INDICE

1. OBJETIVOS....................................................................................................... 1

1.1 OBJETIVO GENERAL ....................................................................................... 1

2. MARCO TEÓRICO ............................................................................................ 2

2.1 DETECCIÓN DE CONTORNOS ....................................................................... 2

2.1.1 TÉCNICAS BASADAS EN EL GRADIENTE ............................................... 3

2.1.2 TÉCNICAS BASADAS EN EL LAPLACIANO ............................................. 3

2.2 SEGMENTACIÓN ............................................................................................. 4

2.3 RECONOCIMIENTO DE PATRONES ............................................................... 4

2.4 DETECCIÓN DE REGIONES............................................................................ 4

3. PREGUNTAS .................................................................................................... 5

4. RESPUESTAS................................................................................................... 5

5. CONCLUSIONES .............................................................................................. 6

6. BIBLIOGRAFÍA .................................................................................................. 6
 1

1. OBJETIVOS
1.1 OBJETIVO GENERAL
 Definir los conceptos de detección de contornos
 Definir los conceptos Segmentación
 Definir los conceptos Reconocimiento de Patrones
 Definir los conceptos Detección de Regiones
 Formulación de preguntas de los temas anteriormente mencionados
 2

2. MARCO TEÓRICO
2.1 DETECCIÓN DE CONTORNOS
La detección de contornos es un paso intermedio en el reconocimiento de
patrones en imágenes digitales. En una imagen, los contornos corresponden a los
límites de los objetos presentes en la imagen. Para hallar los contornos se buscan
los lugares en la imagen en los que la intensidad del píxel cambia rápidamente,
generalmente usando alguno de los siguientes criterios:
 Lugares donde la primera derivada (gradiente) de la intensidad es de
magnitud mayor que la de un umbral predefinido
 Lugares donde la segunda derivada (laplaciano) de la intensidad tiene un
cruce por cero.
En el primer caso se buscarán grandes picos y en el segundo cambios de signo,
tal como se muestra en la siguiente imagen:

Detección de contornos mediante la primera y segunda deriva

 3

2.1.1 TÉCNICAS BASADAS EN EL GRADIENTE

Estas técnicas se basan en una aproximación al concepto de la derivada para

espacios discretos. Esta generalización se basa en el cálculo de diferencias entre
píxeles vecinos; estas diferencias, según la relación de píxeles considerados, puede
dar lugar a derivadas unidimensionales o bidimensionales, así como aplicarse en
una dirección determinada de la imagen o en todas direcciones. Otras
aproximaciones diferenciales de gran utilidad son la de Roberts y la de Sobel.

El operador gradiente G aplicado a una imagen f(x,y) está definido como:

∇f(x,y)=[G_x G_y ]=[∂f/∂x ∂f/∂y]

2.1.2 TÉCNICAS BASADAS EN EL LAPLACIANO

El laplaciano es la segunda derivada de una función y representa la derivada de

esta respecto a todas las direcciones, y está dado por:

∇^2 f(x,y)=[G_x G_y ]=[∂f/∂x ∂f/∂y]

Generalmente para el laplaciano se utilizan las máscaras mostradas a

continuación. Nótese que el píxel central toma el valor negativo de la suma de todos
los que lo rodean, de tal forma que la suma aritmética de todos los píxeles sea cero.
 4

2.2 SEGMENTACIÓN
Según (YOON BUSTAMANTE, 2014)La segmentación es un proceso que
consiste en dividir una imagen digital en regiones homogéneas con respecto a una
o más características (como por ejemplo el brillo o el color) con el fin de facilitar un
posterior análisis o reconocimiento automático. Localizar la cara de una persona
dentro de la imagen de una fotografía o encontrar los límites de una palabra dentro
de una imagen de un texto, constituyen ejemplos de problemas de segmentación. El
proceso de segmentación de una imagen depende del problema que se desee
resolver. Por ejemplo, sobre una imagen de una página de texto se pueden
segmentar las líneas de texto (si el objetivo es localizar la estructura de los
párrafos), o las palabras y los caracteres que las forman, o los logotipos y
membretes (si se desea calificar el documento), etc. Por ello, dentro de una misma
imagen pueden realizarse diferentes segmentaciones. En general el proceso de la
segmentación suele resultar complejo debido, por un lado, a que no se tiene una
información adecuada de los objetos a extraer y, por otro, a que en la escena a
segmentar aparece normalmente ruido. Es por esto que el uso de conocimiento
sobre el tiempo de imagen a segmentar o alguna otra información de alto nivel
puede resultar muy útil para conseguir la segmentación de la imagen.

2.3 RECONOCIMIENTO DE PATRONES

2.4 DETECCIÓN DE REGIONES
 5

3. PREGUNTAS
1. ¿Cómo se identifican los contornos de una imagen?
4. RESPUESTAS
R: Para hallar los contornos se buscan los lugares en la imagen en los que la
intensidad del píxel cambia rápidamente.
¿qué criterios se utilizan para identificar contornos?
R: se utilizan dos criterios:
Lugares donde la primera derivada (gradiente) de la intensidad es de magnitud
mayor que la de un umbral predefinido
Lugares donde la segunda derivada (laplaciano) de la intensidad tiene un cruce
por cero.
¿qué objetivo tiene el primer criterio para la búsqueda de contornos (gradiente)?
R: buscar picos o punta también conocidos como puntos extremos.
¿qué objetivo tiene el segundo criterio para la búsqueda de contornos
(laplaciano)?
R: buscar cambios de signo.
¿por qué es importante la detección de contorno?
R:es importante para la búsqueda de objetos
 6

5. CONCLUSIONES

Los operadores de bordes se pueden clasificar en función de varios criterios,

tales como la precisión de detección de bordes, la continuidad del borde de las
líneas del mapa, la delgadez de los bordes, el rendimiento en un ambiente ruidoso,
y en términos de atractivo visual en general. La precisión de la detección se
consigue eligiendo un buen operador, la continuación en los bordes se ha logrado
introduciendo en la detección la Umbralización con Histéresis, la delgadez en los
bordes se ha obtenido gracias a la utilización de la Eliminación de no máximos y el
rendimiento en un ambiente ruido con un pre filtrado.
6. BIBLIOGRAFÍA

Transformaciones geométricas sobre imágenes digitales-Samuel Barreto Melo

(Universidad Distrital Francisco José de Caldas).

https://www.researchgate.net/publication/301622063_Analisis_y_procesamiento_
de_imagenes_para_la_deteccion_del_contorno_labial_en_pacientes_de_odontologi
a

https://www.researchgate.net/publication/237277922_PREPROCESAMIENTO_D
E_IMAGENES_DIGITALES_A_TRAVES_DE_SU_TRANSFORMADA_DE_FOURIE
R