Segundo Laboratorio Psim

Programa de Ingenierı́a Biomédica
PSIM 2020-2
Práctica No.2: Mejoramiento de Imágenes en

Matlab
(Septiembre, 2020)
Julian Martinez Rojas 2145436, Marı́a Antonia Molina Daza 2146082, Sophia Otálora González 2145054.
I. INTRODUCCI ÓN
El procesamiento de imágenes médicas ha tomado más
fuerza con los años y la disminución del costo de proce-
samiento ha permitido el crecimiento de este campo de la
ingenierı́a [1]. Las imágenes biomédicas permiten observar
y caracterizar la anatomı́a humana y en conjunto con una
correcta adquisición y un óptimo procesamiento, permite ser
más precisos en el estudio del cuerpo humano y sus funciones
y en los diagnósticos derivados de estas imágenes. La imagen
digital es un conjunto de números secuenciales con determi-
nado formato y esquema de codificación [1], esta imagen se
compone de matrices de pı́xeles, los cuales corresponden a la
unidad mas pequeña homogénea de color. Una imagen puede
tener distintos esquemas de decodificación, sea RGB, blanco
y negro, indexado o escala de grises [2]. La codificación RGB Figura 2: Esquema de codificación escala de grises
o True Color es un sistema de tres matrices las cuáles forman
el color mediante la combinación de tres colores básicos, el
rojo, verde y azul (Figura 1).
La escala de grises representa la intensidad del pı́xel como
Figura 3: Esquema de codificación blanco y negro
Figura 1: Esquema de codificación RGB imágenes, resaltamiento de los bordes o suavizar las imágenes,
entre otras cosas, las cuáles facilitan el procesamiento.
un solo número el cual corresponde a 0 si es negro y 255 o
1 si es blanco, dependiendo del formato de la imagen Figura II. PREGUNTAS DE LA GU ÍA
2. Las imágenes indexadas se utilizan para imágenes a color, ¿ Qué esquema de codificación tiene la imagen y cuál es
donde cada valor del pı́xel corresponde a una tabla de mapa de su formato. ¿Qué funciones de MATLAB podrı́an ayudar
color y por último las imágenes a blanco y negro solo toman a determinar el esquema de codificación y el formato de
valores de blanco (1) o negro(0) (Figura 3). una imagen?.
Existen distintas caracterı́sticas que describen una imagen, Esquema de codificación RGB con formato entero de
como el brillo, el tono, la luminosidad, el contraste, entre otras. 8 bits, ya que la imagen original tiene tres matrices que
MATLAB contiene una gran cantidad de funciones que nos corresponden a las matrices de rojo, verde y azul (RGB).
permiten mejorar las caracterı́sticas ya mencionadas, mediante Otro método para determinar el esquema y el formato
la eliminación de ruido, transformaciones y rotaciones de las serı́a la función iminfo, esta retorna una estructura que
1
PSIM 2020-2
contiene la información de la Figura 4 con valores como

ColorType que indica el esquema de codificación para
el cual ’truecolor’= RGB y el valor de BitDepth que
representa la cantidad de bits por pı́xel, en este caso se
tiene que es igual a 24, sin embargo al ser RGB por cada
pı́xel hay tres matrices, el formato explica los valores que
puede tomar cada elemento de la matriz, al ser 3 matrices
serı́an 8 bits por matriz.
Figura 4: Variable con la información de la imagen
III. M ÉTODOS Y RESULTADOS Figura 5: Imagen en escala de grises y contraste imadjust

III-A. Contraste aplicado con sus respectivos histograma
Para el mejoramiento de contraste se usaron las funcio-
nes imadjust(); adapthisteq() y localcontrast(), otorgadas por
IV. DISCUSI ÓN
MATLAB. Cada una se aplicó a la imagen en escala de
grises y se colocaron los parámetros que pide cada función. Para la primera parte del laboratorio se pedı́a utilizar distin-
El resultado se muestra en la Figura 5 y la Figura 6 tas funciones de contraste en Matlab y graficar su respectivo
histograma, para esto elegimos imadjust, adapthisteq y local
III-B. Esquema de Pseudocolor contrast (Figura 5) y (Figura6). Imadjust satura el 1 % inferior
y el 1 % superior de los valores de cada pı́xel [3], la función
Con el fin de exponer los huesos en tonalidades de rojo y el recibe dos parámetros, el primero es la imagen en escala de
fondo en tonalidades de azul, se procedió a evaluar la imagen grises y el segundo son los rangos de operación, que en este
en escala de grises, identificando los rangos de intensidad caso seleccionamos valores entre [0,15−0,85] con el fin de que
de los pixeles que corresponden las estructuras óseas. Dado dejara intactos los negros de 0 y los blancos de 1, de esta forma
que esta intensidad no es constante en toda la imagen, la en la Figura 5 se observa que el histograma correspondiente
segmentamos en cuadrantes, evaluando distintos umbrales de a esta función atenúa el valor de frecuencia del pico en grises
intensidad en cada uno y otorgando el color de rojo respectivo. que se muestra en el histograma original y hace mas uniforme
Estos cuadrantes corresponden a 1. húmero, 2. radio y cúbito, la cantidad de grises y blancos presentes en el rango, no
3. carpos y metacarpos. obstante los valores de 0 y 1 presentan una mayor frecuencia,
De manera similar para el color azul se evaluaron intervalos esto quiere decir que hay mas pixeles negros y blancos.
de intensidad en la escala de grises pero con umbrales cercanos
La segunda función utilizada es adapthisteq, esta realiza
a 0. El resultado se expone en la Figura 6.
un contraste por ecualización de histograma adaptativo [4],
este tipo de histograma opera en pequeñas regiones y las
III-C. Detección de bordes en tiempo real combina mediante interpolación bilineal para quitar los lı́mites
Mediante el uso de MATLAB Support Package for USB artificiales. El histograma de esta función es el mejor en
webcams se realiza un video en tiempo real donde se identi- comparación con las otras dos funciones y la imagen original,
fican los bordes del frame y se colorean de rojo, adicional se ya que presenta un suavizado en la curva, mostrando una
realiza un contraste a la imagen estática. distribución con mayor uniformidad, lo que representa una
Para la detección de bordes se usó la función edge de mejora de contraste independiente de las fluctuaciones de las
MATLAB usando como método Sobel. condiciones ambientales de luz y brillo de la imagen.
2
PSIM 2020-2
Figura 6: Contraste ’local contrast’y ádapthisteqáplicados con

sus respectivos histograma
Figura 7: Esquema de Pseudocolor aplicado a la imagen
La tercer y última función es local contrast, esta no modifica

los bordes fuertes, su función es aumentar o suavizar detalles.
Contiene dos parámetros: el primero es ”Edgethreshold” que
especifica la amplitud de la intensidad mı́nima de los bordes
fuertes para dejarlos intactos, es decir un umbral para no
alterar los bordes, que para nuestro laboratorio le dimos
un valor de 0,7 [5]. El siguiente parámetro es ”amount”
que representa la cantidad de mejora deseada, este valor lo
tomamos como 0,4. Como se puede observar en la Figura
6, en el histograma existe una distribución mas uniforme sin
embargo, las frecuencias se redistribuyen hacia el negro y los
grises y en menor medida hacia el blanco.
Como se observa en la parte izquierda de la Figura 5,
imagen original en escala de grises, los pixeles que corres-
ponden a los huesos de la mano poseen intensidades muy
oscuras, lo cuál implica que se mezclen con el fondo y se Figura 8: Imagen estática del video creado con cambio de
pierda esa información, por tal razón se hace necesario realizar color de los bordes
diferentes recorridos de la imagen a medida que se ubica el
umbral de intensidad para diferenciar el color rojo del azul.
Apreciando la Figura 7, se logran diferenciar las estructuras
óseas de los músculos y del fondo, sin discriminar las falanges. en donde el degradado sea máximo. Esta función se basa
Este procesamiento de la imagen puede ayudar en la facilidad en la primera derivada (gradiente) y determina cuando la
para resaltar e identificar estructuras que se quieran estudiar e intensidad es mayor a un umbral predeterminado. El gradiente
ignorar el fondo en el que se encuentra. representa un cambio máximo de intensidad para un punto
Para la tercera parte se extrajeron los bordes de un vı́deo en especı́fico, este se basa en el cálculo de diferencias entre
en tiempo real y se aplicó un contraste mediante la función pixeles vecinos en todas las direcciones. El resultado se
Imadjust para tener mejor obtención de los bordes requeridos, observa en la Figura 8 con bordes de color rojo que resaltan
para ellos se utilizó la técnica de Sobel que encuentra bordes las repisas, el computador y la mesa.
3
PSIM 2020-2
V. CONCLUSIONES
Se implementaron tres funciones diferentes para el con-
traste de la imagen en MATLAB, visualmente el mejor
contraste en la imagen lo presentaba la función imadjust
ya que habı́a una mayor diferencia entre negros y blancos
y se lograba observar toda la imagen de forma correcta
sin perder mucha información.
El histograma con mejor distribución corresponde a la
función adapthisteq, se ve una distribución uniforme sin
perder la escala de grises de cada elemento de la imagen.
Se ve que se suaviza el histograma y no se encuentran
fluctiaciones.
El procesamiento por pseudocolor permite el destaca-
miento de estructuras especificas en la imagen que se
deseen analizar, facilitando este proceso.
La detección de bordes tiene un mejor resultado mediante
el uso de una técnica de contraste ya que resalta los
cambios de intensidades.
R EFERENCIAS
[1] Dr.J. Selman, Aplicaciones clı́nicas del procesamiento digital de imágenes
médicas, Boletı́n Clı́nica los Condes, vol. 15, No.2, 2004.
[2] M.C.J. Esqueda Fundamentos de Procesamiento de Imágenes, INSTITU-
TO TECNOLÓGICO DE CIUDAD MADERO, México, 2002.
[3] Ajustar los valores de intensidad de la imagen o el mapa de colores
- MATLAB imadjust- MathWorks España. Es.mathworks.com. (2020).
Retrieved 1 September 2020, from https://es.mathworks.com/help/images/
ref/imadjust.html.
[4] Contrast-limited adaptive histogram equalization (CLAHE) - MATLAB
adapthisteq. Mathworks.com. (2020). Retrieved 1 September 2020, from
https://www.mathworks.com/help/images/ref/adapthisteq.html.
[5] Edge-aware local contrast manipulation of images - MATLAB localcon-
trast.Mathworks.com. (2020). Retrieved 1 September 2020, from https:
//www.mathworks.com/help/images/ref/localcontrast.html.

Segundo Laboratorio Psim

Cargado por

Copyright:

Formatos disponibles

Segundo Laboratorio Psim

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

Segundo Laboratorio Psim

Cargado por

Copyright:

Formatos disponibles

Programa de Ingenierı́a Biomédica

Práctica No.2: Mejoramiento de Imágenes en

Figura 3: Esquema de codificación blanco y negro

contiene la información de la Figura 4 con valores como

Figura 4: Variable con la información de la imagen

III. M ÉTODOS Y RESULTADOS Figura 5: Imagen en escala de grises y contraste imadjust

Figura 6: Contraste ’local contrast’y ádapthisteqáplicados con

La tercer y última función es local contrast, esta no modifica

También podría gustarte