¿En qué se diferencia la resolución espacial de una imagen digitalizada de la resolución de brillo en MATLAB?

Una imagen digital se representa en forma de una array 2D de números enteros/flotantes, en la que cada elemento de la array representa la intensidad de los píxeles. Esta distribución de intensidad de imágenes representadas en forma de arrays 2D se denomina dominio espacial. El valor de intensidad depende de la profundidad de bits de la imagen. Por ejemplo, si la profundidad de bits es de 8 bits, la intensidad de píxeles puede tomar valores de 0 a 255.

¿Por qué es importante la resolución espacial?

La resolución espacial es importante ya que influye en la nitidez con la que vemos los objetos. El parámetro clave no es solo el número de píxeles en cada fila o columna de la pantalla, sino el ángulo subtendido por cada uno de estos píxeles en la retina del espectador. 

¿Qué es la resolución espacial?

Ya que sabemos por ahora que cada imagen digital es solo la colección de píxeles en formato de array 2D. Ahora definimos la resolución espacial como un término que se refiere a la cantidad de píxeles que se utilizan para construir una imagen digital. Cuando decimos que una imagen digital en particular tiene una resolución espacial más alta que otra imagen, simplemente significa que la imagen de mayor resolución espacial está compuesta por más píxeles que la imagen de menor resolución espacial para las mismas dimensiones de la parte de imagen. Es importante señalar que estamos hablando de las mismas dimensiones de ambas imágenes.

La resolución espacial puede determinar la calidad de una imagen y describir qué tan detallado puede ser representado un objeto por la imagen. Tiene importancia en imágenes médicas como la tomografía ultrasónica y la tomografía computarizada.

Resolución de brillo

Sabemos que una imagen digital es una colección de píxeles, dispuestos en formato de array 2D. Los valores que tienen estos píxeles son los valores de intensidad. Los valores de intensidad son números enteros o flotantes. Estos números representan el brillo en una escala relativa. Por lo tanto, definimos el brillo (o el brillo luminoso) de una imagen digital como la medida de los valores de intensidad relativa de los píxeles de la imagen en la array de píxeles.

Si aumentamos el brillo de una imagen, el brillo de cada píxel aumenta en la misma cantidad. De manera similar, cuando se reduce el brillo, el brillo de cada píxel se reduce en la misma cantidad. El brillo es diferente del contraste.

El brillo de la imagen no define la calidad de la imagen.

Sintaxis:

 imagen_org = imread(“GFGlogo.png”); //Lee la imagen usando la función imread()

imagen_oscura = imagen_org – 50; // Para disminuir el brillo

imagen_brillante = imagen_org + 50; // Para aumentar el brillo

 imtool(imagen_variable, [ ]); // Para mostrar la imagen usando la función incorporada imtool()

Ejemplo:

% MATLAB code for reading the image
% and convert into dark and bright images.
org_image=imread("GFGlogo.png");
dark=uint8(org_image-50);
bright=uint8(org_image+50);
 
% Bring the all three images to see
% the difference in brightness.
imtool(org_image, []);
imtool(dark, []);
imtool(bright, []);

Producción: 

Figura: imagen original

Figura: imagen oscura

Figura: imagen brillante

¿Qué es el contraste de una imagen?

La cantidad de diferenciación de color o escala de grises que existe entre los píxeles de una imagen. Las imágenes que tienen un nivel de contraste más alto generalmente muestran un mayor grado de variación de color o escala de grises que las que tienen un contraste más bajo. Cuando aumentamos el contraste de una imagen, los píxeles oscuros se vuelven más oscuros y los píxeles claros se vuelven más claros. 

El contraste se refiere a la claridad con la que podemos diferenciar entre dos partes adyacentes en una imagen. El contraste de una imagen se puede identificar a partir del histograma de la imagen. Si el rango dinámico del histograma es amplio, la imagen correspondiente tiene un alto contraste. Si el rango dinámico es pequeño, se dice que la imagen tiene poco contraste. En contraste bajo, la mayoría de los píxeles de la imagen tienen el mismo color, por lo que resulta difícil distinguir las distintas partes de la imagen. 

Cuando aumentamos el contraste de una imagen, el brillo también aumenta, porque estamos ampliando el rango dinámico de la imagen. Eso significa que muchos píxeles obtendrán un color claro y, por lo tanto, aumentará el brillo. 

Sintaxis:

  k=imread(“poor_contrast_butterfly.jpg”);//Para leer la imagen original

 k=rgb2gris(k); //Para convertir a escala de grises

 k1 = iajuste(k); //Para mejorar el contraste usando el método de ajuste

k2 = histeq(k); //Para mejorar el contraste usando la ecualización del histograma

k3 = adapthisteq(k); //Para mejorar el contraste utilizando la ecualización de histograma adaptable

imtool(k,[]); imtool(ki,[]); donde i = 1,2,3 //Para mostrar la imagen original junto con la imagen mejorada

Ejemplo:

% MATLAB code for Contrast enhancement
% using 3 inbuilt matlab functions.
% read the colored image.
k=imread("poor_contrast_butterfly.jpg");
 
%convert to grayscale.
k=rgb2gray(k);
 
%contrast enhancement using adjust method.
k1 = imadjust(k);
 
%contrast enhancement using histogram equalisation.
k2 = histeq(k);
 
%contrast enhancement using adaptive histogram equalisation.
k3 = adapthisteq(k);
 
%display original image along with enhanced image.
imtool(k,[]);
imtool(k1,[]);
imtool(k2,[]);
imtool(k3,[]);

Producción: 

Figura:Imagen original

Figura: Mejorada usando el ajuste de intensidad

Figura: Mejorado usando ecualización de histograma

 Figura: Mejorado usando ecualización de histograma adaptable.