Cap.

VIII El Color En El Procesamiento

Digital De Imágenes
Introducción
Los colores del EV tienen una amplia gama de
tonalidades en torno de 7 millones; el ojo humano solo
distingue aprox.30 niveles ;para un uso optimizado de la
herramienta de colores , es necesario entender los
fundamentos básicos de la teoría de colores y alguno de
sus modelos
 Antecedentes
El uso de color en el procesamiento digital de
imágenes está motivado principalmente por dos
factores:
1. El color es un descriptor poderoso que
generalmente simplifica la identificación de
objetos y su extracción de una escena.
2. Los humanos podemos discernir cientos de
colores, sombras e intensidades, comparado con
tan sólo un par de decenas de tonos de gris. Este
factor es de particular importancia en el análisis de
imágenes manual (como el que hacemos los
humanos).
El procesamiento digital de imágenes aparece tardíamente en la
historia de la computación, ya que antes de pensar en ello,
había que desarrollar el hardware y los sistemas operativos
gráficos que permitieran hacerlo. Por otro lado, los algoritmos y
las técnicas de optimización que han tenido que desarrollarse
para el procesamiento digital de imágenes son muy sofisticados
y elaborados. En la actualidad existen muchas aplicaciones de
software que permiten el procesamiento digital de imágenes,
mucho de este utiliza técnicas o algoritmos que son bien
conocidos por la comunidad que trabaja en ello, pero otros
utilizan sus propias variantes o técnicas nuevas que están poco
documentadas.
 Procesamiento Digital de Imágenes
• Las imágenes y el procesamiento son digitales.
• Imagen digital: Conjunto finito de elementos.
• Procesamiento digital de imágenes:
• Procesamiento de imágenes realizado por un sistema digital
(electrónico).
• Una imagen de dos dimensiones es una función f(X, Y) donde X e Y
representan las coordenadas del plano.
• f(X,Y) representa la intensidad o nivel de gris de la imagen en ese punto
• Si X e Y son discretos y finitos entonces la imagen es digital
 ¿Qué es una imagen digital?
• Representación en formato de grilla (matriz)
• M filas x N columnas
• Cada elemento de la grilla es un PIXEL
• ¿Qué información se guarda en cada
pixel?
A cada píxel se le asigna un valor tonal (negro, blanco,
matices de gris o de color), el cual está representado en
un código binario (ceros y unos).
Los dígitos binarios ("bits") para cada píxel son
almacenados por una computadora en una secuencia,
junto con la dirección numérica que ocupa, en lo que se
conoce como “mapa de imagen”. Luego la computadora
interpreta y lee los bits para producir una versión
analógica para su visualización o impresión.

A cada píxel se le
asigna un valor tonal,
en este ejemplo 0 para
el negro y 1 para el
La eficacia de las computadoras no se basa en la complejidad de su
fundamento lógico, que se reduce a manejar dos posibles valores,
sino de la velocidad con la que se aplica dicha lógica: los
microprocesadores actuales pueden procesar varios millones de bits
en un sólo segundo.
Bit es una síntesis de dos términos en inglés: Binary digit, que en
español significan dígito binario, o lo que es lo mismo, número
(dígito) con dos posibles valores (binario). El término surge de usar
las dos primeras letras de Binary con la última de digit: bit.
El pixel – Profundidad de tono de gris
Pixel → INTENSIDAD PROMEDIO → número
 RESOLUCION
La RESOLUCION de una imagen digital es la capacidad
de distinguir los detalles espaciales finos de una
imagen digital, expresados por el dpi: dots‐per‐inch
(puntos por pulgada) o por el ppi: pixels‐per‐inch
(píxeles por pulgada).
 DIMENSIONES DE PIXEL
Las DIMENSIONES DE PIXEL son las medidas horizontales y verticales de una
imagen, expresadas en píxeles. Se pueden determinar multiplicando tanto el
ancho como la altura por el dpi.
Una cámara digital también tendrá dimensiones de píxel, expresadas como la
cantidad de píxeles en forma horizontal y en forma vertical que definen su
resolución (por ejemplo: 2.048 por 3.072). El dpi se calcula dividiendo las
dimensiones de un documento por la dimensión de píxel correspondiente
respecto de la cual se encuentra alineado.
Este es el motivo por el que dots –per-inch-“dpi”- (puntos por pulgada), o
pixels -per-inch -“ppi”- (píxeles por
pulgada) -“ppp”-, son términos comunes y sinónimos utilizados para
expresar la resolución de imágenes digitales. Generalmente, pero dentro de
ciertos límites, el aumento de la frecuencia de muestreo también ayuda a
aumentar la resolución.
-ppi Es la resolución de digitalización.
-dpi La resolución de salida se refiere al número de puntos por pulgada (dpi)
que produce un dispositivo de salida, como una filmadora o impresora láser.
Las impresoras láser normalmente tienen una resolución de salida de 300 a
600 dpi. Las filmadoras de tecnología punta pueden imprimir a 1200 dpi, 2400
dpi o más.
Dimensión de píxel: Un documento de 8 x 10
pulgadas que se escanea a 300 dpi posee dimensiones
de píxel de 2400 píxeles (8 pulgadas x 300 dpi) por
3000 píxeles(10 pulgadas x 300 dpi).
La resolución de imagen se refiere a la cantidad de
información almacenada para una imagen, medida en
píxels por pulgada (ppi). El nº de bits por pixel indica el
número de colores o de grises por punto. La resolución de
imagen y sus dimensiones determinan el tamaño de
archivo del documento, que se expresa en kilobytes (Kb)
o megabytes (Mb). Si una imagen tiene una resolución de
72 ppi, esto significa que contiene 5184 píxels en una
pulgada cuadrada (72 píxels de ancho x 72 píxels de alto=
5184). Cuanto más alta la resolución, más píxels hay en
una imagen. Por ejemplo, una imagen de 3 por 3 pulgadas
con una resoluci ón de 72 ppi tendría 46.656 cuadros de
color. La misma imagen a una resolución de 300 ppi
tendría 810.000 cuadros de color en la misma área de 3
por 3 pulgadas
Distintas resoluciones para una misma imagen. La
mayor calidad esta lógicamente asociada a un mayor
tamaño del archivo.
 El color
Si iluminamos una pantalla con tres radiaciones lumínicas roja,
verde y azul, la corteza visual del cerebro interpretará que la
escena se ilumina con blanco. Este principio se llama el de la
mezcla aditiva o principio de la tricromía.
La pantalla por lo tanto se compone de puntos llamados pixels.
El color de cada pixel se obtiene mediante tres números que
indican la cantidad de rojo, de verde y de azul de la mezcla
necesaria para tener el color.
La tarjeta gráfica del ordenador es la encargada de guardar esas
combinaciones que se almacenan en forma de bytes en una
memoria de la propia tarjeta.
Las propiedades del color se pueden definir matemáticamente
usando un modo de color. Cuatro de los modos más corrientes
son tono, saturación, y brillo (HSB); rojo, verde y azul (RGB);
cian, magenta, amarillo y negro(CMYK); y Lab.
Una imagen a color está representada por una
profundidad de bits entre 8 y 24 o superior a ésta. En una
imagen de 24 bits, los bits por lo general están divididos
en tres grupos: 8 para el rojo, 8 para el verde, y 8 para el
azul. Para representar otros colores se utilizan
combinaciones de esos bits. Una imagen de 24 bits ofrece
16,7 millones de valores de color. Pero cada vez más, los
escáneres están capturando 10 bits o más por canal de
color, llegando a digitalizar imágenes en 32 bits
 Tamaño informático del archivo
La unidad de medida son los bytes (conjunto de 8 bits). Su tamaño
depende del número de píxeles de la imagen y de su profundidad de
bits. Se calcula multiplicando las dimensiones de la imagen en píxel
verticales y horizontales , por la profundidad de bit para determinar
la cantidad de bits presentes en un archivo de imagen. Por ejemplo,
si se captura una imagen de 24 bits con una cámara digital con
dimensiones de píxel de 2.048 x 3.072, entonces el tamaño de
archivo es (2048 x 3072 x 24) / 8 = 50.331.648 bytes.
Debido a que las imágenes digitales tienen como resultado archivos
muy grandes, la cantidad de bytes con frecuencia se reducen a otras
dimensiones más grandes: 1 Kilobyte (Kb) = 1.024 bytes; 1 Megabyte
(Mb) = 1.024 KB; 1 Gigabyte (Gb) = 1.024 MB;1 Terabyte (Tb) = 1.024
GB
Tamaño de archivo =(dimensiones de píxel x profundidad de bits) / 8
Profundidad de bits : De izquierda a derecha ‐
imagen bitonal de 1 bit, a escala de grises de 8 bits, y
a color de 24 bits.
 Modelos de color
La mayoría de los modelos de color hoy en día están orientados
ya sea al hardware (como monitores a color o impresoras) o a
alguna aplicación donde el objetivo es la manipulación del
color (como la creación de gráficas a color para animaciones).
- En términos de procesamiento de imágenes, los modelos
orientados al hardware más comunmente utilizados en la
práctica son el modelo RGB (rojo, verde, azul) modelo para
monitores a color y para una gran variedad de cámaras de
video en color; el CMY (cyan,magenta, amarillo) y el CMYK
(cyan, magenta, amarillo, negro), modelos para impresoras
en color; y el HSI (brillo (hue), saturación, intensidad) que
corresponde al modelo más cercano a la manera en que los
humanos percibimos el color.
 Modelo RGB
En el modelo RGB, cada color aparece en sus
componentes espectrales primarios de rojo, verde y
azul. Este modelo está basado en un sistema
coordenado Cartesiano. El subespacio de interés para
el modelo RGB es un cubo:
-El número de bits que se utiliza para representar cada pixel en
el espacio RGB es llamado profundidad de pixel (pixel depth).
-Considere una imagen RGB en el que cada imagen roja, verde y
azul es una imagen de 8-bits. Bajo estas condiciones cada pixel
de color RGB [esto es, una tripleta de valores (R,G,B)] se dice
que tiene 24 bits de profundidad (3 planos imagen por el
número de bits por plano). El término imagen de color total (full
color) se utiliza generalmente para denotar una imgen de color
RGB de 24-bits. El número total de colores de una imagen RGB
de 24-bits es(28)3=16,777,216.
 Diagrama de cromaticidad
- Otro método de especificar el color es utilizando el
diagrama de cromaticidad (CIE), que muestra la
composición del color como función de x (rojo) y y
(verde). Para cada valor de x y y el correspondiente
valor de z (azul) se obtiene de la ecuación anterior:x
+ y + z = 1, haciendo z = 1 - ( x + y ).
-El punto marcado como verde en la figura siguiente,
por ejemplo, tiene aproximadamente un contenido
de 62% de verde y 25% de rojo. De la expresión
anterior la composición de azul será
aproximademente 13%.
Los tres extremos
representan los colores
puros. Cualquier punto
que no esté en los
bordes representa
alguna mezcla de color.
El punto de igual
energía es la luz
blanca. Cualquier
punto colocado
exactamente en el
borde corresponde a un
color completamente
saturado. Conforme
nos acercamos del
borde al punto de igual
energía al color se le
agrega más luz blanca
y por lo tanto está
menos saturado.
Regiones del diagrama de cromaticidad
No todos los colores del
diagrama de
cromaticidad pueden ser
representados.
El área triangular,
representa los colores
típicos de un monitor a
color.
El área irregular,
representa los colores de
dispositivos de
impresión.
Un sensor de captura de imágen es el elemento de una cámara fotográfica
digital que capta la luz que compone la fotografía.
Estos chips semiconductores tienen una matriz rectangular de dispositivos
(llamados photosites) donde cada uno es sensible a tres colores, rojo, verde y
azul (conocidos como colores RGB debido a red, green, blue). La sensibilidad es
lograda por solo uno de los colores RGB por filtración. Estos sitios se organizan
en la matriz RGB de Bayes.

Observemos que dicha matriz, contiene mas lugares verdes (un 50% del total).
Esto se debe a que el ojo humano cuenta con mayor sensibilidad al color
verde.
Antes del procesamiento de la imagen la matriz de Bayes se interpola depende
el tipo de imagen que queramos (por ejemplo si en nuestro menú de la cámara
ponemos imagen natural, o blanco y negro, colores vivos, etc.) y luego se
guarda la imagen.
 Composición de colores
Composición de colores falso color
Es la forma mas usual de combinar 3 bandas espectaculares de satélites para
formar una combinación a colores.
En imágenes landsat frecuentemente son usadas las combinaciones 7, 5, 4 en
MSS y 4,3,2 en TM en colores RGB respectivamente.

4, 5, 7 en MSS

Esta combinación
ha sido encontrada
para mostrar clases
de texturas de
tierra (arcilla, tierra
de moldeo, y
arenosa) por
investigadores de
CCRS.
 Bandas 2, 3, 4

Desplegando esta
banda TM4 en
verde; esta
combinación de
banda hace que la
vegetación verde
aparezca verde en
la imagen. La
diferencia entre
bosques coníferos
y caducifolio no
puede ser tan
distinto como en
la rendición.
En TM una combinación de bandas 3,2,1 en RGB coinciden con las longitudes
de ondas de espectro visible ( contrario al MSS) produce una composición de
color real, tal como por la vista humana.
Operaciones de combinación.
1.- cuidadosa selección de banda.- Se puede utilizar tres bandas (cualquiera)
para producir una composición a color y que tenga la información deseada.
Los nuevos sensores registran información en mayor numero de bandas.
2.- buscar una combinación de colores.- que traduzca para el ojo humano la
información contenida en las bandas.
La información contenida en un triplete de bandas no cambia con la variación
de colores, no se debe utilizar combinaciones prescritas para composiciones a
color de determinadas bandas con determinados colores. Se debe buscar
combinaciones de color que permita la mejor respuesta deseada para
interpretar.
 A una banda con
información de
textura (variación de
intensidad de una
imagen) se puede
asignar el color
verde ya que la vista
humana distingue
mejor variación de
intensidad y no con
relación al color
verde.
 Para las bandas que contienen rasgos espectrales mas finas se puede
asignar colores azul y rojo (la vista es mas sensible a estos colores).
Aumento de contraste en composiciones a color

Las imágenes satelitales son adquiridas con un contraste original relativamente

bajo.
En una combinación de colores(triples) los bajos contrates se reflejan en la
distribución de colores. Apenas una pequeña porción de colores es utilizado. El
aumento de contraste es esencial en la producción de composiciones de color y
toda las técnicas de aumento de contraste. Los diferentes tipos de aumento de
contrate pueden producir ciertas lagunas en la distribución de intensidades de
una imagen. Esa laguna a su vez producen supresión de tonalidades en
composiciones de color final.
 Correlación espectral y sus consecuencias en las composiciones de
color.
Imágenes producidas por sensores multi-espectrales, presenta que las diversas
bandas espectrales que componen la imagen son continuas o adyacentes en los
intervalos de longitud de onda, por tanto se presenta una repetición de
información espectral de una banda para otra.
Una sombra topográfica
creada por la proyección de
rayos soleres oblicuos al
terreno censado, siempre
aparecerá oscura en una
imagen independientemente
de la banda considerada. Por
tanto los pixeles relativos a esa
zonas sombreadas tendrán un
bajo DN en toda las bandas en
consecuencia son
correlacionados desde el punto
de vista espectral.
 Figura A y B muestran histogramas tridimensionales de bandas
correlacionadas, cuya distribución de intensidades se a lo largo del eje
pancromático. Significa que al aumentar el contrate solo se consigue
aumentar el tamaño del elipse.
 Composición de colores
Composición de colores falso color
Es la forma mas usual de combinar 3 bandas espectaculares de satélites para
formar una combinación a colores.
En imágenes landsat frecuentemente son usadas las combinaciones 7, 5, 4 en
MSS y 4,3,2 en TM en colores RGB respectivamente.

4, 5, 7 en MSS

Esta combinación
ha sido encontrada
para mostrar clases
de texturas de
tierra (arcilla, tierra
de moldeo, y
arenosa) por
investigadores de
CCRS.
 Bandas 2, 3, 4

Desplegando esta
banda TM4 en
verde; esta
combinación de
banda hace que la
vegetación verde
aparezca verde en
la imagen. La
diferencia entre
bosques coníferos
y caducifolio no
puede ser tan
distinto como en
la rendición.
En TM una combinación de bandas 3,2,1 en RGB coinciden con las longitudes
de ondas de espectro visible ( contrario al MSS) produce una composición de
color real, tal como por la vista humana.
Operaciones de combinación.
1.- cuidadosa selección de banda.- Se puede utilizar tres bandas (cualquiera)
para producir una composición a color y que tenga la información deseada.
Los nuevos sensores registran información en mayor numero de bandas.
2.- buscar una combinación de colores.- que traduzca para el ojo humano la
información contenida en las bandas.
La información contenida en un triplete de bandas no cambia con la variación
de colores, no se debe utilizar combinaciones prescritas para composiciones a
color de determinadas bandas con determinados colores. Se debe buscar
combinaciones de color que permita la mejor respuesta deseada para
interpretar.
 A una banda con
información de
textura (variación de
intensidad de una
imagen) se puede
asignar el color
verde ya que la vista
humana distingue
mejor variación de
intensidad y no con
relación al color
verde.
 Para las bandas que contienen rasgos espectrales mas finas se puede
asignar colores azul y rojo (la vista es mas sensible a estos colores).
Aumento de contraste en composiciones a color

Las imágenes satelitales son adquiridas con un contraste original relativamente

bajo.
En una combinación de colores(triples) los bajos contrates se reflejan en la
distribución de colores. Apenas una pequeña porción de colores es utilizado. El
aumento de contraste es esencial en la producción de composiciones de color y
toda las técnicas de aumento de contraste. Los diferentes tipos de aumento de
contrate pueden producir ciertas lagunas en la distribución de intensidades de
una imagen. Esa laguna a su vez producen supresión de tonalidades en
composiciones de color final.
 Correlación espectral y sus consecuencias en las composiciones de
color.
Imágenes producidas por sensores multi-espectrales, presenta que las diversas
bandas espectrales que componen la imagen son continuas o adyacentes en los
intervalos de longitud de onda, por tanto se presenta una repetición de
información espectral de una banda para otra.
Una sombra topográfica
creada por la proyección de
rayos soleres oblicuos al
terreno censado, siempre
aparecerá oscura en una
imagen independientemente
de la banda considerada. Por
tanto los pixeles relativos a esa
zonas sombreadas tendrán un
bajo DN en toda las bandas en
consecuencia son
correlacionados desde el punto
de vista espectral.
 Figura A y B muestran histogramas tridimensionales de bandas
correlacionadas, cuya distribución de intensidades se a lo largo del eje
pancromático. Significa que al aumentar el contrate solo se consigue
aumentar el tamaño del elipse.
 Modelo HSI

 Hemos visto que los modelos RBG y CYM están

relacionados con el hardware, sin embargo no son útiles
para describir los colores en términos prácticos para la
interpretación humana. Por ejemplo, uno no se refiere al
color de un automóvil dando porcentajes del contenido de
cada uno de los colores primarios!

 Cuando los humanos vemos un color lo describimos en

términos de su tono (H), saturación (S) y su brillo o
intensidad (I).
 Modelo HSI

 Hemos visto que el tono es un atributo cromático que describe

un color puro (amarillo puro, naranja puro, etc), mientras que
la saturación proporciona una medida del grado en que el color
puro está diluído en luz blanca. El modelo HSI debe su utilidad
a dos hechos:

1. La componente de intensidad (I) está desacoplada de la

información cromática.
2. Las componentes de tono (H) y saturación (S) están
íntimamente relacionadas con la forma en que los humanos
precibimos el color.

 El modelo HSI es una herramienta ideal para el procesamiento

de imágenes en color.
 Modelo HSI

 Como discutimos antes, una imagen en color RGB puede ser

vista como 3 imágenes de intensidades monocromáticas
(representando el rojo, verde y azul), así que no debe
sorprendernos que seamos capaces de extraer la intensidad de
una imagen RGB.

 Esto es evidente si tomamos el cubo unitario RGB y lo paramos

con el vértice negro (0,0,0) en la base y el vértice blanco (1,1,1)
directamente arriba de él. La intensidad (escala de gris) está a lo
largo de la línea vertical que une estos dos vértices (eje de
intensidad). Por lo tanto si queremos determinar la
componente de intensidad de cualquier color, simplemente
pasamos un plano perpendicular al eje de intensidad y que
contenga al punto de color.
 Relación entre RGB y HSI

 La intersección del plano con el eje de intensidad nos dará un

punto con valor de intensidad en el rango [0,1]. También
notamos que la saturación (pureza) de un color incrementa
como función de la distancia al eje de intensidad. De hecho la
saturación de los puntos sobre el eje de intensidad es cero, como
evidencia del hecho de que todos los puntos a lo largo de ese eje
son grises.
 Relación entre RGB y HSI

 El tono tambien puede ser determinado dado un punto RGB. La

figura (b) muestra un plano formado por los puntos negro,
blanco y cyan. El hecho de que los puntos negro y blanco estén
contenidos en el plano nos dice que el eje de intensidad también
está contenido en el plano. Además, todos los puntos
contenidos en el segmento de plano definido por el eje de
intensidad y los bordes del cubo tienen el mismo tono (cyan en
este caso).
 Relación entre RGB y HSI

 Todos los colores generado por estos tres colores caen en el

triángulo definido por ellos. Si dos de esos puntos son blanco y
negro y el tercero es un punto de color, todos los puntos del
triángulo tendrán el mismo tono porque las componentes de
negro y blanco no pueden cambiar el tono. Si rotamos el plano
sombreado alrededor del eje vertical de intensidad
obtendremos diferentes tonos.
 Relación entre RGB y HSI

 La clave para recordar la relación entre el cubo RGB y su

correspondiente espacio de colores HSI es que el espacio
HSI se representa por el eje vertical de intesidad y la
posición de los puntos de color que caen en planos
perpendiculares a este eje. Conforme el plano se mueve
para arriba o para abajo del eje de intensidad, los bordes
definidos por la intersección de cada plano con las caras
del cubo tiene forma triangular o hexagonal. Esto se puede
ver más claramente si miramos el cubo desde su eje de
escala de grises hacia abajo, como se ve en la siguiente
figura:
 Relación entre RGB y HSI
a) En este plano vemos que los
colores primarios están
separados por 120°, los colores
secundarios están a 60° de los
primarios, lo que significa que
los ángulos entre secundarios
también son 120°.
b) Muestra la misma forma
hexagonal y un punto arbitrario
de color. El tono en el punto se
determina por un ángulo con
respecto a una referencia (rojo),
y el tono se incrementa conforme
a las manecillas del reloj desde la
referencia. La saturación (la
distancia al eje vertical de
c) y d) sólo representan otras posibles formas
intensidad) es el tamaño del
de la misma representación.
vector del origen al punto.
Relación entre RGB y HSI
Los componentes importantes del espacio de
color HSI, son el eje vertical de intensidad,
el tamaño del vector al punto de color y el
ángulo que este vector hace respecto a la
referencia (eje rojo). Por lo tanto no es
inusual el plano HSI esté definido en
términos de los hexágonos vistos antes o en
forma de triángulo o círculos.

La forma geométrica elegida no importan

realmente, cualquiera de estas formas puede
convertirse en la otra mediante
transformaciones geométricas.
 Conversión RGB a HSI

 Dada una imagen de color RGB, el componente H se calcula

como:
  si B  G
H 
360   si B  G

 1 / 2R  G   R  B  
donde   cos  1
1/ 2 
 
 R  G   R  B G  B  
2
 Conversión RGB a HSI

 El componente de saturación, S :

S  1
3
min R, G, B 
R  G  B 
 El componente de intensidad, I :

I  R  G  B 
1
3
 Se asume que los valores de RGB están normalizados en el rango
[0,1] y que el ángulo  se mide respecto al eje rojo del espacio
HSI.
 Conversión HSI a RGB

 Dados HSI ahora queremos encontrar los componentes RGB.

Las ecuaciones a utilizar dependen del valor del ángulo H.
Existen tres sectores de interés correspondientes a los intervalos
de 120° de separación entre los colores primarios.

 Sector RG (0°  H < 120°): B  I (1  S )

 S cos H 
R  I 1  
 cos( 60 
 H ) 

G  3I  ( R  B )
 Conversión HSI a RGB

 Sector GB (120°  H < 240°): Si H está en este sector primero le

restamos 120° : H = H - 120°

R  I (1  S )

 S cos H 
G  I 1  
 cos( 60 
 H ) 

B  3I  ( R  G )
 Conversión HSI a RGB

 Sector BR (240°  H  360°): Si H está en este sector primero le

restamos 240° : H = H - 240°

G  I (1  S )

 S cos H 
B  I 1  
 cos( 60 
 H ) 

R  3 I  (G  B )
 Conversión HSI a RGB

Imagen RGB oscura Imagen RGB realzada

Expansión
HSI de I RGB
 Modelo HSI

 Los ejemplos sobre la utilidad de este modelo van

desde el diseño de sistemas automáticos para
determinar el grado de maduración de frutas y otros
vegetales, hasta sistemas para comparar muestras de
color o inspeccionar la calidad de productos
coloreados.
 Transformaciones de
niveles de gris a color
 Existen otros tipos de transformaciones que son más generales y por lo tanto son
capaces de obtener rangos mayores aquéllos resultado del realce con pseudocolor con
el simple rebanado de intensidades.

 Un método que es particularmente atractivo se basa en realizar tres transformaciones

independientes de los niveles de gris de cualquier pixel de entrada. Estos tres
resultados se utilizan como entrada separadamente en los canales rojo, verde y azul.
 Transformaciones de
niveles de gris a color

 Este método produce una imagen compuesta cuyo contenido de color está modulado
por la naturaleza de las funciones de transformación. Note que estas son
transformaciones de los niveles de gris de una imagen y no son función de la
posición.
Transformaciones de
niveles de gris a color

Las imágenes
monocromáticas de arriba
son de equipaje obtenidas
del sistema de escaneo
rayos X de un aeropuerto.
La imagen de la izquierda
contiene artículos comúnes,
la de la derecha contiene lo
mismo más un bloque que
simula explosivos plásticos.
Transformaciones de
niveles de gris a color
Estas son las funciones de transformación
utilizadas en el ejemplo anterior. Estas
funciones sinusoidales contienen regiones
de valores relativamente constante
alreadedor de las crestas así como en las
regiones donde hay cambios rápidos cerca
de los valles. Cambiando la fase y la
frecuencia de cada función sinoidal se
pueden enfatizar (en color) rangos de
escalas de grises. Por ejemplo, si las tres
transformaciones tienen la misma fase y la
misma frecuencia la salida sería
monocromática.
Transformaciones de
niveles de gris a color
Un pequeño cambio en la fase entre las
tres transformaciones produce un pequeño
cambio en los pixeles cuyos valores de
gris corresponden a crestas en las
sinusoidales, especialmente si las
sinusoidales tienen amplias envolventes
(bajas frecuencias). Los pixeles con
niveles de gris en una sección onda de la
sinusoidal se le asignan contenidos de
color más fuertes como resultado de las
diferencias significativas entre las
amplitudes de las tres sinusoidales
causado por el desplazamiento de la fase
entre ellas.
Transformaciones de
niveles de gris a color

Las imágenes de abajo a la

izquierda fueron obtenidas con
el primer grupo de
transformaciones, mientras
que las imágenes de abajo a la
derecha con el segundo grupo
de transformaciones. Note las
diferencias en las tonalidades
asginadas al correspondiente
paquete de explosivos.
 Transformaciones de
niveles de gris a color
 El método anterior está basado en una sóla imagen monocromática. A
veces puede ser de utilidad combinar varias imágenes
monocromáticas en una sóla imagen compuesta a color.
Generalmente este método se utiliza en el procesamiento de imágenes
multiespectrales, donde diferentes sensores producen diferentes
imágenes monocromáticas de diferente banda espectral. Se combinan
las imágenes y se seleccionan 3 para el desplegado basados en el
conocimiento respecto a las características de respuesta de los
sensores.
Transformaciones de
niveles de gris a color
De las figuras (a) a la (d) tenemos
imágenes multiespectrales de saltélite de la
cuidad de Washington, incluyendo parte
del rio Potomac. La imagen (e) es la
combinación de las 3 primeras en una
imagen RGB: note la diferencia en color en
varias partes del rio. La imagen (f) se
obtuvo reemplazando la componente roja
de (e) por la imagen del infrarojo cercano:
muestra claramente la diferencia entre
biomasa (rojo) en las características hechas
por los humanos (concreto, asfalto, en
azul) y claramente el rio en verde.
 70

Gráficos vectoriales
 Un gráfico vectorial es una descripción matemática de una
forma geométrica. Los trazados de vectores se definen con
puntos. Su calidad no se degrada cuando se amplían, reducen o
cambian de escala.

nodo

http://www.iescuravalera.org
 71

Imagen vectorial y de mapa de bits

MSN

Vectorial Mapa de bits

http://www.iescuravalera.org
Ampliaciones de gráficos 72

vectoriales y mapa de bits

Vectorial Mapa de bits

 73

Postprocesamiento en Fireworks
74
75
76
77
 78

G R A C I A S