6.1: Imágenes como señales bidimensionales

Última actualización
Guardar como PDF

Page ID: 84888

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

Las imágenes son capturadas por cámaras que contienen matrices de dispositivos de carga acoplada (CCD) o semiconductores similares que pueden convertir fotones en señales eléctricas. Estas matrices pueden leerse píxel a píxel y convertirse en valores digitales, por ejemplo una matriz de 640 por 480 tuplas de tres bytes correspondientes a los componentes rojo, verde y azul (RGB) que la cámara ha visto. Un ejemplo de tales datos, por simplicidad solo un canal de color, se muestra en la Figura 6.1.1.

Figura\(\PageIndex{1}\): Un tablero de ajedrez flotando dentro de la ISS, el astronauta Gregory Chamitoff. El recuadro muestra una muestra de los datos reales registrados por el sensor de imagen. Uno puede reconocer claramente los contornos de la baldosa blanca.

Al observar los datos, se revela claramente el mosaico blanco dentro de los mosaicos negros en la esquina inferior derecha del tablero de ajedrez. Los valores más altos corresponden a colores más brillantes (blanco) y valores menores a colores más oscuros. También observamos que aunque los mosaicos tienen que tener el mismo color, los valores reales difieren bastante. Podría tener sentido pensar en estos valores como haríamos si los datos fueran señal 1D: tomar la “derivada”, por ejemplo, a lo largo de las filas horizontales, indicaría áreas de grandes cambios, mientras que la “frecuencia” de una imagen indicaría qué tan rápido cambian los valores. Las áreas con gradientes suaves, por ejemplo, mosaicos blancos y negros, tendrían entonces frecuencias bajas, mientras que las áreas con gradientes fuertes contendrían información de alta frecuencia.

Este lenguaje abre la puerta a una serie de conceptos de procesamiento de señales, como filtros de paso bajo (supresión de información de alta frecuencia), filtros paso alto (supresión de información de baja frecuencia) o filtros paso banda (dejando pasar solo un rango de frecuencias), análisis del espectro de frecuencias de la imagen (el distribución del contenido a diferentes frecuencias), o “convolucionar” la imagen con otra función bidimensional. Las siguientes secciones proporcionarán tanto una intuición de qué tipo de información significativa se oculta en dichos datos abstractos como proporcionar ejemplos concretos de técnicas de procesamiento de señales que hacen aparecer esta información.