Correlación y Convolución

Visión Computacional
Hasta ahora…

NEXT!!!
 Filtrado espacial

Filtrar una imagen es

reemplazar cada píxel con
una combinación lineal de
sus vecinos si se trata de un
filtro lineal, y reemplazar
cada pixel con una
combinación no lineal de
sus vecinos en caso
contrario..
Correlación
Convolución
 La mecánica del filtrado espacial lineal
Un filtro espacial lineal realiza una operación
de suma de productos entre una imagen f y
un núcleo de filtro, w. El kernel es una matriz
cuyo tamaño define la vecindad de operación
y cuyos coeficientes determinan la naturaleza
del filtro. Otros términos utilizados para
referirse a un kernel de filtro espacial son
máscara, plantilla y ventana. Usamos el
término kernel de filtro o simplemente kernel.

A medida que varían las coordenadas x e y,

el centro del núcleo se mueve de píxel a
píxel, generando la imagen filtrada, g, en el
proceso.
 Correlación y convolución espacial

● La correlación consiste en mover el centro de un

kernel sobre una imagen y calcular la suma de
productos en cada ubicación.
● La mecánica de la convolución espacial es la
misma, excepto que el núcleo de correlación se
gira 180°.
● Cuando los valores de un kernel son simétricos
con respecto a su centro, la correlación y la
convolución dan el mismo resultado.
● La razón para rotar el kernel quedará clara en la
siguiente discusión.
● La mejor manera de explicar las diferencias entre
los dos conceptos es con un ejemplo.
 Correlación y
Convolución Espacial 1d
 Correlación y
Convolución Espacial 2d

Con el término filtrado espacial lineal,

nos referimos a convolucionar un
kernel con una imagen
Aplicando Kernels de Correlación
Aplicando Kernels de Convolución
 Algunos kernels especiales: Suavizado(Smoothing)

Filtro Gaussiano
 Algunos kernels especiales: Suavizado(Smoothing)

Filtro Gaussiano
 Algunos kernels especiales: Suavizado(Smoothing)

Filtro Gaussiano

G11
 Algunos kernels especiales: Nitidez (Sharpening)

Filtro de desenfoque y de alto impulso

G5, k=2
 Algunos kernels especiales: Nitidez (Sharpening)

Filtro de desenfoque y de alto impulso

G5, k=4
 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Minimo
 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Maximo
 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Mediana
 Algunos kernels especiales: Remover Ruido (Noise Removal)

Añadiendo ruido a una imagen

 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Minimo
 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Máximo
 Algunos kernels especiales: Remover Ruido (Noise Removal)

No Lineales: Mediana
 Algunos kernels especiales: Remover Ruido (Noise Removal)

Lineal: Filtro media

 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Prewitt
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Prewitt
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Prewitt
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Prewitt
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Sobel
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Sobel
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Sobel
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la primera derivada para detectar bordes

Kernel Sobel
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Kernel Laplaciano
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Kernel Laplaciano
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Kernel Laplaciano
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Kernel Laplaciano
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Kernel Laplaciano
 Algunos kernels especiales: Detector de Bordes (Edge Detector)

Filtros basados en la segunda derivada para detectar bordes

Laplaciano de un kernel Gaussiano
Algunas propiedades fundamentales de convolución y correlación.
Separabilidad
Filtrado Lineal Espacial Multi-etapa