LABORATORIO No 1

CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: GENERACION DE SEÑALES DISCRETAS EN TIEMPO Y
FRECUENCIA (FFT)
INTRODUCCIÓN AL MATLAB

MatLab es un lenguaje de programación interpretado en el que las variables

son matrices y, por tanto, las operaciones básicas aritméticas y lógicas son
operaciones matriciales. Esto hace que Matlab sea una herramienta muy
adecuada para cálculo matricial y, en concreto, para el procesamiento de
señales.
A continuación se muestran algunos ejemplos de operaciones con MatLab:
Asignación de valores a vectores y matrices:
A=[1 2 3;
4 3 2;
3 2 1]
x=[2; 1; 3]
Para las columnas se utiliza el espacio en blanco como separador y el punto y
coma para las filas.
Productos matriciales y escalares:
y=A*x
z=x'*y
w=x.*y
El primer producto representa la operación de transformar el vector x con la
matriz A. El segundo es el producto escalar de x por y, donde x' representa el
vector x traspuesto. El tercer producto tiene como resultado un vector w en el
que cada componente se obtiene multiplicando las componentes las
componentes correspondientes de x e y.
Pueden extraerse submatrices o elementos de una matriz:
A(3,3)
A(2:3,1:3)
A(2:3,:)
A(:,1)
La primera línea extrae el elemento de matriz (3,3). Las líneas segunda y
tercera obtienen una submatriz que incluye las dos primeras filas (todas las
columnas). El último comando extrae la primera columna.
FUNDAMENTO TEORICO
Una señal de tiempo continuo puede ser representada
por una señal de tiempo discreto.
asi tenemos:
x(t)=Asen(wt+ß); señal continua
x(t)=Asen(wk+ß); señal discreta
de otra forma:
x(t)=Asen(2 pi.f.t+ß); señal continua
x(k)=Asen(2.pi.f.kT+ß); señal continua

Parámetros de la señal discreta;

f=frecuencia de la señal
k=numero de muestras
T=periodo de muestreo
ß=retardo en radianes

EJERCICIO 1
N=64;
T=1/128;% frecuencia de muestreo 128 Hz
k=0:N-1;% 64 muestras
x=sin(2*pi*20*k*T);
subplot(3,2,1),plot(k,x);
;% Para borrar la figura ir a ventana Edit
;% Elegir <clear figure>
;%************************************************
EJERCICIO 2
;% Calcular y graficar el contenido de frecuencias.
X=fft(x);
magX=abs(X);
subplot(3,2,2),stem(k(1:N/2),magX(1:N/2)),...
title('Magnitud de X(k)'),...
xlabel('k'),ylabel('|X(k)|'),grid;
;% ****************************************
EJERCICIO 3
;% Graficar el contenido de frecuencias en función de Hz.
hertz=k*(1/(N*T));
subplot(3,2,3),stem(hertz(1:N/2),magX(1:N/2)),...
title('Magnitud de X(k)'),...
xlabel('Hz'),ylabel('|X(k)|'),grid;
;% *****************************************

EJERCICIO 4
;%Generar una señal de frec=19 Hz.
N=64;
T=1/128;
k=0:N-1;
x=sin(2*pi*19*k*T);
subplot(3,2,4),plot(k,x);
;%*************************************
 EJERCICIO 5
;%%Generar su respectivo espectro de frecuencias
magX=abs(fft(x));
hertz=k*(1/(N*T));
subplot(3,2,5),stem(hertz(1:N/2),magX(1:N/2)),...
;%title('Magnitud de X(k)'),...
xlabel('Hz'),ylabel('|X(k)|'),grid;
;%******************************************

Introdución al uso del SIMULINK.

Signal
Generator

Sum

Signal
Generator1
Sum1 Power Spectral
Density

Signal
Generator2

DESARROLLAR
Genere y grafique 128 puntos frecuencia de muestreo
1 Khz. usando la FFT grafique en frecuencia
sus espectros respectivos use la escala de Hz.
en el eje X.
HAGA COMENTARIOS RESPECTO A LAS GRAFICAS OBTENIDAS.
f[k]=2sin(2pi50kT);
g[k]=cos(250pikT)-sin(200pikT)
h[k]=5-cos(1000kT);
m[k]=4sin(250pikT-pi/4)
 LABORATORIO No 2

CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
DISCRETAS: Proceso de Muestreo, Cuantificación, D/A y Filtros
Analógicos

FUNDAMENTO TEORICO
La condición principal para que se lleve a cabo el proceso de muestreo de
una señal es Fs ≥ 2 Fm , donde:
Fs: es la frecuencia de muestreo
Fm: es la frecuencia de la señal
Siendo el muestreo una etapa del proceso de conversión Analógica Digital las
otras dos etapas son la cuantificación y codificación.
El proceso de conversion Digital Analoga se realiza mediante un circuito
retensor de orden zero teniendo en cuenta que el tiempo de retensión es igual
al tiempo de mustreo.
Filtros: Se debe tener presente la frecuencia de corte fc:
Espectro < Fc filtro pasa bajo, espectro>Fc filtro pasa Alto
Fc1 < Espectro<Fc2 filtro pasa banda espectro<Fc1 Fc2>espectro F.
Parabanda.
Banda de paso, Banada de Atenuación , Banda de supresión. Rp, Rs
EJERCICIO 1
MUESTREO:Mediante simulink arme los siguientes bloques:

*
Signal Product Scope
Generator

Pulse
Generator
Power Spectral
Sensity

Generador: frec=1 rad/eg

Generador de pulso = periodo =0.3 sec, pulse´s wide =0.01 sec
Rango del scope=10sec
 CONVERSIÓN ANÁLOGA DIGITAL
(Cuantización Uniforme)

Signal Zero-Order Saturation Quantizer Scope1

Scope
Generator Hold

Sum
Signal
Error
To Workspace
To Workspace1

Figura 2
Saturation: upper limit 1 Lower Limit -1 Zero Order:0.01 Quanrier: 2/16
To Work space variable name:Signal Sum: +-

CONVERSIÓN DIGITAL ANALOGA

Signal Zero-Order
Generator Analog Butterworth Hold Analog Butterworth Power Spectral
LP Filter LP Filter1 Sensity3

Power Spectral Power Spectral

Sensity1 Sensity2

Figura 3

Fc=2.86
Gebnerador=1 rad/sec
Zero-order –hold= 2sec
PARTE II: FILTROS ANALOGICOS
%%%%% Ejercicio No 1
w1=0:0.5:5;
B1=[0.5279];
A1=[1,1.0275,0.5279];
H1s=freqs(B1,A1,w1);
%Graficando la respuesta en Amplitud y Frecuecia
subplot(2,2,1),plot(w1,abs(H1s)),...
title('Filtro H1(s)'),xlabel('w,rps'),...
ylabel('magnitud'),grid;
%*************************************************
%%%%% Ejercicio No 2
w2=0:0.001:0.3;
B2=[1,0,0];
A2=[1,0.1117,0.0062];
H2s=freqs(B2,A2,w2);
subplot(2,2,2),plot(w2,abs(H2s)),...
title('Filtro H2(s)'),xlabel('w,rps'),...
ylabel('magnitud'),grid;
%****************************************************
%%%%%% Ejercicio No 3
w3=0:0.01:10;
B3=[1.05,0];
A3=[1,1.05,0.447];
H3s=freqs(B3,A3,w3);
subplot(2,2,3),plot(w3,abs(H3s)),...
title('Filtro H3(s)'),xlabel('w,rps'),...
ylabel('magnitud'),grid;
%***************************************************
%%%%% Ejercicio No 4
w4=0:0.005:5;
B4=[1,0,2.2359];
A4=[1,2.3511,2.2359];
H4s=freqs(B4,A4,w4);
subplot(2,2,4),plot(w4,abs(H4s)),...
title('Filtro H4(s)'),xlabel('w,rps'),...
ylabel('magnitud'),grid;
DESARROLLAR:
1.- Explique el proceso de conversión Analoga Digital, y Digital Analoga.
2.- Explique que es el ALIASING y SMOOTING.
3.- Probar los ejercicios 1-4 de la parte II con la función bode( ),
4.- Determine el tipo de filtro en cada caso y sus parametros respectivos.
5.- Emita su conclusiones para la parte I y parte 2.
 LABORATORIO No 3

CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: GENERACION DE SECUENCIAS DISCRETAS

FUNDAMENTO TEORICO
Una secuencia puede ser generada mediante un algoritmo que define su
función en tiempo discreto; el cual se puede realizar en MATLAB como se
puede ver en el Ejercicio 1 , para esto se crea una función que define la
función rectangular.

EJERCICIO 1
function r=rect(x)
;% rect define la función rectangular como
;% 1 en [-0.5 0.5] y 0 en los demás puntos
;%
r=zeros(size(x));
set1=find(abs(x)<0.5); % find permite indicar los sub indices de la matriz abs(x)
% que cumplan con la condición del argumento.
r(set1)=0.5.*ones(size(set1));
;============================================================
En la ventana de comandos
x=-3:0.1:3;
y=rect(x);
stem(x,y),title('Funcion rect'),...
xlabel('x'),ylabel('y'),grid
Func ion rect
0.5

0.45

0.4

0.35

0.3

0.25
y

0.2

0.15

0.1

0.05

0
-3 -2 -1 0 1 2 3
x
 EJERCICIO 2
Genere la siguiente secuencia: ESCALON UNITARIO
U[n]= 0 n<0
1 en todos los demás casos

EJERCICIO 3
Genere la siguiente secuencia: RAMPA UNITARIA
Rampa[n]= 0 n < 0
N en los demás casos
EJERCICIO 4
Genere la siguiente secuencia:
G[n] = 0 si n<0
Sin(πn/2) si 0 ≤ n ≤ 1
1 si n >1
DESARROLLAR
1.- Genere la secuencia impulso unitario.
2.- Diga Ud, por que es importante la función impulso unitario en los sistemas
de procesamiento digital de señales.
 LABORATORIO Nº 4

CURSO: LABORATORIO PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: FUNCION DE TRANSFERENCIA DIGITAL

FUNDAMENTO TEORICO.-
La función de transferencia digital representa una relación tal como B(z)/A(z)
basado en la transformada Z.

B1=[0.2066,0.4131,0.2066];
A1=[1,-0.3695,0.1958];
[H1z,w1T]=freqz(B1,A1,100);
%
B2=[0.894,-1.789,0.894];
A2=[1,-1.778,0.789];
[H2z,w2T]=freqz(B2,A2,100);
%
B3=[0.42,0,-0.42];
A3=[1,-0.443,0.159];
[H3z,w3T]=freqz(B3,A3,100);
%
B4=[0.5792,0.4425,0.5792];
A4=[1,0.4425,0.1584];
[H4z,w4T]=freqz(B4,A4,100);
%***************************************************************************************
subplot(2,2,1),plot(w1T,abs(H1z)),...
title('Filtro H1(z)'),...
ylabel('Magnitud'),grid,...

subplot(2,2,2),plot(w2T,abs(H2z)),...
title('Filtro H2(z)'),...
ylabel('Magnitud'),grid,...

subplot(2,2,3),plot(w3T,abs(H3z)),...
title('Filtro H3(z)'),...
ylabel('Magnitud'),grid,...

subplot(2,2,4),plot(w4T,abs(H4z)),...
title('Filtro H4(z)'),...
ylabel('Magnitud'),grid;
 Filtro H1(z ) Filtro H2(z )
1 1.5

0.8
1
M agnitud

M agnitud
0.6

0.4
0.5
0.2

0 0
0 20 40 60 0 20 40 60

Filtro H3(z ) Filtro H4(z )

1 1

0.8 0.8
M agnitud

M agnitud
0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 20 40 60 0 20 40 60

Cuestionario

Representar graficamente la función de transferencia de los siguientes

sistemas digitales:
1) y[n]=-0.163x[n] - 0.058x[n-1] + 0.116x[n-2] + 0.2x[n-3] + 0.11x[n-4] -
0.058x[n-5]
- 0.162x[n-6].
2) y[n]= 0.707x[n] - 0.707x[n-1] - y[n] + 0.414y[n-1]
 LABORATORIO No 3

CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: GENERACION DE SECUENCIAS DISCRETAS

FUNDAMENTO TEORICO
Una secuencia puede ser generada mediante un algoritmo que define su
función en tiempo discreto; el cual se puede realizar en MATLAB como se
puede ver en el Ejercicio 1 , para esto se crea una función que define la
función rectangular.

EJERCICIO 1
function r=rect(x)
;% rect define la función rectangular como
;% 1 en [-0.5 0.5] y 0 en los demás puntos
;%
r=zeros(size(x));
set1=find(abs(x)<0.5); % find permite indicar los sub indices de la matriz abs(x)
% que cumplan con la condición del argumento.
r(set1)=0.5.*ones(size(set1));
;============================================================
En la ventana de comandos
x=-3:0.1:3;
y=rect(x);
stem(x,y),title('Funcion rect'),...
xlabel('x'),ylabel('y'),grid
Func ion rect
0.5

0.45

0.4

0.35

0.3

0.25
y

0.2

0.15

0.1

0.05

0
-3 -2 -1 0 1 2 3
x
 LABORATORIO 5

CURSO: LABORATORIO PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: FILTRAJE DIGITAL
OBJETIVO:
Realizar un filtraje digital de las secuencias que ingresan a un sistema de
procesamiento digital de señales.

Analizar el comportamiento del siguiente filtro:

Fs=5000 Hz
fc1=500 Hz y fc2=1500 Hz
H(z)= 0.42z2 -0.42/(z2 - 0.443z + 0.159)
N=64;
T=1/5000;
k=0:N-1;
Ejercicio No1
figure1
x=sin(2*pi*1000*k*T);
subplot(2,1,1),plot(k,x);
B=[0.42,0.0,-0.42];
A=[1,-0.443,0.159];
y=filter(B,A,x);
subplot(2,1,2),plot(k,y);
Ejercicio No 2
figure2
x=2*cos(2*pi*100*k*T);
subplot(2,1,1),plot(k,x);
B=[0.42,0.0,-0.42];
A=[1,-0.443,0.159];
y=filter(B,A,x);
subplot(2,1,2),plot(k,y);
Ejercicio No 3
figure3
x=-sin(2*pi*2000*k*T);
subplot(2,1,1),plot(k,x);
B=[0.42,0.0,-0.42];
A=[1,-0.443,0.159];
y=filter(B,A,x);
subplot(2,1,2),plot(k,y);
Ejercicio No 4
figure4
x=2*cos(2*pi*400*k*T);
subplot(2,1,1),plot(k,x);
B=[0.42,0.0,-0.42];
A=[1,-0.443,0.159];
y=filter(B,A,x);
subplot(2,1,2),plot(k,y)
Implementar en SIMULINK el filtro propuesto en esta practica

Señal senoidal de 1 hertz frec. Muestreo 50 Hz FT igual que el ejercio 1.

Verificar mediante el osciloscopio.

ASIGNACIÓN

Desarrollar y realizar los análisis respectivos tomando como referencia las

Señales de entrada de los ejercicios 1-4.
Fs 5000 hz.

1) yn = 0.04xn-1 +0.17xn-2 + 0.25xn-3 +0.17xn-4 +0.04xn-5

2) yn = 0.42xn-0.42xn-2+0.44yn-1-0.16yn-2
3) yn = 0.33Xn+1+0.33xn+0.33xn -1
 LABORATORIO No 6
CURSO: PROCESAMIENTO DIGITAL DE SEÑALES
PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ

OBJETIVO: Implementar filtros digitales IIR

Diseño de Filtros IIR

Diseñar un filtro pasa-alto
[B,A]=cheby2(6,20,0.6,'high');
[H,wT]=freqz(B,A,100);
T=0.001;
%hertz=wT/(2*pi*T);
subplot(2,1,1),plot(wT,abs(H)),...
title('Filtro Pasa Altas'),...
xlabel('Hz'),ylabel('magnitud'),grid;
%*********************************************
hertz=wT/(2*pi*T);
subplot(2,1,2),plot(wT,abs(H)),...
title('Filtro Pasa Altas'),...
xlabel('Hz'),ylabel('magnitud'),grid;
%*************************************************
%Ejemplo Diseñar un filtro pasa-bajo Butterworth
[B,A]=butter(6,0.6);
[H,wT]=freqz(B,A,100);
subplot(2,1,1),plot(wT,abs(H)),...
title('Filtro Pasa Altas'),...
xlabel('Hz'),ylabel('magnitud'),grid;
hertz=wT/(2*pi*T);
subplot(2,1,2),plot(hertz,abs(H)),...
title('Filtro Pasa Altas'),...
xlabel('Hz'),ylabel('magnitud'),grid;
%**************************************************
LIsta de Filtros
Filtros Butterworth
[B,A]=butter(N,Wn);% Filtro Pasabajo, N=orden del filtro
[B,A]=butter(N,Wn,'high');% Filtro Pasaalto
[B,A]=butter(N,Wn); Filtro% Pasa-Banda Wn=[W1,W2];
[B,A]=butter(N,Wn,'stop');% Filtro Parabanda Wn=[W1,W2];
%**************************************************
Filtros Chebyshev-1
[B,A]=cheby1(N,Rp,Wn); %FPB Rp=-20logrp, rp rizado es Bw de
%de paso
[B,A]=cheby1(N,Rp,Wn, %high');%FPA

[B,A]=cheby1(N,Rp,Wn); %FPB Wn=[W1,W2]

[B,A]=cheby1(N,Rp,Wn) %FRB Wn=[W1,W2]
Filtros Chebyshev-2
[B,A]=cheby2(N,Rs,Wn);%FPB Rp=-20logrp, rs rizado es Bw de
%de Banda de Detención
[B,A]=cheby2(N,Rs,Wn,'high');%FPA

[B,A]=cheby2(N,Rs,Wn);%FPB Wn=[W1,W2]
[B,A]=cheby2(N,Rs,Wn);%FRB Wn=[W1,W2]
*****************************************************
Filtros Elipticos
[B,A]=ellip(N,Rp,Rs,Wn);%FPB
[B,A]=ellip(N,Rp,Rs,Wn,'high');%FPA
[B,A]=ellip(N,Rp,Rs,Wn);%FPB Wn=[W1,W2]
[B,A]=ellip(N,Rp,Rs,Wn);% FRB Wn=[W1,W2]

Implementar las variantes mediante SIMULINK de acuerdo a las preguntas de

la asignación

Tareas
Filtrar la señal 4cos(100pikT) por un filtro fc1=200 y fc2 = 400
buterworth.(FPB).
La misma señal anterior por un filtro fc=300 FPH chebyschev2.
La misma señal anterior por un filtro fc=300 FPL eliptico.
Implementar mediante simulink los filtros anteriores.
Mostrar en cada caso el espectro de frecuencia de la señal de salida junto al
espectro de frecuencia de la señal de entrada.
 PRACTICA No 7

CURSO: PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: FILTROS FIR

Ejercicio 1
Filtro PasaBaja
fc=75 fs=500 #orden=40
m=[1,1,1,1,1,1,0,0,0,0];
f=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,1];
B=remez(40,f,m);
[H,wT]=freqz(B,[1],100);
subplot(2,1,1),plot(f,m,'--',wT/pi,abs(H));
title('Filtro FIR');
xlabel('Frecuencia Normalizada');
ylabel('Magnitud');
subplot(2,1,2),plot(wT/pi*500,abs(H));
title('Filtro FIR');
xlabel('Hz');
Ejercicio 2
Para un filtro doble pasa banda
m=[0,0,1,1,0,0,1,1,0,0];
f=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,1];
B=remez(40,f,m);
[H,wT]=freqz(B,[1],100);
subplot(2,1,1),plot(f,m,'--',wT/pi,abs(H));
title('Filtro FIR');
xlabel('Frecuencia Normalizada');
ylabel('Magnitud');
subplot(2,1,2),plot(wT/pi*500,abs(H));
title('Filtro FIR');
xlabel('Hz');

Ejercicio Nº 3
% Grafica de 3 Filtros.
fs=10000;
T=1/fs; % Tiempo de muestreo
fn=fs/2; % frecuencia de nyquist
f1n=100/fn; % corte pasabaja normalizado
f2n=500/fn; % corte pasabanda izquierdo normalizado
f3n=1000/fn; % corte pasabanda derecho normalizado
f4n=2000/fn; % corte pasaltas normalizado
%
[B1,A1]=butter(8,f1n);
[B2,A2]=butter(7,[f2n,f3n]);
[B3,A3]=butter(10,f4n,'high');
%
[H1,wT]=freqz(B1,A1,200);
[H2,wT]=freqz(B2,A2,200);
[H3,wT]=freqz(B3,A3,200);

hertz=wT/(2*pi*T);
subplot(2,1,1),...
plot(hertz,abs(H1),'-',hertz,abs(H2),'=',...
hertz,abs(H3),'-');
title('Filtro para separar canales');
xlabel('Hz'),ylabel('Magnitud'),grid;

PROBLEMA
1.- Diseñe un filtro pasabajas con frecuencia de corte de 1 Khz para
usarse con una frecuencia de muestreo de 8 Khz.
Compare los diseños para los cuatro tipos de filtros IIR estándar
con un filtro de orden 8 graficando la magnitud de los cuatro
diseños en los mismos ejes.
2.- Diseñe un filtro pasaaltas con frecuencia de corte de 500 Hz para
usarse con una frecuencia de muestreo de 1500 Hz. Compare diseños
usando un filtro elíptico de orden 8 y un FIR de orden 32 graficando
la magnitud de los diseños en los mismos ejes.
 LABORATORIO 08

CURSO: LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: Reconocimiento de Vocales
OBJETIVO: Reconocimiento de Vocales
Realizar un programa que reconozca una vocal en castellano ingresada al
sistema, los cuales tendrán como referencia archivos de voz grabadas
previamente.
;%======================================================
% Este es un procedimiento para determinar la comparación entre dos vocales.

N=256;
x1=wavread('ee.wav');
x1=x1(15000:15255);
X=fft(x1);
magX=abs(X);
Ps=magX.^2/N;
LGP=log10(Ps);
es=ifft(LGP);
es1=es(2:21);
;%=================0000000
;%Referencia
x2=wavread('iix.wav');
x2=x2(15000:15255);
X=fft(x2);
magX=abs(X);
Ps=magX.^2/N;
LGP=log10(Ps);
es=ifft(LGP);
es2=es(2:21);
;%================00000000
s=0;
for i=1:20
d=(es2(i)-es1(i)).^2;
s=s+d;
end
s=abs(s)

Cuestionario:
Defina los siguientes terminos: cepstrum, IFFT, densidad espectral de potencia
y como se realiza el procedimiento de reconocimiento de voz.
Realizar un programa completo que permita realizar el reconocimiento de
vocales.
 LABORATORIO 09

CURSO: LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES

PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ
TEMA: Procesamiento de Imágenes
OBJETIVO: Conceptos Básicos
Realización del proceso de Indexación de imágenes a color, intensidad,
detección de bordes, Filtraje Digital, Imágenes en Movimiento.
;%======================================================

1:- Ejercicio Nº1

Indexado de Imágenes
x=[1 1 2 1 3
11231
22322
1 3 2 1 1];
map=[0.4 0.4 0.4;0 0.6 1;1 0 0];
imshow(x,map);

2. - Ejercicio Nº 2
load trees
imshow(X,map);

load trees
I=ind2gray(X,map);
imshow(I,64);

3. – Ejercicio Nº 3
Imagen binaria y deteccion de bordes
load trees
I=ind2gray(X,map);
BW=edge(I);
imshow(BW,2);
imshow(~BW,2);

4.- Ejercicio Nº 4
Filtraje Digital de Imágenes
load mandrill
I=ind2gray(X,map);
J=imnoise(I,'gaussian');
K=wiener2(J,[3 3],[50 50]);
subplot(1,2,1),imshow(J,64);
subplot(1,2,2),imshow(K,64);
5.- Ejerció Nº 5
Generación de Imágenes en Movimiento con fines de vision artificial.
load mri
montage(D,map)

load mri
mov = immovie(D,map);
6.- Proceder los ejerccios 2,3,4 con la imagen "clown"
Investigar los siguientes comandos
imread
image
edge
imrotate

CUESTIONARIO
1. -A que se refiere el indexado de Imágenes o imágenes indexadas
2. -Indique como convertir una imagen indexada a colores a una imagen en
niveles de gris.
3. -Qué aplicaciones tiene la técnica de detección de bordes.