Normalización (procesamiento de imágenes)

En el procesamiento de imágenes , la normalización es un proceso que modifica el rango de valores de intensidad de los píxeles , una especie de mapeo de intensidad . Entre sus aplicaciones se incluyen fotografías con bajo contraste debido al deslumbramiento, por ejemplo. Un caso típico es el estiramiento de contraste . ^{[ 1 ] : 85} En campos más generales del procesamiento de datos , como el procesamiento de señales digitales , se denomina expansión del rango dinámico .

El objetivo de la expansión del rango dinámico en diversas aplicaciones suele ser llevar la imagen, u otro tipo de señal, a un rango más familiar o normal para los sentidos; de ahí el término normalización. A menudo, la motivación es lograr consistencia en el rango dinámico para un conjunto de datos, señales o imágenes para evitar distracciones o fatiga mental. Por ejemplo, un periódico se esforzará por que todas las imágenes de una edición compartan un rango de escala de grises similar . La autonormalización en el software de procesamiento de imágenes normalmente normaliza al rango dinámico completo del sistema numérico especificado en el formato del archivo de imagen .

La normalización transforma una imagen en escala de grises n-dimensional. ${\displaystyle I:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{Mín}},..,{\text{Máx}}\}}$ con valores de intensidad en el rango${\displaystyle ({\text{Mín.}},{\text{Máx.}})}$, en una nueva imagen ${\displaystyle I_{N}:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{newMin}},..,{\text{newMax}}\}}$ con valores de intensidad en el rango${\displaystyle ({\text{nuevoMin}},{\text{nuevoMax}})}$.

La normalización lineal de una imagen digital en escala de grises se realiza según la fórmula

${\displaystyle I_{N}=(I-{\text{Min}}){\frac {{\text{newMax}}-{\text{newMin}}}{{\text{Max}}-{\text{Min}}}}+{\text{newMin}}}$

Por ejemplo, si el rango de intensidad de la imagen es de 50 a 180 y el rango deseado es de 0 a 255, el proceso implica restar 50 a la intensidad de cada píxel, lo que da como resultado un rango de 0 a 130. Luego, la intensidad de cada píxel se multiplica por 255/130, lo que da como resultado un rango de 0 a 255.

La normalización también podría ser no lineal, ya que la relación entre${\displaystyle I}$y${\displaystyle I_{N}}$puede no ser lineal . Un ejemplo de normalización no lineal es cuando la normalización sigue una función sigmoide , en cuyo caso la imagen normalizada se calcula según la fórmula

${\displaystyle I_{N}=({\text{newMax}}-{\text{newMin}}){\frac {1}{1+e^{-{\frac {I-\beta }{\alpha }}}}}+{\text{newMin}}}$

Dónde${\displaystyle \alpha }$define el ancho del rango de intensidad de entrada y${\displaystyle \beta }$define la intensidad alrededor de la cual se centra el rango. ^{[ 2 ]}

La corrección gamma (logaritmo/logaritmo inverso) es también una función de transformación común.

Esta es la técnica más importante y esencial de mejora de imagen basada en el espacio. ^{[ 3 ]} El objetivo principal de esta técnica de mejora del contraste es ajustar el contraste local en la imagen para resaltar las regiones u objetos nítidos. Las imágenes de bajo contraste suelen ser consecuencia de condiciones de iluminación deficientes o no uniformes, un rango dinámico limitado del sensor de imagen o ajustes incorrectos de la apertura del objetivo.

Esta operación busca modificar la intensidad de los píxeles en la imagen, especialmente en la imagen de entrada, para obtener una imagen mejorada. Se basa en diversas técnicas, como el ajuste de los niveles de contraste (local, global, oscuro y brillante). La mejora del contraste se define como la diferencia de color o de tonalidad entre las distintas características de la imagen. Esta mejora optimiza la calidad de la imagen al aumentar la diferencia de luminancia entre el primer plano y el fondo.

Una transformación de estiramiento de contraste se puede lograr mediante:

1. Ampliar el rango oscuro de valores de entrada a un rango más amplio de valores de salida: Esto implica aumentar el brillo de las áreas más oscuras de la imagen para realzar los detalles y mejorar la visibilidad.
2. Desplazamiento del rango medio de los valores de entrada: Esto implica ajustar los niveles de brillo de los tonos medios de la imagen para mejorar el contraste y la nitidez generales.
3. Compresión del rango brillante de los valores de entrada: Este proceso consiste en reducir el brillo de las zonas más brillantes de la imagen para evitar la sobreexposición, lo que da como resultado una imagen más equilibrada y visualmente atractiva.

Se puede describir como la siguiente función por partes: ^{[ 1 ] : 115}

${\displaystyle I_{N}={\begin{cases}{\frac {s_{1}}{r_{1}}}I&{\text{si }}I<r_{1}\\{\frac {s_{2}-s_{1}}{r_{1}-r_{2}}}(I-r_{1})&{\text{si }}r_{1}\leq I\leq r_{2}\\{\frac {1-s_{2}}{1-r_{2}}}(I-r_{2})&{\text{si }}I>r_{2}\end{cases}}}$

Dónde:

• ${\displaystyle (r_{1},s_{1})}$define el punto de transición entre la gama "oscura" y la gama "principal".
• ${\displaystyle (r_{2},s_{2})}$define el punto de transición entre la gama "principal" y la gama "brillante".

Se obtiene un estiramiento lineal típico cuando${\displaystyle (r_{1},s_{1})=(r_{\text{min}},0)}$y${\displaystyle (r_{2},s_{2})=(r_{\text{max}},1)}$, dónde${\displaystyle r_{\text{min}}}$y${\displaystyle r_{\text{máx}}}$denotan los niveles mínimo y máximo en la imagen de origen.

• Normalización de audio , audio analógico
• Ecualización de histograma

• Estiramiento de contraste