Etapa 1: Identificación de presaberes

Presentado por
Duban Felipe Delgadillo Calderón

Código 1.031.169.516

Grupo

208054_32

Presentado la tutora
Sandra Milena Garcia

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Tratamiento de Imágenes.
Bogotá, Septiembre 05 de 2021.

Introducción.
1
A continuación, desarrollare la etapa 1 del curso tratamiento de imágenes, la cual me va a
permitir identificar, reconocer y comprender las etapas del proyecto del curso, apropiando los
conceptos previos espacios de color, para lograr una buena ejecución de las técnicas de
tratamiento de imágenes, aprendizaje de máquina y análisis estadístico. Este informe se
realiza con el objetivo de contextualizar e identificar los presaberes necesarios para
desarrollar el proyecto final de forma correcta y cumpliendo con los requisitos del curso. Para
resolver el informe se utilizaron diferentes estrategias, como investigativas, de análisis y
lectura de material de apoyo para resolver los interrogantes y preguntas que contenía la guía.

Objetivos
2
  Comprender las etapas de proyecto del curso y conceptos previos.
 Lograr una buena ejecución de las técnicas de tratamiento de imágenes, aprendizaje
de máquina y análisis estadístico.
 Actualizar el perfil del curso con foto e información personal.
 Identificar y definir las etapas del proyecto final.
 Definir conceptos que serán abordados durante el curso.

La actividad consiste en:

3
Etapa 1 – Identificación de presaberes:

1. Actualización de perfil y presentación:

a) Actualizar el perfil con foto e información y realizar un aporte en el foro con la

evidencia.

Imagen 1, Actualización de perfil.

b) Realizar aporte en el foro con información personal como: Nombres, apellidos,

correo, Skype, intereses de la asignatura y semestre actual.

Imagen 2, Aporte en foro

2. Resumen del proyecto final

a) Realizar lectura e investigación sobre el proyecto final. La investigación debe

contener información sobre las 6 etapas a seguir para la detección del dispositivo,
es decir, el estudiante debe realizar una breve investigación de cómo se desarrolla
cada uno de esos pasos. (Ver Anexo 2 -Proyecto Final). 2.
Respuesta: A partir de la lectura realizada del anexo 2 – Proyecto final. Puedo
4
 deducir que el proyecto final cuenta con 6 pasos o etapas principales, las cuales
son indispensables para el correcto desarrollo e implementación de la solución a
aplicar, la cual consiste en implementar un sistema de detección a partir de un
módulo de visión por computadora, el cual permitirá identificar la referencia del
producto y clasificarla de acuerdo con el modelo de fabricación. Este proceso
detección estará a cargo mío, como ingeniero tengo la capacidad y conocimiento
técnico para llevar a cabo este procesamiento de imágenes, para ello debemos
tener presente los siguientes pasos:

Preprocesamiento de imágenes: consisten en realizar un proceso previo en

imágenes para su acondicionamiento y la extracción de características que
requiere un esquema de trabajo donde los elementos que afecten la obtención de
la región de interés y su posterior procesamiento sean removidos de la imagen. En
esta etapa se aplican algoritmos de preprocesamiento de la imagen con el objetivo
de evaluar su impacto en los porcentajes de segmentación exitosa.

Procesamiento de imágenes: tiene como objetivo mejorar el aspecto de las

imágenes y hacer más evidentes en ellas ciertos detalles que se desean hacer
notar. La imagen puede haber sido generada de muchas maneras, por ejemplo,
fotográficamente, o electrónicamente, por medio de monitores de televisión. El
procesamiento de las imágenes se puede en general hacer por medio de métodos
ópticos, o bien por medio de métodos digitales, en una computadora.

Identificación de características: Si tomamos una imagen, podemos identificar

por sus formas una carretera, y decir si es ancha o estrecha, larga o corta, o bien
si es sinuosa o rectilínea. Estos parámetros geométricos son los que nos ayudan a
identificar el elemento en sí. Esta identificación de las propiedades de un
elemento, o bien de una simple celda aislada, es otra de las funciones básicas que
se llevan a cabo a partir de imágenes.

Implementación de clasificador: Un clasificador puede ser empleado para la

detección de objetos; entre los software que utilizan detector podemos mencionar
el OpenCV y el Octave for Matlab, ambas herramientas con estándar abierto.
Existen varios clasificadores, y uno de los más conocidos es el clasificador de
cascada, muy usado para la detección de rostros.

Resultados: Luego del proceso de clasificación, obtendremos los resultados, al

tener nuevas entradas o registros, el clasificador debe estar en capacidad de dar
una respuesta que permita establecer la nueva entrada según se requiera.

Análisis de resultados: es la parte final y conclusiva de una investigación o

proceso; en él vamos a procesar toda la información que ha ido apareciendo en
nuestro estudio, a intentar presentarla de manera ordenada y comprensible y a
intentar llegar a las conclusiones que estos datos originan.

3. Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera

individual y da respuesta a las siguientes preguntas teóricas:
a) ¿Cuál es la diferencia entre imagen análoga e imagen digital? (Defina esta
5
 pregunta en 5 renglones máximo)

Respuesta: La diferencia principal es que las imágenes digitales están

conformadas por pixeles y las imágenes analógicas por granos. La imagen, en el
caso de la fotografía analógica, es formada por haluros de plata, que son los que
vemos como grano. Entre mayor sensibilidad de la película el grano es más visible.
En el caso de la fotografía digital la retícula de los pixeles es regular.

b) Investigue e indique 5 campos de aplicación que tiene el tratamiento de imágenes.

(Defina esta pregunta en 5 renglones máximo)

Respuesta: El análisis de campo de imágenes ha abierto la posibilidad de estudiar

la influencia de la imagen en un diseño comercial, debido a que genera una serie
de interacciones en toda la mente del consumidor. Se puede aplicar por ejemplo
en Medición del flujo, velocidad y densidad del tráfico, Detección automática de
incidentes, Cobro de peaje mediante la lectura de placas, ingeniería.

c) ¿Se tiene una imagen con resolución de 300 pixeles de alto y 200 pixeles de
ancho, cuantos pixeles en total tiene la imagen? (Defina esta pregunta en 1
renglón máximo)

Respuesta: Para obtener el resultado debemos multiplicar el ancho por la altura,

en total tiene 60.000 pixeles.

d) Indique cual es la definición de cada uno de los siguientes tipos de número:

1) Unit8: Es el tipo de dato habitual para una imagen. Es decir un entero representado
en 8 bits. Esto nos da 28=256 valores que se distribuyen en el rango de [0 255] para
cada pixel.

2) Unit16: Es un tipo de dato entero sin signo de 16-bits en el rango (0,65535) (2 bytes
por elemento.

3) Double: Numero de precisión doble en el rango aproximado de −10308 a 10308 si es

una imagen con valores es escalados (lo habitual) el rango será (0,1) (8 bytes por
elemento).

4) logical: Los valores son 0 ó 1 (1 byte por elemento).

e) Seleccione cuál de las siguientes afirmaciones es correcta y explique por qué:

1) RGB= rojo, gris y blanco

2) RGB= rojo, verde y blanco
3) RGB= rojo, verde y azul
4) RGB= verde, azul y gris

Respuesta: El código de colores RGB, rojo - verde - azul, se basa en la mezcla de

estos 3 colores para conseguir toda la gama completa. Cada uno de los colores
6
 toma un valor entre 0 y 255, un total de 256, con los que se consigue un total de
256 x 256 x 256 = 16.777.216 colores distintos

f) Indique cuantas capas tiene un espacio de color RGB. (Defina esta pregunta en 2
renglones máximo)

Respuesta: Está definido por 3 capas, las cuales son rojo, verde y azul. con el que
es posible representar un color mediante la mezcla por adición de los tres colores
de luz primarios.

g) ¿Qué espacio de color tiene las siguientes capas: matiz, saturación y valor?
(Defina esta pregunta en 1 renglón máximo)

Respuesta: Representación tridimensional del color basado en los componentes

de tinte, matiz o tonalidad (hue, en inglés), saturación (saturation) y brillo o valor
(value).

h) ¿Qué es histograma? (Defina esta pregunta en 5 renglones y anexe una imagen)

Respuesta: es la representación gráfica en forma de barras, que simboliza la

distribución de un conjunto de datos. Sirven para obtener una "primera vista"
general, o panorama, de la distribución de la población, o de la muestra, respecto
a una característica, cuantitativa y continua. (tomado de
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/histo
grama.html).

Imagen 3 - Ejemplo Histograma – Imagen tomada de

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/histograma.html

4. Implementación de códigos (componente práctico): cada estudiante debe realizar

de manera individual la implementación de los códigos que se encuentran en el Anexo
1. También debe analizar los resultados obtenidos y crear los scripts que se solicitan
en el mismo anexo.
7
Respuesta:

1. Asegurarse de tener acceso al Software Matlab, se puede obtener la licencia

utilizando el correo institucional.

Imagen 4, Aplicativo MathLab.

2. Leer tutoriales y observar los videos recomendados el entorno de aprendizaje

colaborativo de acuerdo al software Matlab, y presentar sus inquietudes de ser
necesario en el correo interno de su tutor.

• Indique para qué sirven los comandos clc, clear all y close all.

clc: (clear console) limpia la pantalla de Command Window pero mantiene las
variables usadas.

clear all: Borra todas las variables, incluyendo las globales, y las funciones.

close all: Cierra todas las ventanas gráficas abiertas.

3. Realice los siguientes pasos:

• Cree una carpeta en documentos con el nombre Tratamiento de Imágenes

Imagen 5, Carpeta Tratamiento de Imágenes en Documentos.

8
• El estudiante realizará el pre procesamiento de imágenes de sólo una de las 5
imágenes que se presentan a continuación. (La imagen será asignada y enviada
por el tutor al comienzo de la fase, por favor solicitar la imagen por correo interno a
su tutor)

Imagen 6, Alicates_3, imagen asignada por la instructora.

• Guarde la imagen en la carpeta creada anteriormente, póngale el nombre imagen1

(Asegúrese de que la imagen quede guardada en la extensión .jpg).

Imagen 7, Imagen guardada

4. Desarrolle el siguiente código creando un Script y guardándolo como

“preprocesamiento” en el software Matlab. (Asegúrese de estar trabajando en la
carpeta que ya se ha creado)

9
 Imagen 8, Implementación de código creando Script en Matlab.

• Explique cada línea de comando.

• ¿Qué hacen las funciones imread, imshow, rgb2gray, im2double e imhist?

Imread: Leer imagen del archivo de gráficos. Importa datos al espacio de trabajo
de MatLab desde un archivo de gráficas.

Imshow: muestra la imagen en escala de grises en una figura. Utiliza el rango de

visualización predeterminado para el tipo de datos de imagen y optimiza las
propiedades de figura, ejes y objetos de imagen para la visualización de imágenes.

Rgb2gray: convierte la imagen truecolor RGB en la imagen de intensidad de

escala de grises I. La función rgb2gray convierte las imágenes RGB en escala de
grises eliminando la información de matiz y saturación mientras conserva la
luminancia.

Im2double: Convierte la imagen a doble precisión puede ser una imagen de

intensidad en escala de grises, una imagen en color verdadero o una imagen
binaria.

Imhist: Histograma de datos de imagen calcula el histograma de la imagen en

escala de grises La función devuelve los recuentos de histograma y las
ubicaciones de ubicación en .imhistcountsbinLocations El número de bins en el
histograma viene determinado por el tipo de imagen.

• Analice cada imagen obtenida en este ejercicio.

1
0
 Respuesta:

Imagen 9, resultado implementación de código Matlab.

Al analizar los códigos implementados en el script y observando el resultado que

arroja en las imágenes, se puede deducir que los códigos y líneas implementadas en
el script básicamente se encargan de leer e importar la imagen que se guardó en la
carpeta de tratamiento de imágenes. Luego de importarla el comando imshow da la
orden para que muestre la imagen en escala de grises. Se convierte la imagen RGB
en escala de grises a través del comando rgb2gray. Estos resultados van en línea con
lo indicado en el código, tomando la imagen y mostrando los resultados de conversión
RGB a escala de grises, y tomando los valores lógicos presentándolos en el
histograma.

5. Desarrolle el siguiente código en el script creado anteriormente.

Código para el espacio de color RGB (Red, Green, Blue o Rojo, Verde y Azul)

1
1
 Imagen 10, Implementación de código creando Script en Matlab.
• Explique cada línea de comando realizada.

Respuesta: El objetivo de aplicar este Script en el aplicativo es tomar la imagen

ubicada en la carpeta y generar el espacio de color RGB (Verde, Azul, Rojo). A
través de la variable Comunicación y el comando image se obtendrán los datos y
se mostrarán en el espacio de trabajo de MathLab, el comando colormap nos
permite establecer el mapa de colores, esto nos da como resultado final la imagen
en cada ventana con el color de cada de color RGB.

• Analice cada imagen obtenida en este ejercicio.

Respuesta:

Imagen 11, resultados implementación de código espacio de color RGB Matlab.

Cada imagen obtenida a través del Script ejecutado representa cada color RGB. Podemos ver
como la imagen original se modifica en su color y tonalidad, se observa una diferencia visual,
aplicando el filtro correspondiente a la imagen original lo cual nos permitirá hacer un análisis a
partir de los arreglos numéricos que realiza el aplicativo.

6. Investigue cómo realizar el código para el espacio de color HSV y realícelo en Matlab
a la imagen que le fue asignada. (agregue el código utilizado e imágenes obtenidas).

Respuesta: Se realiza la investigación sobre cómo aplicar el código para obtener el

modelo de color HSV (Matiz, Saturación, Valor). El código aplicado es el siguiente:

1
2
clear all
clc
close all
% Espacio de color HSV
% Nombre: Duban Delgadillo
% Año: 2021
% Periodo: 1604
% Semestre: 09
Comunicacion=imread('Imagen1.jpg');
imshow(Comunicacion);
Imagen=(Comunicacion);
M = rgb2hsv(Imagen);
H = M(:,:,1);
S = M(:,:,2);
V = M(:,:,3);
H(1,1)
S(1,1)
V(1,1)
imshow([M(:,:,1),M(:,:,2),M(:,:,3)]);

Imagen 12, resultados implementación de código espacio de color HSV en Matlab.

1
3
 Conclusiones

A partir del desarrollo de la actividad correspondiente a la etapa 1 puedo concluir que estuve en
la capacidad de actualizar mi perfil del curso, agregando mi foto e información personal de
interés, como datos de contacto, con el fin de poder compartir y comunicarme con mis
compañeros de grupo. También puedo decir que pude contextualizar y conocer el objetivo
general del proyecto final, a través del resumen pude conocer y entender las etapas
fundamentales que cuenta el proyecto final, las cuales son esenciales para implementar de
forma exitosa el proyecto final. Aprendí y obtuve conocimiento valioso de los conceptos que
sirven como presaberes, entendiendo las diferencias entre imágenes análogas y digitales,
saber cuáles son los campos de aplicación del tratamiento de imágenes, etc.

1
4
 Referencias Bibliográficas

• Bovik, A. C. (2009). The Essential Guide to Image Processing (Vol. 2nd ed).
Amsterdam: Academic Press, pp. 1 - 123. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
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. 1-14, 67-76. 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

• Mateus, P. (2019, enero 14), Tratamiento de Imágenes. [OVI]. Recuperado de:

http://hdl.handle.net/10596/23302

1
5