SlideShare una empresa de Scribd logo
1 de 13
Descargar para leer sin conexión
Centro de Ciencias de la Ingeniería
Departamento de Ingeniería Biomédica
Nombre: Ana Patricia Chessani Flores
Maestro: Dr. Omar Gutiérrez Navarro
Materia: Imagenología
Fecha de entrega: 4 de Septiembre de 2015
1.-Realice lo siguiente
a) Guarde cada uno de los canales en arreglos diferentes y muéstrelos como imágenes
en tono de grises.
b) Aplique las siguientes funciones de transferencia tonal a cada una de las tres imágenes
obtenidas en el inciso anterior y muestre los resultados en una sola gura.
1) f1(x,y)=L − 1 − Im(x,y) donde L es el valor máximo de intensidad encontrado en la
imagen e Im(x,y) la intensidad del pixel en x,y
2) f2(x,y)=Im(x,y)0,2
3) f3(x,y)=Im(x,y)5
4) f4(x,y)=Im(x,y)25
Código completo:
%Con max se obtiene la maxima intensidad de un pixel
% size(Im) ---> Cantidad de Pixeles que tiene la imagen en los ejes X y Y
y
% 3 canales
% ans = 506 800 3
clear all
clc
close all
Im=double(imread('tissue.png')); %Obtención de la magen orignal
x=1:1:506;%Vector de tamaño x de la imagen
y=1:1:800;%Vector de tamaño y de la imagen
A1=Im(x,y).^1/5;%magen original elevada a potencia de 0.2
B1=Im(x,y).^5;%magen original elevada a potencia de 5
C1=Im(x,y).^25;%magen original elevada a potencia de 25
figure(1);
%Division del layout para imágenes con subplot
%Fila, cantidad de imágenes, número de la imagen
subplot(1,3,1);imagesc(A1);
colormap('gray');
subplot(1,3,2);imagesc(B1);
colormap('gray');
title('Función de transferencia tonal de imagen original');
subplot(1,3,3);imagesc(C1);
colormap('gray');
%CANAL 1
A=squeeze(Im(:,:,1)); %Generar imágenes en escala de grises a partir de
los canales RGB
figure(2);imagesc(A);
colormap('gray');
title('Canal 1');
A1=A(x,y).^1/5;
A2=A(x,y).^5;
A3=A(x,y).^25;
figure(3);
subplot(1,3,1);imagesc(A1);
colormap('gray');
subplot(1,3,2);imagesc(A2);
colormap('gray');
title('Función de transferencia tonal del canal 1');
subplot(1,3,3);imagesc(A3);
colormap('gray');
%CANAL 2
B=squeeze(Im(:,:,2));
figure(4);imagesc(B);
colormap('gray');
title('Canal 2');
B1=B(x,y).^1/5;
B2=B(x,y).^5;
B3=B(x,y).^25;
figure(5);
subplot(1,3,1);imagesc(B1);
colormap('gray');
subplot(1,3,2);imagesc(B2);
colormap('gray');
title('Función de transferencia tonal del canal 2');
subplot(1,3,3);imagesc(B3);
colormap('gray');
%CANAL 3
C=squeeze(Im(:,:,3));
figure(6);imagesc(C);
colormap('gray');
title('Canal 3');
C1=C(x,y).^1/5;
C2=C(x,y).^5;
C3=C(x,y).^25;
figure(7);
subplot(1,3,1);imagesc(C1);
colormap('gray');
subplot(1,3,2);imagesc(C2);
colormap('gray');
title('Función de transferencia tonal del canal 3');
subplot(1,3,3);imagesc(C3);
colormap('gray');
%Aplicación de transferencia tonal através de la función de:
%f1(x,y)=L-1-Im(x,y);
L=255; %Valor máximo de intensidad
Im=L-1-Im(x,y);%Función de transferencia tonal
figure(8);imagesc(Im);
colormap('gray');
title('Función de transferencia Tonal');
Con el siguiente código se muestra una representación de la imagen de tejido tisular
donde;
%Con max se obtiene la maxima intensidad de un pixel
% size(Im) ---> Cantidad de Pixeles que tiene la imagen en los ejes X y Y
y
% 3 canales
% ans = 506 800 3
clear all
clc
close all
Im=double(imread('tissue.png')); %Obtención de la imagen orignal
x=1:1:506;%Vector de tamaño x de la imagen
y=1:1:800;%Vector de tamaño y de la imagen
A1=Im(x,y).^1/5;%magen original elevada a potencia de 0.2
B1=Im(x,y).^5;%magen original elevada a potencia de 5
C1=Im(x,y).^25;%magen original elevada a potencia de 25
figure(1);
%Division del layout para imágenes con subplot
%Fila, cantidad de imágenes, número de la imagen
subplot(1,3,1);imagesc(A1);
colormap('gray');
subplot(1,3,2);imagesc(B1);
colormap('gray');
title('Función de transferencia tonal de imagen original');
subplot(1,3,3);imagesc(C1);
colormap('gray');
A continuación se muestra el primer canal de la imagen RGB en escala de grises a la cual se le
aplicaron las funciones de transferencia tonal.
%CANAL 1
A=squeeze(Im(:,:,1)); %Generar imágenes en escala de grises a partir de
los canales RGB
figure(2);imagesc(A);
colormap('gray');
title('Canal 1');
A1=A(x,y).^1/5;
A2=A(x,y).^5;
A3=A(x,y).^25;
figure(3);
subplot(1,3,1);imagesc(A1);
colormap('gray');
subplot(1,3,2);imagesc(A2);
colormap('gray');
title('Función de transferencia tonal del canal 1');
subplot(1,3,3);imagesc(A3);
colormap('gray');
Aquí se muestra el segundo canal de la imagen RGB en escala de grises a la cual se le aplicaron las
funciones de transferencia tonal.
%CANAL 2
B=squeeze(Im(:,:,2));
figure(4);imagesc(B);
colormap('gray');
title('Canal 2');
B1=B(x,y).^1/5;
B2=B(x,y).^5;
B3=B(x,y).^25;
figure(5);
subplot(1,3,1);imagesc(B1);
colormap('gray');
subplot(1,3,2);imagesc(B2);
colormap('gray');
title('Función de transferencia tonal del canal 2');
subplot(1,3,3);imagesc(B3);
colormap('gray');
Aquí se muestra el tercer canal de la imagen RGB en escala de grises a la cual se le aplicaron las
funciones de transferencia tonal.
%CANAL 3
C=squeeze(Im(:,:,3));
figure(6);imagesc(C);
colormap('gray');
title('Canal 3');
C1=C(x,y).^1/5;
C2=C(x,y).^5;
C3=C(x,y).^25;
figure(7);
subplot(1,3,1);imagesc(C1);
colormap('gray');
subplot(1,3,2);imagesc(C2);
colormap('gray');
title('Función de transferencia tonal del canal 3');
subplot(1,3,3);imagesc(C3);
colormap('gray');
Por último se muestra la funcion de transferencia tonal con la cantidad máxima de intensidad en
los pixeles con el vector de tamaño de la matriz-imagen.
%Aplicación de transferencia tonal através de la función de:
%f1(x,y)=L-1-Im(x,y);
L=255; %Valor máximo de intensidad
Im=L-1-Im(x,y);%Función de transferencia tonal
figure(8);imagesc(Im);
colormap('gray');
title('Función de transferencia Tonal');
2.- Cargue la imagen football.jpg
a) Guarde una sub-imagen Im que contenga la información del canal 1 de la imagen
original.
b) Genere una imagen A de ceros que tenga el doble de tamaño que Im.
c) Copie los valores de la imagen Im en las posiciones de A en espacios de 2, es decir,
omitiendo un renglón y una columna.
d) Calcule el valor de los pixeles vacíos como un promedio de la intensidad de sus 4
vecinos más cercanos.
Código completo:
clear all
clc
A1=imread('football.jpg');%Cargar imagen original
figure(1);imagesc(A1);
colormap('gray');
A=A1(:,:,1);%Obtencón del primer canal
Z=zeros(2*size(A));%Hacer una matrz con ceros de tamaño doble
Z(1:2:end,1:2:end)=A;%En pasos de 2 en 2 desde 1 hasta el tamaño de la
imagen
figure(2);imagesc(Z);
colormap('gray');
W=Z;
%Promedio de las posiciones de la imagen tanto laterales como diagonales
for xp=2:2:size(Z,1)-1 %Vector con el numero de renglones y de columnas
es decir solo la columna 1
for yp=2:2:size(Z,2)-1
%Función de obtención del promedio de las posiciones laterales y
%diagonales
W(xp,yp)=(Z(xp+1,yp+1)+Z(xp-1,yp+1)+Z(xp+1,yp-1)+Z(xp-1,yp-
1)+Z(xp,yp-1)+Z(xp,yp+1)+Z(xp+1,yp)+Z(xp-1,yp))/4;
end
end
figure(3);
imagesc(W);
colormap('gray');
Aquí se obtiene la imagen original del balón:
clear all
clc
A1=imread('football.jpg');%Cargar imagen original
figure(1);imagesc(A1);
colormap('gray');
A continuación se obtiene la imagen con ceros:
A=A1(:,:,1);%Obtencón del primer canal
Z=zeros(2*size(A));%Hacer una matrz con ceros de tamaño doble
Z(1:2:end,1:2:end)=A;%En pasos de 2 en 2 desde 1 hasta el tamaño de la
imagen
figure(2);imagesc(Z);
colormap('gray');
Obtención de la función promedio para rellenar los vectores en ceros tanto de diagonales como de
laterales:
W=Z;
%Promedio de las posiciones de la imagen tanto laterales como diagonales
for xp=2:2:size(Z,1)-1 %Vector con el numero de renglones y de columnas
es decir solo la columna 1
for yp=2:2:size(Z,2)-1
%Función de obtención del promedio de las posiciones laterales y
%diagonales
W(xp,yp)=(Z(xp+1,yp+1)+Z(xp-1,yp+1)+Z(xp+1,yp-1)+Z(xp-1,yp-
1)+Z(xp,yp-1)+Z(xp,yp+1)+Z(xp+1,yp)+Z(xp-1,yp))/4;
end
end
figure(3);
imagesc(W);
colormap('gray');

Más contenido relacionado

La actualidad más candente

Imagen Morfologicas
Imagen MorfologicasImagen Morfologicas
Imagen MorfologicasOmar Sanchez
 
Aplicación de la derivada a la representación gráfica de funciones
Aplicación de la derivada a la representación gráfica de funcionesAplicación de la derivada a la representación gráfica de funciones
Aplicación de la derivada a la representación gráfica de funcioneszulimar alvarez alvarez
 
Limites infinito y limites en el infinito
Limites infinito y limites en el infinitoLimites infinito y limites en el infinito
Limites infinito y limites en el infinitomiguel18ruiz
 
Convolucion Tiempo Discreto
Convolucion Tiempo DiscretoConvolucion Tiempo Discreto
Convolucion Tiempo Discretoguest1e528d
 
Límite infinito y limites en el infinito
Límite infinito y limites en el infinitoLímite infinito y limites en el infinito
Límite infinito y limites en el infinitoorlan12do07
 
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABUtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABdpatriciocastillom
 
Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii
 Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii
Utp pdiva_lab4_procesamiento digital de imagenes con matlab iijcbenitezp
 
Utp va_sl4_procesamiento digital de imagenes con matlab iii
 Utp va_sl4_procesamiento digital de imagenes con matlab iii Utp va_sl4_procesamiento digital de imagenes con matlab iii
Utp va_sl4_procesamiento digital de imagenes con matlab iiijcbenitezp
 
Lab 02 - Análisis de señales - UNTECS
Lab 02 - Análisis de señales - UNTECSLab 02 - Análisis de señales - UNTECS
Lab 02 - Análisis de señales - UNTECSIng. Electrónica xD
 
Análisis espectral (iva n mareño)
Análisis espectral (iva n mareño)Análisis espectral (iva n mareño)
Análisis espectral (iva n mareño)Ivan Mareño
 

La actualidad más candente (20)

Imagen Morfologicas
Imagen MorfologicasImagen Morfologicas
Imagen Morfologicas
 
Taller 10-14-ii
Taller 10-14-iiTaller 10-14-ii
Taller 10-14-ii
 
P5pds
P5pdsP5pds
P5pds
 
Aplicación de la derivada a la representación gráfica de funciones
Aplicación de la derivada a la representación gráfica de funcionesAplicación de la derivada a la representación gráfica de funciones
Aplicación de la derivada a la representación gráfica de funciones
 
Limites infinito y limites en el infinito
Limites infinito y limites en el infinitoLimites infinito y limites en el infinito
Limites infinito y limites en el infinito
 
Convolucion Tiempo Discreto
Convolucion Tiempo DiscretoConvolucion Tiempo Discreto
Convolucion Tiempo Discreto
 
2437215 procesamiento-de-imagenes-con-matrices
2437215 procesamiento-de-imagenes-con-matrices2437215 procesamiento-de-imagenes-con-matrices
2437215 procesamiento-de-imagenes-con-matrices
 
Operaciones Morfologicas
Operaciones MorfologicasOperaciones Morfologicas
Operaciones Morfologicas
 
Límite infinito y limites en el infinito
Límite infinito y limites en el infinitoLímite infinito y limites en el infinito
Límite infinito y limites en el infinito
 
FUNCIONES
FUNCIONESFUNCIONES
FUNCIONES
 
Funciones y relaciones
Funciones y relacionesFunciones y relaciones
Funciones y relaciones
 
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLABUtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
UtplMadrid_Tutorías_MATLAB_IMAGENES MATLAB
 
Estadística con Lenguaje R: Sesión 6
Estadística con Lenguaje R: Sesión 6Estadística con Lenguaje R: Sesión 6
Estadística con Lenguaje R: Sesión 6
 
Cuando estudiamos
Cuando estudiamosCuando estudiamos
Cuando estudiamos
 
Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii
 Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii
Utp pdiva_lab4_procesamiento digital de imagenes con matlab ii
 
Plinomico
PlinomicoPlinomico
Plinomico
 
Utp va_sl4_procesamiento digital de imagenes con matlab iii
 Utp va_sl4_procesamiento digital de imagenes con matlab iii Utp va_sl4_procesamiento digital de imagenes con matlab iii
Utp va_sl4_procesamiento digital de imagenes con matlab iii
 
Lab 02 - Análisis de señales - UNTECS
Lab 02 - Análisis de señales - UNTECSLab 02 - Análisis de señales - UNTECS
Lab 02 - Análisis de señales - UNTECS
 
C05
C05C05
C05
 
Análisis espectral (iva n mareño)
Análisis espectral (iva n mareño)Análisis espectral (iva n mareño)
Análisis espectral (iva n mareño)
 

Similar a Imagen zeros

Unidad 3 aplicar animacion al dibujo.
Unidad 3 aplicar animacion al dibujo.Unidad 3 aplicar animacion al dibujo.
Unidad 3 aplicar animacion al dibujo.carolina peña
 
Presentación 1 FUNCIONESssssssssssssssss
Presentación 1 FUNCIONESssssssssssssssssPresentación 1 FUNCIONESssssssssssssssss
Presentación 1 FUNCIONESssssssssssssssssRaulStadler
 
Procesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabProcesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabPercy Julio Chambi Pacco
 
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágen
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágenArchivos apuntes-comandos comunes de matlab para el procesamiento de imágen
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágenJob Isaias Cach Cach
 
Utp pdi_2014-2 lab2
 Utp pdi_2014-2 lab2 Utp pdi_2014-2 lab2
Utp pdi_2014-2 lab2jcbp_peru
 
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813jcbp_peru
 
Manejo basico de imagenes matlab
Manejo basico de imagenes matlabManejo basico de imagenes matlab
Manejo basico de imagenes matlabAbner Chavez
 
Experiencia de laboratorio_no_2
Experiencia de laboratorio_no_2Experiencia de laboratorio_no_2
Experiencia de laboratorio_no_2Marc Llanos
 

Similar a Imagen zeros (14)

Pds laboratorio 2
Pds   laboratorio 2Pds   laboratorio 2
Pds laboratorio 2
 
Unidad 3 aplicar animacion al dibujo.
Unidad 3 aplicar animacion al dibujo.Unidad 3 aplicar animacion al dibujo.
Unidad 3 aplicar animacion al dibujo.
 
Unidad 3
Unidad 3Unidad 3
Unidad 3
 
Presentación 1 FUNCIONESssssssssssssssss
Presentación 1 FUNCIONESssssssssssssssssPresentación 1 FUNCIONESssssssssssssssss
Presentación 1 FUNCIONESssssssssssssssss
 
Procesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlabProcesamiento digital de imágenes con matlab
Procesamiento digital de imágenes con matlab
 
Clase 4
Clase 4Clase 4
Clase 4
 
Clase 4
Clase 4Clase 4
Clase 4
 
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágen
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágenArchivos apuntes-comandos comunes de matlab para el procesamiento de imágen
Archivos apuntes-comandos comunes de matlab para el procesamiento de imágen
 
Utp pdi_2014-2 lab2
 Utp pdi_2014-2 lab2 Utp pdi_2014-2 lab2
Utp pdi_2014-2 lab2
 
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813
Dialnet comparacion cualitativay-cuantitativadelastecnicasba-4322813
 
Práctica 8
Práctica 8Práctica 8
Práctica 8
 
Manejo basico de imagenes matlab
Manejo basico de imagenes matlabManejo basico de imagenes matlab
Manejo basico de imagenes matlab
 
Imagenes
ImagenesImagenes
Imagenes
 
Experiencia de laboratorio_no_2
Experiencia de laboratorio_no_2Experiencia de laboratorio_no_2
Experiencia de laboratorio_no_2
 

Último

presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdf
presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdfpresentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdf
presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdfaxelv9257
 
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la ComunicaciónNavegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la ComunicaciónAntonia Yamilet Perez Palomares
 
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxTipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxJOELGARCIA849853
 
Función del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacionFunción del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacionEmanuelMuoz11
 
Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024NicolleAndrade7
 
Imágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la informaciónImágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la informaciónUniversidad de Sonora
 
microsoft word manuales para todos tipos de estudiamte
microsoft word manuales para todos tipos de estudiamtemicrosoft word manuales para todos tipos de estudiamte
microsoft word manuales para todos tipos de estudiamte2024020140
 
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdfjuan23xpx
 
De Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxDe Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxdoloresolmosantiago
 
herramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el temaherramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el temaJadeVilcscordova
 
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...dramosbrise1403
 
10°8 - Avances tecnologicos del siglo XXI 10-8
10°8 - Avances tecnologicos del siglo XXI 10-810°8 - Avances tecnologicos del siglo XXI 10-8
10°8 - Avances tecnologicos del siglo XXI 10-8antoniopalmieriluna
 
Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.241534381
 
Introduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptxIntroduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptxcj12paz
 
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdfRedes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdfJosAndrRosarioVzquez
 
Editorial. Grupo de 12B de La Salle Margarita.pdf
Editorial. Grupo de 12B de La Salle Margarita.pdfEditorial. Grupo de 12B de La Salle Margarita.pdf
Editorial. Grupo de 12B de La Salle Margarita.pdfYanitza28
 
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptxAVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptxdulcemonterroza
 
Editorial. Grupo de 12B. La Salle Margarita.pdf
Editorial. Grupo de 12B. La Salle Margarita.pdfEditorial. Grupo de 12B. La Salle Margarita.pdf
Editorial. Grupo de 12B. La Salle Margarita.pdfYanitza28
 
Desarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaDesarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaRicardoEstrada90
 
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptxTarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptxVICTORMANUELBEASAGUI
 

Último (20)

presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdf
presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdfpresentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdf
presentacion_desamblado_de_una_computadora_base_a_las_normas_de_seguridad.pdf
 
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la ComunicaciónNavegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
 
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxTipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
 
Función del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacionFunción del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacion
 
Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024
 
Imágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la informaciónImágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la información
 
microsoft word manuales para todos tipos de estudiamte
microsoft word manuales para todos tipos de estudiamtemicrosoft word manuales para todos tipos de estudiamte
microsoft word manuales para todos tipos de estudiamte
 
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
 
De Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxDe Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptx
 
herramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el temaherramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el tema
 
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
 
10°8 - Avances tecnologicos del siglo XXI 10-8
10°8 - Avances tecnologicos del siglo XXI 10-810°8 - Avances tecnologicos del siglo XXI 10-8
10°8 - Avances tecnologicos del siglo XXI 10-8
 
Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.
 
Introduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptxIntroduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptx
 
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdfRedes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
 
Editorial. Grupo de 12B de La Salle Margarita.pdf
Editorial. Grupo de 12B de La Salle Margarita.pdfEditorial. Grupo de 12B de La Salle Margarita.pdf
Editorial. Grupo de 12B de La Salle Margarita.pdf
 
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptxAVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptx
 
Editorial. Grupo de 12B. La Salle Margarita.pdf
Editorial. Grupo de 12B. La Salle Margarita.pdfEditorial. Grupo de 12B. La Salle Margarita.pdf
Editorial. Grupo de 12B. La Salle Margarita.pdf
 
Desarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaDesarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - Estrada
 
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptxTarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
 

Imagen zeros

  • 1. Centro de Ciencias de la Ingeniería Departamento de Ingeniería Biomédica Nombre: Ana Patricia Chessani Flores Maestro: Dr. Omar Gutiérrez Navarro Materia: Imagenología Fecha de entrega: 4 de Septiembre de 2015
  • 2. 1.-Realice lo siguiente a) Guarde cada uno de los canales en arreglos diferentes y muéstrelos como imágenes en tono de grises. b) Aplique las siguientes funciones de transferencia tonal a cada una de las tres imágenes obtenidas en el inciso anterior y muestre los resultados en una sola gura. 1) f1(x,y)=L − 1 − Im(x,y) donde L es el valor máximo de intensidad encontrado en la imagen e Im(x,y) la intensidad del pixel en x,y 2) f2(x,y)=Im(x,y)0,2 3) f3(x,y)=Im(x,y)5 4) f4(x,y)=Im(x,y)25 Código completo: %Con max se obtiene la maxima intensidad de un pixel % size(Im) ---> Cantidad de Pixeles que tiene la imagen en los ejes X y Y y % 3 canales % ans = 506 800 3 clear all clc close all Im=double(imread('tissue.png')); %Obtención de la magen orignal x=1:1:506;%Vector de tamaño x de la imagen y=1:1:800;%Vector de tamaño y de la imagen A1=Im(x,y).^1/5;%magen original elevada a potencia de 0.2 B1=Im(x,y).^5;%magen original elevada a potencia de 5 C1=Im(x,y).^25;%magen original elevada a potencia de 25 figure(1); %Division del layout para imágenes con subplot %Fila, cantidad de imágenes, número de la imagen subplot(1,3,1);imagesc(A1); colormap('gray'); subplot(1,3,2);imagesc(B1); colormap('gray'); title('Función de transferencia tonal de imagen original'); subplot(1,3,3);imagesc(C1); colormap('gray'); %CANAL 1 A=squeeze(Im(:,:,1)); %Generar imágenes en escala de grises a partir de los canales RGB figure(2);imagesc(A); colormap('gray'); title('Canal 1'); A1=A(x,y).^1/5; A2=A(x,y).^5; A3=A(x,y).^25; figure(3);
  • 3. subplot(1,3,1);imagesc(A1); colormap('gray'); subplot(1,3,2);imagesc(A2); colormap('gray'); title('Función de transferencia tonal del canal 1'); subplot(1,3,3);imagesc(A3); colormap('gray'); %CANAL 2 B=squeeze(Im(:,:,2)); figure(4);imagesc(B); colormap('gray'); title('Canal 2'); B1=B(x,y).^1/5; B2=B(x,y).^5; B3=B(x,y).^25; figure(5); subplot(1,3,1);imagesc(B1); colormap('gray'); subplot(1,3,2);imagesc(B2); colormap('gray'); title('Función de transferencia tonal del canal 2'); subplot(1,3,3);imagesc(B3); colormap('gray'); %CANAL 3 C=squeeze(Im(:,:,3)); figure(6);imagesc(C); colormap('gray'); title('Canal 3'); C1=C(x,y).^1/5; C2=C(x,y).^5; C3=C(x,y).^25; figure(7); subplot(1,3,1);imagesc(C1); colormap('gray'); subplot(1,3,2);imagesc(C2); colormap('gray'); title('Función de transferencia tonal del canal 3'); subplot(1,3,3);imagesc(C3); colormap('gray'); %Aplicación de transferencia tonal através de la función de: %f1(x,y)=L-1-Im(x,y); L=255; %Valor máximo de intensidad Im=L-1-Im(x,y);%Función de transferencia tonal figure(8);imagesc(Im); colormap('gray'); title('Función de transferencia Tonal'); Con el siguiente código se muestra una representación de la imagen de tejido tisular donde;
  • 4. %Con max se obtiene la maxima intensidad de un pixel % size(Im) ---> Cantidad de Pixeles que tiene la imagen en los ejes X y Y y % 3 canales % ans = 506 800 3 clear all clc close all Im=double(imread('tissue.png')); %Obtención de la imagen orignal x=1:1:506;%Vector de tamaño x de la imagen y=1:1:800;%Vector de tamaño y de la imagen A1=Im(x,y).^1/5;%magen original elevada a potencia de 0.2 B1=Im(x,y).^5;%magen original elevada a potencia de 5 C1=Im(x,y).^25;%magen original elevada a potencia de 25 figure(1); %Division del layout para imágenes con subplot %Fila, cantidad de imágenes, número de la imagen subplot(1,3,1);imagesc(A1); colormap('gray'); subplot(1,3,2);imagesc(B1); colormap('gray'); title('Función de transferencia tonal de imagen original'); subplot(1,3,3);imagesc(C1); colormap('gray'); A continuación se muestra el primer canal de la imagen RGB en escala de grises a la cual se le aplicaron las funciones de transferencia tonal.
  • 5. %CANAL 1 A=squeeze(Im(:,:,1)); %Generar imágenes en escala de grises a partir de los canales RGB figure(2);imagesc(A); colormap('gray'); title('Canal 1'); A1=A(x,y).^1/5; A2=A(x,y).^5; A3=A(x,y).^25; figure(3); subplot(1,3,1);imagesc(A1); colormap('gray'); subplot(1,3,2);imagesc(A2); colormap('gray'); title('Función de transferencia tonal del canal 1'); subplot(1,3,3);imagesc(A3); colormap('gray');
  • 6. Aquí se muestra el segundo canal de la imagen RGB en escala de grises a la cual se le aplicaron las funciones de transferencia tonal. %CANAL 2 B=squeeze(Im(:,:,2)); figure(4);imagesc(B); colormap('gray'); title('Canal 2'); B1=B(x,y).^1/5; B2=B(x,y).^5; B3=B(x,y).^25; figure(5); subplot(1,3,1);imagesc(B1); colormap('gray'); subplot(1,3,2);imagesc(B2); colormap('gray'); title('Función de transferencia tonal del canal 2'); subplot(1,3,3);imagesc(B3); colormap('gray');
  • 7.
  • 8. Aquí se muestra el tercer canal de la imagen RGB en escala de grises a la cual se le aplicaron las funciones de transferencia tonal. %CANAL 3 C=squeeze(Im(:,:,3)); figure(6);imagesc(C); colormap('gray'); title('Canal 3'); C1=C(x,y).^1/5; C2=C(x,y).^5; C3=C(x,y).^25; figure(7); subplot(1,3,1);imagesc(C1); colormap('gray'); subplot(1,3,2);imagesc(C2); colormap('gray'); title('Función de transferencia tonal del canal 3'); subplot(1,3,3);imagesc(C3); colormap('gray');
  • 9. Por último se muestra la funcion de transferencia tonal con la cantidad máxima de intensidad en los pixeles con el vector de tamaño de la matriz-imagen. %Aplicación de transferencia tonal através de la función de: %f1(x,y)=L-1-Im(x,y); L=255; %Valor máximo de intensidad Im=L-1-Im(x,y);%Función de transferencia tonal figure(8);imagesc(Im); colormap('gray'); title('Función de transferencia Tonal');
  • 10. 2.- Cargue la imagen football.jpg a) Guarde una sub-imagen Im que contenga la información del canal 1 de la imagen original. b) Genere una imagen A de ceros que tenga el doble de tamaño que Im. c) Copie los valores de la imagen Im en las posiciones de A en espacios de 2, es decir, omitiendo un renglón y una columna. d) Calcule el valor de los pixeles vacíos como un promedio de la intensidad de sus 4 vecinos más cercanos. Código completo: clear all clc A1=imread('football.jpg');%Cargar imagen original figure(1);imagesc(A1);
  • 11. colormap('gray'); A=A1(:,:,1);%Obtencón del primer canal Z=zeros(2*size(A));%Hacer una matrz con ceros de tamaño doble Z(1:2:end,1:2:end)=A;%En pasos de 2 en 2 desde 1 hasta el tamaño de la imagen figure(2);imagesc(Z); colormap('gray'); W=Z; %Promedio de las posiciones de la imagen tanto laterales como diagonales for xp=2:2:size(Z,1)-1 %Vector con el numero de renglones y de columnas es decir solo la columna 1 for yp=2:2:size(Z,2)-1 %Función de obtención del promedio de las posiciones laterales y %diagonales W(xp,yp)=(Z(xp+1,yp+1)+Z(xp-1,yp+1)+Z(xp+1,yp-1)+Z(xp-1,yp- 1)+Z(xp,yp-1)+Z(xp,yp+1)+Z(xp+1,yp)+Z(xp-1,yp))/4; end end figure(3); imagesc(W); colormap('gray'); Aquí se obtiene la imagen original del balón: clear all clc A1=imread('football.jpg');%Cargar imagen original figure(1);imagesc(A1); colormap('gray');
  • 12. A continuación se obtiene la imagen con ceros: A=A1(:,:,1);%Obtencón del primer canal Z=zeros(2*size(A));%Hacer una matrz con ceros de tamaño doble Z(1:2:end,1:2:end)=A;%En pasos de 2 en 2 desde 1 hasta el tamaño de la imagen figure(2);imagesc(Z); colormap('gray'); Obtención de la función promedio para rellenar los vectores en ceros tanto de diagonales como de laterales: W=Z; %Promedio de las posiciones de la imagen tanto laterales como diagonales for xp=2:2:size(Z,1)-1 %Vector con el numero de renglones y de columnas es decir solo la columna 1 for yp=2:2:size(Z,2)-1 %Función de obtención del promedio de las posiciones laterales y %diagonales W(xp,yp)=(Z(xp+1,yp+1)+Z(xp-1,yp+1)+Z(xp+1,yp-1)+Z(xp-1,yp- 1)+Z(xp,yp-1)+Z(xp,yp+1)+Z(xp+1,yp)+Z(xp-1,yp))/4; end end figure(3); imagesc(W);