Determinación de componentes conexas en el análisis de zonas homogéneas y de detalle en imágenes a color

Cristina Pérez-Benito; Samuel Morillas; Cristina Jordán Lluch; J. Alberto Conejero

doi:10.4995/msel.2018.7784

Autores/as

Cristina Pérez-Benito Universitat Politècnica de València
Samuel Morillas Universitat Politècnica de València
Cristina Jordán Lluch Universitat Politècnica de València
J. Alberto Conejero Universitat Politècnica de València https://orcid.org/0000-0003-3681-7533

DOI:

https://doi.org/10.4995/msel.2018.7784

Palabras clave:

Procesado de imágenes digitales, grafo local, componente conexa, suavizado de imágenes, realce de imágenes

Resumen

Presentamos un modelo basado en grafos locales para clasificar los píxeles atendiendo a si pertenecen a zonas homogéneas o a zonas de detalle de una imagen. Para cada píxel se define un grafo cuya estructura dependerá de la similitud entre los píxeles adyacentes. Sus características permiten clasificar cada píxel de la imagen como perteneciente a un tipo de zona u a otra. Esta clasificación constituye un pre-procesado de la imagen primordial para múltiples ramas de Visión Artificial, como puede ser el suavizado o el realce de imágenes digitales.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

J. Alberto Conejero, Universitat Politècnica de València

Instituto Universitario de Matemática Pura y Aplicada

Citas

Camarena, J. G., Gregori, V., Morillas, S., Sapena, A. (2013). El concepto de métrica fuzzy a través del filtrado de imágenes digitales. Modelling in Science Education and Learning, 6, 5-17. https://doi.org/10.4995/msel.2013.1976

Camarena, J. G., Morillas, S., Cisneros, F. J. (2011). On the importance of metrics in practical applications. Modelling in Science Education and Learning, 4, 119-128. https://doi.org/10.4995/msel.2011.3066

Celebi, M. E., Lecca, M., Smolka, B. (2015). Color Image and Video Enhancement. Springer -Verlag, Berlin. https://doi.org/10.1007/978-3-319-09363-5

Conejero, J. A., Jordán, C. (2015a). Aplicaciones de la Teoría de Grafos a la vida Real I. 2015. www.edx.org/course/aplicaciones-de-la-teoria-de-grafos-la-upvalenciax-tgv201x-1-0.

Conejero, J. A., Jordán, C. (2015b). Aplicaciones de la Teoría de Grafos a la vida Real II. www.edx.org/course/aplicaciones-de-la-teoria-de-grafos-la-upvalenciax-tgv201x-2-0

Gross, J. L., Yellen, J. (2004). Handbook of Graph Theory. Discrete mathematics and its applications. CRC press, Boca Raton (Fla.), London, New York.

Jordán, C., Morillas, S., Sanabria-Codesal, E. (2012) Colour image smoothing through a soft-switching mechanism using a graph model. IET Image Processing, 6(9), 1293-1298. https://doi.org/10.1049/iet-ipr.2011.0164

Jordán, C., Torregrosa, J. R. (1996). Introducción a la Teoría de Grafos y sus Algoritmos. Universitat Politècnica de València, València, Spain.

Lukac, R., Plataniotis, K. N. (2006). A taxonomy of color image filtering and enhancement solutions. Hawkes, P.W.(ed) Advances in Imaging and Electron Physics, 140, pp. 187-264. Elsevier Acedemic Press. https://doi.org/10.1016/S1076-5670(05)40004-X

Lukac, R., Smolka, B., Martin, K., Plataniotis, K. N., Venetsanopoulos, A. N. (2005). Vector filtering for color imaging. IEEE signal processing magazine, 22(1), 74-86. https://doi.org/10.1109/MSP.2005.1407717

Maes, F., Collingnon, A., Vandermeulen, G. Marchal, G., Suetens, P. (1997). Multimodality image registration by maximization of mutual information. IEEE Transactions on Medial Imaging 16 (2), 187-198. https://doi.org/10.1109/42.563664

MathWorks. Fuzzy Logic Image Processing. https://es.mathworks.com/help/fuzzy/examples/fuzzy-logic-image-processing.html

Pérez-Benito, C., Morillas, S., Jordán, C., Conejero, J. A. (2018). A model based on local graphs for colour images and its application for Gaussian noise smoothing. Journal of Computational and Applied Mathematics, 330, 955-964. https://doi.org/10.1016/j.cam.2017.05.013

Pérez-Benito, C., Morillas, S., Jordán, C., Conejero, J. A. (2017). Smoothing vs. sharpening of color images-Together or separated. Applied Mathematics and Nonlinear Sciences, 2(1), 299-316. https://doi.org/10.21042/AMNS.2017.1.00025

Plataniotis, K.N., Venetsanopoulos, A.N. (2000). Color Image processing and applications. Springer-Verlag, Berlin. https://doi.org/10.1007/978-3-662-04186-4

Viola, P., Wells, W.M. (1997). Alignment by maximization of mutual information. International Journal of Computer Vision 24 (2), 137-154. https://doi.org/10.1023/A:1007958904918

Sonka, M., Hlavac, V., Boyle, R. (2014).Image processing, analysis, and machine vision. Cengage Learning.