Filtros en el dominio espacial (space domain filters) Filtros en el dominio de frecuencias...
-
Upload
ruben-gamez -
Category
Documents
-
view
224 -
download
1
Transcript of Filtros en el dominio espacial (space domain filters) Filtros en el dominio de frecuencias...
• Filtros en el dominio espacial (space domain filters)
• Filtros en el dominio de frecuencias (frecuency domain filters)
• Filtros en el dominio espacial (space domain filters)
• Filtros en el dominio de frecuencias (frecuency domain filters)
Una de las aplicaciones principales del filtraje es la reducción del ruido• Promediación de imágenes
• Promediación de pixels vecinos
1 2 3 n=8
8 0 4 P0’ = 1/9 . Pi
7 6 5 n=0
• Filtro mediano35 45 68
21 0 46 21, 24, 35, 39, 45, 46, 57, 68 P0’ = 45
24 57 39
• Filtro pasabajo (lowpass filter)1/9 1/9 1/9
1/9 1/9 1/9 (1/9 X 9) = 1
1/9 1/9 1/9
Una de las aplicaciones principales del filtraje es la reducción del ruido• Promediación de imágenes
• Promediación de pixels vecinos
1 2 3 n=8
8 0 4 P0’ = 1/9 . Pi
7 6 5 n=0
• Filtro mediano35 45 68
21 0 46 21, 24, 35, 39, 45, 46, 57, 68 P0’ = 45
24 57 39
• Filtro pasabajo (lowpass filter)1/9 1/9 1/9
1/9 1/9 1/9 (1/9 X 9) = 1
1/9 1/9 1/9
FF(u)(u) = R(u) + jI(u) FF(u)(u) = R(u) + jI(u)
FF(u)(u) = ƒ(x) exp[-j2x]
dx
-
FF(u)(u) = ƒ(x) exp[-j2x]
dx
-
I(u) (u)=tan-1 R(u)
I(u) (u)=tan-1 R(u)
|F(u)|=[R2(u) + I2(u)]½|F(u)|=[R2(u) + I2(u)]½
FF(u)(u) = |F(u)|ej(u) FF(u)(u) = |F(u)|ej(u)
Función de Magnitud o Espectro de Fourier
Fase angular
La Transformada de Fourier de una función real generalmente es complejo, donde R(u) es la parte Real y jI(u) en la parte Imaginaria.
Expresada en forma exponencial
La Transformada de Fourier de una función continua de una variable está definida por la ecuación:
Unidimensional Bidimensional
FF(u)(u) = ƒ(x) exp[-j2x] dx
-
FF(u)(u) = ƒ(x) exp[-j2x] dx
-
• Ideal lowpass filterIdeal lowpass filter:Todas lasfrecuencias dentro del
círculo de radio D0 son pasadas sin ninguna atenuación, mientras que todas las frecuencias por fuera de ese círculo son completamente atenuadas.
• Trapezoidal lowpass filterTrapezoidal lowpass filter
• Butterworth lowpass filterButterworth lowpass filter
• Exponential lowpass filterExponential lowpass filter
90; 95; 98; 99; 99.5; 99.9%90; 95; 98; 99; 99.5; 99.9%
90; 95; 98; 99; 99.5; 99.9%
90; 95; 98; 99; 99.5; 99.9%
Ideal
Imagen OriginalImagen Original
Fitro Pasa alto exponencial
Fitro Pasa alto exponencial
Enfasis de alta frecuencia
Enfasis de alta frecuencia
Enfasis de alta frecuencia y equalización
del histograma
Enfasis de alta frecuencia y equalización
del histograma
Demo III con ImagePro PlusDemo III con ImagePro Plus
• De Parámetros Globales• Fracción de área determinada por el No. de
pixels• No. de estructuras
• De Parámetros Individuales• Tamaño
• Lineal (Diámetro circular, radio de curvatura, etc.)
• Área (cuadrada, poligonal)• Ángulos (en objetos con dobleces)• Arco
• Forma• Relación de Aspecto (largo/Ancho)• Factor de forma (0 4Área/Perímetro1)• Convexidad• Redondez• Simetría
• Posición (del centroide en un sistema de coordenadas X,Y)
• Brillo (representado por los niveles de grises o colores)
• De Parámetros Globales• Fracción de área determinada por el No. de
pixels• No. de estructuras
• De Parámetros Individuales• Tamaño
• Lineal (Diámetro circular, radio de curvatura, etc.)
• Área (cuadrada, poligonal)• Ángulos (en objetos con dobleces)• Arco
• Forma• Relación de Aspecto (largo/Ancho)• Factor de forma (0 4Área/Perímetro1)• Convexidad• Redondez• Simetría
• Posición (del centroide en un sistema de coordenadas X,Y)
• Brillo (representado por los niveles de grises o colores)
Describe el estudio de las relaciones entre estructuras tri-dimensionales y los parámetros de medición que pueden ser obtenidos de imágenes en dos dimensiones convencionales
• De Parámetros Globales• Área por unidad de volumen determinada en secciones
• No. de estructuras
• De Parámetros Individuales• Tamaño
• Forma
• Posición
• Brillo
Describe el estudio de las relaciones entre estructuras tri-dimensionales y los parámetros de medición que pueden ser obtenidos de imágenes en dos dimensiones convencionales
• De Parámetros Globales• Área por unidad de volumen determinada en secciones
• No. de estructuras
• De Parámetros Individuales• Tamaño
• Forma
• Posición
• Brillo
Demo IV con Image ProDemo IV con Image Pro
PDI
PDISubjetivo
PDIObjetivo
Realce y Restauración
Análisis Bidimensional
Análisis Tridimensional
Realce y Restauración
Realce de la calidad de la
imagen
•Filtraje•Promedio•Equalización•Brillo y contraste
•Clasificación•Alineamiento•Promedio•Estadística
Reconstrucción Tridimensional
•De hélices•De partículas aisladas•De cristales
•La información 3-dimensional normalmente es obtenida Interpretando las micrografías como proyecciones.•Por la combinación de esas proyecciones (computando un intervalo angular suficiente), eventualmente el objeto 3-dimensional es recuperado.
Visualización 3D real•Visualización estereoscópica•Reconstrucción por secciones seriadas
Reconstrucción 3D•RX (mm)
•Tomografía Axial Computarizada•Resonancia Magnética Nuclear
•ME ( )•TEM(Tinción Negativa,Crio ME, etc)•Secciones seriadas•Tomografía Electrónica
Visualización 3D real•Visualización estereoscópica•Reconstrucción por secciones seriadas
Reconstrucción 3D•RX (mm)
•Tomografía Axial Computarizada•Resonancia Magnética Nuclear
•ME ( )•TEM(Tinción Negativa,Crio ME, etc)•Secciones seriadas•Tomografía Electrónica
- Organelas (100-1000nm)-Arreglos macromoleculares (5-50nm)
TOMOGRAPHIC RECONSTRUCTION
MAP: INSECT FLIGHT MUSCLE RESOLUTION: ~40 Å
SINGLE PARTICLE RECONSTRUCTION
MAP: 70S RIBOSOME E.COLI
RESOLUTION: 13.4 Å
ICOSAHEDRAL RECONSTRUCTION
MAP: BACTERIOPHAGE PRD1 CAPSID
RESOLUTION: ~14 Å
HELICAL RECONSTRUCTION
MAPA: Protofilamento de MicrotúbuloRESOLUSION: ~14 Å