Práctica con Mathlab

1. Nombre: Pablo Josué Moposita Cazar
Fecha: 2020-12-13
Segmentación de las imágenes
Mediante un Organizador Gráfico, identifique los pasos para el proceso de la visión
Artificial.
En el procesamiento de imágenes, la segmentación de imágenes se refiere al proceso
de:
Se refiere a la partición de la imagen de una manera semánticamente significativa.
¿Qué es lo más importante que se busca al segmentar una imagen?
Se buscan soluciones “correctas”:
- Regiones uniformes y homogéneas.
- Interiores simples y con un mínimo de “huecos”.
- Regiones adyacentes deben tener atributos “suficientemente” diferentes.
- Fronteras entre regiones deben ser “simples”, “iguales” y “espacialmente acertadas”.
¿Cuál es el objetivo de segmentar imágenes médicas?
Particionar la imagen en regiones (clases, subconjuntos) homogéneos con respecto a una o
más características.

2. Dentro de la segmentación de imágenes, cuáles son las características de los elementos
a segmentar.
Dadas las diferentes características de las imágenes y los elementos a segmentar, no existe un
método estándar de segmentación que produzca buenos resultados para cualquier imagen.
¿Cómo se evalúa un proceso correcto de segmentación?
• Independencia de la inicialización:
- Intravariabilidad (reproductibilidad).
• Comparación con el “experto” humano:
- Sensibilidad (verdaderos positivos).
- Especificidad (verdaderos negativos).
¿Cuáles son los métodos de segmentación más conocidos?
• Basados en umbrales.
• Basados en bordes.
• Basados en regiones.
Dentro de los métodos basados en umbrales, ¿cuál es su clasificación?
• Umbralización y binarización.
• Umbrales múltiples.
• Umbrales automáticos.
¿Cómo se realiza el proceso de Umbralización o Binarización?
Extraer los objetos comparando su valor de intensidad con un valor de referencia (umbral).
Cómo se produce el método de Otsu, ¿cuáles son sus principales características?
Asume que la imagen contiene dos clases de pixeles (histograma bimodal). Calcula el umbral
óptimo que minimiza la varianza intra-clase y maximiza la varianza inter-clase. Calcula
probabilidades de cada posible clase, y comprueba las varianzas hasta que encuentra la
mínima dentro de las clases y/o la máxima entre las clases.
Cómo funciona el agrupamiento de k-means, ¿cuáles son sus principales
características y cuáles son los pasos generales de su algoritmo?
Método de clasificación, que asigna puntos dados a K diferentes segmentos. En el caso de las
imágenes, asigna cada pixel a una de las K regiones de acuerdo a su valor de intensidad. Es
necesario saber de antemano el valor de K.
Presente un collage de imágenes de un ejemplo propuesto, sobre la 1ra iteración, 2da,
5ta, 10ma, 20va y 30va.

3. ¿Cómo se realiza la segmentación basada en bordes con perfil del borde, primera y
segunda derivada?
Identificación de los objetos puede obtenerse también encontrando los bordes que lo definen.
Borde: frontera entre dos regiones con propiedades de intensidad relativamente distintas.
Detectar el borde: encontrar lugares en la imagen donde la intensidad cambia “abruptamente”.

4. A qué se denomina Gradiente morfológico?
Es la diferencia entre la dilatación y la erosión de la imagen con el mismo elemento
estructural.
¿En qué consiste la detección de bordes con filtros?
La derivada o gradiente puede estimarse con convoluciones de la imagen con kernels o filtros
específicos:
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de píxeles.

5. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia separada de píxeles.
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Prewitt.
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Sobel.

6. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de Gaussiano.
En que consiste la técnica conocida como operador de Canny dentro de la detección de
bordes.
Técnica formulada con tres objetivos:
1. detección óptima, para reducir la respuesta al ruido.
2. buena localización, con distancia mínima entre el borde original y el estimado.
3. respuesta única, para eliminar múltiples respuestas a un único borde.
En que consiste la técnica conocida como operador de Sobiel dentro de la detección de
bordes.
Es un operador que consiste en encontrar la dirección del gradiente.
En que consiste el método RATS.
Permite definir automáticamente umbrales de segmentación a partir de la información del
gradiente (bordes). Su éxito depende del filtro de gradiente usado.