Resumen de Numerical measures for image processing: magnification and thresholding
El procesamiento de imágenes digitales consiste en un conjunto de técnicas que se aplican sobre las imágenes digitales para solucionar dos problemas: mejorar la calidad visual de la imagen o procesar la información contenida de tal forma que una máquina pueda entenderla por sí sola.
Algunos de los procesos más comunes a realizar sobre imágenes digitales son la ampliación y la segmentación. En esta tesis hemos presentado nuevos métodos para realizar estos procesos.
La segmentación de imágenes consiste en separar cada uno de los objetos que forman parte de la imagen. Para ello se analizan cada uno de los píxeles, de tal forma que todos los que tengan ciertas características en común consideramos que forman parte del mismo objeto. La segmentación de imágenes digitales se utiliza hoy en día para resolver muchos problemas, como son la teledetección, el reconocimiento de patrones, o el análisis de pruebas médicas. Por su parte, la ampliación de imágenes consiste en incrementar la resolución espacial de una imagen, es decir, obtener una imagen mayor (con más píxeles) que represente la misma escena, preservando los detalles y la nitidez de la imagen. Las técnicas de ampliación de imágenes son muy útiles cuando enviamos imágenes de un dispositivo a otro o cuando las subimos a la web, ya que para que la transmisión sea más rápida solemos enviar una versión reducida de la imagen, que cuando llega al destino es necesario ampliar para tenerla en su tamaño original. También se utiliza la ampliación de imágenes en aquellos casos donde la imagen tiene baja resolución, como puede ser en cámaras de videovigilancia.
En esta tesis hemos presentado dos nuevos métodos de ampliación de imágenes: uno para ampliar imágenes en escala de grises y otro para ampliar imágenes en color. Estos métodos fueron desarrollados para solucionar un problema de una empresa de infografía donde, además de la calidad de los resultados, es necesario que la ejecución de los algoritmos sea rápida. Para ello, hemos estudiado la manera de almacenar la información referente a cada píxel y sus vecinos mediante técnicas intervalares, así como diferentes técnicas para obtener los valores de los nuevos píxeles a partir de dichos intervalos. De esta forma, nuestros algoritmos de ampliación de imágenes destacan no sólo por la calidad obtenida sino por el tiempo que tardan en ejecutarse, que es 700 veces inferior a otros métodos existentes que obtienen la misma calidad.
A lo largo de esta tesis también hemos presentado dos algoritmos de segmentación de imágenes. El primero de ellos está adaptado para trabajar con imágenes de huellas dactilares. Uno de los primeros pasos para realizar la identificación personal a través de huellas dactilares consiste en separar la huella del fondo de la imagen de una manera eficiente. Para ello, en esta tesis hemos propuesto cómo medir la homogeneidad en cada zona de una imagen, es decir, cómo de parecidos son todos los píxeles de una región. A partir de esta medida, hemos desarrollado un algoritmo que es capaz de realizar la segmentación sobre las huellas dactilares correctamente.
El segundo algoritmo de segmentación que hemos propuesto está orientado a la segmentación de imágenes de resonancia magnética de cerebros. Este proceso es clave para analizar diferentes estructuras, así como medir su área o volumen. Una de las características más destacables de nuestro método es que realizamos diferentes aproximaciones de esa segmentación mediante técnicas difusas y obtenemos un consenso entre todas ellas, de tal forma que la segmentación final que obtenemos es muy precisa.
