Resumen –– En el presente escrito, se describen de manera condensada tres métodos diferentes para efectuar la suma de imágenes utilizando MATLAB.

Abstract –– The present document provides a summarized of three different methods of summing images, using MATLAB.

I. INTRODUCCIÓN

Dentro del ámbito conocido de visión por computadora, identificamos la necesidad de manipular una imagen utilizando métodos numéricos.

La operación más básica, dentro de los procedimientos matemáticos, es la suma. Sin embargo, existen limitaciones para sumar dos matrices, la dimensión de las mismas; y en el caso de imágenes, el valor máximo que puede tomar la nueva matriz dependiendo el modelo de color con que se representan.

II. METODOLOGÍA

El primer paso para la suma de imágenes, es representarlas mediante un mismo modelo de color; esto es en matrices.

Retomando los conocimientos básicos de álgebra lineal, definimos una suma de dos matrices como la suma de cada uno de sus elementos, siempre que dichas matrices sean del mismo tamaño.

La limitante en la suma de matrices representadas en un modelo RGB, es el valor máximo que podemos simbolizar con dicho modelo (un entero igual a 255); así encontramos tres métodos para no sobrepasar este rango.

A. Suma condicionada Con este método, condicionamos a que cualquier valor mayor a 255 será cambiado por el máximo permitido.

B. SemisumaEfectúa una promedio de los valores de ambas matrices,

entonces si un par de elementos son igual a 255, el valor de la semisuma será también 255.

C. Suma con cofactoresMediante este método, determinamos con coeficientes

constantes multiplicados por cada elemento de las matrices, uno por matriz, el porcentaje que deseamos mostrar de cada

imagen; por tal motivo, la suma de ambos coeficientes deberá ser igual a 1.

III. RESULTADOS

D. Figuras

Fig. 1. Imagen original 1

Fig. 2. Imagen original 2

Fig. 3. Suma condicionada

Suma de Matrices

M. H. Romero1

1Especialidad en Computación, Escuela Superior de Ingeniería Mecánica y Eléctrica, unidad Zacatenco-IPN, México D.F. Teléfono (55) 2062-0380 E-mail: monserratrh @ outlook.com

Fig. 4. Semisuma

Fig. 5. Suma con cofactores

Comparando las imágenes resultantes, observamos que del primer método obtenemos una imagen mucho más brillosa que las originales; esto debido a que la condición deja demasiados pixeles en su máximo tono.

Con el segundo procedimiento, considero que obtenemos una imagen muy balanceada, respecto al realce de las originales, el brillo, el contraste y los tonos que conserva.

Por último, aplicando la tercera técnica apreciamos una imagen oscurecida en comparación con las originales. Variando el valor de los coeficientes comprobamos qué imagen estará más definida.

E. Código Una ves que las imágenes se encuentren en el formato

indicado para realizar todas las operaciones; es decir, representadas por el modelo RGB con tipo de dato double, recorremos cada elemento de las matrices y aplicamos los diferentes métodos.

%suma condicionanda

for f=1:3 for g=1:m for h=1:n d=ima(g,h,f)+imb(g,h,f); if(d<=255) imsc(g,h,f)=d; else imsc(g,h,f)=255; end

end endend %semisuma

for f=1:3 for g=1:m for h=1:n imss(g,h,f)=(ima(g,h,f)+imb(g,h,f))/2; end endend %suma con cofactoresalfa=0.5;beta=0.5; for f=1:3 for g=1:m for h=1:n imscc(g,h,f)=(ima(g,h,f)*alfa+imb(g,h,f)*beta)/2; end endend

Al final es necesario convertir nuevamente al tipo entero para poder apreciarlas en la pantalla como una imagen real, utilizando la función image( ) de MATLAB.

F. ConclusionesEn el desarrollo de sistemas de visión por computadora

es importante conocer y poder desarrollar diversos tipos de operaciones con imágenes, para poder aplicar las indicadas cuando sea requerido.