FILTROS DE AGUDIZAMIENTO

Los filtros de agudizamiento sirven para resaltar, destacar información contenida en una imagen
a diferentes escalas especiales, la cual se trata principalmente de realzar los detalles de la
imagen (sobre todo en los bordes).

El proceso de filtrado consiste en la aplicación a cada uno de los pixeles de la imagen de una
matriz de filtrado de tamaño NxN (generalmente de 3x3 aunque puede ser mayor) compuesta
por números enteros y que genera un nuevo valor mediante una función del valor original y los
de los pixeles circundantes. Este proceso tiene como nombre convolución de la imagen. Estos
filtros están basados en la primera y segunda derivada.

• Filtro Laplaciano:
La aplicación fundamental del filtro laplaciano es aumentar la nitidez (destacando los
detalles) de la imagen, al afinar las líneas de transición de niveles de gris. Este filtro está
basado en la segunda derivada:

Discretizando:
Con respecto a x

Con respecto a y

La implementación se obtiene sumando las dos derivadas parciales:

A continuación presentamos 4 máscaras de filtros laplacianos y mostraremos las

pequeñas diferencia que hay entre ellas:
Imagen Original:

a) Con la siguiente máscara:

b) Con la siguiente máscara:

c) Con la siguiente máscara:

d) Con la siguiente máscara:

Finalmente se obtiene la imagen con énfasis en los detalles finos de la imagen:

Obteniendo como resultado: Para a) y b) respectivamente:

 Para c) y d) respectivamente:

Criterio de Implementación:

Ejemplo:

Imagen Original:
Para a) y b) respectivamente:

• UnSharp Masking and High-Boost Filtering.

Consiste en tener una versión original de la imagen y resaltarle la versión suavizada de la
imagen (imagen borrosa).

El high-bosst filtering se define como:

Donde fs se puede obtener de cualquier manera conocida por ejemplo: restando una
imagen original de una imagen filtrada con alguno de los filtros de suavizamiento anteriores,
o también fs se puede obtener directamente con un filtro laplaciano.

Si fs es nuestro filtro laplaciano:

Obtenemos: con un A=1.2

Ahora con el filtro de la mediana: con A=1.2

Ahora veremos otros filtros usando información de la gradiente.

• Operador de Roberts:
Aproximación según Roberts.

• Operador de Sobel:
Aproximación según Sobel.

Los bordes son mas predominantes que en el Laplaciano.

• Caso de Estudio:
Problema: Se tiene el scaneo de los huesos usando tecnología nuclear para detectar
infecciones de huesos y tumores, el problema es el rango dinámico de la escala de grises y
alto nivel de ruido. El objetivo es mejorar la imagen.
Imagen Original:
Paso 1: Aplicar el filtro Laplaciano + la imagen original.

Paso 2: Aplicar el operador Sobel a la imagen original.

Paso 3: Suavizar la imagen anterior con un filtro promedio de 5*5

Paso 4: Laplaciano * Sobel Suavizada

Paso 5: Operación potencia de la imagen anterior con y=0.5 y c=1