Hispanopedia Wiki
Articulo de referencia

Pirámide (procesamiento de imágenes)

Representación visual de una pirámide de imágenes con 5 niveles La pirámide , o representación piramidal , es un tipo de representación de señales multiescala desarrollada por l...

Hispanopedia WikiContenido en espanolLectura gratuita
Representación visual de una pirámide de imágenes con 5 niveles

La pirámide , o representación piramidal , es un tipo de representación de señales multiescala desarrollada por las comunidades de visión artificial , procesamiento de imágenes y procesamiento de señales , en la que una señal o una imagen se somete a un suavizado y submuestreo repetidos . La representación piramidal es precursora de la representación en espacio de escalas y del análisis multirresolución .

Generación piramidal

Existen dos tipos principales de pirámides: de paso bajo y de paso de banda.

Una pirámide de paso bajo se crea suavizando la imagen con un filtro de suavizado adecuado y luego submuestreando la imagen suavizada, generalmente por un factor de 2 en cada dirección de coordenadas. La imagen resultante se somete al mismo procedimiento y el ciclo se repite varias veces. Cada ciclo de este proceso produce una imagen más pequeña con mayor suavizado, pero con menor densidad de muestreo espacial (es decir, menor resolución de imagen). Si se ilustra gráficamente, la representación multiescala completa se verá como una pirámide, con la imagen original en la base y las imágenes más pequeñas resultantes de cada ciclo apiladas una encima de la otra.

Una pirámide de paso de banda se crea calculando la diferencia entre imágenes en niveles adyacentes de la pirámide y realizando una interpolación de imágenes entre niveles de resolución adyacentes, para permitir el cálculo de diferencias píxel a píxel. [ 1 ]

núcleos de generación de pirámides

Se han propuesto diversos núcleos de suavizado para generar pirámides. [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] Entre las sugerencias dadas, los núcleos binomiales derivados de los coeficientes binomiales destacan como una clase particularmente útil y teóricamente bien fundamentada. [ 3 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] Así, dada una imagen bidimensional, podemos aplicar el filtro binomial (normalizado) (1/4, 1/2, 1/4) típicamente dos o más veces a lo largo de cada dimensión espacial y luego submuestrear la imagen por un factor de dos. Esta operación puede luego repetirse tantas veces como se desee, dando lugar a una representación multiescala compacta y eficiente. Si está motivado por requisitos específicos, también se pueden generar niveles de escala intermedios donde a veces se omite la etapa de submuestreo, dando lugar a una pirámide sobremuestreada o híbrida . [ 11 ] Con la creciente eficiencia computacional de las CPU disponibles hoy en día, en algunas situaciones también es factible utilizar filtros gaussianos con soporte más amplio como núcleos de suavizado en los pasos de generación de la pirámide.

Pirámide gaussiana

En una pirámide gaussiana, las imágenes subsiguientes se ponderan mediante un promedio gaussiano ( desenfoque gaussiano ) y se reducen de tamaño. Cada píxel que contiene un promedio local corresponde a un píxel vecino en un nivel inferior de la pirámide. Esta técnica se utiliza especialmente en la síntesis de texturas .

Pirámide laplaciana

Una pirámide laplaciana es muy similar a una pirámide gaussiana, pero guarda la imagen de diferencia de las versiones borrosas entre cada nivel. Solo el nivel más pequeño no es una imagen de diferencia, lo que permite reconstruir la imagen de alta resolución utilizando las imágenes de diferencia de los niveles superiores. Esta técnica se puede utilizar en la compresión de imágenes . [ 13 ]

Pirámide orientable

Una pirámide orientable, desarrollada por Simoncelli y otros, es una implementación de un banco de filtros de paso de banda multiescala y multiorientación utilizado para aplicaciones como compresión de imágenes , síntesis de texturas y reconocimiento de objetos . Puede considerarse una versión selectiva de orientación de una pirámide laplaciana, en la que se utiliza un banco de filtros orientables en cada nivel de la pirámide en lugar de un único filtro laplaciano o gaussiano . [ 14 ] [ 15 ] [ 16 ]

Aplicaciones de las pirámides

Representación alternativa

En los inicios de la visión por computadora, las pirámides se utilizaban como el principal tipo de representación multiescala para calcular características de imágenes multiescala a partir de datos de imágenes del mundo real. Técnicas más recientes incluyen la representación en el espacio de escalas , que ha sido popular entre algunos investigadores debido a su fundamento teórico, la capacidad de desacoplar la etapa de submuestreo de la representación multiescala, las herramientas más potentes para el análisis teórico, así como la capacidad de calcular una representación en cualquier escala deseada, evitando así los problemas algorítmicos de relacionar representaciones de imágenes a diferentes resoluciones. Sin embargo, las pirámides todavía se utilizan con frecuencia para expresar aproximaciones computacionalmente eficientes a la representación en el espacio de escalas . [ 11 ] [ 17 ] [ 18 ]

Manipulación de detalles

Se pueden añadir o eliminar niveles de una pirámide laplaciana de la imagen original para amplificar o reducir el detalle a diferentes escalas. Sin embargo, se sabe que la manipulación de detalles de esta forma produce artefactos de halo en muchos casos, lo que ha llevado al desarrollo de alternativas como el filtro bilateral .

Algunos formatos de archivo de compresión de imágenes utilizan el algoritmo Adam7 u otra técnica de entrelazado . Estos se pueden visualizar como una especie de pirámide de imágenes. Dado que estos formatos almacenan primero las características generales y los detalles finos posteriormente, un visor que muestre una miniatura o en una pantalla pequeña puede descargar rápidamente la cantidad justa de la imagen para visualizarla en los píxeles disponibles. De esta forma, un solo archivo puede ser compatible con múltiples resoluciones de visor, en lugar de tener que almacenar o generar un archivo diferente para cada resolución.

Véase también

Referencias

  1. ↑ EH Andelson y CH Anderson y JR Bergen y PJ Burt y JM Ogden. "Métodos piramidales en el procesamiento de imágenes" . 1984.
  2. ↑ Burt, PJ (mayo de 1981). "Transformación de filtro rápido para el procesamiento de imágenes". Computer Graphics and Image Processing . 16 : 20–51 . doi : 10.1016/0146-664X(81)90092-7 .
  3. 1 2 Crowley, James L. (noviembre de 1981). "Una representación para información visual" . Informe provisional de la Universidad Carnegie-Mellon . Universidad Carnegie-Mellon, Instituto de Robótica. Bibcode : 1981cmu..reptR....C . Informe técnico CMU-RI-TR-82-07.
  4. ↑ Burt, Peter; Adelson, Ted (1983). "La pirámide laplaciana como código de imagen compacto" (PDF) . IEEE Transactions on Communications . 9 (4): 532– 540. CiteSeerX 10.1.1.54.299 . doi : 10.1109/TCOM.1983.1095851 . S2CID 8018433 .  
  5. ↑ Crowley, JL; Parker, AC (marzo de 1984). "Una representación de la forma basada en picos y crestas en la diferencia de la transformada de paso bajo". IEEE Transactions on Pattern Analysis and Machine Intelligence . 6 (2): 156– 170. CiteSeerX 10.1.1.161.3102 . doi : 10.1109/TPAMI.1984.4767500 . PMID 21869180. S2CID 14348919 .   
  6. ↑ Crowley, JL; Sanderson, AC (1987). "Representación de resolución múltiple y coincidencia probabilística de forma en escala de grises 2D" (PDF) . IEEE Transactions on Pattern Analysis and Machine Intelligence . 9 (1): 113– 121. CiteSeerX 10.1.1.1015.9294 . doi : 10.1109/tpami.1987.4767876 . PMID 21869381. S2CID 14999508 .   
  7. ↑ Meer, P.; Baugher, ES; Rosenfeld, A. (1987). "Análisis en el dominio de la frecuencia y síntesis de núcleos generadores de imágenes". IEEE Transactions on Pattern Analysis and Machine Intelligence . 9 (4): 512– 522. doi : 10.1109/tpami.1987.4767939 . PMID 21869409 . S2CID 5978760 .  
  8. ↑ Lindeberg, Tony, " Espacio de escalas para señales discretas ", PAMI(12), No. 3, marzo de 1990, pp. 234-254.
  9. ↑ Haddad, RA; Akansu, AN (marzo de 1991). "Una clase de filtros binomiales gaussianos rápidos para el procesamiento de voz e imágenes" (PDF) . IEEE Transactions on Signal Processing . 39 (3): 723–727 . Bibcode : 1991ITSP...39..723H . doi : 10.1109/78.80892 .
  10. ↑ Lindeberg, Tony. Teoría del espacio de escalas en visión por computadora , Kluwer Academic Publishers, 1994, ISBN 0-7923-9418-6(Véase específicamente el Capítulo 2 para una descripción general de las pirámides de imágenes gaussianas y laplacianas, y el Capítulo 3 para la teoría sobre núcleos binomiales generalizados y núcleos gaussianos discretos).
  11. 1 2 3 Lindeberg, T. y Bretzner, L. Selección de escala en tiempo real en representaciones multiescala híbridas , Proc. Scale-Space'03, Isla de Skye, Escocia, Springer Lecture Notes in Computer Science, volumen 2695, páginas 148-163, 2003.
  12. ↑ Consulte el artículo sobre enfoques multiescala para obtener una breve explicación teórica.
  13. ↑ Burt, Peter J.; Adelson, Edward H. (1983). "La pirámide laplaciana como código de imagen compacto" (PDF) . IEEE Transactions on Communications . 31 (4): 532– 540. CiteSeerX 10.1.1.54.299 . doi : 10.1109/TCOM.1983.1095851 . S2CID 8018433 .  
  14. ↑ Simoncelli, Eero. "La pirámide dirigible" . cns.nyu.edu.
  15. ↑ Manduchi, Roberto; Perona, Pietro; Shy, Doug (1997). "Bancos de filtros deformables eficientes" (PDF) . Instituto Tecnológico de California / Universidad de Padua . También en Manduchi, R.; Perona, P.; Shy, D. (1998). "Bancos de filtros deformables eficientes". IEEE Transactions on Signal Processing . 46 (4): 1168– 1173. Bibcode : 1998ITSP...46.1168M . CiteSeerX 10.1.1.5.3102 . doi : 10.1109/78.668570 . 
  16. ↑ Klein, Stanley A.; Carney, Thom; Barghout-Stein, Lauren; Tyler, Christopher W. (1997). "Siete modelos de enmascaramiento". En Rogowitz, Bernice E.; Pappas, Thrasyvoulos N. (eds.). Visión humana e imágenes electrónicas II . Vol. 3016. pp. 13–24 . doi : 10.1117/12.274510 . S2CID 8366504 .   
  17. ↑ Crowley, J, Riff O. Cálculo rápido de campos receptivos gaussianos normalizados a escala , Proc. Scale-Space'03, Isla de Skye, Escocia, Springer Lecture Notes in Computer Science , volumen 2695, 2003.
  18. ↑ Lowe, DG (2004). "Características distintivas de imágenes a partir de puntos clave invariantes a la escala" . International Journal of Computer Vision . 60 (2): 91– 110. CiteSeerX 10.1.1.73.2924 . doi : 10.1023/B:VISI.0000029664.99615.94 . S2CID 221242327 .  
  • Codificación de imágenes mediante pirámide gaussiana-laplaciana : ilustra métodos de submuestreo , sobremuestreo y convolución gaussiana.
  • La pirámide gaussiana proporciona una breve introducción al procedimiento y cita varias fuentes.
  • Pirámide gráfica irregular laplaciana : la figura 1 de esta página ilustra un ejemplo de la pirámide gaussiana.
  • La pirámide laplaciana como código de imagen compacto en el envío de libros electrónicos.