lOMoARcPSD|930 192 4

lOMoARcPSD|930 192 4

Tarea 1 – Identificación de presaberes

Presentado Por: Jaime Andrés Delgado León

Presentado A: Mauricio Alberto García

Código: Tratamiento de imágenes

Universidad Nacional Abierta y a Distancia - UNAD Escuela de

Ciencias Básicas, Tecnológica Ingeniería

Control Análogo

2023
 INTRODUCCIÓN

El procesamiento digital de imágenes es un campo fascinante que forma pone de nuestra

vida diaria. En sus inicios el procesamiento de imágenes estaba restringido a campos
de investigación de ciencias de la computación, matemáticas y astronomía. Lo que constituía
una labor tardada, impredecible y cara, se ha convertido en una disciplina en sí misma, con
la ayuda de microprocesadores baratos, dispositivos de gran memoria y componentes de
procesamiento de señales; volviéndose así una herramienta invaluable en diversas
aplicaciones, tales como robóticas, control industrial, telecomunicaciones, medicina, etc.

Al considerar el procesamiento de imágenes como una disciplina, el objetivo es visualizar

o evaluar estadísticamente algunos aspectos de la imagen que no se encuentran en su
forma original. Dado que las imágenes monocromáticas y las de color pueden ser
representadas matematicamente como funciones determinísticas espacio - temporales, se
desarrollo una formulación matemática completa y compleja, además de equipo especializado,
incluyendo procesadores digitales de prop6sito especifico y periféricos de computadora.

lOMoARcPSD|930 192 4
 lOMoARcPSD|930 192 4

OBJETIVOS:

General:
 Comprender las etapas de proyecto del curso y conceptos previos como espacios de
color, para lograr una buena ejecución de las técnicas de tratamiento de imágenes,
aprendizaje de máquina y análisis estadístico.

Específicos:
 Realizar un Resumen del proyecto en el foro colaborativo en formato Word.
 Investigar la respuesta a las preguntas solicitadas que tienen que ver con el tema de
tratamiento de imágenes.

 Utilizar el software de Matlab y realizar la Implementación de los códigos

proporcionados en el anexo .
 2𝑠+5
2.2. 𝐺 (𝑠) =
3𝑠2−5𝑠+2

DIAGRAMA DE FLUJO
 lOMoARcPSD|930 192 4

(𝑠+2)(𝑠∗3)
(𝑠) =
𝑠(𝑠2+10𝑠+5)

CRUCIGRAMA
 lOMoARcPSD|930 1

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

manera individual la implementación de los códigos que se encuentran en el Anexo

También debe analizar los resultados obtenidos y crear los scripts que se solicitan en el
mismo anexo.
Nota: El aporte en el foro sobre la implementación de los códigos proporcionados en el
anexo se debe realizar con la extensión: “Códigos nombre estudiantes_ Etapa1”
Implementación de códigos en software

Asegurarse de tener acceso al Software Matlab, se puede obtener la licencia utilizando el

correo institucional.
 lOMoARcPSD|930 192 4

Leer tutoriales y observar los videos recomendados el entorno de aprendizaje

colaborativo de acuerdo al software Matlab, y presentar sus inquietudes de ser

necesario.

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

- clc: Borra todo el texto de la ventana de comandos, lo que da como

resultado una pantalla limpia.

- clear all: Elimina todas las variables del espacio de trabajo actual y las libera

de la memoria del sistema.

- close all: Cierra la figura actual.

Nota: Como recomendación siempre utilice los 3 anteriores comandos antes de

empezar cada ejercicio.

3. Realice los siguientes pasos:

• Cree una carpeta en documentos con el nombre Tratamiento de Imágenes
 lOMoARcPSD|930 192 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)
Comunicacion=imread('imagen1.jpg');
Esta función permite leer el archivo “imagen1.jpg”, la cual puede ser soportada por elprograma.
figure;
Crea la ventana de la figura.
imshow(Comunicacion)
Mostrar imagen en donde expone la imagen original.
GrayComunicacion=rgb2gray(Comunicacion);
Convierte las imágenes RGB en escala de grises eliminando la información de matiz ysaturación
mientras conserva la luminancia.

imshow(GrayComunicacion)Mostrar
imagen.
GrayComunicacion=im2double(GrayComunicacion);
Convertir la imagen de intensidad en escala de grises, una imagen de color verdadero o unaimagen
binaria.
figure;
Crea la ventana de la figura.
imhist(GrayComunicacion)
Se utiliza para visualizar la distribución de intensidades en una imagen (Histograma)
• ¿Qué hacen las funciones imread, imshow, rgb2gray, im2double e imhist?

✓ Imread: Lee la imagen del archivo que especifiquemos con el nombre en este caso
la imagen se llama cerebro.
✓ Imshow: Se utiliza para mostrar la imagen.
✓ rgb2gray: Sirve para convertir las imágenes RGB en escala de grises eliminando la
información de matiz y saturación mientras conserva la luminancia.
 ✓ im2double: Se emplea para convertir la imagen de intensidad en escala de grises,
una imagen de color verdadero o una imagen binaria.
✓ Imhist: Sirve para visualizar la distribución de intensidades en una imagen
(Histograma).
• Analice cada imagen obtenida en este ejercicio.

Análisis de la imagen obtenida: se obtuvo una escala de grises, con el código dadose dio
un resultado de imagen gris donde se observa con más detalle las partes que componen la
figura, permitiendo ver sombras más oscuras en algunas partes de la caricatura.
 Análisis del histograma obtenido: Por medio del histograma aplicado a la imagen ecualizada,
se observa la intensidad existente en escala de grises manejada en la imagenteniendo en cuenta la
imagen original.

ComponenteRojo=Comunicacion(:,:,1);
Nombre de entrada asignada a la variable Comunicación.
figure;
Crea la ventana de la figura.
image(ComponenteRojo),colormap([(0:1/255:1)',zeros(256,1),zeros(256 ,1)]),colorbar; imagen
muestra los datos de la matriz, colormap establece el mapa de colores de la figura,zeros crea un
array de ceros y colorbar indica un colobar vertical al lado derecho de la imagen.
ComponenteVerde=Comunicacion(:,:,2);
Nombre de entrada asignada a la variable Comunicación.
figure;
Crea la ventana de la figura. image(ComponenteVerde),colormap([zeros(256,1),
(0:1/255:1)',zeros(25 6,1)]),colorbar;

ComponenteAzul=Comunicacion(:,:,3);
Nombre de entrada asignada a la variable Comunicación.
figure;
Crea la ventana de la figura.
image(ComponenteAzul),colormap([zeros(256,1),zeros(256,1),(0:1/255: 1)']),colorbar; imagen
muestra los datos de la matriz, colormap establece el mapa de colores de la figura,zeros crea un
array de ceros y colorbar indica un colobar vertical al lado derecho de la imagen.
 Conclusiones

El procesamiento digital de imágenes se efectúa dividiendo la imagen en un arreglo rectangular de

elementos, como se muestra en la imagen 4.3 Cada elemento de la imagen así dividida se conoce con el

nombre de pixel. El siguiente paso es asignar un valor numérico a la luminosidad promedio de cada pixel.

Así, los valores de la luminosidad de cada pixel, con sus coordenadas que indican su posición, definen

completamente la imagen.

La utilidad del procesamiento de imágenes es muy amplia y abarca muchos campos. Un ejemplo son las

imágenes obtenidas con fines de diagnóstico médico. Otro ejemplo son las imágenes aéreas obtenidas

para realizar exámenes del terreno. Mediante este método se pueden analizar los recursos naturales, las

fallas geológicas del terreno, etcétera.

Aprendí que el procesamiento de imágenes digitales es el conjunto de técnicas que se aplican a las

imágenes digitales con el objetivo de mejorar la calidad o facilitar la búsqueda de información.

 Para esta actividad se aprendió a identificar los conceptos por medio de la práctica para el análisis y el

tratamiento de imágenes por medio del empleo de la herramienta MATLAB la cual por medio de scrips

diseñados y planteados se presentó las soluciones más acordes de acuerdo al problema planteado en donde

identificamos los cambios de pixeles por medio de la ejecución de comandos claves, definidos dentro de la

herramienta.

 Se concluye que se requiere formación, educación, retransmisión de los conocimientos con el fin de

fortalecer la evolución tecnológica en las comunicaciones o al momento de dar un mensaje. Las lecturas que

abarca la actividad comprende un estilo de reflexión personal y tecnológico muy importante ya que es aquí

donde la persona define quien es en realidad mediante sus actos, sus acciones más allá de tener una

carrera profesional con fundamentos éticos y valores morales sociales es alcanzar la calidad del

profesionalismo.
 REFERENCIAS BIBLIOGRAFICAS

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