, b) Resultado de un umbral de 50

En este capítulo se reviso la manera de emplear los primeros cambios en con el objetivo de realizar el procesamiento digital a una imagen, aunque cabe mencionar que existen diversas técnicas para llevar a cabo este procesamiento, y que dependen enteramente del programador o de los detalles que consideremos cambiar en la imagen.

En el siguiente capítulo III se mostrara una técnica que es conocida como la más poderosa e útil para el procesamiento de imágenes, las wavelets.

CAPÍTULO III: WAVELETS

En este capítulo, demostraremos el porqué las wavelets se han convertido, en una de las principales herramientas de procesamiento de imágenes, que goza de gran popularidad en varias áreas como son las Ciencias y la Medicina, estas ayudan a los cálculos que se necesitan realizar, para el tratamiento de las imágenes.

3.1 INTRODUCCIÓN

Las wavelets proporcionan un conjunto de herramientas flexible para problemas prácticos, en las ciencias y la ingeniería, su crecimiento se ha observado en la última década, al aplicar estas wavelets en el análisis de señales, obteniendo resultados exitosos.

Una ventaja de la utilización de las wavelets es que permiten modelar mejor los procesos que dependen fuertemente del tiempo, ya que generalmente su comportamiento no tiene porqué ser suave, por ello la transformada wavelet resulta eficiente para extraer información.

Otra de las ventajas de dicha transformada frente a otros métodos es el de poder disponer de una amplia familia de ellas, lo cual permite tratar imágenes de diversa índole. Así que la elección de la wavelet dependerá del tipo de imagen que analicemos.

Las wavelets pueden ser utilizadas en problemas que afectan al tratamiento de señales e imágenes digitales, ya que representa una potente herramienta para resolverlos. Podemos utilizarla para los siguientes problemas:

• Reducción del ruido (en señales de audio y en imágenes).

• Compresión de señales (de vital importancia tanto en la transmisión de grandes cantidades de datos como en su almacenamiento).

• Detección de determinados objetos en imágenes o irregularidades locales en ciertos tipos de señales (electrocardiogramas, vibraciones de motores, etc.).

La transformada wavelet discreta es una transformación de la señal que la divide en dos tipos de subseñales:

• La tendencia viene a ser una copia de la señal a menor resolución.

• Las fluctuaciones almacenan información referida a los cambios locales en la señal original.

La tendencia y las fluctuaciones más significativas permiten una compresión de la imagen, con la finalidad de descartar información irrelevante y así proceder a la eliminación de un ruido producido por algunos aparatos y condiciones de medida. [11]

3.2 WAVELETS

Llamada Transformada Wavelet, es una herramienta matemática desarrollada a mediados de los años ochenta. Nace a partir de la necesidad de analizar diversas funciones, debido a que en la naturaleza muchos de los procesos pueden ser modelados como funciones, ya sea discreto o continuo. El análisis de wavelets consiste en descomponer una señal en versiones escaladas móviles, de la wavelet original “madre”. [12]

Las wavelets se centran en las matemáticas puras, como aplicadas, construidas para el análisis de funciones, en especial las funciones cuadrado integrables. Su teoría y aplicaciones, tienen una fuerte conexión con la transformada de Fourier, siendo más eficientes para el análisis local de señales no estacionarias y de rápida transitoriedad, y al igual que la Transformada de Fourier con Ventana, esta mapea la señal en una representación de tiempo-frecuencia, que será capaz de revelar aspectos de los datos como tendencias, puntos de quiebre, discontinuidades en las derivadas, y auto-similaridad. Este análisis puede muchas veces comprimir o eliminar ruido sin degradación apreciable, además de proveer un análisis de multiresolución con ventanas dilatadas. El análisis de las frecuencias de mayor rango se realiza usando ventanas angostas y el análisis de las frecuencias de menor rango se hace utilizando ventanas anchas. [13]

Dentro de los usos de esta poderosa herramienta podemos nombrar, además del análisis local de señales no estacionarias, el análisis de señales electrocardiográficas, sísmicas, de sonido, de radar, así como también es utilizada para la compresión y procesamiento de imágenes y reconocimiento de patrones.