Muestreo y Cuantificación de Imágenes de Carbonizados by Chaves

957 views

Published on

Char classification process is based on morphological characteristics, such as: number of pores, distribution of pores and all thickness. Approximately, five hundred images have to be analysing in order to classify a char sample. Frequently, these images have high spatial resolution, 1300 x 1030 pixels, and intensity levels are represented using 8 bits. Thus, char image applications require large storage and processing capacity. In this paper, we compare different subsampling and quantisation strategies in order to reduce the spatial resolution and the number of bits used. Compared strategies showed excellent results in reducing spatial resolution and intensity levels, with minimal loss of information or details in processed images

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
957
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Muestreo y Cuantificación de Imágenes de Carbonizados by Chaves

  1. 1. MUESTREO Y CUANTIFICACIÓN DE IMÁGENES DE CARBONIZADOS Deisy Chaves Maria Trujillo Andrés RojasChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008
  2. 2. Introducción (I) Para clasificar una muestra de carbonizado es necesario analizar al menos 500 partículas.Poro Clasificación Morfológica del Carbonizado Teniusphere Espesor de Pared Crassisphere TenuinetworkInquemadoChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 2
  3. 3. Introducción (II) Árbol de decisión para la clasificación de carbonizados propuesto por Bailey y Ben fell, después Ben Fell y LiuChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 3
  4. 4. Introducción (III)Proyecto de investigación Clasificación Automática de CarbonizadosProvenientes de un Proceso de Desvolatilización de Carbón.Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 4
  5. 5. Definición del Problema Imágenes a color de alta resolución (1300 x 1030 píxeles) Representadas utilizando 8 bits para cada canal de color Poro InquemadoChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 5
  6. 6. Imagen Digital Una imagen digital se forma mediante el muestreo y la cuantificación de una imagen continua f(x,y). Píxel N M L = 2k IntensidadesChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 6
  7. 7. Muestreo Imagen digital Representación de Submuestreo la imagen en el de la imagen computador [1][2] (Muestreo)Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 7
  8. 8. Submuestreo Media Cada uno de los píxeles (i,j) de la nueva imagen se obtienen como la media o promedio de las intensidades de la cuadrícula correspondiente. Imagen Resultante Imagen OriginalChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 8
  9. 9. Submuestreo Mediana Cada uno de los píxeles (i,j) de la nueva imagen se obtienen como la mediana de las intensidades de la cuadrícula correspondiente. Imagen Resultante Imagen OriginalChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 9
  10. 10. Submuestreo Simple Cada uno de los píxeles (i,j) de la nueva imagen es el primer píxel (x,y) de la cuadrícula correspondiente. Imagen Resultante Imagen OriginalChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 10
  11. 11. Cuantificación La cuantificación es el número de bits utilizados para representar una intensidad de luz en un canal de color. 0 20 40 30 70 180 0 5 10 7 17 45 80 0 10 36 190 193 20 0 2 9 47 48 15 45 57 195 220 244 3 11 14 48 55 61 85 255 195 187 85 40 21 63 48 46 21 10 16 243 173 90 0 112 4 60 43 22 0 28 34 192 255 30 50 120 8 48 63 7 12 30 45 80 190 15 80 170 11 20 47 3 20 42 16 8 173 190 0 12 4 2 43 47 0 3 6 18 200 170 40 7 1 4 50 42 10 1 Imagen Digital Representación de la Representación de la imagen utilizando 8 bits imagen utilizando 6 bits o 256 intensidades o 64 intensidadesChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 11
  12. 12. Cuantificación Homogénea Para reducir la cuantificación en la imagen calculamos: Nueva Intensidad = intensidad / factor Donde el factor indica que tanto se va a disminuir la cuantización, por ejemplo: si el factor es 2 estamos disminuyendo la cuantización de la imagen a la mitad [3][4]Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 12
  13. 13. Imágenes de Prueba Imagen No.1 Imagen No.2 Imagen No.3 Imagen No.4 Imagen No.5 Imagen No.6 Imagen No.7 Imagen No.8 Imagen No.9 Imagen No.10 Imagen No.11 Imagen No.12Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 13
  14. 14. Resultados del SubmuestreoSubmuestreo Media Submuestreo Mediana Submuestreo Simpled=2 (650x515píxeles) d=2 (650x515 píxeles) d=2 (650x515 píxeles)d=4 (325x257 píxeles) d=4 (325x257 píxeles) d=4 (325x257 píxeles)Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 14
  15. 15. Resultados de la CuantificaciónImagen No.1,8 bits - 256 intensidades Factor =2, 7 bits – 128 intensidades Factor =4, 6 bits - 64 intensidades Factor =8, 5 bits - 32 intensidadesChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 15
  16. 16. Medidas Evaluación Cuantitativa Sean Ij la imagen original y Gj la imagen resultante del uso de una estrategia de submuestreo y/o cuantificación,con j ∈{R,G,B} El cambio porcentual de la entropía de Shannon normalizada [5][6] se calcula como: Donde HN(Ij) corresponde a la entropía de Shannon normalizada, calculada para el j-ésimo canal de color en la imagen. El cambio del coeficiente de variación [7] se calcula como: Donde CV(Ij) corresponde al coeficiente de variación, calculada para el j-ésimo canal de color en la imagen.Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 16
  17. 17. Evaluación Submuestreo con d=2 Cambio porcentual de la entropía de Shannon normalizada. Media Mediana Simple Canal Rojo Canal Verde Canal AzulChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 17
  18. 18. Outlier Diferencia Porcentual Entropía de Shannon NormalizadaImagen No.3Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 18
  19. 19. Evaluación Submuestreo con d=2 Cambio porcentual del coeficiente de variación Media Mediana Simple Canal Rojo Canal Verde Canal AzulChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 19
  20. 20. Outliers Diferencia Porcentual Coeficiente de VariaciónImagen No.3 Imagen No.5Imagen No.6 Imagen No.9 Slide 20
  21. 21. Evaluación Submuestreo con d=4 Cambio porcentual de la entropía de Shannon normalizada Media Mediana Simple Canal Rojo Canal Verde Canal AzulChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 21
  22. 22. Outliers Diferencia Porcentual Entropía de Shannon Normalizada Imagen No.3 Imagen No.9 Slide 22
  23. 23. Evaluación Submuestreo con d=4 Cambio porcentual del coeficiente de variación Media Mediana Simple Canal Rojo Canal Verde Canal AzulChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 23
  24. 24. Outliers Diferencia Porcentual Coeficiente de Variación Imagen No.3 Imagen No.5 Imagen No.6Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 24
  25. 25. Evaluación Cuantificación con factor ={2,4,8} Cambio porcentual de la entropía de Shannon normalizada Factor=2, L=128 Factor=4, L=64 Factor=8, L=32 Canal Rojo Canal Verde Canal AzulChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 25
  26. 26. Outliers Diferencia Porcentual Entropía de Shannon Normalizada Imagen No.5 Imagen No.11Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 26
  27. 27. Evaluación Cuantificación con factor ={2,4,8} Cambio porcentual del coeficiente de variación Canal Rojo Canal Verde Canal Azul Factor=2, L=128 Factor=4, L=64 Factor=8, L=32Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 27
  28. 28. Outliers Diferencia Porcentual Coeficiente de Variación Imagen No.3 Imagen No.5 Imagen No.9 Imagen No.11Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 28
  29. 29. Tamaño de las Imágenes Submuestreadas Estrategia de Formato con Formato Sin Resolución Submuestreo Compresión Compresión Espacial Utilizada JPG PPM Ninguna 1300x1030 500KB 12MB Media d=2 650 x 515 36KB 3M Mediana d=2 650 x 515 36KB 3M Simple d=2 650 x 515 37KB 3M Media d=4 325 x 257 14KB 752KB Mediana d=4 325 x 257 14KB 751KB Simple d=4 325 x 257 15KB 751KBChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 29
  30. 30. Tamaño de las Imágenes Cuantificadas Cuantificación k bits L Formato Con Formato Sin Compresión Compresión JPG PPM factor =1 8 256 500KB 12MB factor =2 7 128 109KB 11,3MB factor =4 6 64 112KB 8,13MB factor =8 5 32 121KB 7,96MBChaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 30
  31. 31. Conclusiones Las estrategias de submuestreo tienden a producir pequeños cambios en la diferencia porcentual de la entropía de Shannon normalizada y grandes cambios en la diferencia porcentual del coeficiente de variación. Las estrategias de cuantificación tienden a producir grandes cambios en la diferencia porcentual de la de la entropía de Shannon normalizada y pequeños cambios en la diferencia porcentual del coeficiente de variación. Se considera el uso de submuestreo simple con d=2 y una cuantificación con un factor = 4.Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 31
  32. 32. Referencias 1. Weinberger, M.J., Seroussi, G., and Sapiro, G. The LOCO-I lossless image compression algorithm: principles and standardization into JPEG-LS. IEEE Transactions on Image Processing, Vol. 9, Issue 8, pag. 1309 – 1324, 2000Sad 2. Man H., Docef A. And Kossentini F. Performance Analysis of the JPEG 2000. Image Coding Standard, Multimedia Tools and Applications, Vol. 26, No. 1, pag. 27-57, 2005 3. Navarro Y., Peña J., Torres C. Detección y cuantización de macérales en imágenes de carbón por métodos ópticos. Revista Colombiana de Física. Vol. 38, pag. 637- 640, 2006. 4. Gerace I., Mastroleo M., Milani A., and Moraglia S. An Evolutionary Approach to Inverse Gray Level Quantization. Lecture Notes in Computer Science, Vol. 4781, pag. 242-253, 2007 5. Hea, M., Hea, X. F., and Luoa, H. B. Detection of information change on SAR images based on entropy theory. 1st Asian and Pacific Conference on Synthetic Aperture Radar, pag. 775 – 778, 2007. 6. Jordan, J., Ludeman, L. Image segmentation using maximum entropy techniques. IEEE International Conference on Acoustics, Speech, and Signal Processing, Vol. 9, Part 1, pag. 674 – 677, 1984 7. Lande R. On comparing Coefficients of Variation. System Zoology, Vol. 2, No. 2, pag. 214-217, 1977.Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 32
  33. 33. Chaves, Trujillo y Rojas, III Congreso Colombiano de Computación, Medellín, Abril 23-25 de 2008 Slide 33

×