Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Codigo Sergio Sanclemente Fase3
Codigo Sergio Sanclemente Fase3
Presentado por:
Cód: 1032439248
Tratamiento De Imágenes
Grupo: 208054_12
Presentado a:
Tutora
Bwlabel: posterior a la binarización se utiliza este comando para contar los objetos que
contiene las imagenes
c. ¿Qué valor se obtiene en las variables “Lo” y en “num”?
Lo: Es una matriz que identifica la imagen para encontrar los objetos de acuerdo al filtro de
pixeles.
Núm: identifica la cantidad de objetos que hay en una imagen y muestra el resultado.
2.2. Cada estudiante debe obtener las siguientes características de cada una de 3 imágenes
enfermas y de las 3 imágenes sanas. Las características las debe guardar en una matriz de Excel
donde se tenga la siguiente información:
Nota: todas las características deben ser obtenidas del mismo código, es decir el mismo umbral y el
mismo filtro, o crear un código adaptativo por resolución de imagen. Asegúrese de hacer el mismo
cuadro que se encuentra a continuación en Excel.
Cantidad
de objetos Área Área
Clasificación
en la máxima mínima
imagen
Imagen enferma 3 3 7766 4755 1
Imagen enferma 4 2 13669 9844 1
Imagen enferma 5 3 12055 1519 1
Imagen sana 3 1 11188 11188 0
Imagen sana 4 1 11772 11772 0
Imagen sana 5 5 3287 411 0
El estudiante debe anexar el resultado de cada imagen procesada con un pantallazo de toda la
ventana de Matlab, donde se observe: ComandWindows, Workspace, y Current Folder.
RESULTADOS IMÁGENES DE ENTRENAMIENTO
Imagen enferma3:
Imagen enferma4:
Imagen enferma5:
Imagen sana3:
Imagen sana4:
Imagen sana5:
2.3 Desarrolle el siguiente código en el script de Matlab. (Asegúrese de estar trabajando en la
carpeta que ya se ha creado).
Donde datos.xlsx es la tabla anteriormente creada y prueba.xlsx es una tabla que contiene nuevas
características con imágenes diferentes a las 3 enfermas y las 3 sanas del punto anterior, ya que
estas son con las que se entrenó la máquina (solicitar por correo interno a su tutor, la base de datos
de las imágenes de prueba).
El estudiante debe incluir en el documento de entrega tanto la tabla de las características con las
que entreno la máquina, es decir las contenidas en datos.xlsx y la tabla que contiene las
características nuevas contenidas en prueba.xlsx.
Cantidad
de objetos Área Área
Clasificación
en la máxima mínima
imagen
Imagen enferma 1 9 13130 241 1
Imagen enferma 7 2 17416 849 1
Imagen enferma 8 3 8871 233 1
Imagen sana 1 6 29014 237 0
Imagen sana 6 4 2016 215 0
Imagen sana 7 1 64626 64626 0
Imagen enferma 1:
Imagen enferma 7:
Imagen enferma 8:
Imagen sana 1:
Imagen sana 6:
Imagen sana 7:
2.4 Clasificador de umbral: con las dos primeras características (cantidad de objetos y área máxima),
el estudiante realizará el clasificador por umbral. El estudiante debe investigar cómo realizar este
clasificador, anexar el código y resultados obtenidos .
Para ello se realiza levantamiento de información con las imágenes obtenidas tanto de las enfermas
como las sanas, se guarda una matriz con estos datos (cantidad de objetos, área máxima y área
mínima), y se realiza una prueba adicional con valores diferentes con el fin de encontrar diferencias
entre las mismas, finalmente se implementa el código así:
clc
clear
close all
datos=xlsread('datos.xlsx');
caracteristicas=datos(1:end,1:3);
entrenamiento=datos(1:end,4);
svmStruct =
fitcsvm(caracteristicas,entrenamiento,'KernelFunction','linear');
num=xlsread('prueba.xlsx');
xprueba=num(1:end,1:3);
yprueba=num(1:end,4);thrue=yprueba;
clasificacion=predict(svmStruct,xprueba)
obteniendo los siguientes resultados en el programa así:
REFERENCIAS BIBLIOGRAFICAS
Hemanth, D. J., & Estrela, V. V. (2017). Deep Learning for Image Processing Applications.
Amsterdam, Netherlands. Recuperado de: http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=1791226&lang=es&site=eds-live&ebv=EB&ppid=pp_Cover
Bovik, A. C. (2005). Handbook of Image and Video Processing. Amsterdam: Academic Press,
2005. eBook Collection (EBSCOhost), pp. 57– 73. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2048/login?
user=proveedor&pass=danue0a0&url=http://bibliotecavirtual.unad.edu.co:2051/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=ehost-live