Implementación de códigos en Software

1. Desarrolle el siguiente código en el script de Matlab. (Asegúrese de estar trabajando en

la carpeta que ya se ha creado). Para esta unidad el estudiante debe trabajar con 3 imágenes
enfermas y 3 imágenes sanas de la base de datos de entrenamiento y 3 imágenes diferentes
enfermas y 3 sanas de la base de datos de prueba (las dos bases de datos serán
proporcionadas por el tutor, por favor, solicitarla por correo interno)
El código a utilizar es el que ya se implementó en el paso 2, en el ejercicio 1. La
combinación de numpixel y umbral, debe ser única para las 6 imágenes y debe ser la que
detecte por lo menos el 70% de la “enfermedad” en las 3 imágenes enfermas. Es decir, el
estudiante no debe hacer un código por cada imagen, sino un código para todas las
imágenes proporcionadas por el tutor.
Nota1: Si no está trabajando en la carpeta donde se encuentra la imagen guardada, al
realizar el código le saldrá error.
Nota2: Para que el código sea válido, debe tener una línea con su nombre.

Implementación del código Imagen de entrenamiento Enferma 1

Implementación del código Imagen de entrenamiento Enferma 2

Implementación del código Imagen de entrenamiento Enferma 5

Implementación del código Imagen de entrenamiento Sana 1

Implementación del código Imagen de entrenamiento Sana 2

Implementación del código Imagen de entrenamiento Sana 3

a. Explique cada línea de código
clc: Borra todas las entradas y salidas de la pantalla de la ventana de comandos,
brindándole una "pantalla limpia.
Clear: Elimina todas las variables del espacio de trabajo actual, liberándolas de la
memoria del sistema
Close all: Borra todas las figuras cuyos controladores no están ocultos
Enf1=imread('enferma1.jpg'): Lee la imagen del archivo especificado por filename,
infiriendo el formato del archivo a partir de su contenido.
Enf1=im2double(Enf1): El comando im2double permite convertir la imagen al doble de
la precisión
Figure: Se hace llamado a un marco donde se mostrar la imagen.
imshow(Enf1): Comando para mostrar la imagen
umbral=0.38: El umbral será de 0.38
bincerebro=im2bw(cerebro,umbral): Permite convertir la imagen en escala de grises a
una imagen binaria
numpixels=1: Establece el número de pixeles para mostrar la imagen
filtroEnf1=bwareaopen(binEnf1,numpixels): perrmite eliminar algunos pixeles de la
imagen en modo binario
imshow(filtroEnf1): Comando para mostrar la imagen.
se3=strel('line',8,3): representa un elemento estructurante morfológico plano , que es una
parte esencial de las operaciones de dilatación y erosión morfológicas
dilatacionEnf1=imdilate(FiltroEnf1,se3): dilata la escala de grises, binario, o una
imagen binaria lleno I, volviendo la imagen dilatada, J.
[LoEnf1 num1]=bwlabel(FiltroEnf1): bwlabel se utiliza para contar los objetos que
contiene la imagen después de binarizada
propEnf1=regionprops(LoEnf1): Devuelve mediciones para el conjunto de propiedades
especificadas por properties para cada componente 8-conectado (objeto) en la imagen
binaria, BW.
MinAreaEnf1=min([propEnf1.Area]): Permite conocer el área mínima dentro de la
imagen que se está trabajando.
MaxAreaEnf1=max([propEnf1.Area]); Permite conocer el área máxima dentro de la
imagen que se está trabajando
b. ¿Cómo funciona y que datos obtienen de la función “bwlabel”?
El comando bwlabel funciona parecido a un conector de una imagen con un objeto y dato
donde se obtiene un matriz con la información y cuando se encuentra un objeto en la
imagen este se etiqueta con el valor de 1 todos los pixeles que la conforman y en el
próximo objeto encontrado esta toma el valor de 2 y así sucesivamente cuando se van
encontrando los objetos estos toman un valor ascendente según como sean hallados.
c. ¿Qué valor se obtiene en las variables “Lo” y en “num”?
Lo: Es una matriz la cual nos permite representar pixel a pixel toda la imagen con la que se
está trabajando y donde se encuentre un objeto esta matriz toma el valor correspondiente
según sea su orden de hallazgo es decir puede tomar valor de uno todos los pixeles que
conforman el objeto 1 y así sucesivamente con los diferentes pixeles que conforman los
demás objetos de la imagen.
Núm: este valor que se obtiene es numérico lo que quiere decir que es la cantidad de
objetos que hay en mi imagen y esta varía de acuerdo a la cantidad de objetos que tenga la
misma.
d. ¿Cómo funciona y que datos obtienen de la función “regionprops”?
La función realiza el procesamiento morfológico de una imagen el cual cuenta el número de
objetos de una imagen ubicándolos en su respectiva posición.
2. Cada estudiante debe obtener las siguientes características de cada una de 3 imágenes
enfermas y de las 3 imágenes sanas de la base de datos de entrenamiento. Las
características las debe guardar en una matriz de Excel donde se tenga la siguiente
información.
2. Cada estudiante debe obtener las siguientes características de cada una de 3 imágenes
enfermas y de las 3 imágenes sanas de la base de datos de entrenamiento. Las
características las debe guardar en una matriz de Excel donde se tenga la siguiente
información:
  Cantidad de objetos en la imagen Área Área Clasifficación
máxima Mínima SVM
Enferma 1 20 1152 11 1
Enferma 2 12 1141 29 1
Enferma 5 16 1560 26 1
Sana 1 1 7491 7491 0
Sana 2 1 18196 18196 0
Sana 3 1 67378 67378 0

3. Desarrolle el siguiente código en el script de Matlab. (Asegúrese de estar trabajando en

la carpeta que ya se ha creado).
Cada estudiante debe obtener las siguientes características de cada una de 3 imágenes
enfermas y de las 3 imágenes sanas de la base de datos de prueba. Las características las
debe guardar en una matriz de Excel que se llame “prueba.xlsx” donde se tenga la
siguiente información:
  Cantidad de objetos en Área máxima Área Mínima Clasifficación Clasificación
la imagen SVM Experto
Enferma 6 11 1560 49   1

Enferma 7 12 5103 17   1

Enferma 8 15 1404 18   1

Sana 4 1 147840 147840   0

Sana 5 1 57831 57831   0

Sana 6 1 18752 18752   0

Implementación código imagen de prueba enferma 6

Implementación de código imagen de prueba enferma 7

Implementación de código imagen de prueba enferma 8

Implementación de código imagen de prueba sana 4

Implementación código imagen de prueba Sana 5

Implementación código imagen de prueba Sana 6

Implementación de código