Filtro Mediana:

El primer filtro que usamos fue el de la mediana, aunque es el mas

facial de implementar posee algunas desventajas como sensibilidad
a cambios locales y que tambin puede crear intensidades de grises
que no existan en la imagen original.

Este funciona de la siguiente manera:Se visita cada pixel de la

imagen y se reemplaza por la mediana de los pixeles vecinos. La
mediana se calcula ordenando los valores de los pixeles vecinos en
orden y seleccionado el queda en medio.

Sobel y kirsch:

A parte en las imgenes se evidencian las distinciones en los filtros

y operadores que se utilizaron, en el caso de el sobel y el kirsch
producen menos errores que otros modelos de gradientes digitales,
hablando de segmentacin de imgenes.

Y entre estos encontr que el operador de kirsch produce mejores

resultados que el de sobel. Pero a pesar de eso ambos operadores
siguen siendo sensibles a una cantidad de ruido determinada.

Como funciona el sobel: Calcula el gradiente de la intensidad de

una imagen en cada punto (pxel). As, para cada punto, este
operador da la magnitud del mayor cambio posible, la direccin de
ste y el sentido desde oscuro a claro. El resultado muestra cmo
de abruptamente o suavemente cambia una imagen en cada punto
analizado y, en consecuencia, cun probable es que ste represente
un borde en la imagen y, tambin, la orientacin a la que tiende ese
borde. En la prctica, el clculo de la magnitud -probabilidad de un
borde es ms fiable y sencillo de interpretar que el clculo de la
direccin y sentido.
Operador de Prewitt:

En este se basa en computar una aproximacin de la gradiente de la

funcion de intensidad de la imagen. En cada punto de la imagen,
el resultado del operador de Prewitt es el vector gradiente
correspondiente o la norma de este vector. por lo tanto, es
relativamente barato en terminos de computos como Sobel.

Gaussiano:

La ultima de las mascaras es el gaussiano que da resultado a un

suavizado mayor a la imagen, este suavizado lo que hace es reducir
la cantidad de variaciones de intensidad entre pxeles vecinos,
tambin se usa para eliminar ruido y es parecido al filtro de media.

Filtro lapaciano:

Este operador realiza un mascara realzando los pixeles de su

vecinidad a travs del aumento en el nivel de grises. Se encuentra
definido primeramente por un operador lapaciano y una funcin
con base en lapaciano.

Con base a todos estas mascaras que realizamos podemos

diferenciar la utilizad y facilidad que ya se definieron sobre cual
usar, y sobre todo en que momento o que ocacion debemos utilizar
ya sea el gaussiano para realizar un suavizado mas notorio o
utilizar algn otro para realzar bordes que necesitamos analizar en
especifico, algunos o tal vez si se trata de los bordes en el eje x,
como se vio en algunas imgenes en ese filtro aproxima la imagen
a ciertos bordes en diagonal tomndolos como eje x o y.

Por facilidad es mas conveniente el filtro mediana , pero la verdad

es que si tomamos en cuenta sus debilidades podiramos optar por
un kirsch o un sobel. Todo dependiendo de que necesitemos filtrar,
suavizar o resaltar como zonas de una radiografa o de cualquier
imagen que se quieran analizar zonas en especifico, deteccion de
bordes y dems utilidades que se le pueden dar.

Aunque en ciertas imgenes parecen similares en realidad son

distintas, a nivel de colores y de bordes tambin lo que suaviza o
resalta es distinto dependiendo de los gradientes.

Bibliografia: http://alojamientos.us.es/gtocoma/pid/tema4.pdf

http://docplayer.es/14947261-Segmentacion-de-imagenes-de-
resonancia-magnetica-y-mamografia-digital.html