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

• Autores: Cristina Pérez Benito, Samuel Morillas, Cristina Jordán Lluch , José Alberto Conejero Casares
• Localización: Modelling in Science Education and Learning, ISSN-e 1988-3145, Vol. 11, Nº. 1, 2018, págs. 5-14
• Idioma: español
• DOI: 10.4995/msel.2018.7784
• Títulos paralelos:
  • Determination of connected components inthe analysis of homogeneous and detail zonesin color images
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    A model based on local graphs to classify pixels coming from at or detail regions of an image is presented. For each pixel a local graph is dened. Its structure will depend on the similarity between neighbouring pixels. Its features allow us to classify each image pixel as belonging to one type of region or the other. This classication is an essential pre-processing technique for many Computer Vision tools, such as smoothingor sharpening of digital color images.

• Referencias bibliográficas
  • Camarena, J. G., Gregori, V., Morillas, S., Sapena, A. (2013). El concepto de métrica fuzzy a través del filtrado de imágenes digitales. Modelling...
  • Camarena, J. G., Morillas, S., Cisneros, F. J. (2011). On the importance of metrics in practical applications. Modelling in Science Education...
  • 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,...
  • Jordán, C., Morillas, S., Sanabria-Codesal, E. (2012) Colour image smoothing through a soft-switching mechanism using a graph model. IET Image...
  • Jordán, C., Torregrosa, J. R. (1996). Introducción a la Teoría de Grafos y sus Algoritmos. Universitat Politècnica de València, València,...
  • Lukac, R., Plataniotis, K. N. (2006). A taxonomy of color image filtering and enhancement solutions. Hawkes, P.W.(ed) Advances in Imaging...
  • Lukac, R., Smolka, B., Martin, K., Plataniotis, K. N., Venetsanopoulos, A. N. (2005). Vector filtering for color imaging. IEEE signal processing...
  • Maes, F., Collingnon, A., Vandermeulen, G. Marchal, G., Suetens, P. (1997). Multimodality image registration by maximization of mutual information....
  • 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...
  • Pérez-Benito, C., Morillas, S., Jordán, C., Conejero, J. A. (2017). Smoothing vs. sharpening of color images-Together or separated. Applied...
  • 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....
  • Sonka, M., Hlavac, V., Boyle, R. (2014).Image processing, analysis, and machine vision. Cengage Learning.