UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS 1

Detección de Imágenes, Caso Particular

Glóbulos Rojos.
Gabriel A. Alzate A. -20011005013- , Hugo A.Bello.R. -20051005014,
Resumen-Las técnicas de procesamiento de imágenes se han
estado utilizando desde hace mucho tiempo brindando
herramientas para subir el nivel de vida de la humanidad, en
este proyecto mostramos una aproximación a un problema
presentado en la asignatura DSPIII, en la cual se busca
reconocer glóbulos rojos dentro de unas imágenes presentadas,
mostraremos como por medio de el Laplaciano prepararemos la
imagen para procesarla, el método por el que reconocemos el
patrón buscado, y los algoritmos necesarios para hallarlos, así
como algunos resultados del proceso.
Index Terms—Laplaciano,DSP,Glóbulos, Gaussiano.
I.INTRODUCTION
Nuestro objetivo en esta fase es obtener la segunda derivada
de una versión suave de cada imagen, según la literatura
consultada para esta parte [1,2], este proceso de búsqueda de
la segunda derivada es muy robusto, ya que el alisamiento
gaussiano, suprime la influencia de píxeles lejanos, y la
laplaciana es una medida eficiente y estable de los cambios de
una imagen.
Por cuestiones practicas, se realizo primero el suavizado con
un filtro gaussiano, pero la imagen presento cambio en
cuanto a el conteo al final de la prueba, como se aprecia en la
figura 1 y 2, por lo mismo, decidió omitirse el filtro gaussiano
del programa realizado, como se puede apreciar, ya que hay
un conteo mas exacto sin utilizar el filtro.

E l principal objetivo de el proyecto propuesto es hacer un

conteo de los glóbulos presentes en unas imágenes dadas
por el profesor, el siguiente trabajo expone una aproximación
realizada al proceso realizado para llegar a tal fin.

II.PROCEDIMIENTO DESARROLLADO

Necesitamos comenzar haciendo un realce de la imagen, ya

que algunas no presentan una calidad adecuada para su
tratamiento, iniciamos llevando la imagen a escala de grises
para su fácil manejo, aparte por el trabajo realizado en clase
anticipamos la utilización de la convolución y realizarla sobre
una imagen en escala de grises, para hacerlo se buscaron Figura 1.Conteo con preprocesamiento con suavizado gaussiano.
varios tipos de filtros, cuyo fin es básicamente reducir el
posible ruido presente en la imagen, aparte de resaltar los
bordes de los objetos en cuestión, por recomendación de la
bibliográfica consultada es de recomendación un filtro de
suavizado, con el fin de reducir la sensibilidad de estas al
ruido, para luego aplicar un Laplaciano a la imagen con el fin
de destacar los cambios de intensidad, cuando seleccionamos
el filtro de suavizado intentamos cumplir dos criterios, ser
suave y de banda limitada, para reducir el numero de
frecuencias en las que puede realizarse el cambio, y segundo
que la respuesta sea casi puntual, aunque las dos condiciones
son contradictorias, la distribución que optimiza estos
parámetros es la distribución Gaussiana.

Ya que algunos de los detectores de fronteras vistos antes

calculan el gradiente, y si su valor esta encima del umbral, se
supone la existencia de un puto de borde, una mejor
aproximación seria encontrar solo los máximos locales en el
gradiente, y considerar estos los puntos de borde, así pues
estos puntos de borde son los puntos de corte por cero de la
segunda derivada, por eso recurrimos al Laplaciano, porque
este es el equivalente bidimensional de la segunda derivada.
Figura 2. Conteo con preprocesamiento sin suavizado gaussiano.
Como grupo de trabajo, llegamos a la conclusión que el
suavizado gaussiano, “suaviza” demasiado la imagen, no
permitiéndole al filtro Laplaciano hacer una correcta
detección de los cruces por cero de la segunda derivada.

Para la realización del Laplaciano, partimos de la primera


aproximación al mismo mediante matrices, de la forma
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
0 1 0
1 -4 1
0 1 0
y con una ligera modificación, hacemos que la operación le
de mas peso a los píxeles centrales del entorno, quedando de
la siguiente forma:
1 1 1
1 -8 1
1 1 1
Luego convolucionamos esta nuestra imagen ya puesta en
escala de grises con la matriz del Laplaciano, y la resultante
con una imagen creada artificialmente de 17 bits de ancho
(dato proporcionado en clase en la presentación de la tesis)
con forma cercana a los objetos a buscar, con el siguiente
resultado[4].
Figura 3. Imagen original
Figura 4. Imagen artificial creada para la convolución
Figura 5. Imagen resultante de la convolución
2
Logramos el cometido de la convolución al eliminar las
perturbaciones en el sistema[3].
Veamos la superficie parametrica de esta imagen en la fugura
6a y 6b..
Figura 6a. Superficie resultante
Figura 6b. Superficie resultante
Acá logramos apreciar el valor de los respectivos puntos en
la imagen, ahora solo necesitamos una función que nos
permita hallar las coordenadas de donde nos encontramos, el
máximo de esta imagen es 13003, y el mínimo -6512, así que
acerquemos estos valores a un promedio, y cual signifique los
puntos que debemos tomar, con un experimento de cambiar
este parámetro, dimos con que el ideal, o por lo menos el que
menos falsos negativos presenta, es 3800, el proceso de
nuestro trabajo en este proyecto aun no nos ha llevado a una
forma de hallar este valor de una forma analítica, así que
usamos el precepto de ensayo y error para obtenerlo,
esperamos esto cambie en futuras revisiones del mismo.
Ahora creamos una matriz y ubicamos nuestras coordenadas
allí, graficamos la misma, y vemos que aunque se logro una
buena aproximación, no solo en una, sino en todas las
imágenes, aun hay trabajo por hacer y hay formas de mejorar
el método, resaltando que solo se ha usado lo aprendido en
clase.
Se adicionan a continuación las imágenes (figura 7) de
algunas de los resultados obtenidos, verificando que se logro
una identificación del 99% de los glóbulos presentes en las
imágenes, en la mayoría de ellas, aunque como se ve en la
ultima imagen mostrada y es en la única que se presenta, es
del 96%, así que se espera para futuras entregas mejorar el
reconocimiento en esta imagen.
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS 3

III.RESULTADOS

Figura 7d. Resultados

Figura 7a. Resultados

REFERENCES
[1] Introducción al procesamiento y análisis de imágenes digitales. R, Molina,
Universidad de Granada.
[2] Pattern Recognition and image preprocessing. Sing-Tze Bow. Marcel
Deker Inc. Series Editor.
[3] The Image Procesing Handbook, J.C.Rush, CRC Press, Springer, IEEE
Press.
[4] Apuntes de clase y proyectos de laboratorio de la materia DSPIII, profesor
Rodrigo Herrera.

Figura 7b. Resultados

Figura 7c. Resultados