2. Caso de Estudio Nº 1.- En este caso de estudio aplicaremos funciones estadísticas (Desviación Estándar, Media) para poder mejorar el contraste en partes oscuras de una imagen, esto se logra aplicando la desviación estándar y la media a subimagenes obtenidas de nuestra imagen inicial y comparandola con la desviación estándar y la media de la imagen total. Para este caso nuestra imagen de estudio es la siguiente:
El problema es mejorar el contraste de las áreas oscuras pero sin alterar las áreas claras, para ello se propone un método local basado en la estadística de la imagen.
En la imagen aplicamos la siguiente función para poder mejorar su contraste, y poder apreciar mejor la información que a simple vista se encuentra oculta.
Comparar la media local de una subimagen con la media global:
se realiza para poder analizar si el pixel p(i,j) es canditato para procesamiento, esto es una buena táctica para saber si una región es clara u oscura.
Comparar la desviación estándar local de una subimagen con la desviación estándar global, nos permite determinar las áreas que tienen bajo contraste.
Finalmente se tiene que realizar una restricción mas, en las áreas que tienen valores iguales, es decir desviaciones estándares = 0 (o cercana a 0)
El resultado obtenido es el siguiente: (con E= 4.0, K0= 0.4, K1= 0.02, K2= 0.4 y una máscara de 3x3).
3.Caso de Estudio Nº2.- En este caso aplicaremos el promedio de imagenes para poder mejorar las imagenes con ruido genereadas a partir de la imagen de entrada.
Nuestra imagen de entrada es la siguiente:
El promedio de 32 imagenes con ruido obtenidas a partir de la imagen original es el siguiente:
Como vemos el promedio nos permite obtener una imagen resultante que es aproximada a la imagen de entrada. (Esto depende de la cantidad de imagenes que se utiliza para hallar el pri
