Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

Castellar, Maylebis.
Mcastellarn@unadvirtual.edu.co
Universidad Nacional Abierta y a Distancia
Unidad 1: Etapa 2 – Segmento de Imagenes.

Resumen—El presente trabajo se realiza con base al estudio e investigación de los

conceptos de una segmento de imágenes, Realizando la implementación del Matlab.

Índice de Términos—Imagen binaria: es una porción de la imagen formada por un

conjunto de píxeles con valor verdadero.
Pixeles: es la menor unidad homogénea en color que forma parte de una imagen.
Umbral: es el proceso por el cual se busca un umbral óptimo que permita distinguir en
una imagen los objetos del fondo de los objetos del primer plano.

INTRODUCCIÓN telecomunicaciones y como aplicarlo a

cada necesidad.
Tiene como finalidad el desarrollo de
conceptos sobre segmentación de 1. DEFINICION DE CONCEPTOS
imágenes que nos permite que sea posible
determinar como se porta la imagen de
estudio, en la plataforma de aprendizaje, a) Cual es la diferencia entre las siguientes
es de gran importancia en el ámbito imágenes y responda lo siguiente:
profesional y laboral debido que este
fortalece nuestros conocimientos para dar
soluciones ante problemas que se puedan
presentar en la vida real, desarrollando la
implantación de este curso, orientándonos
de manera adecuada obteniendo
conocimientos nuevos desarrollando la
guía y conocer los conceptos que nos
ayudaran a tener una amplio conomiento
para lograr dentro de un diseño de
implementación real de redes de Fuente: Mateus. P. 2020

en los objetos de interés, en la imagen 2

En la anterior imagen se tiene una los valores de los pixeles son igual a 1 en
binarización la imagen 1 tiene 0 pixeles los objetos de interés.
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.
b. ¿En maltab, una imagen binaria que
valores toma cada uno de sus pixeles?
(responda esta pregunta en un renglón
máximo).
La binarización en Matlab, los pixeles toman
el valor de 0 o 1, píxel negro 0 y blanco 1.
c. ¿Cuál es la diferencia entre segmentación
de imagen e imagen en escala gris?
(responda esta pregunta en 5 renglones
máximo).
La segmentación de imágenes es el proceso
de dividir una imagen en varias partes o
regiones, la escala de gris convierte imagen
de color verdadero RGB en imágenes de
intensidad en escala de grises, se estructuran
en el umbral del color para definir que lo que
está por encima es blanco y lo que está por
debajo negro.
d. ¿Cuál es la diferencia entre
umbralización global y local?
(responda esta pregunta en 5 renglones
máximo)
La diferencia que hay entre los dos métodos
esta solo en el área de la imagen cubierta por
cada método, en el método de umbral global
se aplica a toda la imagen; en cambio el
umbral local solo se aplica a un área de a
imagen, se usa para realizar la binarización
global o la binarización local para mejorar la
detención de la forma deseada.
e. ¿Qué es umbral de Otsu? (responda esta
pregunta en 5 renglones máximo).
El umbral Otsu es un valor obtenido de un
algoritmo y utilizado para capturar la forma
que necesitamos de la imagen analizada,
todos los pixeles que constituyen el objeto a
analizar se puede obtener de cualquier
imagen. Este método no precisa información
previa de la imagen antes de su
procesamiento.
f. ¿Para que sirven los filtros de suavizado
en una imagen?
(responda esta pregunta en 5 renglones
máximo)
El filtro de suavizado se usa para reducir la
variación de intensidad que puede existir en
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

los pixeles adyacentes, con el fin de eliminar

todos los defectos en la imagen que puedan
tener para mejorar la calidad. Cuyos defectos
se deban por los diferentes tipos de ruido, el
valor suele destacar muy por encima de los
otros.
g. identifique que tipo de ruido tienen las
siguientes imágenes, e indique cual es la
diferencia entre ellos.

Fuente: Mateus. P. 2020

En la primera imagen se trata del Ruido

Gaussiano, el cual es característico por dar
valores aleatorios de ruido a la imagen, donde
el valor final del pixel es real más una cierta
cantidad de error, en cambio la segunda se
trata del Ruido Sal y Pimienta, este ruido se
caracteriza por que los valores de ruidos
tienen los valores 0 o 1, no tiene relación con
el valor real, si no toma valores muy altos o
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

muy bajos, y saldrían en blanco o negro. de marcador imagen de mascara en la

h. Explique diferentes técnicas de construcción morfológica los picos de la
segmentación de imágenes. imagen del marcador se extiende o se dilatan.
(responda esta pregunta en 10 renglones
máximo) j. ¿Qué tipo de funciones morfológicas
 Segmentación Sobel: utiliza el existen y cómo funcionan?
operador Sobel el cual es un operador (responda esta pregunta en 10 renglones
diferencial discreto que calcula una máximo)
gradiente aproximada a la función de
intensidad. Las principales operaciones morfológicas son
 Detección de bordes: los limites de la erosión y la dilatación. Donde la erosión
regiones y los bordes están reduce el tamaño de las formas y la dilatación
estrechamente relacionados ya que a tiene el efecto contrario ancharlas.
menudo hay un fuerte ajuste en la  La erosión: es una función que
intensidad en los límites de las consiste en aplicar la lógica AND
regiones. entre los pixeles de una imagen para
 Segmentación Canny: sirve para volver los contornos más pequeños.
obtener la gradiente en donde se tiene  Dilatación: es una función que hace
que calcular la magnitud y orientación una lógica OR entre los pixeles para
de cada píxel. Con el fin de reducir la lograr la dilatación de la imagen.
posibilidad de contornos falsos.
i. ¿Qué es reconstrucción morfológica? 2. IMPLEMENTACION DE CODIGOS
(responda esta pregunta en 5 renglones Aporte de Maylebis Castellar Niz
máximo) 1. Desarrolle el siguiente código en un
la reconstrucción morfológica se puede Script de Matlab y guárdelo como
“procesamiento”. (Asegúrese de estar
considerar conceptualmente como
trabajando en la carpeta que ya se ha
dilataciones repetidas de una imagen, creado). Debe trabajar con la imagen que
ajustando el contorno de la imagen, imagen fue asignada y enviada por su tutor en la
Etapa 1. Esta imagen la debe guardar
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

como “imagen1”. imshow(binComunicacion)

numpixels=10000;
Nota1: Si no está trabajando en la carpeta filtro1=bwareaopen(binComunicacion,n
umpixels);
donde se encuentra la imagen guardada, al figure;
realizar el código le saldrá error. imshow(filtro1)

Cada estudiante debe realizar las 3

modificaciones del siguiente experimento
modificando el código anterior.

IMAGEN UMBRAL NUMPIXEL

S
1 0.6 10000
2 0.2 25000
3 0.5 500
Nota2: Para que el código sea válido, debe
tener una línea con su nombre, año, periodo
• Explique cada línea de comando.
académico y semestre actual que está
cursando el estudiante (según plan de %Nombre: Maylebis Castellar
estudios). Niz
%Año: 2021
%Nombre: %Periodo: 16-04
%Año:
%Periodo: %Semestre: 9°
%Semestre: clc % borra toda la pantalla,
clc pero deja intermitente el
clear all valor de las variables
close all clear all % borra toda la
Comunicacion=imread
GrayComunicacion=rgb2gray(Comunicaci pantalla
on); close all % Escriba o en la
figure; solicitud de comando
imshow(GrayComunicacion) Comunicacion=imread('Imagen1.j
GrayComunicacion=im2double(GrayComun pg');% Leer imagen del archivo
icacion);
figure; "imagen.jpg"
imhist(GrayComunicacion) GrayComunicacion=rgb2gray(Comu
Comunicacion=im2double(Comunicacion) nicacion);%convertir imagen
; RGB escala de gris
figure; figure;%Pantalla figura 1
imshow(Comunicacion)
umbral=0.6; imshow(GrayComunicacion)
binComunicacion=im2bw(Comunicacion,u %visualizar imagen pantalla
mbral); figura 1
binComunicacion=~binComunicacion; GrayComunicacion=im2double(Gra
figure; yComunicacion);% Convertir
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

imagen booleana Clear all: borra toda la pantalla.

figure; %Pantallar figura 2
imhist(GrayComunicacion) Close all: escriba o en la solicitud de
%mostrar imagen en pantalla comando.
figura 2
Im2bw: convertir imagen a imagen binaria
Comunicacion=im2double(Comunic
acion);%convertir imagen según el umbral.
booleana Bwreaopen: eliminar objetos pequeños de la
figure;%pantalla figura 2 imagen binaria.
imshow(Comunicacion)%mostrar
imagen en pantalla figura 2 • Analice cada imagen obtenida en este
umbral=0.5;%umbral de una ejercicio.
imagen de color
binComunicacion=im2bw(Comunica Se obtiene 4 imágenes diferentes en las
cion,umbral);%convertir imagen cuales se puede notar en la primera la escala
binaria segun umbral cogiendo de grises RGB en la siguiente e imagen se
la imagen comunicacion y el denota el umbral que se le añade a la imagen,
numero de umbral mejorando o empeorando la luz según nuestro
binComunicacion=~binComunicaci numero de umbral, las dos siguientes
on;%la imagen binaria no es
imágenes son la conversión de imagen a
igual a si misma
binaria de 1 y 0 o viceversa.
figure;%pantalla figura 3
imshow(binComunicacion) PRIMERA IMAGEN
%mostrar imagen en pantalla
figura 3 IMAGEN UMBRAL NUMPIXE
numpixels=500;%numero de LS
pixels de una imagen 1 0.6 10000
filtro1=bwareaopen(binComunica
cion,numpixels);%Eliminar
objetos pequeños de la imagen
binaria de las imagenes
binocomunicacion y numpixels
figure;%pantalla figura 4
imshow(filtro1)%mostrar imagen
en pantalla figura 4

• ¿Qué hacen las funciones clc, clear all,

clos all, im2bw y bwreaopen?
Clc: borra toda la pantalla, pero deja
internamente el valor de las variables. Imagen 1. Código de Matlab
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

Imagen 3. Grafica de Matlab

SEGUNDA IMAGEN
Imagen 2. Grafica y tabla de Matlab
IMAGEN UMBRAL NUMPIXE
LS
2 0.2 25000

Imagen 4. Código de Matlab

Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

Imagen 6. Grafica de Matlab

TERCERA IMAGEN
IMAGEN UMBRAL NUMPIXE
LS
3 0.5 500
Imagen 5. Gráfica y tabla de Matlab

Imagen 7. Código de Matlab

Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

Imagen 9. Grafica de Matlab

• Indique cual es la combinación de umbral
y de numpixel que segmenta mejor el
dispositivo de la imagen asignada (si el
estudiante encuentra otra combinación,
debe indicarla y mostrar la imagen
resultante)
Imagen 8. Grafica y tabla de Matlab La imagen de mejor combinación de umbral
y numpixel que segmenta de una mejor forma
es:
IMAGEN UMBRAL NUMPIXE
LS
3 0.5 500
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

close all
comunicacion=imread('Imagen1.j
pg');
graycomunicacion=rgb2gray(comu
nicacion);
salypim=imnoise(graycomunicaci
on, 'salt & pepper', 0.04);
gauseano=imnoise(graycomunicac
ion, 'gaussian');

figure;
subplot(1,2,2),imshow(graycomu
nicacion)
subplot(1,2,1),imshow(salypim)

figure;
subplot(1,2,2),imshow(graycomu
nicacion)
subplot(1,2,1),imshow(gauseano
)

Imagen 10. Grafica de Matlab

2. Cada estudiante debe averiguar cómo
implementar el filtro para el ruido “sal y
pimienta” y el filtro para el ruido
“Gaussiano”. Posteriormente implementar
el filtro correspondiente para la imagen en
escala de gris de la imagen que le ha sido Imagen 11. Código Matlab sal y pimienta y
asignada. el filtro para el ruido Gaussiano.
Nota: El código se debe adjuntar junto con las
imágenes resultantes
%Nombre: Maylebis Castellar
Niz
%Año: 2021
%Periodo: 16-04
%Semestre: 9° • El resultado para el filtro de ruido sal y
clc pimienta
clear all
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

trabajando en la carpeta que ya se ha

creado).
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, año, periodo
académico y semestre actual que esta
cursando el estudiante (según plan de
estudios).
%Nombre: Maylebis Castellar
Niz
1. Imagen con ruido sal y pimienta %Año: 2021
2.Imagen Original %Periodo: 16-04
%Semestre: 9
clc
clear all
• El resultado para el filtro de ruido close all
gaussiano Comunicacion=imread('Imagen1.j
pg');
figure;
imshow(Comunicacion);
GrayComunicacion=rgb2gray(Comu
nicacion);
figure;
imshow(GrayComunicacion)
BordesCanny=edge(GrayComunicac
ion,'Canny');
figure;
inshow(BordesCanny)
BordesSobel=edge(GrayComunicac
ion,'Sobel');
figure;
inshow(BordesSobel)

Primera Imagen con ruido Gaussiano

Segunda Imagen Original
3. Desarrolle el siguiente código en el script
que creo en el punto 1. (Asegúrese de estar Explique cada línea de comando.
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

%Nombre: Maylebis Castellar

Niz
%Año: 2021
%Periodo: 16-04
%Semestre: 9
clc % Borra toda la pantalla
pero deja mantener el valor de
los valores
clear all % borra toda la
pantalla
close all% Escriba o en la
solicitud de comando
Comunicacion=imread('Imagen1.j
pg');% Leer imagen del archivo
"imagen.jpg"
figure; %Pantalla figura 1
imshow(Comunicacion);%
visualizar imagen pantalla
figura 1
GrayComunicacion=rgb2gray(Comu
nicacion);% Convertir imagen
en RGB escala grises
figure;%pantalla figura 2
imshow(GrayComunicacion) %
Visualizar imagen pantalla
figura 2
BordesCanny=edge(GrayComunicac
ion,'Canny'); % detectar
bordes en la fuertes y debiles
figure; %Pantalla figura 3
inshow(BordesCanny)%
visualizar imagen pantalla
figura 3
BordesSobel=edge(GrayComunicac
ion,'Sobel');% detectar en las
fuertes y debiles
figure;% Pantalla figura 4
inshow(BordesSobel)% Detecta
los bordes de maxima magnitud
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

• Analice cada imagen obtenida en este

ejercicio.
A diferencia de las dos primeras que son la
imagen normal y en RGB escala de grises la
dos ultimas figuras 3 y 4 se evidencia el
método de bordes Edge en el cual se denota
en la figura 3 Canny y los bordes son suaves,
redondos, en la figura 4 el método Sobel solo
se acoge a los bordes de gran magnitud.

• ¿Qué hacen las funciones canny y sobel?

Método Canny: busca bordes en la imagen de
intensidad, es para detectar bordes fuertes y
débiles e incluye los bordes débiles en la
salida solo si están conectados a bordes
fuertes.
Método Sobel: encuentra bordes en aquellos
puntos donde el degradado de la imagen es
máximo, utilizando la aproximación de Sobel
a la derivada, técnicamente es un operador
diferencial discreto que calcula una
aproximación al gradiente de la función de
intensidad de una imagen.
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

4. Desarrolle el siguiente código en el • Explique cada línea de comando.

Command Window de Matlab. (Asegúrese
a)
de estar trabajando en la carpeta que ya se
ha creado). %Nombre: Maylebis Castellar
Niz
Nota: Si no está trabajando en la carpeta %Año: 2021
donde se encuentra la imagen guardada, al %Periodo: 16-04
realizar el código le saldrá error. %Semestre: 9
sel=strel('line',3,4);%Dilate
Nota2: Para que el código sea válido, debe la imagen con un elemento de
tener una línea con su nombre, año, periodo estructuracion de linea
académico y semestre actual que esta %vertical y compara los
cursando el estudiante (según plan de resultados.
estudios). erosion1=imerode(BordesCanny,s
el);%Erosione la imagen con el
Este código necesita el código del ejercicio 3 elemento estructurante.
para poder ser ejecutado. figure;% abrir ventana de
a). figura 1
imshow(erosion1) % Mostrar la
figura 1
%Nombre: Maylebis Castellar
Niz
%Año: 2021 b)
%Periodo: 16-04 %Nombre: Maylebis Castellar
%Semestre: 9 Niz
sel=strel('line',3,4); %Año: 2021
erosion1=imerode(BordesCanny,s %Periodo: 16-04
el); %Semestre: 9
figure; se2=strel('square',2);%
imshow(erosion1) Extraiga la descomposicion del
elemento estructurante, su
b). ancho
se da en pixeles
%Nombre: Maylebis Castellar erosion2=imerode(BordesCanny,s
Niz e2);% Erosione la imagen con
%Año: 2021 el elemento estructurante.
%Periodo: 16-04 figure;% abrir ventana figure
%Semestre: 9 1
se2=strel('square',2); imshow(erosion2)%mostrar la
erosion2=imerode(BordesCanny,s figura 1
e2);
figure;
imshow(erosion2)
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

a) cuyo ancho es pixeles.

• Analice cada imagen obtenida en este

ejercicio.

b)

• ¿Qué diferencias encuentra entre el

ejercicio a y b?
La diferencia son comando muy iguales la
única diferencia es el comando strel line y
Dos imágenes en distintos códigos es el A
square los cuales en una imagen permite ver
esta mas bordeado se alcanza a ver un poco la
un bordeado Canny en line de bordes estructura de la imagen mientras en el otro es
verticales y en la otra imagen el square crea una imagen punteada y no se logra ver la
estructura.
una elemento de estructuración cuadrada
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

2.5. Teniendo en cuenta el código anterior, subplot(1,4,2); imshow (a2);

donde se utiliza la función morfológica de title('Erosion')
erosión, el estudiante deberá investigar subplot(1,4,3); imshow (a3);
cómo implementar la función morfológica title('apertura')
subplot(1,4,4); imshow (a4);
de “dilatación”, con la dilatación en forma
title('Cierre')
de cuadrado y tamaño 2 (‘suaqre’,2). Esta
dilatación se debe hacer para bordes sobel
y bordes canny.
Nota: El código se debe adjuntar junto con las
imágenes resultantes
%Nombre: Maylebis Castellar
Niz
%Año: 2021
%Periodo: 16-04
%Semestre: 9
clc
clear all
close all

comunicacion=imread('Imagen1.j
pg');
graycomunicacion=rgb2gray(comu
nicacion);
se1=strel('square',2);
se2=strel('line',10,45);
se3=strel('disk',15);
se4=strel('ball',15,5);

a1=
imdilate(graycomunicacion,se1)
;
a2=
imerode(graycomunicacion,se2);
a3=
imopen(graycomunicacion,se3);
a4=
imclose(graycomunicacion,se4);

figure;
subplot(1,4,1); imshow (a1);
title('Dilatacion')
Universidad Nacional Abierta y a Distancia. Castellar Maylebis, Tarea 2.

CONCLUSIONES
En el anterior trabajo gracias a los
conceptos de segmentación de imagen fue
posible saber la intensidad de ruido y los
distintos métodos comunes. Con la
reconstrucción morfológica se evidencio
sus diferentes tipos de dilatación y
erosión, mediante la interacción en la
plataforma Matlab implementando
retroalimentación con el utotr y
compañeros.

REFERENCIAS
[1] Mateus, P. (2019, Enero 14),
Tratamiento de Imágenes. [OVI].
Recuperado
de: http://hdl.handle.net/10596/23302

Autores

Maylebis Castellar
Estudiante de Ingeniería de
Telecomunicaciones
Universidad Nacional Abierta y a
Distancia
2021