1.

Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera individual

y da respuesta a las siguientes preguntas teóricas:

a. ¿Qué es umbralización o binarización?

La umbralización es un método básico para diferenciar un objeto del fondo de las imágenes
mediante binarización en realidad se puede considerar una medida de similitud. [1]

Las técnicas de umbralización están basadas en el cálculo del histograma de una imagen, en
niveles de gris. El histograma de una imagen corresponde a un gráfico bidimensional de la
distribución de frecuencias versus los niveles de intensidad de luz o niveles de gris. [2]

La binarizacion de imágenes es una técnica del procesamiento de imágenes que consiste en un

proceso de reducción de la información de una imagen digital a dos valores de 0 (negro) y
255(blanco). [2]

Esta técnica consiste en comparar cada pixel de la imagen con un determinado umbral (valor
límite que determina si un pixel será de color blanco o negro). Los valores de la imagen que sean
mayores que el umbral toman un valor 255 (blanco), el resto de pixeles toman valor 0(negro). [2]

b. ¿Cuál es la diferencia entre umbralización global y local? ¿Cuál es su implementación en

Matlab?

Variable local: es aquella que sólo es utilizable dentro del código de la función. [3]

Variable global: es aquella cuyo ámbito es todo el programa, incluso dentro de una función. [3]

¿Cuál es su implementación en Matlab?

Una variable declarada dentro de una función es una variable de tipo local que sólo existe dentro
del contexto de la función. Por contrapartida, una variable global tiene un ámbito de todo el
programa (incluso dentro de las funciones). Esto quedará claro con este ejemplo:

En este ejemplo queda claro que la variable iParcial (local) y la variable iParcial (global) son dos
variables diferentes.

La función actualiza la variable local y esto produce que la suma iTotal + iParcial no diese el valor
correcto (2320). [3]
 c. ¿Qué es umbral de Otsu?

El método de Otsu calcula el valor umbral de forma que la dispersión dentro de cada segmento
sea lo más pequeña posible, pero al mismo tiempo la dispersión sea lo más alta posible entre
segmentos diferentes. Para ello se calcula el cociente entre ambas variancias y se busca un valor
umbral para el que este cociente sea máximo [4]

d. ¿Qué es reducción de ruido en una imagen binaria?

La reducción de ruido, junto con la interpolación cromática o la corrección de nitidez, es una de las
funciones básicas que todo procesador de imagen debe implementar. Sin embargo, debido a su
naturaleza, no es una tarea precisamente sencilla, ya que muchas veces es imposible discernir que
es ruido dentro de la propia imagen

e. ¿Qué es filtro mediano y cómo se implementa en Matlab?

Un filtro mediano es más eficaz que la convolución cuando el objetivo es reducir al mismo tiempo
el ruido y preservar los bordes. Para obtener información sobre consideraciones de rendimiento,
consulte.ordfilt2. Si la imagen de entrada es de una clase de enteros, todos los valores de salida se
devuelven como enteros[5]

J = medfilt2(I) realiza el filtrado de la mediana de la imagen en dos dimensiones Cada píxel de

salida contiene el valor mediano en una vecindad de 3 por 3 alrededor del píxel correspondiente
en la imagen de entrada. [5]

Opcionalmente, puede calcular la correlación cruzada normalizada usando una GPU

(requiere).Parallel Computing Toolbox™ Para obtener más información, consulte. Procesamiento
de imágenes en una GPU [5]

J = medfilt2(I,[m n]) realiza el filtrado de mediana, donde cada píxel de salida contiene el valor de
la mediana en la vecindad alrededor del píxel correspondiente en la imagen de entrada.mn [5]

J = medfilt2(___,padopt) controla la forma en que los límites de la imagen.medfilt2 [5]

f. ¿Para qué sirven los filtros de suavizado en una imagen?

El filtro Enfoque suavizado ofrece controles de enfoque que no están disponibles en el filtro
Máscara de enfoque. Puede definir el algoritmo de enfoque o controlar la cantidad de enfoque en
las áreas de sombras e iluminaciones.[6]

g. ¿Cuál es la diferencia entre ruido gaussiano y ruido de sal y pimienta?

El ruido gaussiano es un ruido que se distribuye uniformemente de acuerdo con los valores que se
le asignen en la imagen. Puede verse como muchos píxeles.

En el ruido de sal y pimienta es más parecido a la distorsión o ruido, se distribuye menos uniforme.
 h. Explique diferentes técnicas de segmentación de imágenes

La segmentación subdivide una imagen en sus partes constituyentes u objetos, con el fin de
separar las partes de interés del resto de la imagen, por lo tanto el nivel al que se lleva a
cabo esta subdivisión depende del problema a resolver. En el proceso de detectar las partes en
una imagen se identifican bordes de la imagen, o se segmenta esta en regiones, líneas o curvas,
etc. Otra definición considera a la segmentación como la clasificación de los puntos de la imagen
(pixels), indicando las clases a la que pertenecen los diferentes pixeles. Los atributos básicos
de segmentación de una imagen son: la luminancia en imágenes monocromáticas, los
componentes de color en imágenes en color, textura, forma, etc. [4].La segmentación
automática es una de las tareas más difíciles del procesamiento de imágenes, esta etapa de-
termina el eventual éxito o fracaso del análisis, de hecho rara vez llega a alcanzar una solución
satisfactoria, se debe buscar un método alternativo de comprobación para la verificación de los
resultados. Un considerable número de trabajos de investigación se centran en este problema.
[8].

i. ¿Qué es reconstrucción morfológica?

La reconstrucción morfológica se puede pensar conceptualmente como una dilatación repetida de

una imagen, llamada, hasta que el contorno de la imagen del marcador se ajuste debajo de una
segunda imagen, llamada él imagen de marcador imagen de máscara En la reconstrucción
morfológica, los picos en la imagen del marcador se extienden o se dilatan. [9]

Cada dilatación sucesiva está restringida a estar debajo de la máscara. Cuando la dilatación
adicional deja de cambiar la imagen, el procesamiento se detiene. La dilatación final es la imagen
reconstruida. [9]

j. ¿Qué tipos de funciones morfológicas existen y cómo funcionan?

Entender el marcador y la máscara

La reconstrucción morfológica procesa una imagen, llamada, basada en las características de otra
imagen, llamada el.markermask Los puntos altos, o picos, en la imagen de marcador especifican
dónde comienza el procesamiento. El procesamiento continúa hasta que los valores de imagen
dejen de cambiar. [9]

Encontrar picos y valles

Las imágenes en escala de grises se pueden pensar en tres dimensiones: los-y-ejes representan las
posiciones de píxel y el eje representa la intensidad de cada píxel.xyz En esta interpretación, los
valores de intensidad representan elevaciones, como en un mapa topográfico. Las áreas de alta
intensidad y baja intensidad en una imagen, picos y valles en términos topográficos, pueden ser
características morfológicas importantes porque a menudo marcan objetos de imagen relevantes.
[9]
Entender las funciones máxima y mínima

Una imagen puede tener varios máximos o mínimos regionales, pero solo un máximo global o un
mínimo. La determinación de picos o valles de imagen se puede utilizar para crear imágenes de
marcador que se utilizan en la reconstrucción morfológica. [9]

Encontrar áreas de alta o baja intensidad

La caja de herramientas incluye funciones que puede utilizar para buscar áreas de intensidad alta o
baja en una imagen. [9]

Bibliografía

[1]Ropero Galiana Jesús M. "Herramienta de Análisis de imagen aplicada al diagnóstico de

Melanomas" PFC D., EPS de Gandia (UPV) 1999. Disponible
en:[http://plutarco.disca.upv.es/~jcperez/doctorado/SV2D3DPI/trabajos/Medicina/melanomas.ht
ml] 15/04/2007.

[2]Fondón García Irene, Serrano Gotarredona Carmen, Acha Piñero B. “Segmentación de imágenes
en color basada en crecimiento de regiones multitolerancia”, paper realizado para el proyecto
TIC2002-01401, Universidad de Sevilla, Madrid España, 2001

[3]temas, P., de, A., & bits, L. (2019). La diferencia entre variables locales y globales - Edgar
D'Andrea (.com). Retrieved 3 October 2019, from https://www.edgardandrea.com/la-diferencia-
entre-variables-locales-y-globales/

[4] (2019). Retrieved 3 October 2019, from

http://www.busim.ee.boun.edu.tr/~sankur/SankurFolder/Threshold_survey.pdf

[5], [. (2019). filtrado de la mediana 2-D - MATLAB medfilt2- MathWorks América Latina. Retrieved
4 October 2019, from https://la.mathworks.com/help/images/ref/medfilt2.html

[6] Ajuste del enfoque y desenfoque de la imagen en Photoshop. (2019). Retrieved 4 October
2019, from https://helpx.adobe.com/la/photoshop/using/adjusting-image-sharpness-blur.html

[7]DESARROLLOMULTIMEDIA.ES. Ruido en la imagen [en línea].

<http://www.desarrollomultimedia.es/faq/ruido-imagen.html> [citado en julio 16 de 2010]

[8]Gonzalez RC, Woods RE 1996. Tratamiento dig-ital de imágenes, Addison-Wesley

Publishing Co, Reading, Washington

[9]Reconstrucción morfológica- MATLAB & Simulink- MathWorks América Latina. (2019). Retrieved
4 October 2019, from https://la.mathworks.com/help/images/understanding-morphological-
reconstruction.html