Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Syllabus del curso Tratamiento de Imágenes

1. IDENTIFICACIÓN DE CURSO

Escuela o unidad: Sigla: ECBTI

Escuela de Ciencias Básicas, Tecnología e Ingeniería

Campo de formación:
Nivel: Profesional Formación disciplinar

Curso: Tratamiento de Imágenes Código: 208054

Tipología de curso: Metodológico N° de créditos: 3
Diseñador de curso: Paola Andrea Actualizador de curso: Paola Andrea
Mateus Abaunza Mateus Abaunza
Fecha de elaboración: 20 de julio de Fecha de actualización: 20 de
2016 noviembre de 2019
Descripción del curso:

El curso de Tratamiento de Imágenes hace parte del campo de formación disciplinar

del programa de Ingeniería de Telecomunicaciones. Se deriva del NP2 - Gestión de
Sistemas y Servicios de Telecomunicaciones, para el procesamiento de imágenes en
el software especializado mediante espacios de color, detección de bordes,
segmentación, filtrado, reconstrucción morfológica, implementación de clasificadores
y análisis estadístico de resultados.

El curso consta de tres (3) créditos académicos, dividido en tres unidades que se
desarrollan en 16 semanas. Se emplea la estrategia de Aprendizaje Basada en
Proyectos (ABPr), la cual promueve el desarrollo de habilidades para resolver
situaciones reales, fomentando la creatividad, responsabilidad y capacidad crítica.
Meneses, Rubén. (2013).

Al tratarse de un curso metodológico, se desarrolla el componente práctico en

escenarios de apoyo tecnológico mediante simulaciones.

Es necesario que los estudiantes inscritos al curso, tengan conocimientos en

algoritmos, software para ingeniería, probabilidad, señales y sistemas y tratamiento
digital de señales; con el fin de abordar las temáticas del curso con bases sólidas.

Cada una de las tres unidades del curso, se articulan a una competencia específica:
La primera unidad se inicia con el pre-procesamiento y procesamiento de imágenes,
por medio de la detección de bordes, binarización, segmentación de objetos,
reconstrucción morfológica e implementación de filtros.

La segunda unidad consiste en realizar la identificación de características principales

de la imagen, para realizar el entrenamiento de clasificadores supervisados, y con el
resultado, determinar a qué clase pertenece cada imagen procesada.

La tercera unidad consiste en desarrollar un análisis estadístico por medio de

evaluación cualitativa y cuantitativa, obteniendo la precisión, exactitud, cantidad de
falsos positivos (FP), verdaderos positivos (VP), verdaderos negativos (VN) y falsos
negativos (FN), al momento de establecer la clasificación de la clase de cada
imagen.

Cada una de las unidades es abordada en teoría y simulaciones en software

especializado (componente práctico).

Meneses, Rubén. (2013). Metodologías, Estrategias y Herramientas Didácticas Para

el Diseño de Cursos en Ambientes Virtuales de Aprendizaje en la Universidad
Nacional Abierta y a Distancia UNAD. Julio 2013.

2. INTENCIONALIDADES FORMATIVAS

Propósitos de formación del curso:

Al finalizar el curso, el estudiante resuelva proyectos que involucren

situaciones reales de procesamiento de imágenes, mediante el uso de
herramientas computacionales.
Competencias del curso:

 El estudiante emplea técnicas de detección de bordes, binarización y filtrado,

para la segmentación de objetos de interés.

 El estudiante analiza las características principales de los objetos de interés en

las imágenes, para el entrenamiento de clasificadores.

 El estudiante evalúa los resultados del procesamiento y clasificación de

imágenes en proyectos de situaciones reales, mediante el uso de herramientas
computacionales.
 3. CONTENIDOS DEL CURSO

Unidades/temas Recursos educativos requeridos

1. Procesamiento Las siguientes referencias son de los dos libros guía del
de imágenes curso.  En esta unidad vamos a revisar los libros "The
Essential Guide to Image Processing", "Handbook of Image
 Lectura de and Video Processing", "Image Processing: The
Imágenes Fundamentals" y "Feature Extraction and Image Processing
 Espacios de for Computer Vision". Es importante que las revise y las lea
Color completamente, para que pueda iniciar el proceso de
 Niveles de aprendizaje del curso.
Grises
 Histograma  Bovik, A. C. (2009). The Essential Guide to Image
 Binarización Processing (Vol. 2nd ed). Amsterdam: Academic Press,
 Detección de pp. 1 - 123. Recuperado de
bordes http://bibliotecavirtual.unad.edu.co/login?
 Filtrado
url=http://search.ebscohost.com/login.aspx?
 Reconstrucción
Morfológica direct=true&db=nlebk&AN=249002&lang=es&site=eds
-live&scope=site

 Bovik, A. C. (2005). Handbook of Image and Video

Processing (Vol. 2nd ed). Amsterdam: Academic Press,
pp. 4 - 12. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=eds
-live&scope=site

 Nixon, M. S., & Aguado, A. S. (2002). Feature

Extraction and Image Processing. Oxford: Newnes, pp.
542 - 600. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds
-live&scope=site

OVI Unidad 1:
 El Objeto Virtual de información le permite al estudiante
afianzar conocimientos sobre las unidades del curso. En esta
OVI, usted podrá encontrar información detallada sobre la
Unidad 1, donde se abordan temas detección de bordes,
binarización, filtrado, segmentación de objetos y
reconstrucción morfológica.

Mateus, P. (2019, Enero 14), Tratamiento de Imágenes.

[OVI]. Recuperado de: http://hdl.handle.net/10596/23302

2. Clasificadores Las siguientes referencias son de los dos libros guía del
curso.  En esta unidad vamos a revisar los libros "The
 Identificación Essential Guide to Image Processing", "Handbook of Image
de and Video Processing", "Image Processing: The
características Fundamentals" y "Feature Extraction and Image Processing
 Clasificadores for Computer Vision". Es importante que las revise y las lea
supervisados completamente, para que pueda iniciar el proceso de
 Clasificadores aprendizaje del curso.
no
supervisados  Nixon, M. S., & Aguado, A. S. (2002). Feature
Extraction and Image Processing. Oxford: Newnes, pp.
37 - 81. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds
-live&scope=site

 Bovik, A. C. (2005). Handbook of Image and Video

Processing (Vol. 2nd ed). Amsterdam: Academic Press,
pp. 57 - 73. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=eds
-live&scope=site

OVI Unidad 2:
 El Objeto Virtual de información le permite al estudiante
afianzar conocimientos sobre las unidades del curso. En esta
OVI, usted podrá encontrar información detallada sobre la
Unidad 2, donde se abordan temas de extracción de
características, clasificadores y entrenamiento de máquinas.

Mateus, P. (2017, junio 26), Casificadores. [OVI].

Recuperado de http://hdl.handle.net/10596/12679
Matriz de Las siguientes referencias son de los dos libros guía del
confusión curso.  En esta unidad vamos a revisar los libros "The
Essential Guide to Image Processing", "Handbook of Image
 Análisis and Video Processing", "Image Processing: The
cuantitativo y Fundamentals" y "Feature Extraction and Image Processing
cualitativo for Computer Vision". Es importante que las revise y las lea
 Falsos completamente, para que pueda iniciar el proceso de
positivos, aprendizaje del curso.
verdaderos
positivos,  Bovik, A. C. (2009). The Essential Guide to Image
falsos Processing (Vol. 2nd ed). Amsterdam: Academic Press,
negativos y pp. 69 - 100. Recuperado de
verdaderos
http://bibliotecavirtual.unad.edu.co/login?
negativos
url=http://search.ebscohost.com/login.aspx?
 Sensibilidad
 Especificidad direct=true&db=nlebk&AN=249002&lang=es&site=eds
 Curva ROC -live&scope=site

 Nixon, M. S., & Aguado, A. S. (2002). Feature

Extraction and Image Processing. Oxford: Newnes, pp.
83 - 134. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds
-live&scope=site

 Nixon, M. S., & Aguado, A. S. (2002). Feature

Extraction and Image Processing. Oxford: Newnes, pp.
 399 - 432. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds
-live&scope=site

OVI Unidad 3:

El Objeto Virtual de información le permite al estudiante

afianzar conocimientos sobre las unidades del curso. En esta
OVI, usted podrá encontrar información detallada
sobre análisis de resultados por medio de evaluación
cualitativa.

Mateus, P. (2019, Enero 14), Análisis estadístico de

resultados. [OVI]. Recuperado
de http://hdl.handle.net/10596/23303

Recursos educativos adicionales para el curso:

La siguiente referencia, le servirá de lectura complementaria para su proceso de

aprendizaje.

Hemanth, D. J., & Estrela, V. V. (2017). Deep Learning for Image Processing
Applications. Amsterdam, Netherlands: IOS Press. Retrieved from
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=1791226&lang=es&site=eds-live&scope=site

4. ESTRATEGIA DE APRENDIZAJE

Descripción de la estrategia de aprendizaje:

Teniendo en cuenta lo expuesto por Meneses (2013), la estrategia de aprendizaje
que se propone en el curso de Tratamiento de Imágenes es el Aprendizaje Basado
en Proyectos (ABPr). Esta estrategia permite que el estudiante trabaje de manera
activa, planee, implemente y evalué proyectos que tienen aplicación en el mundo
real.

Etapas o pasos de la estrategia de aprendizaje

Paso 1 – Identificación de presaberes: los estudiantes recopilan información

necesaria para la resolución del proyecto planteado durante el curso, realizan la
lectura de la imagen e identifican el espacio de color de la misma.

Paso 2 – Segmentación de imágenes: los estudiantes realizan la detección de

bordes, binarización, filtrado y reconstrucción morfológica con el fin de obtener la
segmentación de la imagen, donde obtienen el primer plano con los objetos de
interés propuestos en el proyecto y eliminan el resto de información convirtiéndola
en fondo.

Paso 3 – Aprendizaje de máquinas: los estudiantes extraen las características

principales de los objetos de interés propuestos en el proyecto y realizan el
entrenamiento de clasificadores (machine learning).

Paso 4 – Análisis estadístico de resultados: los estudiantes evalúan los

resultados del clasificador implementado, por medio de análisis cualitativo y
cuantitativo, obteniendo la precisión, exactitud y curva característica operativa del
receptor (ROC).

Paso 5 – Evaluación final: los estudiantes desarrollan en totalidad el proyecto

propuesto en el curso sobre tratamiento de imágenes.

Meneses, Rubén. (2013). Metodologías, Estrategias y Herramientas Didácticas Para

el Diseño de Cursos en Ambientes Virtuales de Aprendizaje en la Universidad
Nacional Abierta y a Distancia UNAD. Julio 2013.

5. DISTRIBUCIÓN DE LAS ACTIVIDADES ACADÉMICAS DEL CURSO

Semana Contenidos a Actividad a desarrollar según la

desarrollar estrategia de aprendizaje
1y2 Presaberes Paso 1 – Identificación de presaberes:

 Leer y analizar el proyecto planteado

  Recopilar información teórica del curso
 Realizar lectura de imágenes e
identificar espacios de color

3-6 Unidad 1: Procesamiento Paso 2 – Segmentación de imágenes:

de imágenes
 Investigar conceptos teóricos
 Lectura de  Realizar el procesamiento de imágenes
Imágenes mediante la detección de bordes,
 Espacios de Color binarización, filtrado, segmentación de
 Niveles de Grises objetos y reconstrucción morfológica,
 Histograma usando el software Matlab.
 Binarización  Analizar los resultados obtenidos en la
 Detección de bordes segmentación de la imagen.
 Filtrado
 Reconstrucción
Morfológica

7 - 10 Unidad 2: Clasificadores Paso 3 – Aprendizaje de máquinas:

 Identificación de  Investigar conceptos teóricos

características  Extraer las características principales
 Clasificadores de la imagen y entrenar clasificadores
supervisados supervisados, usando el software
 Clasificadores no Matlab.
supervisados  Analizar los resultados obtenidos

11 - 14 Unidad 3: Matriz de Paso 4 – Análisis estadístico de

confusión resultados:

 Análisis cuantitativo  Investigar conceptos teóricos

y cualitativo  Analizar los resultados obtenidos por
 Falsos positivos, medio de falsos positivos, verdaderos
verdaderos positivos, falsos negativos y verdaderos
positivos, falsos negativos.
negativos y  Obtener la curva ROC por medio del
verdaderos software Matlab.
negativos
 Sensibilidad
 Especificidad
  Curva ROC

15 y 16 Unidades 1,2 y 3 Paso 5 – Evaluación final:

 Desarrollar el proyecto del curso

6. ESTRATEGIAS DE ACOMPAÑAMIENTO DOCENTE

Descripción de las estrategias de acompañamiento docente a utilizar en

este curso.
El curso se desarrolla a través de Ambientes Virtuales de Aprendizaje – AVA donde
el director y tutor del curso interactúan constantemente de forma síncrona y
asíncrona con los estudiantes a través de los siguientes espacios:

Acompañamiento síncrono:

- Atención síncrona vía Skype: Atención de estudiantes a través de Skype

con el fin de aclarar dudas e inquietudes sobre las actividades y temáticas del
curso. Para conocer los horarios consultar el entorno de aprendizaje
colaborativo.

- Encuentros sincrónicos vía webconferencia: Espacio destinado desarrollar

encuentros virtuales con el fin de aclarar dudas sobre el desarrollo del curso,
estos espacios permiten la interacción de estudiantes y tutores. Para conocer
los horarios consultar el entorno de aprendizaje colaborativo.

- Franjas de Atención en Centro – FAC: Tiempo destinado por los docentes

para realizar acompañamiento en los centros, con el fin de resolver dudas
académicas y manejo del campus virtual, se realiza con el fin de fortalecer la
vida universitaria, modelo pedagógico de la universidad y comprensión del
programa académico.

- Círculos de Interacción y Participación Académica y Social – CIPAS:

Corresponden a grupos de estudio que se conforman por estudiantes y pueden
ser orientados por un docente, con el fin de comprender temas académicos de
los cursos, disciplina, programa, investigación o el modelo pedagógico de la
universidad a través de recursos tecnológicos manteniendo interés hacia el
aprendizaje y movilizando la vida universitaria.

Acompañamiento asíncrono:
 - Atención en foros: Seguimiento al desempeño de los estudiantes, solución
de dudas e inquietudes y soporte técnico.

- Mensajería interna del curso y correo institucional: Solución de dudas e

inquietudes sobre el curso y proceso académico de los estudiantes.

7. PLAN DE EVALUACIÓN DEL CURSO

Númer Momentos Productos a entregar Puntaje

Ponderación
o de de la según la estrategia de máximo/
/500 puntos
semana evaluación aprendizaje 500 puntos
Documento individual en
formato pdf que contenga la 25
1-2 Inicial 25
solución de los presaberes
del curso.
Individual 350

Documento en Word que

contenga el análisis, script e
imágenes procesadas.
Intermedia
3-6 125
Unidad 1 Colaborativo
Documento en formato PDF
que contenga: Portada,
introducción, objetivos,
cuerpo (teoría y práctica),
conclusiones y bibliografía
7-10 Intermedia Individual 120
Unidad 2
Documento en Word que
contenga la extracción de
características y el
entrenamiento de
clasificadores.
 Colaborativo
Documento en formato PDF
que contenga: Portada,
introducción, objetivos,
cuerpo (teoría y práctica),
conclusiones y bibliografía
Individual

Documento en Word que

contenga el análisis
estadístico del clasificador
implementado
Intermedia
11-14 105
Unidad 3
Colaborativo
Documento en formato PDF
que contenga: Portada,
introducción, objetivos,
cuerpo (teoría y práctica),
conclusiones y bibliografía
Desarrollo del proyecto final
15-16 Final y video explicativo de la 125 125
solución y funcionalidad.
Puntaje Total 500 puntos 500