Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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]
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]
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]
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]
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
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,[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]
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]
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].
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]
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]
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]
La caja de herramientas incluye funciones que puede utilizar para buscar áreas de intensidad alta o
baja en una imagen. [9]
Bibliografía
[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/
[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
[9]Reconstrucción morfológica- MATLAB & Simulink- MathWorks América Latina. (2019). Retrieved
4 October 2019, from https://la.mathworks.com/help/images/understanding-morphological-
reconstruction.html