El documento describe los conceptos fundamentales de la transformada de Fourier y su aplicación en el procesamiento digital de imágenes. Explica cómo la transformada de Fourier representa una señal en el dominio de la frecuencia en lugar del dominio del tiempo y cómo esto permite aplicar filtros para eliminar ruido u otras aplicaciones. Luego detalla varios tipos de filtros como los pasobajos ideales, de Butterworth y Gaussianos, así como filtros pasoaltos y su implementación mediante la transformada de Fourier.
El desarrollo de este proyecto fue el realizar un generador de señales, para poder realizarlo se recurrió a los conocimientos obtenidos durante el curso, aplicando diferentes configuraciones con Amplificadores Operacionales, algunos son los Integradores, Derivadores, etc.
Lab4: Diseñar y construir un oscilador de cristal y un oscilador LCÁngel Leonardo Torres
Diseñar un oscilador de cristal y un oscilador LC
Construir un oscilador de cristal y un oscilador LC
Analizar y evaluar el funcionamiento del oscilador de cristal y el oscilador LC
El desarrollo de este proyecto fue el realizar un generador de señales, para poder realizarlo se recurrió a los conocimientos obtenidos durante el curso, aplicando diferentes configuraciones con Amplificadores Operacionales, algunos son los Integradores, Derivadores, etc.
Lab4: Diseñar y construir un oscilador de cristal y un oscilador LCÁngel Leonardo Torres
Diseñar un oscilador de cristal y un oscilador LC
Construir un oscilador de cristal y un oscilador LC
Analizar y evaluar el funcionamiento del oscilador de cristal y el oscilador LC
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.
En este documento analizamos ciertos conceptos relacionados con la ficha 1 y 2. Y concluimos, dando el porque es importante desarrollar nuestras habilidades de pensamiento.
Sara Sofia Bedoya Montezuma.
9-1.
Inteligencia Artificial y Ciberseguridad.pdfEmilio Casbas
Recopilación de los puntos más interesantes de diversas presentaciones, desde los visionarios conceptos de Alan Turing, pasando por la paradoja de Hans Moravec y la descripcion de Singularidad de Max Tegmark, hasta los innovadores avances de ChatGPT, y de cómo la IA está transformando la seguridad digital y protegiendo nuestras vidas.
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta in...espinozaernesto427
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta intensidad son un tipo de lámpara eléctrica de descarga de gas que produce luz por medio de un arco eléctrico entre electrodos de tungsteno alojados dentro de un tubo de alúmina o cuarzo moldeado translúcido o transparente.
lámparas más eficientes del mercado, debido a su menor consumo y por la cantidad de luz que emiten. Adquieren una vida útil de hasta 50.000 horas y no generan calor alguna. Si quieres cambiar la iluminación de tu hogar para hacerla mucho más eficiente, ¡esta es tu mejor opción!
Las nuevas lámparas de descarga de alta intensidad producen más luz visible por unidad de energía eléctrica consumida que las lámparas fluorescentes e incandescentes, ya que una mayor proporción de su radiación es luz visible, en contraste con la infrarroja. Sin embargo, la salida de lúmenes de la iluminación HID puede deteriorarse hasta en un 70% durante 10,000 horas de funcionamiento.
Muchos vehículos modernos usan bombillas HID para los principales sistemas de iluminación, aunque algunas aplicaciones ahora están pasando de bombillas HID a tecnología LED y láser.1 Modelos de lámparas van desde las típicas lámparas de 35 a 100 W de los autos, a las de más de 15 kW que se utilizan en los proyectores de cines IMAX.
Esta tecnología HID no es nueva y fue demostrada por primera vez por Francis Hauksbee en 1705. Lámpara de Nernst.
Lámpara incandescente.
Lámpara de descarga. Lámpara fluorescente. Lámpara fluorescente compacta. Lámpara de haluro metálico. Lámpara de vapor de sodio. Lámpara de vapor de mercurio. Lámpara de neón. Lámpara de deuterio. Lámpara xenón.
Lámpara LED.
Lámpara de plasma.
Flash (fotografía) Las lámparas de descarga de alta intensidad (HID) son un tipo de lámparas de descarga de gas muy utilizadas en la industria de la iluminación. Estas lámparas producen luz creando un arco eléctrico entre dos electrodos a través de un gas ionizado. Las lámparas HID son conocidas por su gran eficacia a la hora de convertir la electricidad en luz y por su larga vida útil.
A diferencia de las luces fluorescentes, que necesitan un recubrimiento de fósforo para emitir luz visible, las lámparas HID no necesitan ningún recubrimiento en el interior de sus tubos. El propio arco eléctrico emite luz visible. Sin embargo, algunas lámparas de halogenuros metálicos y muchas lámparas de vapor de mercurio tienen un recubrimiento de fósforo en el interior de la bombilla para mejorar el espectro luminoso y reproducción cromática. Las lámparas HID están disponibles en varias potencias, que van desde los 25 vatios de las lámparas de halogenuros metálicos autobalastradas y los 35 vatios de las lámparas de vapor de sodio de alta intensidad hasta los 1.000 vatios de las lámparas de vapor de mercurio y vapor de sodio de alta intensidad, e incluso hasta los 1.500 vatios de las lámparas de halogenuros metálicos.
Las lámparas HID requieren un equipo de control especial llamado balasto para funcionar
3Redu: Responsabilidad, Resiliencia y Respetocdraco
¡Hola! Somos 3Redu, conformados por Juan Camilo y Cristian. Entendemos las dificultades que enfrentan muchos estudiantes al tratar de comprender conceptos matemáticos. Nuestro objetivo es brindar una solución inclusiva y accesible para todos.
3. Transformada de Fourier (II) Analogía: Prisma, separa la luz blanca en sus componentes de colores dependiendo de su longitud de onda (frecuencia)
4. Transformada de Fourier (III) La transformada discreta de Fourier de una variable: [ x , f ( x )] [dominio del tiempo, amplitud] [ u , F ( u ) ] [ dominio de la frecuencia, componente de frecuencia] Argumentos x y u : [ 0 .. M -1] Se calcula: Se sustituye primero u =0 y se evalúa para todas las x , después u =1 y se evalúa todas las x …
5. Transformada de Fourier (IV) Un sistema en el cual tenga solución: Forma binómica x y x+jy Eje real Eje imaginario Sea la transformada: Al aplicar la fórmula de Euler: Sumas de senos y cosenos con diferente amplitud, frecuencia y fase :
6. Transformada de Fourier (V) Representación de la transformada de Fourier en coordenadas polares Amplitud o Espectro Espectro de fase Espectro de potencia
7. Transformada de Fourier (VI) Fs = 1000; % Frecuencia de muestreo: 1KHz T = 1/Fs; % Período de muestreo L = 1000; % Número de unidades x = (0:L-1)*T; x=x’; % Vector de tiempo (x) K=500; % Amplitud (unos) a=ones(K,1); b=zeros(L-K,1); fx=[a; b]; plot(x,fx,’*’) Gráfico de la transformada de Fourier A=1 L=1000 K=500 [ x , f ( x )]
8. Transformada de Fourier (VII) [ u , | F ( u )| ] Media sección del espectro de fx >>abs(fft(fx)) Detalles del gráfico
9. Transformada de Fourier (VIII) Reconstrucción de la señal original [ x , f ( x )] [dominio del tiempo, amplitud] [ u , F ( u ) ] [ dominio de la frecuencia, componente de frecuencia] Se calcula: Se sustituye primero x =0 y se evalúa para todas las u , después x =1 y se evalúa todas las u … Argumentos x y u : [ 0 .. M -1]
10. Transformada de Fourier (IX) La transformada de Fourier de una función dependiente de dos variables donde: ( x = 0,1, .. M -1) e ( y = 0,1, .. N -1) ( u = 0,1, .. M -1) y ( v = 0,1, .. N -1) La cual puede reconstruirse a su valor original Espacio Frecuencia
18. Filtro en el dominio de la frecuencia (II) Pasos para filtrar la imagen Imagen de entrada f(x,y) Transfor-mada de Fourier F(u,v) Filtro H(u,v)* F(u,v) Transfor-mada inversa de Fourier Imagen filtrada
19. Filtro pasobajo ideal Tamaño del filtro ( M , N ) = (5, 5) Centro ( u, v )=(3, 3) Distancia al centro de matriz de frecuencias Frecuencia de corte Función Todas las frecuencias que no estén dentro del círculo son atenuadas 0 0 0 0 0 0 1 1 1 0 0 1 1 1 0 0 1 1 1 0 0 0 0 0 0
20. Filtro pasobajo ideal (II) %Representación en el dominio de la frecuencia [f1, f2]=freqspace(25, 'meshgrid' ); Hd=zeros(25,25); d=sqrt(f1.^2+f2.^2)< .75 ; Hd(d)=1; mesh(f1,f2,Hd);
21. Filtros pasobajo Filtro de Butterworth de orden n Cae al 50% de su máximo en la frecuencia de corte (D( u , v )=D 0 ) donde Característica Las transiciones a la frecuencia de corte D 0 no son bruscas Cae al 50% de su máximo en la frecuencia de corte (D( u , v )=D 0 )
22. Filtros pasobajo (II) Representación del filtro de Butterworth lpfilter(tipo, M, N, D 0 , n) Gonzalez,R.; Woods, R.; Eddins, S.: Digital Image Processing using Matlab . Prentice Hall.2004. >>H=fftshift(lpfilter('btw', 500, 500, 50, 1)) >>mesh(H(1:10:500, 1:10:500)) n=1 n=2.5 n=10
23. Filtros pasobajo (III) Representación del filtro de Butterworth lpfilter(tipo, M, N, D 0 , n) Gonzalez,R.; Woods, R.; Eddins, S.: Digital Image Processing using Matlab . Prentice Hall.2004. >>H=fftshift(lpfilter('btw', 500, 500, 50, 1)) >>mesh(H(1:10:500, 1:10:500)) D 0 =50 D 0 =100 D 0 =300
24. Filtros pasobajo (IV) Filtro pasobajo Gausiano donde Característica Las transiciones a la frecuencia de corte D 0 no son bruscas Cae al 60.7% de su máximo valor cuando (D( u , v )=D 0 )
25. Filtros pasobajo (V) Representación del filtro Gausiano lpfilter(tipo, M, N, D 0 , n) Gonzalez,R.; Woods, R.; Eddins, S.: Digital Image Processing using Matlab . Prentice Hall.2004. >>H=fftshift(lpfilter(‘gaussian', 500, 500, 50)) >>mesh(H(1:10:500, 1:10:500)) D 0 =50 D 0 =100 D 0 =250
26. El tamaño de las matrices Cuando se aplica un algoritmo de filtrado digital basado en la transformada de Fourier puede existir interferencia entre períodos adyacentes si los períodos están muy próximos con respecto a la duración de la parte de la función que adquiere valores diferentes de cero f(x,y) y h(x,y) tienen el tamaño AxB y CxD El tamaño de las funciones resultantes serán PxQ : Los píxeles de la extensión se rellenan con ceros
27. Filtro en el dominio de la frecuencia: DIPUM %Redefine el tamaño de las matrices F ( u ) y H ( u ) PQ=paddedsize(size(f)); % f, imagen % Se obtiene la transformada F=fft2(f, PQ(1), PQ(2)); % Se define el filtro H=lpfilter(‘tipo', PQ(1), PQ(2), D 0 , n); % Se multiplica la transformada por el filtro G=H.*F; % Se obtiene parte real de la Transformada inversa g=real(ifft2(G)); % Se restituye tamaño original de la imagen g=g(1:size(f,1), 1:size(f,2)); % Se ajustan los niveles de gris gg=gscale(g); % Se ecualiza el histograma g=histeq(gg); % Opcional
28. Aplicación del Filtro de Butterworth D 0 =0.01*PQ(2); % 1% del ancho de la imagen rellenada n =1
29. Aplicación del Filtro de Butterworth (II) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada n =1
30. Aplicación del Filtro de Butterworth (III) D 0 =0.1*PQ(2); % 10% del ancho de la imagen rellenada n =1
31. Aplicación del Filtro de Butterworth (IV) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada n =2.5
32. Aplicación del Filtro de Butterworth (V) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada n =5
33. Aplicación del Filtro de Butterworth (VI) D 0 =0.05*PQ(2); n =1 D 0 =0.01*PQ(2); n =1 D 0 =0.1*PQ(2); n =1 D 0 =0.05*PQ(2); n =2.5 D 0 =0.05*PQ(2); n =5
34. Aplicación del Filtro Gausiano D 0 =0.01*PQ(2); % 1% del ancho de la imagen rellenada
35. Aplicación del Filtro Gausiano (II) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada
36. Aplicación del Filtro Gausiano (III) D 0 =0.1*PQ(2); % 10% del ancho de la imagen rellenada
37. Filtros pasoalto Inversa de los filtros pasobajo donde: Filtro pasobajo Filtro pasoalto Los pasos para aplicar el filtro son los mismos que los pasobajo hpfilter(tipo, M, N, D 0 , n)
39. Filtros pasoalto (III) D 0 =0.009*PQ(2); % .9% del ancho de la imagen rellenada Filtro Ideal
40. Filtros pasoalto (IV) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada n=1 Filtro de Butterworth
41. Filtros pasoalto (V) D 0 =0.05*PQ(2); % 5% del ancho de la imagen rellenada Filtro Gausiano
42. Filtros pasoalto enfatizado 1+3*hpfilter(‘gaussian’, M, N, D 0 ) a : Incorpora componente de directa ( H (0,0) ≠ 0) b : Enfatiza el filtro de alta frecuencia