UNIVERSIDAD DEL BÍO BÍO
c FACULTAD DE INGENIERÍA
FILTRADO DE IMAGENES
Sergio Chandia Neira, Roberto Lagos Correa, Carlos Medina Del Rio
Daniel Rivera Guajardo y Felipe Silva Burgos
Profesora Marı́a Nathalie Risso
Abstract—El filtrado de imagen o procesamiento de
señales, consiste en la modificación de una matriz origi-
nal, representando una imagen mediante procedimientos
matemáticos, esta transformación se puede realizar por
la técnica espacial la cual modifica pı́xeles o por filtraje
frecuencial que opera en base al dominio de la frecuencias,
estos dos métodos son construidos en base de diferentes
filtros, con el fin de suavizar, modificar o resaltar imágenes.
El procedimiento matemático para el filtrado es complejo,
por esto destacan software como MATLAB que contiene
diferentes aplicaciones de filtrado mediante sus toolboox
Abstract—The filtering or image signal processing, is a
modification of an original matrix, which represents an im-
age using mathematical procedures. This transformation
can be done by the technical space, which amends pixels,
or by filtering frequency, which operates on the basis of the
frequency domain. These two methods are built based on
different filters, in order to soften, modify or highlight the
objects of the images. The mathematical procedure for fil-
tering is complex, and by this reason we used softwares, as
MATLAB, that contain different applications from filtrate
through his toolboox.
I. Introducción
E L filtrado de imagen o procesamiento de señales es una
técnica que consiste en modificar matemáticamente la
señal original a través de diferentes aplicaciones de fil-
tros. El procesamiento de señales se realiza con el fin
de obtener una imagen capaz de entregar datos, facili-
tando cualquier análisis especı́fico, según la aplicación que
se requiera. El filtrado de imagen es una técnica uti-
lizada en diferentes áreas como la medicina, facilitando
el análisis de diagnostico de quemaduras, reproducción de
bacterias cancerı́genas, también aporta en el área de la in-
genierı́a, en datos de resistencia de materiales, calidad de
soldadura, realizar aplicaciones en el área de la fı́sica, estu-
dios geográficos, destacando en el área policial abarcando
la búsquedas fisonómicas, analiza datos dactilares, entre
otros.
Con el propósito de conocer en qué consiste y cómo se
aplica el procesamiento de imagen, el desarrollo del tema
explica mediante tópicos, la composición de una imagen,
los fundamentos del procesamiento de señales o filtrado
y los diferentes filtros que utiliza, finalizando con aplica-
ciones en el toolbox de procesamiento digital de imagen
en MATLAB, desarrollando un ejemplo orientado al área
gráfica.
25, Noviembre 2008 1
II. Objetivos
- Analizar y describir la composición de una imagen.
- Definir filtrado de imágenes.
- Explicar los diferentes tipos de filtros utilizados.
- Investigar el tolboox MATLAB de proceso de
imágenes.
- Explicar diferentes tipos de aplicaciones del filtrado de
imagen.
- Ejemplos en MATLAB.
III. Desarrollo
A. Conceptos sobre imágenes digitales
Las imágenes digitales son fotos electrónicas que están
compuestas por pequeños elementos llamados pı́xeles, que
son la porción más pequeña de una imagen. Estas imágenes
son visualizadas por una herramienta llamada histograma,
que con una simple mirada puede proporcionar una idea
muy aproximada de la distribución de niveles de gris, el
contraste que presenta la imagen y alguna pista del método
más adecuado para manipularla de forma digital. Una fo-
tografı́a la podemos representar de dos tipos, como una
imagen de escala de grises o de color RGB (existen otros
modos, pero no son muy utilizadas como el CMYK). La
caracterı́stica principal de la escala de grises es la de repre-
sentar nuestra figura como una matriz de dos dimensiones,
cuyos valores varı́an en un rango de 0 a 255, representando
desde el color negro (0) hasta el blanco (255). El modo
RGB (Red, Green, Blue), a diferencia del anterior, esta
representado por una matriz tridimensional. Esta repre-
sentación es más compleja de trabajar, ya que posee tres
escalas de colores, la roja, verde y azul, y por lo tanto,
cada pı́xel toma tres valores y tres representaciones de his-
tograma distintas.
B. Concepto de filtrado de imagen
El filtrado de imagen consiste en aplicar una serie de op-
eraciones algorı́tmicas que representan un filtro en partic-
ular. Estos filtros son aplicados a los pı́xel que construyen
la imagen digital. El objetivo fundamental de este proceso
es modificar nuestra imagen original a nuestros requerim-
ientos, los cuales pueden ser para eliminar ruidos, poder
mejorar su calidad gráfica, resaltar información, modificar
su escala de colores o conseguir efectos especiales.
Dependiendo de la aplicación o tratamiento que se le
quiera realizar a la imagen, tenemos diferentes técnicas
de mejoramiento o filtrado. Como la imagen se procesa
con el fin de adecuarla para una aplicación especı́fica o un
procesamiento posterior, cada filtrado es particular y esto
conlleva a la decisión de cual técnica se utilizará. El proce-
samiento de imagen se divide en dos campos, uno de los
2 UNIVERSIDAD DEL BÍO BÍO
c FACULTAD DE INGENIERÍA
campos es el frecuencial, que consiste en modificar la serie
de fourier de la figura, y el segundo método es el dominio
espacial, que se basa en la manipulación de los pı́xeles
pasando la imagen por una series de filtros de diferentes
caracterı́sticas capaces de suavizar, agregar o eliminar rui-
dos, resaltar detalles o reducir contrastes.
C. Filtraje Espacial
Una de las aplicaciones más utilizadas en el tratamiento
de señales es la aplicación de filtrado espacial, que se uti-
liza para resaltar o atenuar detalles para facilitar un proce-
samiento posterior. También podemos decir que el filtrado
espacial es centralizado, ya que modifica cada pı́xel de
acuerdo a los valores que lo rodean. Los filtros espaciales
los podemos dividir en tres categoras:
C.1 Filtros pasa bajo
Este filtro se caracteriza por atenuar ruidos (ruidos gaus-
siano), también borra los detalles más finos y suaviza las
imágenes. En este caso se asemeja el nivel de gris de
cada pı́xel al de los vecinos, ası́ los pı́xeles claros u os-
curos pueden hacerse más grises dependiendo de los valores
vecinos del pı́xel. Cuando queremos filtrar una imagen,
tenemos que tener en consideración que existen diferentes
tipos de máscaras de los filtros pasa bajos, mientras más
grande sea la máscara, mayor es el efecto de suavizado
y mayor el tiempo de trabajo requerido. A continuación
mencionaremos dos tipos de máscaras de tamaño 3x3, las
que se diferencian por tener coeficientes distintos, lo que
hará que una máscara tenga un efecto de difuminado (pro-
ducirá un borrado parcial en la imagen) mayor que la otra.
Habitualmente el tamaño de la máscara depende de la
cantidad de suavizado que queramos aplicar a una imagen.
La visualización del resultado es el único medio de saber
si hemos elegido el tamaño adecuado. El principal prob-
lema en la utilización de este filtro para eliminar ruido, es
que hace que los bordes se vean de manera más borrosa,
siendo estos los que contienen información de la nitidez de
la imagen.
C.2 Filtros pasa altos
Su principal función es destacar partes más especı́ficas
de una imagen, como los bordes, entre otros. Para poder
implementar este filtro es necesario que la máscara con-
tenga valores negativos en el contorno y positivos en el
centro. Esto quiere decir que si la máscara esta traba-
jando en zonas donde la imagen tenga pı́xles similares, la
25, Noviembre 2008
salida será muy pequeña. Mencionaremos algunas de las
máscaras más comunes utilizadas en el filtrado de imagen.
Podemos notar que estas máscaras se caracterizan
debido a que los coeficientes de la matriz al sumarse dan
como resultado cero. Como mencionábamos anterior-
mente, donde existan pequeñas variaciones de niveles de
gris la salida será cercana a cero. También es necesario
destacar que existen otros tipos de filtros, dependiendo de
la aplicación que se quiera realizar, los que comentaremos
a continuación a grandes rasgos:
Filtro Sharpen: Este tipo de filtro esta relacionado di-
rectamente con el filtro pasa altos, debido a que
mejora la nitidez, detalles borrosos y bordes que le son
caracterı́sticos. Respecto a las máscaras que utiliza,
son parecidas a las mencionadas en el filtro anterior.
Filtro de media: Este tipo de filtro esta vinculado al
filtro pasa bajos, ya que su caracterı́stica es la de
cambiar o reemplazar el pı́xel analizado por la media
del punto y sus valores vecinos, logrando efectos de
suavizado en la imagen. Este tipo de filtro no mod-
ifica los pı́xeles de las imágenes cuando son iguales,
sino que alisa los contornos, haciendo que los objetos
aparezcan menos definidos.
Filtro mediana: Este tipo de filtro se utiliza cuando se
desea una reducción del ruido en vez de difuminar la
imagen a procesar. Este tipo de filtro es utilizado para
eliminar un tipo de ruido impulsivo, que se caracteriza
por la aparición de pı́xeles con valores arbitrarios, los
cuales contrastan con los valores de los pı́xeles vecinos.
C.3 Filtros pasa banda
Este filtro corresponde matemáticamente a la multipli-
cación de un filtro pasa bajos con un filtro pasa altos, obte-
niendo como resultado un filtrado intermedio de los dos
filtros anteriores.
D. Filtrado en frecuencia
El filtrado de imagen en el dominio de la frecuencia con-
siste en modificar la imagen original en base a la multipli-
cación del espectro en el dominio de la frecuencia. Esto
conlleva a que las variaciones que se realizan no se hacen
en base a una convolución como en el filtraje espacial, sino
por una multiplicación de sus factores, generando grandes
ventajas por su facilidad en la aplicación de cálculos. Esta
: FILTRADO DE IMAGENES
técnica destaca por dar la posibilidad de seleccionar la di-
rección de filtrado y los intervalos de frecuencia que se
desean eliminar, siendo más fácil de analizar y ver qué fil-
tros deseamos utilizar. Para el filtraje en el dominio de
la frecuencia tomamos una imagen, la definimos en base
a su amplitud y frecuencia para las direcciones de la im-
agen. Estas dimensiones son conocidas en el dominio de
la frecuencia. Las transformaciones se realizan mediante
la transformada de Fourier, y una vez realizado este cam-
bio multiplicamos el espectro de la imagen con la máscaras
de filtrado. Después de estos cambios, la transformamos
al espectro del dominio espacial. Las máscaras de filtrado
están compuestos de filtros de diferentes caracterásticas.
Existen diversos tipos de filtros, pero todos están construi-
dos en base a diferentes combinaciones de filtros pasa bajo,
pasa altos, pasa banda y pasa banda limitada.
D.1 Filtro pasa bajo
Mirado a partir de su análisis frecuencial, este filtro esta
encargado de dejar pasar sólo las bajas frecuencias, aten-
uando las frecuencias altas. Al analizar lo comentado an-
teriormente, y si tomamos en cuenta que se le denomina
como altas frecuencias a los ruidos, relieves y bordes den-
tro de una imagen, el filtro pasa bajo es el encargado de
eliminar estas transiciones bruscas, por lo tanto el trabajo
de este filtro es suavizar la imagen.
D.2 Filtro pasa altos
Este filtro funciona de forma inversa a la de un pasa
bajo, dejando pasar las altas frecuencias, eliminando las
imágenes borrosas y destacando los relieves y transiciones
bruscas.
E. Filtrado de imagen con Matlab
Matlab contiene diferentes herramientas enfocadas al fil-
trado de imagen, facilitando la manipulación de la misma
y sus procesos matemáticos. Dentro de sus aplicaciones
contiene un toolbox especializado en filtrado de fotografı́as
digitales, haciendo más fácil las operaciones matemáticas.
Este toolbox simplifica el trabajo de mejora y retocado
de imágenes, desarrolla análisis y estadı́stica, operaciones
morfológicas, geométricas de color y transformación de di-
mensiones. Para trabajar con el toolbox de procesamiento
de imagen, se debe utilizar la siguiente secuencia:
Cargar imagen: Para cargar cualquier imagen en Mat-
lab es necesario guardar el archivo que la con-
tenga en la carpeta work de Matlab. El lla-
mado se realiza desde el entorno asignándole una
variable para poder realizar modificaciones, ejemplo
[imag=imread(foto.JPG)]. Los archivos pueden estar
en diferentes formatos como JPG, PNG, BMP, GIF,
etc.
Acceso a pı́xel: Si deseamos ver el valor numérico de un
pı́xel en Matlab, debemos cargar la variable asignada
llamando a las filas y columnas, ejemplo imag(m,n),
donde m es el largo y n es el ancho de la matriz de la
imagen. Esto es de gran ayuda, ya que con esta in-
3
formación podemos modificar este valor del pı́xel para
procesar la imagen y mejorar algúno dañado.
Escala de grises: En Matlab la escala de grises se rep-
resenta por una matriz bidimensional de mxn, donde
n representa el número de pı́xeles de ancho y el m el
número de pı́xeles de largo. A cada valor de la imagen
se le asigna un valor que va desde 0 (negro) hasta 255
(blanco).
Escala RGB: Es una imagen que se compone en tres
planos, uno para cada color, que representa al rojo,
verde y azul, denominada nxmxp, donde n y m
mantienen la mismas caracterı́sticas que la escala de
grises y p representa al plano p.
F. Aplicción
Como ya hemos visto anteriormente, el filtrado de im-
agen tiene un gran campo de aplicaciones (medicina, as-
tronomı́a, geologı́a, investigación dactilar, visión artificial,
entre otras), por lo cual hicimos un ejemplo centrado en el
área de la fotografı́a. Para este ejemplo utilizamos el soft-
ware MATLAB, ya que nos permite una implementación
de manera rápida y sencilla.
G. Ejemplo
La publicidad es un área donde se utiliza habitualmente
el procesamiento de imágenes para crear, modificar y mejo-
rar diseños que posteriormente son campañas de algún pro-
ducto.
Una de las técnicas utilizadas en publicidad es la “rojo
sobre grises” que consiste en modificar una imagen original
para obtener un diseño o fotografı́as en escala de grises y
resaltar los colores rojos. Para poder efectuar la técnica de
rojo sobre grises es necesario crear un código o algoritmo
matemático capaz de modificar la imagen a nuestra apli-
cación.
Este ejemplo se desarrollara en MATLAB:
1. Para modificar una imagen en MATLAB es nece-
sario guardarla en la carpeta WORK que se encuentra
ubicada en los archivos de MATLAB guardado en el
disco del PC.
2. Desde el ambiente de MATLAB (se crean los
códigos) se puede cargar la imagen guardada medi-
ante la variable “im” que corresponde a la imagen en
RGB.
im=imread(’rojo.JPG’);
figure(1);
subplot(2,3,1);
imshow(im);
4 UNIVERSIDAD DEL BÍO BÍO

c FACULTAD DE INGENIERÍA 25, Noviembre 2008

3. Transformar la imagen RGB en escala de grises 5. Teniendo la imagen visualizada en la banda de in-
gris=rgb2gray(im); terés, buscamos determinar las zonas rojas predom-
subplot(2,3,2); inantes en la imagen. Para este caso utilizamos un
imshow(gris); filtro de mediana para obtener homogeneidad entre
los puntos vecinos.
imR2=(imR-imG-imB);
masc=(imR2¿20);
imR2=imR2.*masc;
subplot(2,3,4);
imR2=medfilt2(imR2);
imshow(imR2,gray);

4. Luego tenemos que tener en consideración que efecto

vamos a producir en la imagen. En este caso nuestra
banda de interés es la banda roja. Teniendo esto en
consideración descomponemos la imagen original en
las tres bandas (RGB).
imR2=(imR-imG-imB);
masc=(imR2¿20);
6. Como en la imagen hay zonas donde hay colores
imR2=imR2.*masc;
fuertes aparte del rojo, debemos aislar la zona de in-
subplot(2,3,4);
terés respecto a los demás colores.
imR2=medfilt2(imR2);
imR2=medfilt2(imR2);
imshow(imR2,gray);
imshow(imR2,gray);
imR2=imR2/255;
imR3=imadjust(imR2,[],[],1.8);

7 En este ı́tem utilizamos un comando “ginput”, que

nos permite seleccionar con el mouse la zona que man-
tendremos el color original.
[x y]=ginput(1);
y=round(y);x=round(x);
: FILTRADO DE IMAGENES 5

8 Luego conociendo la zona utilizamos una mascara IV. Conclusión

binaria con valor “1” para el rojo y “0” para los demás El filtrado de imagen o procesamiento de señales
colores. es una herramienta de gran utilidad para diferentes
masc=0*imR3; áreas, capaz de analizar y diagnosticar datos mediante
’[’ fil,col ’]’=size(masc) procedimientos matemáticos, consistente en asignarle
T=1000; una matriz de valores a una imagen, y pasarla por
filaini=y-T; diferentes filtros que poseen diversas caracterı́sticas.
filafin=y+T; Estos filtros son en realidad una máscara de valores,
coluini=x-T; que al multiplicarlos con la matriz original, logran
colufin=x+T; modificaciones como la eliminación de ruido, resalte
if(filaini¡1) de relieves, colores y modificación de la escala de
filaini=1; color, según la aplicación que se necesite. Estas
end; transformaciones se pueden realizar a través de dos
if(coluini¡1) métodos, mediante técnicas de pı́xeles, que realizando
coluini=1; cálculos de promedios de la región cercana a un
end; pı́xel, seleccionando y modificándolo por la media
if(filafin¿fil) calculada, o mediante el método frecuencial, que
filafin=fil; utiliza la transformada de fourier para variar el
end; espectro. Este último método es bastante simple,
if(colufin¿col) porque en realidad su función es multiplicar una
colufin=col; máscara por la imagen original, para obtener nuestra
end; salida deseada. Sin duda los cálculos son complejos,
masc(filaini:filafin,coluini:colufin)= lo cual hace indispensable la implementación de
=masc(filaini:filafin,coluini:colufin)+1; programas capaces de procesar imagen, como es el
imR4=(double(imR3¿0.01)).*masc; ejemplo de MATLAB, que contiene en su librerı́a un
subplot(2,3,6); toolboox especializado en procesamiento de seales.
imshow(imR4,[]);

Si bien este código es muy utilizado nuestra particu-
laridad que hemos agregado en el programa y con el
fin de mejorar hemos agregado ciclos de iteraciones
para que nuestro marco de modificacin abarque todo
la imagen y no solo un sector.
9 Después de ejecutar los pasos anteriores obtenemos
nuestra imagen modificada mostrando la imagen en
escala de grises y resaltando solo la imagen con color
rojo.
Bibliografı́a
C. PINILLA, A. ALCALÁ Y F.J Filtrado de Imagen
en el dominio de la frecuencia. Revista de telede-
tección, (septiembre 1997), departamento de inge-
nierı́a cartográfica, geodésica y fotogrametrı́a. uni-
versidad de jaén.
E. CUEVAS JIMÉNEZ Y D. ZALDIVAR NAVARRO
Visión por Computador utilizando MatLAB Y el
Toolbox de Procesamiento Digital de Imágenes,
Técnicas de procesado de imagen Filtrado Espacial: La
convolución
http://www.des.udc.es/~adriana/TercerCiclo/Curso
Imagen/curso/web/Filtrado Espacial.html
Procesamiento de Imágenes con Matrices
Procesamiento de mapas de bits a través de op-
eraciones con matrices.
http://www.scribd.com/doc/2437215/Procesamiento-
de-Imagenes-con-Matrices