La segmentación de imágenes tiene como objetivo dividir una imagen digital en varias partes u objetos significativos. Existen varios algoritmos de segmentación como la segmentación basada en características (niveles de gris, color, textura), la segmentación basada en transiciones como la detección de bordes, y la segmentación basada en modelos como la Transformada de Hough. Esta transformada permite detectar líneas y curvas paramétricas en una imagen al mapear puntos de bordes en el espacio de parámetros de dichas curvas. La segmentación se utiliza
Este documento presenta las operaciones morfológicas aplicadas a imágenes digitales. Explica conceptos como dilatación, erosión, apertura, clausura y cómo se usan para extraer bordes e implementar el relleno de regiones. El objetivo es que los estudiantes aprendan a procesar imágenes digitales mediante operaciones morfológicas y comprendan su aplicación en tareas como segmentación y reconocimiento de imágenes.
Este documento presenta una sesión sobre operaciones morfológicas en imágenes en escala de grises en MATLAB. Explica conceptos como dilatación y erosión, y cómo implementar funciones para dilatar y erosionar imágenes de escala de grises en MATLAB. También cubre aplicaciones de operaciones morfológicas como pre-procesamiento de imágenes y extracción de características.
Este documento presenta información sobre la segmentación de imágenes en procesamiento digital de imágenes. Explica diferentes algoritmos y métodos de segmentación como detección de bordes, umbralización, crecimiento de regiones y transformada de Hough. También describe aplicaciones de la segmentación en visión artificial, teledetección, inspección industrial y análisis médico de imágenes. El objetivo es simplificar y extraer información de las imágenes mediante la división en partes u objetos significativos.
Las operaciones morfológicas (OM) son técnicas de procesamiento no lineal de imágenes basadas en la teoría de conjuntos. Existen dos tipos principales de OM: las OM binarias y las OM de niveles de grises. Las OM incluyen dilatación y erosión, las cuales pueden usarse para preprocesamiento de imágenes, destacar estructuras de objetos, y describir objetos. La dilatación engrosa las imágenes mientras que la erosión las adelgaza. Ambas operaciones se implementan utilizando un elemento e
La sesión trata sobre las operaciones morfológicas de dilatación y erosión en imágenes en escala de grises. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y se puede usar para preprocesamiento de imágenes, destacar estructuras de objetos, y describir objetos. Presenta las operaciones básicas de dilatación y erosión en imágenes en escala de grises, mostrando cómo estas operaciones pueden ampliar o reducir regiones de la imagen y cómo se implementan en Matlab.
Utp pd_iy_va_sap6y7 diltacion y erosión binaria - apertura y clausurac09271
Este documento presenta una sesión sobre operaciones morfológicas en procesamiento de imágenes. Explica conceptos clave como dilatación, erosión, apertura, clausura y cómo se aplican estas operaciones usando elementos estructurantes. También cubre aplicaciones como detección de bordes, relleno de regiones y resúmenes de operaciones morfológicas. El objetivo es que los estudiantes aprendan a procesar imágenes digitales usando métodos morfológicos.
Este documento describe varias transformaciones y operaciones básicas que se pueden realizar sobre imágenes digitales, incluyendo la binarización, el zoom y operaciones lógicas. Explica métodos para binarizar una imagen como determinar el umbral de Otsu y aplicar operadores lógicos como AND, OR y NOT. También cubre técnicas para hacer zoom como interpolación bilineal y bicúbica. El objetivo es proporcionar una introducción a estas operaciones fundamentales en procesamiento digital de imágenes.
Este documento presenta información sobre segmentación de imágenes. Cubre los logros de aprendizaje, contenido, introducción a la segmentación, objetivo y uso de la segmentación, proceso de segmentación, aplicaciones de segmentación, y diferentes algoritmos de segmentación como segmentación basada en características, segmentación basada en transiciones, y segmentación basada en modelos usando la transformada de Hough.
Este documento presenta las operaciones morfológicas aplicadas a imágenes digitales. Explica conceptos como dilatación, erosión, apertura, clausura y cómo se usan para extraer bordes e implementar el relleno de regiones. El objetivo es que los estudiantes aprendan a procesar imágenes digitales mediante operaciones morfológicas y comprendan su aplicación en tareas como segmentación y reconocimiento de imágenes.
Este documento presenta una sesión sobre operaciones morfológicas en imágenes en escala de grises en MATLAB. Explica conceptos como dilatación y erosión, y cómo implementar funciones para dilatar y erosionar imágenes de escala de grises en MATLAB. También cubre aplicaciones de operaciones morfológicas como pre-procesamiento de imágenes y extracción de características.
Este documento presenta información sobre la segmentación de imágenes en procesamiento digital de imágenes. Explica diferentes algoritmos y métodos de segmentación como detección de bordes, umbralización, crecimiento de regiones y transformada de Hough. También describe aplicaciones de la segmentación en visión artificial, teledetección, inspección industrial y análisis médico de imágenes. El objetivo es simplificar y extraer información de las imágenes mediante la división en partes u objetos significativos.
Las operaciones morfológicas (OM) son técnicas de procesamiento no lineal de imágenes basadas en la teoría de conjuntos. Existen dos tipos principales de OM: las OM binarias y las OM de niveles de grises. Las OM incluyen dilatación y erosión, las cuales pueden usarse para preprocesamiento de imágenes, destacar estructuras de objetos, y describir objetos. La dilatación engrosa las imágenes mientras que la erosión las adelgaza. Ambas operaciones se implementan utilizando un elemento e
La sesión trata sobre las operaciones morfológicas de dilatación y erosión en imágenes en escala de grises. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y se puede usar para preprocesamiento de imágenes, destacar estructuras de objetos, y describir objetos. Presenta las operaciones básicas de dilatación y erosión en imágenes en escala de grises, mostrando cómo estas operaciones pueden ampliar o reducir regiones de la imagen y cómo se implementan en Matlab.
Utp pd_iy_va_sap6y7 diltacion y erosión binaria - apertura y clausurac09271
Este documento presenta una sesión sobre operaciones morfológicas en procesamiento de imágenes. Explica conceptos clave como dilatación, erosión, apertura, clausura y cómo se aplican estas operaciones usando elementos estructurantes. También cubre aplicaciones como detección de bordes, relleno de regiones y resúmenes de operaciones morfológicas. El objetivo es que los estudiantes aprendan a procesar imágenes digitales usando métodos morfológicos.
Este documento describe varias transformaciones y operaciones básicas que se pueden realizar sobre imágenes digitales, incluyendo la binarización, el zoom y operaciones lógicas. Explica métodos para binarizar una imagen como determinar el umbral de Otsu y aplicar operadores lógicos como AND, OR y NOT. También cubre técnicas para hacer zoom como interpolación bilineal y bicúbica. El objetivo es proporcionar una introducción a estas operaciones fundamentales en procesamiento digital de imágenes.
Este documento presenta información sobre segmentación de imágenes. Cubre los logros de aprendizaje, contenido, introducción a la segmentación, objetivo y uso de la segmentación, proceso de segmentación, aplicaciones de segmentación, y diferentes algoritmos de segmentación como segmentación basada en características, segmentación basada en transiciones, y segmentación basada en modelos usando la transformada de Hough.
Los bordes de una imagen digital se definen como transiciones entre regiones con niveles de gris significativamente distintos. La detección de bordes utiliza operadores basados en la primera derivada (gradiente) de la imagen, como Roberts, Prewitt, Sobel y Canny. Roberts detecta bordes diagonales pero es muy sensible al ruido. Prewitt, Sobel y Frei-Chen usan máscaras de convolución para aproximar el gradiente e incluyen vecinos adyacentes, proporcionando mayor inmunidad al ruido. Canny es más sof
Este documento presenta el sílabo de la asignatura "Procesamiento de Imágenes y Visión Artificial". La asignatura introduce conceptos clave como el procesamiento digital de imágenes, transformaciones espaciales, segmentación, reconocimiento de objetos y visión estereoscópica. El curso combina clases teóricas con prácticas de laboratorio para aplicar diferentes técnicas de procesamiento de imágenes.
Utp pd_iy_va_sap6 diltacion y erosión binariajcbp_peru
Este documento presenta una sesión sobre dilatación y erosión binaria en procesamiento de imágenes. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y se puede usar para pre-procesamiento, destacar estructuras de objetos, y describir objetos. Describe que la dilatación agrega pixeles a objetos haciéndolos más grandes, mientras que la erosión extrae "outlayers" haciendo objetos más pequeños. También presenta ejemplos y propiedades de estas operaciones morfoló
Este documento presenta las operaciones morfológicas aplicadas a imágenes digitales, incluyendo dilatación, erosión, apertura, clausura, detección de bordes y relleno de regiones. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y simplifica imágenes preservando la forma de los objetos. Las operaciones morfológicas se pueden usar para preprocesamiento, detección de objetos y descripción de características.
Las operaciones morfológicas se utilizan para procesar imágenes digitales mediante técnicas de morfología matemática. Estas operaciones incluyen la dilatación, erosión, apertura, clausura y otras. La dilatación engrosa las imágenes binarias mientras que la erosión las adelgaza. La apertura erosiona y luego dilata la imagen para eliminar ruido, mientras que la clausura dilata y luego erosiona para cerrar agujeros y grietas. Las operaciones morfológicas también se pueden utilizar
Este documento presenta varios operadores para la detección de bordes en imágenes digitales. Explica el operador de Canny, Sobel, Prewitt y cómo calcular el gradiente. También cubre cómo implementar estos algoritmos y usar las funciones edge y fspecial en MatLab para detectar bordes verticales, horizontales y compuestos. El objetivo es que los estudiantes entiendan y apliquen diferentes métodos para detectar bordes en imágenes.
Este documento presenta el laboratorio 2 sobre procesamiento de imágenes y visión artificial. Incluye objetivos como manipular el histograma, ecualizar imágenes, aplicar corrección gamma, realizar transformaciones morfológicas y filtrado espacial. Se deben desarrollar funciones en Matlab para cada procedimiento y responder un cuestionario creando funciones adicionales para comparar con funciones de Matlab. El informe final debe incluir resultados, procedimientos y respuestas al cuestionario en Word, referenciando líneas de código.
Presentamos un algoritmo para la lectura de placas de automóvil. Proponemos un nuevo método de detección de la posición de la placa en una imagen, comparando sus resultados con el método de correlación. Explicamos la implementación de una red neuronal de tres capas entrenada con el algoritmo de retropropagación para el reconocimiento de letras y números. Proponemos un método de verificación para decidir si la imagen seleccionada es realmente una placa, y en caso de que no lo sea, buscar en otra zona.
1. El documento presenta un laboratorio sobre procesamiento de imágenes en MATLAB, con objetivos como leer, mostrar y almacenar imágenes, identificar tipos y formatos de imágenes, y manipular pixeles.
2. Se describen conceptos teóricos como iluminación, modos de color e conversiones.
3. El procedimiento incluye desarrollar funciones para conversiones entre modos de color, negativos, binarización, zoom y operaciones lógicas.
Este documento presenta un método para analizar la granulometría de una pila de rocas fragmentadas usando el software de código abierto ImageJ. El método involucra importar una imagen de la pila, ajustar el brillo y contraste, segmentar las partículas usando algoritmos de erosión y relleno, y medir propiedades como el área. Los resultados se exportan a una hoja de cálculo para crear una curva granulométrica y analizar la distribución de tamaños de partícula. El método ofrece una alternativa al
Este documento presenta preguntas y respuestas sobre segmentación de imágenes y detección de bordes. Explica que la segmentación de imágenes involucra la partición de una imagen en regiones semánticamente significativas y homogéneas. Describe métodos comunes de segmentación como umbrales, regiones y bordes. Específicamente, discute k-means, Otsu, gradientes morfológicos y filtros como Prewitt, Sobel y Canny para detección de bordes.
El documento describe tres algoritmos de segmentación de imágenes en OpenCV: detección de bordes, detección de contornos y floodfill. La detección de bordes resalta los bordes en una imagen mediante filtros diferenciales. La detección de contornos encuentra las curvas que unen puntos de borde de igual color o intensidad para analizar la forma de los objetos. El algoritmo floodfill rellena una región de la imagen con valores similares a una semilla seleccionada por el usuario.
El documento trata sobre la segmentación de imágenes. Explica que la segmentación de imágenes es el proceso de particionar la imagen de manera semánticamente significativa, como encontrar objetos en la imagen. Describe los diferentes métodos de segmentación como los basados en umbrales, bordes y regiones. Explica algunos métodos específicos como Otsu y k-means para segmentación basada en umbrales y Canny y Sobel para detección de bordes.
El documento describe los conceptos básicos de la segmentación de imágenes. Explica que la segmentación divide la imagen en regiones basadas en discontinuidades o similitudes en los niveles de gris de los píxeles vecinos. Luego, detalla algunos algoritmos comunes como detección de puntos aislados, líneas y bordes usando operadores como el Laplaciano y el gradiente. Finalmente, introduce el enfoque de Marr-Hildreth que aplica un filtro Gaussiano antes de calcular el Laplaciano para detectar bordes.
Pontificia universidad católica del ecuador virtualizacionGabriel Solano
Este documento presenta información sobre diferentes métodos de segmentación de imágenes, incluyendo segmentación basada en umbrales, regiones, y bordes. Explica métodos como k-means, Otsu, y detección de bordes con filtros como Prewitt, Sobel, y Canny. También cubre conceptos como gradiente morfológico y el método RATS para selección automática de umbrales.
Este documento discute los conceptos y métodos de segmentación de imágenes. La segmentación de imágenes se refiere al proceso de particionar una imagen en regiones semánticamente significativas. Algunos de los métodos de segmentación más conocidos incluyen los basados en umbrales, bordes y regiones. Los métodos basados en umbrales incluyen umbralización, umbrales múltiples y umbrales automáticos como el método de Otsu. Los métodos basados en bordes utilizan filtros como Prewitt, Sobel y difer
Este documento presenta preguntas y respuestas sobre los conceptos y métodos fundamentales de procesamiento de imágenes, incluida la segmentación de imágenes. Aborda temas como la segmentación de imágenes médicas, los métodos de segmentación basados en umbrales, regiones y bordes como k-means y Otsu, y la detección de bordes mediante filtros como Prewitt, Sobel y Canny.
Este capítulo explora los gráficos por computadora, incluyendo modelado 3D, generación de imágenes, y animación. Explica el proceso de crear gráficos 3D a través de modelado, generación de imágenes proyectando objetos 3D en un plano, y animación creando secuencias de imágenes. También cubre conceptos como morfismo, cinemática, y dinámica aplicada a la animación. Concluye que los gráficos por computadora han revolucionado la tecnología de animación implementando nuevas form
Este documento describe varios tipos de filtros disponibles en GIMP para editar imágenes digitales, incluyendo filtros artísticos, decorativos, de mapa, de renderizado, para la web y animación. Explica las funciones de filtros individuales como aplicar lienzo, fotocopia, mosaico de cristal, esquinas redondeadas y manchas de café. El documento también incluye un índice de contenido y reconocimientos a otras fuentes de información.
El documento trata sobre el procesamiento digital de imágenes. Explica que este incluye técnicas para mejorar la calidad de imágenes digitales y facilitar la búsqueda de información. También describe los diferentes tipos de imágenes (vectoriales y de mapa de bits), formatos de imágenes, resolución, color y técnicas como filtrado y corrección/edición de imágenes.
Este documento presenta las instrucciones para el Laboratorio 3 sobre procesamiento de imágenes y visión artificial. Los estudiantes deben implementar algoritmos de segmentación de imágenes, reconocimiento de patrones y visión estereoscópica usando Matlab. También deben generar un informe del laboratorio describiendo sus observaciones, conclusiones y recomendaciones.
El documento resume tres sesiones de laboratorio sobre procesamiento de imágenes y visión artificial. En cada sesión, el docente explicó ejercicios relacionados a la lectura, manipulación y conversión de imágenes en Matlab, y el alumno desarrolló dos ejercicios. El laboratorio completo involucró 17 ejercicios y 15 preguntas de cuestionario.
Los bordes de una imagen digital se definen como transiciones entre regiones con niveles de gris significativamente distintos. La detección de bordes utiliza operadores basados en la primera derivada (gradiente) de la imagen, como Roberts, Prewitt, Sobel y Canny. Roberts detecta bordes diagonales pero es muy sensible al ruido. Prewitt, Sobel y Frei-Chen usan máscaras de convolución para aproximar el gradiente e incluyen vecinos adyacentes, proporcionando mayor inmunidad al ruido. Canny es más sof
Este documento presenta el sílabo de la asignatura "Procesamiento de Imágenes y Visión Artificial". La asignatura introduce conceptos clave como el procesamiento digital de imágenes, transformaciones espaciales, segmentación, reconocimiento de objetos y visión estereoscópica. El curso combina clases teóricas con prácticas de laboratorio para aplicar diferentes técnicas de procesamiento de imágenes.
Utp pd_iy_va_sap6 diltacion y erosión binariajcbp_peru
Este documento presenta una sesión sobre dilatación y erosión binaria en procesamiento de imágenes. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y se puede usar para pre-procesamiento, destacar estructuras de objetos, y describir objetos. Describe que la dilatación agrega pixeles a objetos haciéndolos más grandes, mientras que la erosión extrae "outlayers" haciendo objetos más pequeños. También presenta ejemplos y propiedades de estas operaciones morfoló
Este documento presenta las operaciones morfológicas aplicadas a imágenes digitales, incluyendo dilatación, erosión, apertura, clausura, detección de bordes y relleno de regiones. Explica que la morfología matemática se basa en operaciones de teoría de conjuntos y simplifica imágenes preservando la forma de los objetos. Las operaciones morfológicas se pueden usar para preprocesamiento, detección de objetos y descripción de características.
Las operaciones morfológicas se utilizan para procesar imágenes digitales mediante técnicas de morfología matemática. Estas operaciones incluyen la dilatación, erosión, apertura, clausura y otras. La dilatación engrosa las imágenes binarias mientras que la erosión las adelgaza. La apertura erosiona y luego dilata la imagen para eliminar ruido, mientras que la clausura dilata y luego erosiona para cerrar agujeros y grietas. Las operaciones morfológicas también se pueden utilizar
Este documento presenta varios operadores para la detección de bordes en imágenes digitales. Explica el operador de Canny, Sobel, Prewitt y cómo calcular el gradiente. También cubre cómo implementar estos algoritmos y usar las funciones edge y fspecial en MatLab para detectar bordes verticales, horizontales y compuestos. El objetivo es que los estudiantes entiendan y apliquen diferentes métodos para detectar bordes en imágenes.
Este documento presenta el laboratorio 2 sobre procesamiento de imágenes y visión artificial. Incluye objetivos como manipular el histograma, ecualizar imágenes, aplicar corrección gamma, realizar transformaciones morfológicas y filtrado espacial. Se deben desarrollar funciones en Matlab para cada procedimiento y responder un cuestionario creando funciones adicionales para comparar con funciones de Matlab. El informe final debe incluir resultados, procedimientos y respuestas al cuestionario en Word, referenciando líneas de código.
Presentamos un algoritmo para la lectura de placas de automóvil. Proponemos un nuevo método de detección de la posición de la placa en una imagen, comparando sus resultados con el método de correlación. Explicamos la implementación de una red neuronal de tres capas entrenada con el algoritmo de retropropagación para el reconocimiento de letras y números. Proponemos un método de verificación para decidir si la imagen seleccionada es realmente una placa, y en caso de que no lo sea, buscar en otra zona.
1. El documento presenta un laboratorio sobre procesamiento de imágenes en MATLAB, con objetivos como leer, mostrar y almacenar imágenes, identificar tipos y formatos de imágenes, y manipular pixeles.
2. Se describen conceptos teóricos como iluminación, modos de color e conversiones.
3. El procedimiento incluye desarrollar funciones para conversiones entre modos de color, negativos, binarización, zoom y operaciones lógicas.
Este documento presenta un método para analizar la granulometría de una pila de rocas fragmentadas usando el software de código abierto ImageJ. El método involucra importar una imagen de la pila, ajustar el brillo y contraste, segmentar las partículas usando algoritmos de erosión y relleno, y medir propiedades como el área. Los resultados se exportan a una hoja de cálculo para crear una curva granulométrica y analizar la distribución de tamaños de partícula. El método ofrece una alternativa al
Este documento presenta preguntas y respuestas sobre segmentación de imágenes y detección de bordes. Explica que la segmentación de imágenes involucra la partición de una imagen en regiones semánticamente significativas y homogéneas. Describe métodos comunes de segmentación como umbrales, regiones y bordes. Específicamente, discute k-means, Otsu, gradientes morfológicos y filtros como Prewitt, Sobel y Canny para detección de bordes.
El documento describe tres algoritmos de segmentación de imágenes en OpenCV: detección de bordes, detección de contornos y floodfill. La detección de bordes resalta los bordes en una imagen mediante filtros diferenciales. La detección de contornos encuentra las curvas que unen puntos de borde de igual color o intensidad para analizar la forma de los objetos. El algoritmo floodfill rellena una región de la imagen con valores similares a una semilla seleccionada por el usuario.
El documento trata sobre la segmentación de imágenes. Explica que la segmentación de imágenes es el proceso de particionar la imagen de manera semánticamente significativa, como encontrar objetos en la imagen. Describe los diferentes métodos de segmentación como los basados en umbrales, bordes y regiones. Explica algunos métodos específicos como Otsu y k-means para segmentación basada en umbrales y Canny y Sobel para detección de bordes.
El documento describe los conceptos básicos de la segmentación de imágenes. Explica que la segmentación divide la imagen en regiones basadas en discontinuidades o similitudes en los niveles de gris de los píxeles vecinos. Luego, detalla algunos algoritmos comunes como detección de puntos aislados, líneas y bordes usando operadores como el Laplaciano y el gradiente. Finalmente, introduce el enfoque de Marr-Hildreth que aplica un filtro Gaussiano antes de calcular el Laplaciano para detectar bordes.
Pontificia universidad católica del ecuador virtualizacionGabriel Solano
Este documento presenta información sobre diferentes métodos de segmentación de imágenes, incluyendo segmentación basada en umbrales, regiones, y bordes. Explica métodos como k-means, Otsu, y detección de bordes con filtros como Prewitt, Sobel, y Canny. También cubre conceptos como gradiente morfológico y el método RATS para selección automática de umbrales.
Este documento discute los conceptos y métodos de segmentación de imágenes. La segmentación de imágenes se refiere al proceso de particionar una imagen en regiones semánticamente significativas. Algunos de los métodos de segmentación más conocidos incluyen los basados en umbrales, bordes y regiones. Los métodos basados en umbrales incluyen umbralización, umbrales múltiples y umbrales automáticos como el método de Otsu. Los métodos basados en bordes utilizan filtros como Prewitt, Sobel y difer
Este documento presenta preguntas y respuestas sobre los conceptos y métodos fundamentales de procesamiento de imágenes, incluida la segmentación de imágenes. Aborda temas como la segmentación de imágenes médicas, los métodos de segmentación basados en umbrales, regiones y bordes como k-means y Otsu, y la detección de bordes mediante filtros como Prewitt, Sobel y Canny.
Este capítulo explora los gráficos por computadora, incluyendo modelado 3D, generación de imágenes, y animación. Explica el proceso de crear gráficos 3D a través de modelado, generación de imágenes proyectando objetos 3D en un plano, y animación creando secuencias de imágenes. También cubre conceptos como morfismo, cinemática, y dinámica aplicada a la animación. Concluye que los gráficos por computadora han revolucionado la tecnología de animación implementando nuevas form
Este documento describe varios tipos de filtros disponibles en GIMP para editar imágenes digitales, incluyendo filtros artísticos, decorativos, de mapa, de renderizado, para la web y animación. Explica las funciones de filtros individuales como aplicar lienzo, fotocopia, mosaico de cristal, esquinas redondeadas y manchas de café. El documento también incluye un índice de contenido y reconocimientos a otras fuentes de información.
El documento trata sobre el procesamiento digital de imágenes. Explica que este incluye técnicas para mejorar la calidad de imágenes digitales y facilitar la búsqueda de información. También describe los diferentes tipos de imágenes (vectoriales y de mapa de bits), formatos de imágenes, resolución, color y técnicas como filtrado y corrección/edición de imágenes.
Este documento presenta las instrucciones para el Laboratorio 3 sobre procesamiento de imágenes y visión artificial. Los estudiantes deben implementar algoritmos de segmentación de imágenes, reconocimiento de patrones y visión estereoscópica usando Matlab. También deben generar un informe del laboratorio describiendo sus observaciones, conclusiones y recomendaciones.
El documento resume tres sesiones de laboratorio sobre procesamiento de imágenes y visión artificial. En cada sesión, el docente explicó ejercicios relacionados a la lectura, manipulación y conversión de imágenes en Matlab, y el alumno desarrolló dos ejercicios. El laboratorio completo involucró 17 ejercicios y 15 preguntas de cuestionario.
Este documento presenta las transformaciones geométricas aplicadas a imágenes digitales. Explica transformaciones rígidas como traslación, rotación y reflexión, transformaciones afines como escalado y cizalladura, y coordenadas homogéneas. También cubre la combinación de transformaciones y su implementación en MATLAB.
Utp pd_iy_va_sap12 reconocimiento de patronesjcbp_peru
El documento presenta información sobre reconocimiento de patrones. Algunos puntos clave incluyen:
El reconocimiento de patrones tiene como objetivo principal la clasificación mediante la extracción de características de señales. Los patrones se obtienen a través de procesos de segmentación, extracción de características y descripción.
Un sistema de reconocimiento de patrones completo incluye un sensor, un mecanismo de extracción de características y una etapa de toma de decisiones. Entre las aplicaciones se encuentran el reconocimiento de
Este documento presenta una sesión sobre filtrado espacial en procesamiento de imágenes. Explica los objetivos del filtrado, los tipos de ruido en imágenes, y clasifica los filtros digitales en el dominio del espacio en lineales y no lineales. Detalla filtros lineales como el filtro de media y gaussiano, y filtros no lineales como el filtro de mediana y otros filtros estadísticos de orden. El documento también cubre la implementación de filtros en MatLab.
El documento presenta información sobre la visión estereoscópica y sus aplicaciones. Explica que la visión estereoscópica se basa en las imágenes ligeramente diferentes captadas por cada ojo, lo que permite al cerebro percibir la profundidad. Detalla los fundamentos de este proceso, incluyendo la convergencia de los ojos, la disparidad binocular, y cómo estos factores generan la percepción tridimensional. Asimismo, define conceptos como la imagen estéreo, el paralaje y sus tipos, y analiza problemas como la rel
El documento describe un laboratorio sobre procesamiento digital de imágenes. Se cargó una imagen a color, se convirtió a escala de grises y binaria. Luego se enumeran 8 tareas para implementar funciones de dilatación y erosión morfológica en imágenes en escala de grises y a color usando diferentes elementos estructurales.
Este documento presenta información sobre el histograma, brillo, contraste y corrección gamma de imágenes. Explica que un histograma muestra la distribución de los niveles de gris de una imagen y cómo ecualizar una imagen mejora su distribución. También describe cómo manipular el brillo y contraste modificando los niveles de intensidad de los píxeles y cómo la corrección gamma compensa las variaciones de dispositivos de salida. El documento provee fórmulas y gráficas para ilustrar estos conceptos.
Utp 2015-2_pdi_ea3 conversiones c2_g y negativojcbp_peru
Este documento describe varias transformaciones básicas de imágenes a nivel espacial, incluyendo métodos para convertir imágenes de color a escala de grises y para crear negativos de imágenes. Explica que existen varios métodos para convertir imágenes RGB a escala de grises, como promediar los canales de color, usar el valor de luminosidad o luminancia. También describe cómo crear negativos de imágenes binarias, de escala de grises o de color cambiando los valores de los pixeles.
Este documento presenta una introducción a la visión artificial y el procesamiento digital de imágenes. Explica conceptos clave como inteligencia artificial, visión artificial, procesamiento de imágenes, reconocimiento de patrones y visión computacional. También describe los objetivos de aprendizaje, contenido, esquema del curso y aplicaciones de estos temas. Finalmente, resume las dificultades de la visión computacional y el reconocimiento de patrones.
Utp 2015-2_pdi_sap2 iluminacion y modos de colorjcbp_peru
Este documento discute diferentes temas relacionados con el procesamiento de imágenes y la visión artificial, incluyendo tipos de iluminación, el espectro electromagnético, tipos de imágenes digitales como vectoriales y de mapa de bits, y modelos de color como RGB, CMY y HSB. El documento también explica conceptos como píxeles, saturación, tono y brillo para describir colores.
Este documento presenta las instrucciones para un laboratorio sobre procesamiento digital de imágenes con MatLab. Los estudiantes generarán y procesarán imágenes en escala de grises y color, realizarán transformaciones como cambios de tamaño y rotación, y analizarán propiedades como histograma y binarización. Al finalizar, deberán presentar un informe del laboratorio con sus conclusiones.
Este documento proporciona una introducción a MATLAB. Explica que MATLAB es un software para realizar cálculos matemáticos con vectores y matrices. Detalla algunas de sus funcionalidades clave como la capacidad de realizar cálculos numéricos, desarrollo de algoritmos, modelado y simulación, análisis de datos y visualización de gráficos. También describe cómo se usa MATLAB en diferentes campos como ingeniería eléctrica, biomédica y dinámica de fluidos.
El documento describe el proceso de muestreo y reconstrucción de señales continuas usando una tarjeta de adquisición de datos y software de simulación. Se muestran los resultados del muestreo y reconstrucción de señales usando un retenedor de orden cero y un filtro paso bajo a diferentes frecuencias, verificando el teorema de muestreo. La reconstrucción con el retenedor de orden cero es más precisa.
Este documento describe el muestreo y cuantificación de señales analógicas usando MATLAB. Explica cómo muestrear ondas sinusoidales y triangulares con diferentes frecuencias de muestreo y cómo esto afecta la precisión de la señal reconstruida. También construye diagramas de bloques para simular bloqueadores de orden cero y uno y analiza cómo estos afectan la forma de la señal al variar la frecuencia de muestreo. Concluye que cuanto menor es el tiempo de muestreo, más precisa es la señal recon
Este documento describe los pasos básicos para procesar imágenes con MATLAB, incluyendo la lectura, representación, obtención de tamaño, despliegue, escritura y edición de pixeles de imágenes. También cubre temas como submuestreo, transformación de tipos de datos, filtrado mediante convolución y detección de bordes.
Este documento describe los conceptos básicos de procesamiento digital de señales utilizando MATLAB, incluyendo la generación y gráfica de señales discretas, el submuestreo, sobremuestreo, procesamiento de audio y análisis en frecuencia mediante la transformada rápida de Fourier.
El documento describe un concurso de matemáticas para el tercer ciclo de educación primaria patrocinado por la Fundación Cajasol. El concurso consistió en cinco pruebas sobre temas como planes de ahorro, compras inteligentes, memorización y equilibrio. La Compañía de María ganó con 27 puntos, seguida por Ángela Guerrero con 23 puntos y el Ceip. Alfares con 20 puntos. El documento agradece a Cajasol por la oportunidad de disfrutar y aplicar las matemáticas a trav
Este documento resume varias técnicas de segmentación de imágenes, incluyendo métodos basados en umbrales, detección de bordes, regiones, agrupamiento, cuencas, ecuaciones diferenciales parciales y redes neuronales. Explica los conceptos básicos de cada técnica y proporciona ejemplos de algoritmos populares como K-means, difusión no lineal y segmentación por red neuronal.
1) El documento presenta información sobre procesamiento de imágenes con MATLAB, incluyendo temas como segmentación de imágenes, detección de bordes, umbralización, y métodos como k-means, Otsu, Canny y Sobel. 2) Explica que la segmentación de imágenes implica particionar la imagen en regiones homogéneas y que los métodos de detección de bordes buscan encontrar los cambios abruptos de intensidad en una imagen. 3) Proporciona preguntas y respuestas sobre estos temas con el propósito de identificar
La segmentación de imágenes se refiere al proceso de particionar una imagen en regiones semánticamente significativas. El objetivo principal de la segmentación de imágenes es identificar regiones uniformes y homogéneas con fronteras bien definidas. La segmentación de imágenes médicas busca particionar la imagen en regiones con características similares. Los métodos de segmentación más conocidos son los basados en umbrales, bordes y regiones.
Este documento trata sobre la segmentación de imágenes. Explica que la segmentación de imágenes implica la partición de una imagen en regiones semánticamente significativas. Detalla varios métodos de segmentación como los basados en umbrales, bordes y regiones. Describe algoritmos específicos como k-means, Otsu y Canny, y cómo estos detectan bordes y segmentan imágenes mediante umbrales y gradientes. El objetivo final de la segmentación es particionar imágenes en clases homogéneas según sus características.
Este documento describe varios métodos para la segmentación de imágenes, incluyendo crecimiento de regiones, conjunto de niveles y particionamiento gráfico. La segmentación de imágenes consiste en dividir una imagen en regiones homogéneas. Los métodos de crecimiento de regiones inician con semillas o píxeles individuales y agrupan píxeles similares iterativamente. El método del conjunto de niveles representa la evolución del contorno usando una función de nivel cero y propaga implícitamente el contorno. Los métodos de partic
Este documento resume las principales técnicas de segmentación de imágenes, incluyendo la detección de bordes, umbralización y segmentación basada en regiones. Explica que la segmentación divide una imagen en sus partes constituyentes u objetos para separar las partes de interés del resto. Luego describe brevemente cada una de las tres técnicas principales de segmentación.
El documento trata sobre los conceptos y métodos de segmentación de imágenes. Explica que la segmentación de imágenes consiste en particionar la imagen en regiones semánticamente significativas. Describe los métodos de segmentación basados en umbrales, bordes y regiones, e incluye detalles sobre métodos específicos como Otsu, k-means, y detección de bordes con filtros como Sobel y Canny.
Este documento describe la investigación sobre algoritmos de segmentación de imágenes médicas realizada por Gloria Bautista y Sonia Contreras de la Universidad Tecnológica de Bolívar. El objetivo es desarrollar métodos para extraer estructuras anatómicas de imágenes médicas y así ayudar en el diagnóstico de enfermedades. Se exploran técnicas como crecimiento de regiones, contornos activos y reconstrucción tridimensional para segmentar imágenes y superar retos como ruido y artefactos.
La segmentación de imágenes se refiere al proceso de particionar una imagen en regiones semánticamente significativas. Los métodos más comunes de segmentación incluyen aquellos basados en umbrales, bordes y regiones. La segmentación basada en umbrales utiliza valores de umbral para separar los objetos del fondo, mientras que la segmentación basada en bordes detecta bordes mediante el uso de filtros como Prewitt, Sobel y Canny. La segmentación es importante para aplicaciones como la detección de objetos en imágenes.
Este documento presenta diferentes métodos de clasificación digital de imágenes, incluyendo la clasificación supervisada. Explica cómo seleccionar regiones de entrenamiento para definir las clases, calcular estadísticas de las regiones y clasificar la imagen asignando cada píxel a una clase. También describe un ejemplo práctico de clasificación supervisada usando el software ER Mapper 7.0, incluyendo cómo cargar la imagen, agregar una capa vectorial para definir regiones y seleccionar regiones de entrenamiento representativas de diferentes
Este documento describe varios métodos para segmentar imágenes digitales, incluyendo detección de contornos, puntos y líneas, detección de bordes, y umbralización. La umbralización incluye métodos como umbralización global, adaptativa, selección iterativa, y basada en el histograma de la imagen para separar objetos del fondo. La segmentación es una etapa clave en aplicaciones de visión por computadora.
Este documento describe varios métodos para segmentar imágenes digitales, incluyendo detección de contornos, umbralización y algoritmos adaptativos. Explica cómo la segmentación es un paso clave en el reconocimiento de patrones y cómo divide una imagen en partes relacionadas con objetos del mundo real. También proporciona detalles sobre kernels comunes y cómo determinar umbrales para separar objetos del fondo.
Este documento describe los principios básicos de los escáneres fotogramétricos. Explica que los escáneres digitalizan fotografías analógicas mediante sensores lineales o matriciales. Describe dos tipos principales de escáneres, de tambor y planos, y sus sistemas de iluminación y calibración. También cubre conceptos como el tamaño de píxel y los requisitos para escáneres fotogramétricos.
Este documento presenta la materia Procesamiento Digital de Imágenes. Se introducen conceptos clave como imágenes digitales, representación de píxeles, profundidad de color, muestreo y cuantificación. También se explican técnicas de procesamiento como realce, detección de bordes, segmentación y clasificación de objetos. Finalmente, se describen los objetivos, programa, guía de trabajos prácticos y proyectos de la materia.
Reconocimiento de rostros utilizando una red neuronalHugo Banda
Este documento presenta los resultados de una investigación sobre detección y verificación de rostros. Describe los métodos utilizados para localizar rostros en imágenes, extraer sus características y entrenar una red neuronal para reconocimiento. También detalla la implementación del sistema y su evaluación en bases de datos de rostros.
Este documento trata sobre conceptos básicos de procesamiento digital de imágenes y reconocimiento facial. Explica cómo funciona la percepción de colores, qué es una imagen digital, cómo se representan los colores en imágenes digitales y la resolución de estas. También describe diferentes métodos para el reconocimiento de imágenes y facial, así como aplicaciones de esta tecnología.
Este documento trata sobre conceptos básicos de procesamiento digital de imágenes y reconocimiento facial. Explica cómo funciona la percepción de colores, qué es una imagen digital, cómo se representan los colores en imágenes digitales y la resolución de estas. También describe diferentes métodos para el reconocimiento de imágenes y facial, así como algunas aplicaciones de esta tecnología.
Este documento describe varios métodos de procesamiento digital de imágenes, incluyendo filtros para suavizar, eliminar ruido, realzar bordes y cambiar el contraste. Explica que el procesamiento digital de imágenes divide las imágenes en matrices de pixeles y asigna valores numéricos a la luminosidad de cada pixel, permitiendo aplicar transformaciones matemáticas para mejorar los detalles. También describe varios filtros comunes como el filtro gaussiano, de suavizado conservador y paso bajo/alto, así como operadores para detección de
Sistema de localización visual por color (M. Dominguez Duran)Cristina Urdiales
Sistema para localizarse visualmente en un entorno a partir de una imagen. El sistema construye una topología basada en la situación física y descriptores del color de los distintos elementos que constituyen la escena y los compara con las topologías correspondientes de los panoramas de que dispone en su base de datos. Se admiten distorsiones, cambios de iluminación, perspectiva, elementos dinámicos, etc trabajando con invariantes y con estadística.
Este documento describe técnicas de segmentación de imágenes médicas aplicadas a imágenes de ultrasonido, incluyendo el crecimiento de regiones y los modelos de contornos activos. Explica que la segmentación se utiliza para extraer información clínica útil de las imágenes identificando formas y tomando medidas biométricas. También compara diferentes métodos de segmentación como los contornos activos, contornos activos geodésicos y modelos de formas activas.
Este documento presenta una lista de preguntas para una sesión de aprendizaje sobre la Red Digital de Servicios Integrados (RDSI). La primera sección contiene preguntas sobre la introducción, evolución y acceso a RDSI, incluyendo cómo la norma la Unión Internacional de Telecomunicaciones, ventajas sobre la Red Telefónica Conmutada, y diagramas de redes de telecomunicaciones de los años 60 y 70. La segunda sección contiene preguntas sobre la arquitectura de RDSI, incluyendo la configuración de
El documento presenta una práctica calificatoria domiciliaria sobre redes digitales de servicios integrados. Contiene preguntas sobre clasificación de estándares de comunicaciones móviles, redes GSM y UMTS, OFDMA, y LTE. Los estudiantes deben completar tablas y responder preguntas sobre estas tecnologías móviles de manera manuscrita.
Este documento es una práctica calificada sobre comunicaciones inalámbricas que incluye preguntas sobre las arquitecturas GSM, UMTS y LTE. Los estudiantes deben completar tablas con acrónimos y sus significados, diagramas de red identificando elementos clave, y describir características de las diferentes agrupaciones funcionales y puntos de referencia de las redes mencionadas.
Este documento presenta una lista de 18 preguntas para una práctica calificada sobre comunicaciones inalámbricas. Las preguntas cubren temas como WiMax fijo y móvil, incluyendo sus características y arquitecturas. También incluye preguntas sobre clasificación de sistemas de comunicaciones móviles, parámetros de interfaz radio, calidad de servicio y arquitecturas de redes como GSM, GPRS y UMTS, entre otros.
Este documento presenta una lista de 19 preguntas para una segunda práctica calificada sobre comunicaciones inalámbricas. Las preguntas cubren temas como Bluetooth, Zigbee, WLAN y protocolos 802.11x, e incluyen definir características, describir especificaciones, graficar arquitecturas, comparar tecnologías y listar elementos de redes inalámbricas. Se instruye a los estudiantes a responder las preguntas en un tiempo límite de 1 hora y 30 minutos sin usar apuntes ni copiar, y con letra clara
Este documento es el examen parcial de la asignatura Redes Digitales de Servicios Integrados de la Facultad de Ingeniería Eléctrica y Electrónica de la Universidad Nacional de Ingeniería. El examen consta de 5 secciones que evalúan la configuración de referencia de RDSI, los principales elementos de RDSI, la red SS7, el proceso de establecimiento de llamadas RDSI y los servicios de RDSI. Los estudiantes deben identificar y nombrar los elementos de diferentes diagramas y tablas relacion
El documento es un examen parcial sobre Redes Digitales de Servicios Integrados que consta de 5 preguntas. La primera pregunta pide identificar elementos en diagramas de configuración de referencia de RDSI. La segunda pregunta trata sobre tipos de canales y accesos RDSI. La tercera pregunta cubre la estructura básica, pila de protocolos y procesos de SS7. La cuarta pregunta trata sobre servicios RDSI. Y la quinta pregunta pide graficar interfaces T e indicar sus características.
Este documento presenta una práctica calificada sobre redes digitales de servicios integrados. La práctica contiene preguntas sobre agrupaciones funcionales y puntos de referencia en RDSI, la estructura y protocolos de señalización SS7, y los servicios provistos por RDSI. Los estudiantes deben completar tablas y responder preguntas para demostrar su comprensión de estos conceptos fundamentales de las redes digitales.
Este informe analiza la importancia de la figura paterna en la educación de los hijos y los efectos de su ausencia o devaluación. Señala que la presencia de un padre implicado trae múltiples beneficios para el desarrollo personal e intelectual de los hijos. Sin embargo, en la actualidad se observa una crisis de la paternidad debido a la ausencia física o psíquica del padre, o a modelos paternos inadecuados. Esto tiene perversos efectos como un aumento de la violencia y la delinc
Este documento presenta una primera práctica calificada para el curso de Comunicaciones Inalámbricas. Consiste en 18 preguntas teóricas y prácticas sobre conceptos básicos como el espectro radioeléctrico, los servicios de telecomunicaciones, las bandas de frecuencia y los métodos para calcular pérdidas por difracción en enlaces de microondas. También incluye tablas para completar sobre las tecnologías inalámbricas existentes.
Uni fiee ci 2016 02 sesion 3y4 modelos deterministicos de propagacionjcbp_peru
Este documento presenta los conceptos fundamentales de los modelos determinísticos de propagación para comunicaciones inalámbricas móviles. Introduce los problemas de las comunicaciones móviles y las soluciones propuestas. Explica los conceptos de difracción, elipsoides de Fresnel y su aplicación para predecir la propagación de señales alrededor de obstáculos. Finalmente, discute el uso de estos modelos para la planificación de redes de comunicaciones móviles.
Uni fiee ci 2016 02 sesion 2 servicios inalámbricosjcbp_peru
El documento describe los servicios inalámbricos actuales y futuros. Cubre las principales tecnologías de acceso inalámbrico como radio móvil, satélite, sistemas punto a multipunto y WLAN. También discute la división del espectro, direcciones de comunicación y estándares como WiMAX, Wi-Fi y Bluetooth. El objetivo es proporcionar una visión general de la situación actual y futura de las comunicaciones inalámbricas.
Uni fiee ci 2016 02 sesion 1 espectro radioelèctricojcbp_peru
Este documento presenta una sesión de aprendizaje sobre el espectro radioeléctrico. La sesión cubre el espectro electromagnético, el espectro radioeléctrico, el espectro 4G en Latinoamérica, el espectro 5G y el Plan Nacional de Asignación de Frecuencias de Colombia. El objetivo es explicar los conceptos fundamentales del espectro radioeléctrico y las bandas utilizadas para las comunicaciones inalámbricas.
Uni wc 2016 1 sesion 14 redes moviles 4 gjcbp_peru
El documento describe las redes móviles de cuarta generación (4G). Explica que la tecnología LTE cumple con muchos pero no todos los requisitos de 4G. LTE-Advanced sí cumple con todos los requisitos y es considerado el estándar 4G. También describe las características y arquitectura de LTE, incluyendo sus interfaces, opciones de espectro y capacidades avanzadas como MIMO y OFDMA.
Uni wc 2016 1 sesion 13 redes moviles 2 g y 3gjcbp_peru
Este documento presenta información sobre redes móviles 2G y 3G. Explica los organismos de estandarización como ETSI y 3GPP. Describe las generaciones de redes móviles, incluyendo las características y evolución de GSM, GPRS y UMTS. También detalla la arquitectura y componentes clave de estas redes como BTS, BSC, MSC, HLR y VLR para GSM, y RNC, Node B, SGSN y GGSN para UMTS.
Este documento proporciona una introducción a la tecnología LTE, describiendo su evolución a partir de generaciones anteriores de redes móviles y las especificaciones necesarias para ser considerada una red 4G. Explica los elementos clave de su arquitectura, incluyendo interfaces y equipos, y destaca los mecanismos de transmisión de voz en LTE, con el objetivo de ofrecer una visión general de esta tecnología en Latinoamérica.
Este documento trata sobre redes móviles. Explica los principios básicos de diferentes generaciones de redes móviles como GSM, UMTS y LTE. Describe las características técnicas de estas tecnologías y cómo funcionan. Además, cubre temas como redes ad-hoc, sistemas de distribución multipunto y otros aspectos relacionados con la transmisión inalámbrica de datos. El objetivo es familiarizar al lector con los fundamentos de las redes móviles y cómo han evolucionado a lo largo del tiempo
Este documento trata sobre el acceso múltiple por división de código (CDMA). Explica conceptos como el ensanchamiento de espectro, las secuencias de códigos como las secuencias de Walsh y OVSF, y cómo funciona el CDMA en un entorno celular. También analiza los componentes de interferencia en CDMA multicelular y el problema de cerca-lejos, y cómo se calcula la capacidad en sistemas CDMA. Por último, incluye una tarea que pide describir detalladamente códigos no ortogonales como Gold, S(
Uni fiee ci 2016 01 sesion 11 comunicaciones movilesjcbp_peru
El documento presenta una sesión de aprendizaje sobre comunicaciones móviles. Introduce el concepto de servicio móvil y clasifica los sistemas de comunicaciones móviles de acuerdo a su modalidad de funcionamiento, sector de aplicación, banda de frecuencias utilizada, técnica de multiacceso, modulación y ancho de banda del canal, y modo de explotación. Explica los conceptos de interfaz radio, enlaces, técnicas de duplexado, distribución de frecuencias y parámetros de calidad. Resume la
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacionjcbp_peru
Este documento presenta los conceptos básicos de la propagación de ondas en comunicaciones inalámbricas móviles. Explica los problemas de las comunicaciones móviles relacionados con las antenas, el entorno y la banda disponible, así como posibles soluciones. Luego introduce modelos de propagación determinísticos basados en la difracción para predecir la señal recibida en entornos irregulares, incluida la difracción por objetos delgados y redondos. Finalmente, discute cómo aplicar estos modelos en la plan
Uni fiee ci 2016 01 sesion 10 modelos deterministicos de propagacion
Utp pd_iy_va_sap11 segmentación
1. Procesamiento de Imágenes
y Visión Artificial
(WEE2)
Sesión: 11
Segmentación
MSc. Ing. José C. Benítez P.
2. Logros de aprendizaje
1. Conocer en que consiste la segmentación de imágenes.
2. Revisar el objetivo y uso de la segmentación.
3. Analizar la segmentación basada en características .
4. Comprender la segmentación basada en transiciones.
5. Comprender la segmentación basada en modelos.
6. Implementar los algoritmos mediante funciones para
operar la segmentación de las imágenes digitales.
7. Conocer los métodos de MatLab para la segmentación
aplicados a las imágenes digitales.
2
3. 3
Contenido
Segmentación de imágenes:
Introducción.
Objetivo y uso de la segmentación.
Proceso de la segmentación.
Aplicaciones de la segmentación.
Algoritmos de segmentación.
Segmentación basada en características.
Segmentación basada en transiciones.
Segmentación basada en modelos: La
transformada de Hough.
Aplicaciones de la TH.
4. Introducción a la segmentación
Esquema general del análisis de imágenes
4
5. Introducción a la segmentación
La segmentación en el campo de la visión artificial es el
proceso de dividir una imagen digital en varias partes (grupos
de píxeles) u objetos.
La segmentación de la imagen es el proceso de asignación de
una etiqueta a cada píxel de la imagen de forma que los píxeles
que compartan la misma etiqueta también tendrán ciertas
características visuales similares.
El resultado de la segmentación de una imagen es un conjunto
de segmentos que cubren en conjunto a toda la imagen, o un
conjunto de las curvas de nivel extraídas de la imagen
(detección de bordes). Cada uno de los píxeles de una región
son similares en alguna característica, como el color, la
intensidad o la textura. Regiones adyacentes son
significativamente diferentes con respecto a la(s) misma(s)
característica(s).
5
6. Objetivo y uso de la segmentación
El objetivo de la segmentación es simplificar y/o cambiar la
representación de una imagen en otra más significativa y más
fácil de analizar.
La segmentación se usa tanto para localizar objetos como para
encontrar los límites de estos dentro de una imagen.
Las técnicas de segmentación son muy dependientes del
propósito de la aplicación y del tipo de imágenes a analizar.
Se han desarrollado varios algoritmos y técnicas de propósito
general para la segmentación de imágenes y dado que no
existe una solución general para el problema de la
segmentación, a menudo se tienen que combinar varias
técnicas para resolverlo eficazmente.
6
7. Proceso de la segmentación
Antes de segmentar es preciso definir qué objetos interesa
determinar
Tras la segmentación es posible realizar operaciones de filtrado
(a nivel de objetos), así como determinar características que
permitan clasificar los objetos.
Una buena segmentación es difícil de evaluar.
Fundamentalmente, lo que se busca es que diferentes objetos
tengan valores claramente diferentes de la(s) característica(s)
discriminante(s).
7
8. Aplicaciones de la segmentación
1. Visión artificial
2. Teledetección
3. Compresión
4. Inspección industrial
5. Análisis de imágenes médicas
6. Gestión de información multimedia
8
9. Aplicaciones de la segmentación
1. Pruebas médicas
• Localización de tumores y otras patologías
• Medida de volúmenes de tejido
• Cirugía guiada por ordenador
• Diagnóstico
• Planificación del tratamiento
• Estudio de la estructura anatómica
2. Localización de objetos en imágenes de satélite
(teledetección).
3. Sensor de huella digital
4. Reconocimiento de caras
5. Reconocimiento de iris
6. Sistemas de control de tráfico
7. Visión por computador
9
10. Aplicaciones de la segmentación
Frecuentemente estamos interesados en detectar líneas en una
determinada dirección. Los píxeles que forman parte de una línea
horizontal, vertical o diagonal, tendrán respuestas extremas ante
alguna de las máscaras siguientes:
10
Aplicar cada una de estas mascaras a la imagen
procesador.bmp.
11. Algoritmos de segmentación
Los algoritmos de segmentación se basan en los siguientes
principios:
1. Discontinuidades del nivel de gris.
Consisten en segmentar la imagen a partir de los cambios
grandes en los niveles de gris entre los píxeles.
Las técnicas que utilizan las discontinuidades como base son la
detección de líneas, de bordes, de puntos aislados,…
2. Similitud de niveles de gris.
Es lo contrario al método anterior, las divisiones de la imagen
se hacen agrupando los píxeles que tienen unas características
similares.
Algunas técnicas que usan esto son la umbralización, el
crecimiento de regiones, etc.
11
12. Algoritmos de segmentación
1. Métodos de agrupamiento (Clustering)
2. Métodos basados en el histograma
3. Detección de bordes
4. Métodos de crecimiento de regiones
5. Método del conjunto de nivel
6. Métodos de particionamiento gráfico
7. Transformación divisoria (watershed)
8. Método del valor umbral (umbralización)
9. Segmentación basada en modelos
10. Segmentación multi-escala
• Segmentación jerárquica de señales unidimensionales
• Segmentación de imágenes y el boceto original
11. Segmentación Semi-automática
12. Redes neuronales de segmentación
12
13. Algoritmos de segmentación
1. Segmentación basada en características
• Segmentación por niveles de gris
• Segmentación de imágenes en color
• Segmentación por texturas
2. Segmentación basada en transiciones
• Detección de bordes
3. Segmentación basada en modelos
• Transformada de Hough
4. Segmentación basada en homogeneidad
• Fusión de regiones
• Zonas planas
• Propagación de Marcadores
5. Segmentación basada en Morfológica Matemática
13
14. Algoritmos de segmentación
1. Segmentación basada en características
• Segmentación por niveles de gris
• Segmentación de imágenes en color
• Segmentación por texturas
14
Se asigna cada píxel a una región en función de
características locales de la imagen en el píxel y
(posiblemente) en su vecindad.
15. Segmentación basada en características
15
Segmentación por niveles de gris
• Utiliza como característica solamente la luminancia de cada
píxel.
• Útil si distintos objetos se corresponden con niveles de gris
diferentes.
• El nivel de gris determina alguna propiedad física en una imagen
específica de una aplicación (Rayos X, RMN, bandas en satélite,
etc.)
• Técnicas de operaciones puntuales (ej: doble umbralización)
• Técnicas de clasificación basada en amplitud = imagen
binaria
Matlab:
J=roicolor(I,low, high); ‘J’ es una imagen binaria
K=roifilt2(h,I,J); se filtra ‘I’ por ‘h’ en los puntos ‘J’==1
16. Segmentación basada en características
Segmentación por niveles de gris
En el caso ideal en que el objeto posea un rango
estrecho de niveles de gris frente a un fondo uniforme,
podemos establecer un nivel de gris intermedio (umbral)
para separar objeto y fondo.
16
Para separar por umbral, es útil recurrir al histograma.
17. Segmentación basada en características
17
Segmentación por niveles de gris
Segmentación por Histograma:
• Picos: a menudo indican la presencia de zonas
homogéneas.
• Valles: establecen los umbrales de separación.
Problemas:
• Objetos con un amplio rango de niveles de gris:
• Fondo no uniforme, …
• Imagen con ruido
18. Segmentación basada en características
18
Segmentación por niveles de gris
• Al aplicar un umbral, u, se genera
una partición de la imagen
mediante
• Esto equivale a definir el conjunto
(en este ejemplo, de nivel inferior):
• Este conjunto produce una división
del espacio. La cantidad de
componentes conexas de Lu
determinan el número de regiones.
19. Segmentación basada en características
Segmentación por niveles de gris. Umbralización:
19
Método automático para separar objeto del fondo: Otsu
• Cálculo del histograma de gris
• Cálculo iterativo de media y varianza
• Hipótesis de umbral U = divide el histograma en dos partes y
se calcula media y varianza para cada parte iterativamente
cambiando U.
• Medimos la varianza conjunta:
20. Segmentación basada en características
Segmentación por niveles de gris. Umbralización:
20
Matlab:
level= graythresh(I); %utiliza el método de Otsu.
BW=im2bw(I,level)
21. Segmentación basada en características
Segmentación por niveles de gris. Umbralización:
21
• La determinación del umbral óptimo para una imagen
dada es un factor crítico de la segmentación.
• Conociendo las distribuciones de luminancia propias
de cada objeto en la imagen, el umbral óptimo puede
estimarse mediante consideraciones estadísticas.
• Sin embargo, puede haber limitaciones: si las
distribuciones están solapadas, ningún umbral
aplicado directamente sobre la luminancia de la
imagen puede obtener una segmentación libre de
errores.
22. Segmentación basada en características
Segmentación por niveles de gris. Umbralización:
Puede mejorarse la segmentación realizando un preprocesado previo de la
imagen.
22
27. Algoritmos de segmentación
3. Segmentación basada en modelos
• Las técnicas de segmentación basada en
modelos presuponen conocidas algunas
características de los objetos o regiones en la
imagen: rectas, objetos circulares, etc.
• La transformada de Hough es una de las más
utilizadas.
27
29. Algoritmos de segmentación
3. Segmentación basada en modelos
• Transformada de Hough (TH)
• Transformación de dominio para encontrar curvas paramétricas en
una imagen (binaria o de grises).
El nuevo espacio transformado se denomina espacio de Hough.
Para ajustar distintos tipos de formas se usan distintos espacios
29
de Hough.
• Objetivo de la TH:
Transformar un problema de detección de patrones en un
problema de detección de máximos en el espacio de Hough.
• Ventaja principal de la TH:
Está poco afectada por ruido o huecos en las curvas.
Identificando las curvas que interesan en el espacio de Hough,
es posible aislar regiones en la imagen original (filtrado).
42. Resumen
Realizar un resumen mediante mapas conceptuales (CMapTools)
42
de esta diapositiva.
Serán mejor consideradas los resúmenes que tengan información
extra a esta diapositiva.
Las fuentes adicionales utilizadas en el resumen se presentarán
en su carpeta personal del Dropbox y deben conservar el nombre
original y agregar al final _S11.
Las fuentes y los archivos *.cmap deben colocarse dentro de su
carpeta personal del Dropbox, dentro de una carpeta de nombre:
PDI_PaternoM_S11
Las Tareas que no cumplan las
indicaciones no serán considerados
por el profesor.
43. 43
Preguntas
El resumen con mapas conceptuales solicitado de la
Sesión, al menos debe responder las siguientes
preguntas:
1. Definición y objetivo de la segmentación de una
imagen.
2. Listar las aplicaciones de la segmentación de
imágenes.
3. Clasificar y sub clasificar los algoritmos de
segmentación.
4. Explicar cada uno de los algoritmos de
segmentación.
5. Mostrar el resultado de aplicar un algoritmo de
segmentación.
44. 44
Sesión 11. Segmentación de imágenes
Procesamiento de Imágenes
y Visión Artificial
Blog del curso:
http://utppdiyva.blogspot.com