Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Códigos Dany Gaviria Etapa2"
Códigos Dany Gaviria Etapa2"
PUNTO 1
a. Desarrolle el siguiente código en un Script de Matlab y guárdelo como “procesamiento”.
(Asegúrese de estar trabajando en la carpeta que ya se ha creado). Debe trabajar con la imagen
que fue seleccionada en la Etapa 1. Esta imagen la debe guardar como “imagen1”.
b. Cada estudiante debe usar el código anterior del numeral a y realizar las 3
modificaciones de combinación de las siguientes 2 variables:
Imagen 2
En la imagen 3 vemos que solo toma el punto 0.1 el resto de valores en el histograma
aparecen 0
Imagen 4
En la imagen 4 se visualiza totalmente negra esto pasa después de realizar una negación
y el punto que se evidencia lo que podría pasar por el valor del umbral por lo que los
pixeles de la imagen están por encima de este umbral y al seleccionar el número mínimo
de pixeles en 500 solo este punto cumple con este valor
Imagen 5
En esta imagen vemos el histograma del análisis con los valores umbral 0,7 y numpixel
en 100 evidencio que en estos valores toma mas valores como 1
Imagen 6
Se evidencia una imagen con bordes y mucho ruido por lo que los valores seleccionados
como umbral y numpixel no son adecuados para el análisis correcto de la imagen
Imagen 7
Imagen 8
En la imagen binarizada vemos que se evidencia la información de la imagen pero tiene
algo de ruido que identifica unos vacíos
Imagen 9
Imagen 11
En la imagen 11 se pasa a grises
Imagen 12
Imagen 13
Combinaciones utilizadas
Umbral 0.3
Numpixel 62
Imagen 15 resultante
PUNTO 2
a. 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 asignada.
para eliminar el ruido sal y pimienta de una imagen, podemos emplear un filtro de
mediana, esta técnica se aplica a cada pixel y su definición de ventana que abarca un
conjunto de pixeles en un punto, el tamaño de la venta se especifican cuantos pixeles
vecinos se incluyen el proceso de filtrado, dentro la venta se recopilan todos los valores
de intensidad de todos los pixeles incluidos, el filtro selecciona el valor que se encuentra
en el centro de la secuencia ordenada, y se aplica a cada pixel de la imagen lo que
reemplaza por el valor mediano del del lado o de su vecino.
Código
% nombre: Dany Gaviria
% cc: 3133646
% Año: 2023
% Periodo: 1604
clear all
clc
close all
imagen1=imread("Placa1.jpg");
[imagen1 pos] = imcrop (imagen1)
imagen_original=rgb2gray(imagen1);
figure
imshow(imagen_original);
intensidad_sal=0.04;
intensidad_pimienta=0.04;
[filas, columnas]=size(imagen_original);
imagen_con_ruido=imagen_original;
num_pixel_sal=round(filas*columnas*intensidad_sal);
pixel_sal_x=randi([1, columnas],[1, num_pixel_sal]);
pixel_sal_y=randi([1, filas],[1, num_pixel_sal]);
for i = 1:num_pixel_sal
imagen_con_ruido(pixel_sal_y(i),pixel_sal_x(i))=255;
end
num_pixeles_pimienta=round(filas*columnas*intensidad_pimienta);
pixeles_pimienta_x=randi([1, columnas],[1,num_pixeles_pimienta]);
pixeles_pimienta_y=randi([1, filas],[1, num_pixeles_pimienta]);
for i = 1:num_pixeles_pimienta
imagen_con_ruido_(pixeles_pimienta_y(i), pixeles_pimienta_x(i))=0;
end
figure;
imshow(imagen_con_ruido);
Ruido Gaussiano
El filtro gaussiano realiza una convolución, el kernel gaussiano se desliza sobre cada
pixel de la imagen y en cada posición, multiplica y suma los valores de intensidad de
acuerdo al kernel esto genera nuevos pixel en la imagen filtrada.
clear all
clc
close all
imagen1=imread("Placa1.jpg");
[imagen1 pos] = imcrop (imagen1)
imagen_original=rgb2gray(imagen1);
figure;
imshow(imagen_original);
media=0;
desviacion_estandar=10;
Se visualiza la delineación de todos los puntos donde representa ruido los bordes en blanco muy
definidos
PUNTO 4
periodo académico y semestre actual que está cursando el estudiante (según plan de estudios).
a.
b.
Imagen 22
En la imagen con elemento estructural en forma de línea se visualizan objetos blancos muy
pequeños
Imagen 23
En esta imagen vemos que la información que se tenía se volvió totalmente oscura debido a
que la erosión elimino una mayor cantidad de pixeles que la anterior
PUNTO 5
infografía
https://view.genial.ly/6507db2ab00a050018d31055/interactive-content-timeline-edu-color