Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mohamed Allali *
Matemáticas y Ciencias de la Computación, Universidad de Chapman,
545W. Palma, Orange, CA, EE.UU.
(Recibido el 8 de octubre de 2009)
1. Introducción
Cuando se almacena digitalmente, un mxn imagen puede ser considerado como una
matriz:
Cuando una imagen puede tener 2k niveles de gris, es una práctica común referirse a la
imagen como una 'imagen k bits'. Por ejemplo, una imagen con 256 posibles valores de
nivel de gris es llama una imagen de 8 bits.
La caja pequeña se muestra en la Figura 1 es equivalente a la siguiente matriz:
Todas las formas estándar para manipular imágenes (aumento del contraste,
aligeramiento, oscureciendo, análisis de histograma, decoloración, deformación, etc.) se
puede realizar mediante la aplicación de operaciones matemáticas a la matriz asociada
con la imagen.
Dado que los resultados de este tipo de operaciones son inherentemente visuales, los
estudiantes son guiados por visualizaciones de cada vez más sofisticados, desarrollando
así la importante resolución de problemas habilidades para la comprensión de los
conceptos matemáticos y la teoría. Lo natural conexión entre el álgebra lineal y DIP, con
el apoyo de herramientas de la moderna Tecnología DIP, necesita ser explotado de
manera más eficiente en un lineal elemental curso de álgebra. Los estudiantes están
intrigados por el estiramiento, rotación o voltear imágenes y proceder de forma natural
para el estudio de la mejora de contraste, la detección de imágenes en los datos
corrompida por ruido, extracción de características, de detección de bordes y detecnicas
de compresión, y todos estos temas se estudian con provecho utilizando conceptos de
lineal álgebra.
3. Ejemplos básicos
Ejemplo 1: Uno de los primeros conceptos que los estudiantes se exponen a un álgebra
lineal por supuesto es la multiplicación escalar.
Ejemplo 3: Inversión de las intensidades de una imagen dada, también conocido como
teniendo su negativo, es equivalente a restar las entradas de la matriz asociada de la más
alto nivel de intensidad, que es 256 para una imagen de 8 bits.
Utilizamos Matlab para generar las imágenes en la figura 3 y que le explicaremos con
Apéndice A.1 cómo utilizar el programa para generarlos.
Teorema: Sea E la matriz elemental obtenido mediante la realización de una fila primaria
operación en Im. Si no se realiza esa misma operación elemental de renglón en una mxn
matriz A, a continuación, la matriz resultante viene dada por en producto EA=0.
Dejar
Ejemplo 5: La figura 6 es una imagen 256x256 en escala de grises con 8 bits por píxel.
Había sido corrompida por ruido de sal y pimienta, que también se conoce como ruido de
impulso o ruido binario. Su aparición está distribuida al azar entre los píxeles blancos o
negros (o ambos) sobre la imagen.
Para cada píxel de la imagen (entrada de la matriz), excepto píxeles en el límite, el filtro
de mediana toma el valor de los nueve píxeles alrededor e incluyendo el píxel sí mismo y
encuentra el valor de la mediana. Luego, se sustituye el valor del píxel central con la
mediana del elemento estructurante.
Nota: El filtro de mediana da una mala calidad en términos de bordes afilados. Una forma
de afilado de los bordes es a través de la detección de los primero (Ejemplo 7) y luego la
adición a la imagen para crear una imagen más nítida.
Teorema: Cualquier mxn matriz real A puede tenerse en cuenta de forma exclusiva en un
producto de la forma USVT, llamado el SVD de A, donde U y V son matrices ortogonales
y S es una mxn matriz diagonal cuyos elementos diagonales llamado los valores
singulares de A son todos reales y satisfacer la siguiente:
y su magnitud es
Un cambio rápido de los valores de una función da una gran magnitud del gradiente y por
lo tanto el gradiente de una imagen (función discreta) tendrá una gran magnitud en los
bordes. Por otra parte, en las regiones en las que el color es más o menos constante, la
gradiente es pequeño. El hecho de que el gradiente de una imagen contiene información
acerca los bordes se pueden utilizar para extraer un borde de una imagen. El gradiente de
una discreta imagen f se define como
Por ejemplo, la entrada (52,100) de una matriz A de tamaño de 124x124 se mapea por la
transformación de la siguiente manera:
La figura 11 muestra repetidas iteraciones del mapa gato de Arnold en una imagen. La
transformación aparentemente aleatoriamente la organización original de los píxeles de la
imagen. Sin embargo, la imagen vuelve a su forma original en la 15 ª iteración. Como
proyecto, los estudiantes pueden estudiar y explorar las razones por las que la imagen
vuelve a su forma original después de un número finito de iteraciones y por qué en algún
intermedio
4. Experiencia en el aula
Mi experiencia con el DIP fue que los estudiantes durante las 2 primeras semanas de
clase fueron expuestos al software y cómo importar imágenes en Matlab (esto puede ser
reemplazado por Mathematica, si es necesario) y manipularlos a través de ejercicios
guiados. Los estudiantes se les proporcionó una introducción a Matlab, un tutorial en DIP
básica en Matlab y una base de datos de imágenes digitales desde diferentes campos.
Las presentaciones en el ordenador en su clase, siempre que sea posible y apropiado, se
introdujeron al principio o al final de las sesiones de clase para ayudar en el desarrollo y la
comprensión de los conceptos del álgebra lineal. En promedio, los que eran de 3 a 5
minutos de largo y los estudiantes fueron muy receptivos. Si no se introduce en la clase,
pueden ser incorporados como parte de la tarea y se utilizan para pedir a los estudiantes
preguntas relacionadas con el concepto presentado. Los laboratorios y los pequeños
proyectos se completarán fuera de clase, en los laboratorios de la universidad o en casa
de los estudiantes si el editor de Matlab está disponible. El proyecto final, que se asigna 8
semanas antes del final del semestre, podría ser elegido de una lista de proyectos
Figura 11. Utilizando el mapeo caótico, la imagen vuelve a su forma inicial después de 15
iteraciones.
propuesto por el profesor o elegido por los estudiantes con la aprobación del instructor.
Estos proyectos se pueden completar de forma individual o colectiva con hasta tres
estudiantes por proyecto. Hay otra opción que se puede utilizar si una institución
considera oportuno incluir una 1 h por cada sesión de laboratorio semanas con el curso
de álgebra lineal como se hace con el cálculo en muchas instituciones. Si esto fuera
posible, sería una gran oportunidad para que el instructor o el asistente de enseñanza
capacitado para interactuar con los estudiantes y ayudarles a beneficiarse de las
herramientas de DIP para una mejor comprensión de muchos conceptos de álgebra lineal.
Uno puede sentirse como en un principio, ya que los estudiantes tenían, que las
actividades de DIP son un "añadido" que aumenta su carga de trabajo. Esta es una
reacción esperada cuando uno primero incorpora una nueva tecnología en un curso;
cálculo es un ejemplo famoso.
Una evaluación de los estudiantes dirigidos se llevó a cabo durante cada semestre de
primavera 2007 a 2009, además de la evaluación universitaria estándar para determinar
cómo las nuevas herramientas DIP ayudaron a los estudiantes a entender los conceptos
de álgebra lineal y cómo el curso de álgebra lineal aumentada afectaron su preparación y
su actitud hacia las matemáticas, trabajos de investigación y estudios de posgrado.
El cuestionario se enumeran a continuación, junto con los resultados.
5.1. Cuestionario
proyecto que no estaba permitido en los años anteriores. Otra razón podría ser la
introducción de Matlab y las imágenes digitales durante las primeras 2 semanas de clases
en lugar de esperar durante aproximadamente 2 meses, cuando se asignan los proyectos.
La mayoría de los estudiantes estuvieron de acuerdo en que las actividades de DIP
creado un ambiente que es propicio para el aprendizaje y les animó a pensar de manera
crítica y preguntar más a fondo acerca de los conceptos de álgebra lineal. Sin embargo,
como era de esperar, varios estudiantes encontraron este nuevo formato más exigente y
algunos de ellos se quejaron de Matlab porque eran los comandantes de matemáticas
que nunca tomaron un curso de programación anterior. Una observación interesante a
mencionar es el cambio de actitud hacia el trabajo de investigación y estudios de
posgrado. La mayoría de los estudiantes en cada semestre, incluyendo algunos de los
que se quejaban de Matlab y la carga de trabajo, indicó el aprendizaje de álgebra lineal a
través de aplicaciones de la vida real proporcionadas por DIP cambiado sus actitudes
hacia las matemáticas y la investigación positiva.
Como se mencionó anteriormente, la adición de un 1 h por sesión semanas laboratorio
para el curso de álgebra lineal, si es posible, sería una gran oportunidad para que los
estudiantes tengan más tiempo y flexibilidad para beneficiarse de las herramientas DIP
para una mejor asimilación y el aprecio de muchos conceptos en álgebra lineal.
El enfoque que se presenta en este artículo busca revertir las percepciones negativas de
los estudiantes sobre las matemáticas y para mejorar su rendimiento supuesto,
desarrollando su comprensión visual e intuitiva del álgebra lineal utilizando herramientas
DIP accesibles y atractivos.
Sin embargo, es importante señalar que DIP no está destinado a sustituir los temas
tradicionales, sino que proporciona un suplemento de golf con un sabor muy diferente
para mejorar la enseñanza de álgebra lineal. Por lo tanto, hay temas tradicionales
necesitan ser removidos o reemplazados.
Reconocimiento
El trabajo descrito en este artículo fue apoyado por la División de Educación de Pregrado
de la National Science Foundation con la subvención DUE 0443136.
Referencias
[1] D. Carlson, Teaching linear algebra: Must the fog always roll in? College Math. J. 24
(1993), pp. 29–40.
[2] J.M. Day and D. Kalman, Teaching linear algebra: Issues and resources, College Math.
J. 32 (2001), pp. 62–168.
[3] R. Greenberg, The IPT project: Image processing for teaching, THE J. (Journal Online)
24 (1996), pp. 61–65.
[4] S.L. Tanimoto, Image processing and education: Image enhancement as an application
of arithmetic, Proceedings of IMAGE’COM, Bordeaux, France, March 1993.
[5] S.T. Tanimoto, Image processing in middle school mathematics, Proceedings of the
First IEEE International Conference on Image Processing, Austin, TX, November 1994,
pp. 501–505.
[6] R.E. Gonzales and R.C. Woods, Digital Image Processing, 3rd ed., Prentice Hall, NJ,
2008.
[7] R. Larson, B.H. Edwards, and D.C. Falvo, Elementary Linear Algebra, 5th ed.,
Houghton Mifflin, Boston, MA, 2004.
[8] A. Bovik, Handbook of Image and Video Processing, 1st ed., Academic Press, San
Diego, CA, 2000.
[9] A. Howard and C. Rorres, Elementary Linear Algebra: Applications Version, 8th ed.,
John Wiley & Sons, Hoboken, NJ, 2000.
[10] A. McAndrew, Introduction to Digital Image Processing with MATLAB, 1st ed.,
Thomson Course Technology, Boston, MA, 2004.
Apéndice A. Códigos en Matlab