Diseño de un interfaz hombre máquina utilizando el entorno MATLAB para la detección y eliminación de ruido impulsivo en imágenes

UNIVERSIDAD POLITECNICA DE VALENCIA ESCUELA POLITECNICA SUPERIOR DE GANDIA I.T. Telecomunicación (Sist. de Telecomunicación) “Diseño de un interfaz hombre máquina utilizando el entorno MATLAB para la detección y eliminación de ruido impulsivo en imágenes” TRABAJO FINAL DE CARRERA Autor: Daniel Seguí Simó Director: Vicent Vidal Gimeno GANDIA, 2012 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó Agradecimientos En primer lugar, a Vicent Vidal por toda su ayuda desinteresada, por ser el tutor de este proyecto y todo lo que he aprendido. A Lupita Sánchez, por toda su ayuda y todas sus aportaciones al proyecto, y porque sin ella las horas en el laboratorio hubiesen sido muy aburridas. A mis padres por la paciencia y espera, y a toda mi familia en general por los ánimos para llevar a cabo el trabajo realizado. A todos mis amigos, porque sin ellos nada sería lo mismo. Gracias. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 1 ÍNDICE ÍNDICE DE FIGURAS ....................................................................................................................... 3 RESUMEN...................................................................................................................................... 5 INTRODUCCIÓN ............................................................................................................................ 6 ¿Por qué un programa para el tratamiento de la imagen y el ruido impulsivo? .......................... 6 ¿Qué es un GUI de Matlab? ....................................................................................................... 7 ¿Por qué desarrollar el programa con MATLAB? ........................................................................ 7 CONCEPTOS GENERALES ............................................................................................................... 8 RUIDO EN IMÁGENES ................................................................................................................ 8 SENSORES Y CAPTURA ............................................................................................................... 8 DEGRADACIÓN DE IMÁGENES ................................................................................................... 9 RECUPERACIÓN DE IMÁGENES .................................................................................................. 9 EJEMPLO DEL PROCESO ....................................................................................................... 10 TIPOS DE RUIDO EN IMÁGENES ................................................................................................... 12 IMPULSIVO .............................................................................................................................. 12 GAUSSIANO ............................................................................................................................. 13 UNIFORME .............................................................................................................................. 15 OTROS TIPOS DE RUIDO ........................................................................................................... 16 POISSON .............................................................................................................................. 16 SPECKLE ............................................................................................................................... 17 FILTRADO DE IMÁGENES ............................................................................................................. 19 MÉTODO PGFM ....................................................................................................................... 19 DIFUSIÓN................................................................................................................................. 20 COSENO................................................................................................................................... 21 MEDIDAS DE CALIDAD ................................................................................................................. 22 PSNR – Peak Signal to Noise Ratio ........................................................................................... 22 MSE – Mean Squared Error ...................................................................................................... 22 MAE – Mean Absolute Error .................................................................................................... 23 NCD – Normalized Color Difference ......................................................................................... 23 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 2 DESARROLLO DE LA INTERFAZ ..................................................................................................... 24 DESARROLLO DEL PROYECTO ................................................................................................... 27 INICIO .................................................................................................................................. 27 INTERFAZ GUI MATLAB ........................................................................................................ 28 CONCLUSIONES Y LÍNEAS FUTURAS ............................................................................................. 42 BIBLIOGRAFÍA ............................................................................................................................. 44 ANEXO ........................................................................................................................................ 46 GUÍA PARA ABRIR EL ARCHIVO MEDIDAS_CALIDAD.txt ............................................................ 46 FUNCIONES PRINCIPALES......................................................................................................... 54 INTRODUCIR RUIDO ............................................................................................................. 54 FILTRADO DE IMÁGENES ...................................................................................................... 54 MEDIDAS DE CALIDAD .......................................................................................................... 55 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 3 ÍNDICE DE FIGURAS Figura 1. Imagen original sin ruido .............................................................................................. 10 Figura 2. Ruido ............................................................................................................................ 10 Figura 3: Imagen ruidosa ............................................................................................................. 10 Figura 4. Imagen filtrada ............................................................................................................. 11 Figura 5. Imagen original sin ruido .............................................................................................. 12 Figura 6. Imagen afectada por ruido impulsivo ............................................................................ 13 Figura 7. Ejemplo de curva gaussiana .......................................................................................... 14 Figura 8. Imagen original sin ruido .............................................................................................. 14 Figura 9. Imagen afectada por ruido gaussiano ........................................................................... 15 Figura 10. Imagen original sin ruido ............................................................................................ 15 Figura 11. Imagen afectada por ruido uniforme .......................................................................... 15 Figura 12. Imagen original sin ruido ............................................................................................ 16 Figura 13. Imagen afectada por ruido Poisson ............................................................................. 17 Figura 14. Imagen original sin ruido ............................................................................................ 17 Figura 15. Imagen afectada por ruido Speckle ............................................................................. 18 Figura 16. Editor de GUI Matlab .................................................................................................. 24 Figura 17. Intro programa ........................................................................................................... 27 Figura 18. Portada guía de usuario .............................................................................................. 28 Figura 19. Programa principal ..................................................................................................... 28 Figura 20. Menú Cargar Imagen .................................................................................................. 31 Figura 21. Ventana Abrir Imagen ................................................................................................. 32 Figura 22. Indicamos si la imagen es ruidosa o no ....................................................................... 32 Figura 23. Tipo color imagen ....................................................................................................... 33 Figura 24. Panel de imágenes ...................................................................................................... 33 Figura 25. Imágenes RUIDOSA y FILTRADA .................................................................................. 34 Figura 26. Panel de ruido............................................................................................................. 34 Figura 27. Introducir densidad de ruido....................................................................................... 35 Figura 28. Escoger filtrado ........................................................................................................... 35 Figura 29. Parámetros para filtro PGFM ...................................................................................... 36 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 4 Figura 30. Panel medidas de calidad............................................................................................ 36 Figura 31. Ejemplo resultado medidas de calidad ........................................................................ 37 Figura 32. Salvar imágenes .......................................................................................................... 37 Figura 33. Imagen a guardar ........................................................................................................ 37 Figura 34. Ventana de guardar imagen ........................................................................................ 38 Figura 35. Muestra los últimos parámetros usados en filtro PGFM .............................................. 38 Figura 36. Botón Guardar datos .................................................................................................. 39 Figura 37. Introducir nombre para clasificación ........................................................................... 39 Figura 38. Ejemplo archivo Medidas ............................................................................................ 40 Figura 39. Botón Ayuda ............................................................................................................... 40 Figura 40. Mini-panel de ayuda ................................................................................................... 41 Figura 41. Botón Salir del programa ............................................................................................ 41 Figura 42. Salir Sí/No ................................................................................................................... 41 Figura 43. Icono de Excel 2007 .................................................................................................... 46 Figura 44. Menú Inicio Windows 7 .............................................................................................. 46 Figura 45. Intro del programa ...................................................................................................... 47 Figura 46. Botón de Office en el menú principal .......................................................................... 47 Figura 47. Abrir documento ........................................................................................................ 48 Figura 48. Buscar archivos de texto ............................................................................................. 48 Figura 49. Abrir archivo ............................................................................................................... 49 Figura 50. Paso 1 - Importar texto como tabla Excel .................................................................... 50 Figura 51. Paso 2 - los separadores ............................................................................................. 50 Figura 52. Paso 3 - Tipo de datos y valores .................................................................................. 51 Figura 53. Reconocimiento de datos numéricos .......................................................................... 52 Figura 54. Ejemplo tabla con las medidas de calidad y parámetros ............................................. 52 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 5 RESUMEN En la actualidad, el uso de imágenes digitales está presente en la mayoría de tecnología que usamos a diario, tanto en el ámbito doméstico como en el profesional. La valoración de calidad de una imagen médica, militar o industrial, como puede ser una mamografía o un mapeado de gran resolución, es uno de los puntos más importantes en cualquier acabado de un equipamiento tecnológico. Por ser una señal, cualquier imagen será susceptible de sufrir ruido, ya sea en la toma y procesado, como en la transmisión de ésta por cualquier medio. El presente proyecto basa sus análisis de imágenes digitales en uno de los tipos de ruido más frecuente: el ruido Impulsivo, también llamado Sal y Pimienta. Se analizará este ruido y se implementará un filtro PGFM (Peer Group y Métrica Fuzzy) para conseguir la recuperación de la imagen que ha sido degradada. Para estudiar este filtro y determinar cuáles serán los mejores parámetros adecuados para cada tipo de imagen, hemos creado un GUI (Interfaz Gráfica de Usuario) mediante el software de Matlab, que nos facilitará un sencillo y potente entorno gráfico para manipular imágenes, pudiendo así añadir ruido y trabajar con el filtrado para poder recuperarlas. Aparte del ruido impulsivo, en la memoria del proyecto analizaremos brevemente otros tipos de ruido comunes en las imágenes digitales, como son el ruido Gaussiano y el Uniforme, así como un rápido vistazo al ruido Poisson y al Speckle. Para caracterizar los resultados del filtro propuesto (PGFM), se propone basar los análisis en cuatro tipos de medida de calidad: PSNR para evaluar la eliminación del ruido, MSE para medir objetivamente la coincidencia con los píxeles originales, MAE para evaluar la preservación del detalle de la imagen y NCD como error de percepción humana. De acuerdo con los resultados obtenidos, el programa nos permitirá guardar los parámetros utilizados y clasificarlos en una tabla Excel, haciendo referencia a la imagen correspondiente. Estos resultados facilitarán al grupo de investigación el análisis heurístico del comportamiento de los diferentes parámetros que intervienen en los filtros. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 12 TIPOS DE RUIDO EN IMÁGENES Hay diversos tipos de ruido que pueden afectar una imagen, que clasificaremos principalmente en aditivos y en multiplicativos. Un ejemplo de ruido multiplicativo es la variable iluminación, que podemos decir que es el tipo de ruido más común en las imágenes. Cuando hablamos de ruido aditivo nos referimos, principalmente, a que hay ruido impulsivo o ruido gaussiano. El ruido impulsivo altera aleatoriamente el valor de un grupo de píxeles: en una imagen binaria esto quiere decir que algunos píxeles blancos se volverán negros y viceversa. Por su parte, el ruido gaussiano afectará a los valores de cada píxel con una función de densidad de probabilidad Gaussiana. La lista de funciones utilizadas en nuestro programa para aplicar ruido se encuentra en el anexo. IMPULSIVO El ruido “Sal y pimienta” (Salt and Pepper, en inglés) consiste en que los píxeles afectados son de diferente color o intensidad al resto de píxeles que los rodean. Se trata de píxeles “encendidos” y “apagados”, es decir, en imágenes binarias son píxeles blancos (brillantes) sobre negros y píxeles negros (oscuros) sobre brillantes. Toman valores máximos y mínimos, no teniendo relación con el valor de la imagen ideal. Este ruido afectará a la imagen según el valor de su función de densidad de probabilidad. Figura 5. Imagen original sin ruido I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 13 Figura 6. Imagen afectada por ruido impulsivo Dentro de Matlab utilizaremos la función imnoise para introducir ruido en las imágenes. Para sal y pimienta, la función cargará la imagen original y el porcentaje de píxeles defectuosos que deseemos (densidad de ruido). El porcentaje principal de la densidad de ruido es del 5%. Ejemplo de Matlab: J = IMNOISE(I,'salt & pepper',D) Añade ruido impulsivo S&P a la imagen I, donde D es la densidad de ruido. Afectará aproximadamente a “D x Nªpíxeles de I” píxeles. GAUSSIANO El ruido Gaussiano presenta una función de densidad de probabilidad que sigue la curva o campana de Gauss (llamada así por su descubridor, quién la halló gracias al estudio de teoría de errores en la medida de magnitudes) [9]. La forma que adquiere su función de densidad es: (2) Donde podemos ver que los parámetros y son precisamente la esperanza y la desviación típica, respectivamente. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 14 Figura 7. Ejemplo de curva gaussiana Cuando se presenta este ruido, aparecen pequeñas variaciones en la imagen, cambiando el valor de cualquier píxel (toda la imagen se verá afectada) de manera que este puede ser diferente cada vez si tomáramos la misma imagen. En imágenes binarias, por ejemplo, aumenta o disminuye el valor del gris y es independiente de los valores que tomará la imagen. Ejemplo de Matlab: J = IMNOISE(I,'gaussian',M,V): Añade ruido blanco Gaussiano de media M y varianza V a la imagen I. Cuando no se especifica, M y V toman los valores 0 y 0.01, respectivamente. Figura 8. Imagen original sin ruido I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 15 Figura 9. Imagen afectada por ruido gaussiano UNIFORME El ruido sigue una distribución uniforme, por lo que la probabilidad de que un píxel tome un valor diferente es constante. Figura 10. Imagen original sin ruido Figura 11. Imagen afectada por ruido uniforme I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 16 OTROS TIPOS DE RUIDO A continuación presentamos dos tipos de ruido que no aparecen en nuestro programa pero que son también comunes en las imágenes. POISSON La distribución de Poisson viene relacionada normalmente con fenómenos que se producen a lo largo de un intervalo de tiempo, espacio,… si estos se producen con una media conocida e independiente del último suceso. Dónde es un parámetro de distribución y k es el número de fallos, o de veces que se obtiene un evento. En Matlab sigue esta función: J = IMNOISE(I,'poisson') Figura 12. Imagen original sin ruido I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 17 Figura 13. Imagen afectada por ruido Poisson SPECKLE Es un tipo de ruido uniforme de carácter multiplicativo, dónde la señal es resultado de la multiplicación de dos señales. En Matlab sigue esta función: J = IMNOISE(I,'speckle',V) Se añade el ruido multiplicativo a la imagen I usando la ecuación J= I+ n*I, donde n es una distribución aleatoria de ruido con media 0 y varianza V. Figura 14. Imagen original sin ruido I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 18 Figura 15. Imagen afectada por ruido Speckle I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 19 FILTRADO DE IMÁGENES MÉTODO PGFM El filtro PGFM se utiliza para reducir el ruido impulsivo y realiza tres fases para eliminar el ruido de la imagen afectada. La primera fase consiste en clasificar los píxeles en corruptos, no corruptos y no diagnosticados. Los píxeles no diagnosticados son clasificados en la segunda fase como corruptos o no corruptos y, por último, en la tercera fase se filtran los píxeles etiquetados como corruptos. Este proceso (PGFM) utiliza el concepto de Peer Group y la métrica Fuzzy. El Peer Group es el conjunto de pixeles de una ventana W similares al pixel central xi, de acuerdo a una medida de distancia M [8], [4], y viene dado por la siguiente expresión: Donde d es el umbral que decide si dos píxeles son próximos (por defecto se toma 0.95) y M es la métrica Fuzzy. Una de las métricas que suele utilizar es: El parámetro k se tomará por defecto como k=1024 por ser una configuración adecuada para mantener la calidad de la imagen. En la tercera fase, etapa de corrección, se aplicará el filtro AMF (Filtro de Media Aritmética) a los píxeles marcados como dañados, sustituyéndolos cada uno por sus píxeles vecinos no corruptos. Una descripción más detallada de este método y del estudio de parámetros utilizados la podremos encontrar en la tesis de J.G..Estruch.Camarena (2009) [6]. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 20 DIFUSIÓN El método de restauración para imágenes afectadas por ruido Gaussiano, el Filtro Difusivo No Lineal, se basa en el uso de ecuaciones de difusión no lineal, que generalmente aparece asociado a un problema variacional y, se puede obtener a partir de la minimización de las funcionales apropiadas. La elección de un determinado funcional depende del objetivo específico de interés, del tipo de imagen a restaurar. Consideremos la funcional (5), donde I0 es la imagen observada (con ruido), μ y son constantes y es una región convexa de 2 que constituyen el espacio de apoyo de la superficie u(x, y), que representa la imagen. El primer término en la funcional para = 1 representa el área de la superficie que representa la imagen, el segundo término da cuenta de la distancia entre la imagen observada y la solución deseada u (Imagen filtrada), y el tercer término controla la regularidad de la solución. Consideraremos el problema de minimización, es decir, buscamos la imagen u que minimiza el funcional y presenta una variación con respecto a la imagen observada I0 igual a . En nuestro trabajo hemos estimado , tomando la desviación media absoluta del coeficiente wavelet empírica de la escala más fina y dividiendo por 0.6745 [4]. Para todas las imágenes estudiadas, el wavelet fue un Daubechy de orden 25. Para la discretización del tiempo se utiliza un esquema semiimplícito, y para resolver las ecuaciones se utiliza el operador de división aditivo alternativo (AOS). La selección del tiempo de parada en la ecuación de difusión fue el propuesto por Mrázek y Navara, con base en el criterio de correlación; , a priori, se desconoce, pero es importante conocer su valor para minimizar la ecuación ( 6). I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 21 COSENO El método de filtrado por Coseno utiliza el concepto de Peer Group y la métrica Coseno. Es un proceso muy similar al descrito anteriormente para el método PGFM. Uno de los cambios más significativos es el uso de la métrica del coseno: Dados x, y Є el coseno del ángulo entre dichos vectores tiene la expresión . Considerando los vectores x e y como píxeles de la imagen obtenemos una métrica acotada entre 0 y 1 que sirve para evaluar la proximidad entre ambos. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 28 Figura 18. Portada guía de usuario INTERFAZ1 corresponde a la parte principal del programa, que explicaremos a continuación: INTERFAZ GUI MATLAB Figura 19. Programa principal I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 29 Nuestro programa está compuesto por una interfaz principal que se compone de 7 módulos de trabajo y visualización de imágenes. Los módulos son: 1. CARGA DE IMAGEN 2. VISUALIZACIÓN DE IMÁGENES 3. APLICACIÓN DE RUIDO 4. FILTRADO DE IMÁGENES 5. MEDIDAS DE CALIDAD 6. GUARDADO DE IMÁGENES 7. PARÁMETROS UTILIZADOS 8. GUARDADO DE PARÁMETROS 9. AYUDA 10. SALIR A continuación, en el siguiente diagrama de flujo se muestran los pasos que se siguen en nuestro programa para trabajar con las imágenes digitales, desde su carga hasta el filtrado, y posterior guardado de parámetros: 30 No No Sí Sí No No Sí CARGA DE IMAGEN APLICAR RUIDO FILTRAR IMÁGENES MEDIDAS DE CALIDAD GUARDADO DE IMÁGENES GUARDADO DE PARÁMETROS AYUDA SALIR ¿RUIDOSA? FINALIZAR? ¿NUEVA IMAGEN? Sí ¿GUARDAR IMAGEN? ¿GUARDAR PARÁMETROS? ‘SIMAGEN? Sí No 31 1. CARGA DE IMAGEN: Este módulo es el que utilizaremos para comenzar nuestros análisis. Como su nombre indica, cuando pulsemos sobre él se nos abrirá una ventana donde podremos buscar la imagen con la que deseemos trabajar. El directorio principal abierto es, normalmente, el que tengamos por defecto en Matlab o como carpeta actual en éste. Por defecto, los archivos a encontrar serán de tipo JPG, BMP y GIF, ya que son los tipos de imagen más utilizados y más estables para trabajar con nuestros algoritmos. Una vez seleccionada la imagen, se nos preguntará si la nueva ésta viene ya con ruido o no. Indicaremos al programa el tipo de imagen utilizado: imagen en color (COLOR), en grises (GRISES) o en blanco y negro (BYN). Por defecto, se toma el tipo de imagen como COLOR. La función de éste módulo secundario es la clasificación de parámetros para posteriores consultas, que podemos realizar al terminar el análisis de nuestra imagen y que está explicada más adelante. 1. Pulsaremos en el botón IMAGEN para cargar una nueva imagen. Figura 20. Menú Cargar Imagen 2. A continuación se abrirá una ventana y buscaremos el archivo deseado. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 32 Figura 21. Ventana Abrir Imagen 3. El programa nos preguntará si la imagen original ya viene con ruido o no. (Por defecto se ha seleccionado NO) Figura 22. Indicamos si la imagen es ruidosa o no 4. Una vez hayamos cargado nuestra imagen, Indicaremos al programa el tipo de color de ésta. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 33 Figura 23. Tipo color imagen 2. VISUALIZACIÓN DE IMÁGENES Para visualizar las imágenes y percibir los cambios, tenemos un módulo con dos ventanas: IMG_ORIGINAL e IMG_ RECUPERADA. La ventana IMG_ORIGINAL nos permitirá ver la imagen que cargamos para trabajar. Cuando ésta sufra alguna modificación al aplicarle un degradado, el nombre pasará a ser IMG_ORIG_RUIDOSA, indicando así que hemos comenzado a trabajar con ella y que lo que visualizamos ya no es la imagen original. La segunda ventana, IMG_RECUPERADA, se activará y mostrará nuestra imagen recuperada cuando se utilice cualquiera de los filtros de recuperación del módulo correspondiente. Figura 24. Panel de imágenes El título de cada ventana indicará de qué imagen se trata: ORIGINAL, ORIGINAL RUIDOSA O RECUPERADA. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 34 Figura 25. Imágenes RUIDOSA y FILTRADA 3. APLICACIÓN DE RUIDO Este módulo se utilizará para aplicar ruido a la imagen cuando ésta no lo lleva originalmente. Se podrá aplicar ruido Impulsivo, ruido Gaussiano, ambos, o ruido uniforme. Si seleccionamos cualquiera de las tres primeras opciones, podremos indicar el porcentaje de ruido (ej.: 5% daremos un valor de 0.05) en cada casillero que se activará según corresponda. 1. Seleccionamos el tipo de ruido: Figura 26. Panel de ruido 2. Introducimos el valor de la densidad del ruido. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 35 Figura 27. Introducir densidad de ruido 3. Aplicamos ruido pulsando el botón correspondiente. 4. FILTRADO DE IMÁGENES En el módulo presente disponemos de 4 tipos de filtrado: filtraremos con PGFM para ruido Impulsivo, filtro Difusión para ruido Gaussiano, filtrado para ruido Impulsivo y Gaussiano, y filtro de tipo Coseno. Para el filtro PGFM dispondremos de un módulo secundario con 3 casillas correspondientes a los 3 parámetros que podremos utilizar al aplicar el filtrado: D, N y K. La cifra que introduzcamos podrá ser aplicada o no en función de la imagen con la que trabajemos [6]. Los valores que aparecen por defecto son D=0.95, N=3 y K=1024, como hemos comentado anteriormente en el filtrado PGFM. Más adelante, en el módulo correspondiente, tenemos la opción de guardar los parámetros utilizados para posibles referencias futuras. 1. Seleccionamos el tipo de filtro (PGFM, Difusión, PGFM & Difusión, Coseno): Figura 28. Escoger filtrado I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 36 2. Si el filtro seleccionado es para ruido impulsivo, indicaremos los parámetros necesarios. Figura 29. Parámetros para filtro PGFM 3. Aplicaremos el filtrado con el botón correspondiente. 5. CÁLCULO DEL ERROR Este módulo muestra automáticamente los resultados obtenidos al aplicar cualquiera de los filtros. Realizará una comparación de la imagen original con la imagen recuperada y mostrará los valores de PSNR, MSE, MAE y NCD En el módulo correspondiente tenemos la opción de guardar los parámetros utilizados para posibles referencias futuras. Figura 30. Panel medidas de calidad 1. Una vez filtrada la imagen, aparecen los resultados de las medidas de calidad. Como explicamos en el punto del módulo 8, tendremos la opción de guardarlos en una tabla Excel. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 37 Figura 31. Ejemplo resultado medidas de calidad 6. GUARDADO DE IMÁGENES Tenemos la opción de guardar las imágenes con las que trabajamos: imagen ruidosa y la imagen que recuperamos. Se abrirá una ventana en la que seleccionamos el directorio o carpeta dónde deseamos guardarla para posteriores consultas y/o comparaciones. Figura 32. Salvar imágenes 1. Escogemos qué ventana guardar. Figura 33. Imagen a guardar I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 44 BIBLIOGRAFÍA [1] MARCHAND PATRICK y HOLLAND, O.THOMAS (2003). Graphics and GUIs with MATLAB. Boca Raton: Chapman & Hall/CRC. [2] BIRAN, ADRIAN B. y BREINER, M. (2011). What every engineer should know about MATLAB and Simulink. Boca Raton, Fla; London: CRC Press. [3] SCOTT, T.SMITH (2006). MATLAB Advanced GUI Development. Indianapolis: Dog Ear Publishing. [4] SÁNCHEZ, M.G., VIDAL GIMENO, V., VERDÚ, G., MAYO, P., RÓDENAS, F. y GINESTAR, D. (2011) Un Método Híbrido de Restauración de Imágenes Médicas con Ruido Gausiano e Impulsivo. Los Ángeles, California, USA: EMBC 2012. [5] SÁNCHEZ, M.G., BATALLER MASCARELL, J., VIDAL GIMENO, V. y ARNAL, J. (2010). Estudio sobre la utilización de CUDA para programas de corrección de ruido impulsivo en imágenes. Valencia, España: Proceedings de CEDI 2010. [6] SÁNCHEZ, M.G., VIDAL GIMENO, V., BATALLER MASCARELL, J. y RIVERA, A. (2011). Reducción de ruido impulsivo Fijo y Uniforme en imágenes digitales usando las GPUs. La Laguna, Tenerife, España: Proceedings de Jornadas de Paralelismo 2011. [7] SAHOO, A. & PRATAP, M. (2009). Fuzzy Weighted Adaptive Linear Filter for Color Image Restoration Using Morphological Detectors, International Journal on Computer Science and Engineering Vol.1(3), 2009, 217-221. [8] ESTRUCH CAMARENA, J.G. (2009). Aplicació de mètriques fuzzy en la millora computacional d’algorismes de filtratge d’imatges en color. Valencia: UPV – Tesis Doctoral RIUNET I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 45 [9] ESTRUCH FUSTER, V.D., GREGORI GREGORI, V., SAPENA PIERA, A. (2003). Estadística. Valencia: EDITORIAL UPV [10] PLATANIOTIS, K.N y VENETSANOPOULOS, A.N (2000). Color image processing and application. Barcelona: Springer [11] NIXON, M. y AGUADO, A. (2008). Feature Extraction & Image Processing. Oxford: Academic Press, Elsevier [12] PETROU, M. y BOSDOGIANNI, P. (1999). Image Processing: the fundamentals. England: Wiley Editorial I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 46 ANEXO GUÍA PARA ABRIR EL ARCHIVO MEDIDAS_CALIDAD.txt El archivo generado por nuestro programa para guardar los parámetros y las medidas de calidad se genera en formato texto (.txt). Pero si queremos trabajar correctamente con él mediante tablas en Microsoft® Office Excel® (en adelante Excel) debemos seguir los siguientes pasos (donde la acción la resaltaremos en color naranja en cada ilustración): 1. Abriremos Excel desde cualquiera de sus accesos: Figura 43. Icono de Excel® 2007 Desde el menú de usuario o Inicio en Windows 7. Figura 44. Menú Inicio Windows 7 I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 47 Figura 45. Intro del programa 2. Una vez abierto el programa, iremos a la opción de ABRIR archivo: Figura 46. Botón de Office en el menú principal I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 48 Figura 47. Abrir documento 3. Seleccionaremos “Archivos de texto” como tipo de archivo, y escogeremos MEDIDAS_CALIDAD.txt. Figura 48. Buscar archivos de texto I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 49 Figura 49. Abrir archivo 4. Se abrirá el asistente para importar texto. Seleccionaremos la precisión: Delimitados Y pulsaremos Siguiente. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 50 Figura 50. Paso 1 - Importar texto como tabla Excel 5. Seleccionaremos TABULACIÓN y ESPACIO en los separadores, tal y como se muestra en la figura. Figura 51. Paso 2 - los separadores I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 51 6. Seleccionamos formato GENERAL de los datos en columnas. Figura 52. Paso 3 - Tipo de datos y valores 7. En “Avanzadas…” seleccionamos: Separador decimal: “punto” ( . ) Separador de miles: “en blanco” ( ) I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 52 Figura 53. Reconocimiento de datos numéricos 8. Pulsamos FINALIZAR para terminar el asistente. Figura 54. Ejemplo tabla con las medidas de calidad y parámetros Ahora ya podemos trabajar con nuestros datos en formato EXCEL. I.T.Telecomunicación Proyecto Final de Carrera Daniel Seguí Simó 53 Las columnas representan los siguientes datos:  A: Tipo de color  B: Nombre de la imagen  C: Porcentajes de ruido Impulsivo aplicado  D: Porcentajes de ruido Gaussiano aplicado  E, F, G: Parámetros de filtrado Impulsivo  H: Resultados PSNR  I: Resultados MSE  J: Resultados MAE  K: Resultados NCD