Antes de MIC
Después de MIC(k=2, f=1.5, s=6)
D.1 Número de bandas de tamaño y tamaño del elemento estructurante
D.2 Binarización de imágenes residuales
D.3 Tamaño de la imagen residual
D.4 Curvatura de los elementos estructurantes
H.1 Funciones y métodos empleados
H.2 Trabajo realizado por cada componente del grupo
Hay un número de parámetros libres en el algoritmo MIC:
Con una simple banda, para conseguir reducción del ruido, es necesario incrementar el factor de binarización f junto con d. Por otra parte, la imagen residual binarizada tiene tal densidad que la dilatación del esqueleto produce que el algoritmo recombine la mayor parte de la imagen residual en la imagen suavizada. Si esto sucede, la imagen procesada es casi idéntica a la original. Al incrementar f produce que el algoritmo discarte más de la imagen residual para así mostrar más de la imagen suavizada.
En el camino de la implementación de MIC, se tuvo que decidir para la forma y el tamaño apropiados para los elementos estructurantes. La forma más útil de SE para imágenes arbitrarias es el disco ya que no es direccional. Quizás sea más adecuado utilizar otras formas de elemento estructurante para procesar detalles de imágenes (por ejemplo, paneles de circuitos impresos), como cuadrados o hexágonos.
El tamaño que utiliza este algoritmo para los elementos estructurantes es de 2j+1+1 de diámetro en píxeles.
Si todos los parámetros son tomados con cuidado, un solo suavizado de banda de tamaño puede hacer un adecuado aclarado en algunas áreas de una imagen. Los mejores resultados se obtienen al usar múltiples bandas de tamaño.
Fig. Ejemplo de elemento estructurante en forma de disco de diámetro 5.
El algoritmo de aclarado de ruido automáticamente elige un separado umbral para el tophat y para el bothat para cada banda de tamaño.
Se usa la raíz cuadrada de los segundos momentos de la escala de grises del histograma del tophat o bothat como umbral de binarización. Es una elección conservativa y buena.
El programa que implementa el algoritmo puede aceptar uno o dos factores de multiplicación de binarización. Si usamos dos factores estamos tratando las características de brillo y oscuridad de forma separada.
La experiencia demuestra que una buena manera de seleccionar un factor de binarización es empezar al principio con f=1 y si el aclarado del ruido es inadecuado, entonces probar con f=1.25 o f=1.5. Rara vez es usado f>=2.0.
El ruido en algunas imágenes está caracterizado por pequeños clústeres de píxeles con similar niveles de gris. Tales clústeres algunas veces excederán la binarización de las imágenes residuales. Entonces, MIC las trata como características y los devuelve a la imagen aclarada. Esto frecuentemente mejora la visibilidad de la imagen y puede efectivamente negar cualquier resultado positivo del algoritmo. Se suelen eliminar estos clústeres al incrementar el mínimo número de píxeles por entorno (parámetro s en el algoritmo). El valor por defecto de s es 3 y su rango va del 1 al 9.
El algoritmo sería más efectivo si en los pasos del 5 al 9 en algoritmo del TOPBOT fueran reemplazados con un etiquetador de componentes conectadas que entonces borrara toda los regiones conectadas con menos de un área dada. Esto no se ha llevado a cabo porque aumenta la complejidad del algoritmo y la aproximación que da TOPBOT es suficiente.
Se puede usar planos o curvados elementos estructurantes. Cada tipo tiene sus ventajas. Un SE curvado producirá una apertura o clausura mas suavizada que un SE plano, pero manchará ligeramente los límites entre grandes regiones. Una apertura o clausura por un SE plano no solo preserva algunos límites entre regiones, sino que es mucho más rápido de computar que usar un SE curvado. En el algoritmo se opta por un SE plano.
El nuevo algoritmo MIC se comparó con un filtro de mediana y el resultado de otro algoritmo generalizado de filtro morfológico llamado Song-Delp. MIC sobre todo puede eliminar ruido de escáner que sigue un patrón.
Las imágenes ruidosas fueron creadas con Paint Shop Pro 6 (Jasc Software). El ruido es de tipo sal y pimienta.
|
|
|
Antes de MIC |
Después de MIC(k=2, f=1.5, s=6) |
Imagen 1.
|
|
|
Antes de MIC |
Después de MIC(k=3, f=1.0, s=3) |
Imagen 2.
 |
 |
Antes de MIC |
Después de MIC(k=3, f=1.25, s=3) |
Imagen 3.
 |
 |
Antes de MIC |
Después de MIC(k=1, f=2.0, s=5) |
Imagen 4.
Algunas vistas de la imagen 1...
Último suavizado de la imagen 1
(paso 3 de MIC) mediante la función OCCO
Primer y último esqueleto MAT (paso 10 TOPBOT)
de la imagen residual Tophat de la imagen
1.
Primer y último esqueleto MAT (paso 10 TOPBOT)
de la imagen residual bothat de la imagen
1.
Un aspecto útil de MIC es que mejora la compresión JPEG. El algoritmo de compresión de imágenes conocido como JPEG es una transformación codificada de escenas que emplea la transformada discreta del coseno.
Si una imagen es ruidosa, entonces todo su constante o variantes regiones están degradadas, y por tanto más información hay que procesar y guardar al comprimir. Claramente, cualquier reducción de ruido en una imagen mejora la compresión.
Para probar MIC, se tomaron varias imágenes de alt.binaries.pictures.misc newsgroup of usenet. Se presupone que fueron escaneadas, es decir, ninguna de ellas fue creada directamente por ordenador. MIC procesa las imágenes con dos bandas de tamaño: d=5 y d=9 y utiliza s=3. El algoritmo se ejecuta dos veces: la primera vez con f=1.0 y la segunda vez con f=1.5.
La tabla inferior muestra los resultados.
Con f=1 MIC es muy conservativo; su reducción del ruido es mínima, pero bajo estas condiciones la media de reducción del tamaño del fichero es del 12%.
Con f=1.5, hay cambios obvios en la imagen que son favorables en muchos casos pero no en todos. En este caso la media de reducción del tamaño del fichero es del 22%.
| Nombre de la imagen | Tamaño | Tamaño jpeg | Tamaño aclarado f=1.0 jpeg | % cambio | Tamaño aclarado f=1.5 jpeg | % cambio |
| a7-e.gif | 256.800 | 37.627 | 28.850 | 23 | 26.011 | 31 |
| airport.gif | 308.000 | 51.661 | 43.816 | 15 | 38.544 | 25 |
| aliens.gif | 308.000 | 56.803 | 53.110 | 7 | 50.999 | 10 |
| astronaut.gif | 308.000 | 68.519 | 60.315 | 12 | 56.519 | 18 |
| baboon.gif | 262.944 | 73.586 | 65.113 | 12 | 59.420 | 19 |
Tabla comparativa.
Se ha presentado un nuevo algoritmo (MIC) para reducción del ruido en las imágenes basado en distribuciones de tamaño morfológico.
MIC suaviza la imagen en un número de bandas de tamaño, resta esas bandas de la imagen para crear imágenes residuales, segmenta el residual en características y ruido, y devuelve las características a la imagen suavizada.
El algoritmo es útil para eliminar ruido en imágenes donde la desviación estándar del ruido no es muy grande. Tales pequeños niveles de ruido suelen ser el caso de imágenes escaneadas y de imágenes de video estáticas.
El éxito de MIC requiere el uso de un conjunto de tres parámetros: el número de bandas de tamaño (k), un factor de multiplicación de binarización del residual para la segmentación de la imagen (f) y un tamaño de segmentación para un entorno (s). Los valores por defecto de estos parámetros son k=1, f=1, s=3.
Los resultados de MIC comparados con el filtro de mediana y el algoritmo Song-Delp son superiores cuando las condiciones del ruido están en los detalles de la imagen.
El algoritmo es útil para el preprocesado de imágenes para la compresión JPEG, donde resulta una reducción media del tamaño del fichero del 12% cuando se emplean parámetros conservativos.
Los aspectos negativos de MIC son los siguientes:
Se planean dos extensiones de MIC. La primera extensión son los detalles del color donde obviamente se explorarán extensiones a los espacios RGB y HSI. El efecto de la cuantización del color se considerará. La segunda extensión es generalizar el algoritmo en tres dimensiones para uso en detalles de imágenes volumétricos y en el espacio-tiempo para detalles de imágenes en movimiento. Aquí, la clave del problema está en el diseño del elemento estructurante y la detección de eventos en la segmentación del residual espacio-tiempo.
Nuestra aplicación consiste básicamente en un filtro aplicado a una imagen en escala de grises. Para simplificar el uso de esta aplicación desarrollada en Visual C++, hemos desarrollado un entorno bautizado como eMIC que ejecuta el filtro morfológico MIC consiguiendo de esta manera hacer su uso más intuitivo. El entorno eMIC se desarrolló en Visual Basic de forma separada a la aplicación MIC, ya que suponía una mayor facilidad de implementación por parte de los componentes realizadores del trabajo en cuestión.
A continuación se realizará una breve descripción de nuestro programa y de las funciones y métodos empleados.
MIC, Morphological Image Cleaning, Image Noise Reduction es un algoritmo para
reducción de ruido de imágenes empleando morfología matemática. Este algoritmo se basa en la
técnica descrita en IEEE Transactions On Image Processing, Vol. 4. No. 5. May 1995.
Para su desarrollo, se han empleado las librerias IPL98 y CVIPTools.
Se han combinado dichas librerías para para empleo de las operaciones
morfológicas, como son la dilatación y erosión, para dar lugar a la apertura y clausura de
imágenes. Como es necesario trabajar en escala de grises, la librería CVIPTools es ideal para ello, y
aunque IPL trata la morfología, no lo hace en escala de grises sino que trabaja con
imágenes binarias en este sentido. No obstante, la librería IPL ha sido fundamental, ya que contiene una
función para realizar el skeleton de una imagen binaria, es decir, su medial axis
transform (MAT), que esta implicada en la ejecución de una de las rutinas
El algoritmo se compone de una rutina principal llamada MIC,
y dos subrutinas TOPBOT y OCCO. La rutina MIC realiza todo el proceso de aclarado de
imágenes apoyándose en las subrutinas. La subrutina TOPBOT tiene como funcion mantener las caracteristicas esenciales
de la imagen (procesador de imágenes residuales) y la rutina OCCO realiza un filtro
de suavizado de la imagen empleando aperturas y clausuras morfológicas en base a una formula definida
respectivamente en la documentación de IEEE.
* Búsqueda de herramientas de desarrollo y ayuda técnica complementaria
Manuel Merino Escribano.
José Ángel Martínez Canosa.
* Documentación HTML
Manuel Merino Escribano.
* Diseño del entorno eMIC y generación del entorno para MIC
Manuel Merino Escribano.
José Ángel Martínez Canosa
* Programación de MIC
Manuel Merino Escribano.
José Ángel Martínez Canosa.
* Pruebas
Manuel Merino Escribano.
José Ángel Martínez Canosa.
