Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FORMACIÓN PROFESIONAL
CUADERNO DE INFORMES
1
DIRECCIÓN ZONAL
___________________________
_
FORMACIÓN PROFESIONAL
CFP/UCP/ESCUELA: __________________________________________________
ID: 1289720
BLOQUE:
SEMESTRE: V
2
INSTRUCCIONES PARA EL USO DEL
CUADERNO DE INFORMES
1. PRESENTACIÓN.
3
INFORME SEMANAL
..............SEMESTRE SEMANA N°
LUNES
CLASE EN SENATI 06
VIERNES
IMPRIMIR EN 3D RECIPIENTE DE LARVAS 06
SÁBADO
CLASE EN SENATI (CREACIONES APP ANDROI) 06
TOTAL
36
4
Imágenes digitales
Podemos definir una imagen como una función bidimensional f son
las coordenadas espaciales, y el valor de f en cualquier x es
la intensidad de la imagen en dicho punto.
Desde este punto de vista, una imagen puede considerarse como una función
continua definida sobre un conjunto continuo (imagen analógica) o como una
función discreta definida sobre un dominio discreto (imagen digital). Ambos
puntos de vista resultan útiles en el procesamiento de imágenes.
Convertir una imagen analógica a digital requiere que tanto las coordenadas
como la intensidad sean digitalizadas. Digitalizar las coordenadas se
llama muestrear, mientras que digitalizar la intensidad se
denomina cuantizar. Entonces, cuando todas las cantidades son discretas,
llamamos a la imagen una imagen digital.
Coordenadas
El resultado de muestrear y cuantizar es una matriz de números. El tamaño de
la imagen es el número de filas por el número de columnas, . La indexación de
la imagen en Python sigue la convención habitual
Módulos de Python
Para instalar OpenCV en Anaconda python, ejecutar en el terminal
6
Para guardar la imagen en disco
image = cv.imwrite('lena_gris.tif', a3)
Inicio
7
a5 = a4.astype(np.uint8)
image = cv.imwrite('lena_gris.tif', a5)
Primero convierte la matriz a4 de float32 a uint8, y luego la guarda en el
disco.
Una vez que tenemos definida la imagen como una matriz con
elementos float32, podemos comenzar a trabajar con ella.
Ejemplo
Vamos a
plt.subplot(121)
plt.imshow(a,cmap='gray',interpolation='nearest')
plt.title('Lena'),plt.axis('off')
plt.subplot(122)
plt.imshow(ojo_de_Lena,cmap='gray',interpolation='nearest')
plt.title('El ojo derecho de Lena'),plt.axis('off')
plt.show()
8
Ejercicios
Ejercicio 1
Escribir una función con
• Entrada: una imagen de cualquier tipo y el rango para los
píxeles (x,y)(�,�) a extraer.
• Salida: una matriz de datos float32 correspondiente a los índices
indicados de la imagen original y una figura de ella.
Ejercicio 2
Las máscaras son filtros geométricos de una imagen. Por ejemplo, si queremos
seleccionar una región de una imagen, podemos hacerlo multiplicando la matriz
de la imagen original por una matriz de igual tamaño que contenga unos en la
región que queremos conservar y ceros en el resto. En este ejercicio
seleccionaremos una región circular de la imagen lena_gray_512.tif de radio
150. Seguir los pasos siguientes:
9
Cuando se multiplica por cero, se convierten a negro los píxeles de fuera del
círculo. Modifica el programa para hacer visible esos píxeles con la mitad de su
intensidad.
%run Ejercicio2.py
Ejercicio 3
El degradado lineal es un efecto en el que se oscurece una imagen desde una
parte de la misma hasta la parte opuesta alterando la intensidad original de un
modo proporcional. Por ejemplo, en la degradación vertical, podemos
implementar este filtro mediante una máscara que sea constante por columnas
pero tome un valor decreciente por filas, desde 1 en la primera fila a cero en la
última.
10
Ejercicio 4
Construir, como array numpy, la imagen de un tablero de ajedrez, donde cada
casilla tiene un tamaño de 250×250250×250 pixels. Mostrar el resultado en
el terminal iPython. Se puede usar la orden numpy.tile.
%run Ejercicio4.py
Ejercicio 5
Construir, como array numpy, la imagen de círculos concéntricos mostrada
debajo. La imagen tiene un tamaño de 500×500500×500 pixels. Cada
circunferencia tiene una anchura aproximada de 44 ó 55 pixels. Mostrar el
resultado en el terminal iPython.
%run Ejercicio5.py
11
Ejercicio 6
Construir, como array numpy, la imagen de la servilleta mostrada debajo. Cada
casilla tiene un tamaño de 10×1010×10 pixels. Mostrar el resultado en el
terminal iPython. Se puede usar la orden numpy.tile.
%run Ejercicio6.py
Ejercicio 7
12
Construir, como array numpy, la imagen mostrada debajo. La imagen tiene un
tamaño de 500×500500×500 pixels. Cada círculo tiene un radio
de 1010 pixels y los centros de los círculos están separados 5050 píxeles.
Mostrar el resultado en el terminal iPython.
%run Ejercicio7.py
13
EVALUACIÓN DEL INFORME DE TRABAJO SEMANAL
NOTA
OBSERVACIONES Y RECOMENDACIONES
DEL INSTRUCTOR:
14
15