TEMA 7. Preprocesamiento de imagen. Operaciones espaciales

UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Visión Artificial
Contenido: BLOQUE 2. Procesamiento digital de imagen
Guía de Estudio: TEMA 7. Preprocesamiento de imagen. Operaciones espaciales


Introducción
El preprocesamiento de imagen es una etapa crítica en el ámbito de la inteligencia artificial y el
procesamiento de imágenes digitales. Esta guía se enfoca en el Tema 7: Preprocesamiento de
imagen y operaciones espaciales, abarcando filtros paso bajo y paso alto, así como detección de
bordes. Aquí se detallan definiciones, características, ventajas, desventajas y recomendaciones
para un estudio exhaustivo.


a. ¿Cómo estudiar este tema?
Estrategias de Estudio
1. Fundamentos Teóricos: Comienza con una comprensión sólida de los conceptos básicos
de procesamiento de imágenes y teoría de la señal. Libros como "Digital Image
Processing" de Gonzalez y Woods pueden ser de gran ayuda.
2. Matemáticas: Refuerza tus conocimientos en álgebra lineal y cálculo, ya que las
operaciones espaciales a menudo implican convoluciones y transformaciones matemáticas
complejas.
3. Programación: Familiarízate con bibliotecas de procesamiento de imágenes como
OpenCV en Python o MATLAB, que te permitirán implementar y experimentar con los
conceptos aprendidos.
4. Estudios de Caso: Analiza estudios de caso y artículos de investigación para comprender
la aplicación práctica y las innovaciones recientes en el campo.
5. Práctica: Implementa algoritmos desde cero y compara los resultados con
implementaciones estándar para entender las sutilezas de cada método.


b. Filtros Paso Bajo y Paso Alto
Definición
 Filtros Paso Bajo: Son filtros diseñados para suavizar una imagen eliminando detalles de
alta frecuencia, como ruido y bordes bruscos. Un ejemplo común es el filtro de promedio o
el filtro gaussiano.
 Filtros Paso Alto: Realzan los detalles de alta frecuencia, como bordes y texturas finas,
resaltando cambios bruscos en la intensidad de la imagen. Un ejemplo típico es el filtro
Laplaciano.
Características
 Filtros Paso Bajo:

, o Propósito: Suavización de imágenes y eliminación de ruido.
o Método: Convolución con un kernel de suavización.
o Ejemplos: Filtro gaussiano, filtro de media.
 Filtros Paso Alto:
o Propósito: Acentuación de bordes y detalles finos.
o Método: Convolución con un kernel de realce.
o Ejemplos: Filtro Laplaciano, filtro Sobel.
Ventajas y Desventajas
 Filtros Paso Bajo:
o Ventajas: Reducción efectiva del ruido, mejora de la calidad visual en imágenes
ruidosas.
o Desventajas: Pérdida de detalles finos y posible difuminado de bordes importantes.
 Filtros Paso Alto:
o Ventajas: Mejora la percepción de detalles y bordes.
o Desventajas: Aumento del ruido, posible aparición de artefactos no deseados.


c. Detección de Bordes
Definición
La detección de bordes es una técnica fundamental en el procesamiento de imágenes que
identifica puntos en una imagen donde la intensidad de la luminancia cambia bruscamente. Es
esencial para el reconocimiento de formas y la segmentación de imágenes.
Características
 Métodos: Los métodos de detección de bordes incluyen operadores como Sobel, Canny, y
Laplaciano de Gaussiano (LoG).
 Sensibilidad: La elección del método y sus parámetros afecta la sensibilidad y precisión
de la detección de bordes.
Ventajas y Desventajas
 Ventajas:
o Facilita la segmentación y el análisis de formas en imágenes.
o Reduce la cantidad de datos a procesar, enfocándose en información relevante.
 Desventajas:
o Sensible al ruido, lo que puede llevar a la detección de bordes falsos.
o Requiere ajuste cuidadoso de parámetros para obtener resultados óptimos.
Recomendaciones