Detector de contorns basat en el domini transformat

Abstract

RESUM En aquest document es presenta un detector de contorns d’imatges basat en el domini transformat. A partir de la interpretació de la transformada de Fourier de la imatge i la seva formulació matricial en termes dels diferents modes, es realitza una selecció de les components passa baixes a partir de les quals es reconstrueix la component de baixa freqüència que es resta de la imatge original per tal d’obtenir el detector. Aquest detector de contorns no és esbiaixat. L’algorisme pot ser aplicat utilitzant diferents mides del bloc de processament, que pot anar de la imatge sencera a blocs de reduïdes dimensions: 36X36, 16x16 o 8x8, per fer un seguiment de les propietats locals de la imatge quan aquesta és presenta característiques espacials poc uniformes.

En este documento se presenta un detector de contornos de imágenes basado en el dominio transformado. A partir de la interpretación de la transformada de Fourier de la imagen y su formulación matricial en términos de los diferentes modos, se realiza una selección de las componentes paso-bajas a partir de las cuales se reconstruye la componente de baja frecuencia que se restará a la imagen original pora obtener el detector. Este detector de contornos no es sesgado. El algoritmo puede ser aplicado utilizando diferentes medidas del bloque de procesado, que puede ir de la imagen entera a bloques de reducidas dimensiones: 36x36, 16x16 o 8x8, que permiten hacer un seguimiento de las propiedades locales de la imagen cuando ésta presenta características sectoriales muy diversas.

In this document an image contour detector based on the transformed domain is presented. Following the interpretation of the image Fourier transform and its matrix formulation in terms of its different modes, we select the base-band ones from which we reconstruct the low frequency image component. This component is subtracted to the original image in order to obtain the contours. This contour detector is not biased. The algorithm can be implemented using different block processing sizes, which can range from the entire image to blocks of smaller dimensions: 36x36, 16x16 or 8x8. Small blocks improve the contour detector performance when the local properties of the image are not uniform.