Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica y electrónica

Laboratorio 1
Curso : VISIÓN Y ANÁLISIS DE IMÁGENES POR COMPUTADOR - CIB28M

Profesor : Segundo Gamarra

Estudiante: Jose Teofilo Tomayro Checcllo.
Copyright © 2013 John Smith

P UBLISHED BY P UBLISHER

BOOK - WEBSITE . COM

Licensed under the Creative Commons Attribution-NonCommercial 3.0 Unported License (the
“License”). You may not use this file except in compliance with the License. You may obtain a
copy of the License at http://creativecommons.org/licenses/by-nc/3.0. Unless required
by applicable law or agreed to in writing, software distributed under the License is distributed on an
“AS IS ” BASIS , WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and limitations under the License.

First printing, March 2013

 Contents

I Datos del estudiante

1 DNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Carnet Universitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

II Actividad 1

3 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Solución propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

5 Experimentos realizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

III Actividad 2

7 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

8 Solución propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

9 Experimentos realizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
10 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

11 Referenciass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Books 35
Articles 35
I
Datos del estudiante

1 DNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Carnet Universitario . . . . . . . . . . . . . . . . . . . 9
1. DNI

Figure 1.1: DNI Jose Tomayro

2. Carnet Universitario

Figure 2.1: Carnet Jose Tomayro)

II
Actividad 1

3 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Solución propuesta . . . . . . . . . . . . . . . . . . 15

5 Experimentos realizados . . . . . . . . . . . . . 17

6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 21
 3. Introducción

Mediante Matlab se puede realizar la codificación necesaria para el cálculo del Error de cuantización,
en esta ocación se elvaorada dicho cálculo dependiendo previamente del tiempo de muestreo que
depende a su vez la cantidad de muestras a realizar; también observaremos la dependencia del
Error de cuantización ante la variacion de la cantidad de bits. Con todo lo explicado codificares en
Matlab la solución propuesta.
 4. Solución propuesta

Para la implementacion del conversor analogo digital emplearemos el software Matlab y poder
apreciar mediante las graficas el muestreo de una señal sensoidal de amplitud 1 para la conveniencia

Para el caso de calcular el error dependiendo unicamente del tiempo de muestreo vamos a considerar
el numero de bits constante en 3 bits.

Figure 4.1: muestreo de una señal senosoidal

Y para el caso de calcular el error dependiendo solamente del numero de bits se va considerar
una frecuencia de muestreo de 1kHz lo que correspondería a un tiempo de muestreo de 1ms entre
cada muestra.
16 Chapter 4. Solución propuesta

Figure 4.2: muestreo de una señal senosoidal con 8 bits

El Error de cuantización se puede calcular mediante la siguiente ecuación.

ErroQ = f (x) − f q(x) (4.1)

En base a esta ecuacion podemos partir calculando f (x) y f q(x) ambos dependeran de la cantidad
de bits y del tiempo de muestreo.
 5. Experimentos realizados

Para solucionar el problema se crea una funcion dentro de Matlab denominada funcionError,
meidiante esta funcion se ingresarán dos parametros, la cantidad de muestras, y el numero de bits.
La funcion de acuerdo a los argumentos de entrada calculará como la salida al error de cuantización.

El codigo de la funcion funcionError, para resolver el problema planteado es el siguiente.

Código en matlab de la funcion (funcionError)

f u n c t i o n [ SE ] = f u n c i o n E r r o r (N)
A = 1;
f s = 1000;
Ts = 1 / f s ;
Tm = Ts . / N ;
Tm2 = Tm / 1 0 ;
sumaError = 0;
f o r x = 1 : 1 :N
t = Ts * x . / N ;
y = (A/ 2 ) * s i n ( 2 * p i * f s * t ) + A / 2 ;

i f ( y > 0 ) & ( y <=(A / 4 ) )

fq = 0;
f = dec2bin ( 0 , 2 ) ;
e l s e i f ( y > (A / 4 ) ) & ( y <= (A / 2 ) )
fq= A/ 3 ;
f = dec2bin ( 1 , 2 ) ;
e l s e i f ( y > (A / 2 ) ) & ( y <= ( 3 * A / 4 ) )
f q = 2 *A / 3 ;
f = dec2bin ( 2 , 2 ) ;
18 Chapter 5. Experimentos realizados

e l s e i f ( y > ( 3 * A / 4 ) ) & ( y <= (A ) )

fq = A;
f = dec2bin ( 3 , 2 ) ;
end

for l =1:1:10
t 2 = t + Tm2* l ;
f e = (A/ 2 ) * s i n ( 2 * p i * f s * t 2 ) + A / 2 ;
e r r o r = fe − fq ;
sumaError = sumaError + e r r o r . ^ 2 ;
end

end
SE = s u m a E r r o r ;

t = 0 : Ts . / N: 2 * Ts ;
y = (A/ 2 ) * s i n ( 2 * p i * f s * t ) + A / 2 ;
z = (A/ 2 ) * s i n ( 2 * p i * f s * t ) + A / 2 ;
stem ( t , z )
hold ;
plot ( t ,y , ’ r ’)
g r i d on
end

El código nos entrega la gráfica del muestreo realizado de manera que podemos observar para
una frecuencia de 1000Hz consideremos el error para una cantidad de muestras de 20.

Figure 5.1: ploteo de la señal sinusoidal generada

La señal sinusoidal generada se observa en la figura 3.

El codigo de muestreo nos muestra la señal muestreada que en este caso será para una cantidad de
20 muestras. Tal y como lo muestra la figura 4.

El programa también nos permite apreciar la señal original y la señal muestreada para el caso
 19

Figure 5.2: Muestreo de la señal sinusoidal

de 3 bits, sin embargo a la hora de llamar a la funcion principal observaremos la grafica del Error
Vs frecuencia (Numero de muestras)

Figure 5.3: Señal original y señal muestreada

Codificamos para observar la grafica de Error vs tiempo de muestreo.

Para los cual abrimos un nuevo script y llamamos a la funcion creada como funcionError; esta
funcion se aplicara a un arreglo que contiene los valores de nuemros de muestra que van desde 20
hasta 50 y de acuerdo a la salida será guarada en otro arreglo. para al final poder plotear la grafica
que deseamos observar

El codigo que se emplea para obtener la grafica de esa señal se desarrolla en otro archivo,
siempre y cuando la funcionErrror permanezca en la misma carpeta y sea ejecutado antes del
programa principal, se podrá apreciar la grafica.

Código en Matlab del programa principal

20 Chapter 5. Experimentos realizados

% Tarea d o m i c i l i a r i a 2 − labo 1
% Tomayro C h e c c l l o j o s e

muestras = 20:1:50;
errores = funcionError ( muestras ) ;

stem ( muestras , e r r o r e s )
t i t l e ( " E r r o r e s Q Vs f r e c u e n c i a s " )
x l a b e l ( " Numero de M u e s t r a s " )
y l a b e l ( " Eq ( t ) " )

En la figura 6 podemos observar la tendencia del Error a disminuir cada que se aumenta la
frecuencia, es decir cada que el tiempo de muestreo es mas corto y por ende la cantidad de muestras
será mayor.

Figure 5.4: Grafica de Error Vs Frecuencia(Número de muestras)

 6. Conclusiones

El uso de la funcion de apoyo denominado funcionError es util para poder obtener los pares de
Error vs Frecuecia, y resulta de la misma manera para el Error Vs Cantidad de Bits.

En la grafica de la figura 6 se puede observar que El ErrorQ tiene la tendencia a disminuir de

manera acelerada cada que se incrementa la cantidad de muestras por frecuencia.

Para le muestreo cada que se emplena mayor cantidad de bits el error tiende a disminuir, ya que
al tener mayor cantidad de valores a los cuales referenciar las muestras se tiene mayor exactitud del
proceso de conversion.
III
Actividad 2

7 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 25

8 Solución propuesta . . . . . . . . . . . . . . . . . . 27

9 Experimentos realizados . . . . . . . . . . . . . 29

10 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 31

11 Referenciass . . . . . . . . . . . . . . . . . . . . . . . . 33

Bibliography . . . . . . . . . . . . . . . . . . . . . . . . 35
Books
Articles
 7. Introducción

El teorema de muestreo, conocido como teorema de Nyquist-Shannon, es un principio fundamental

en el procesamiento de señales. Este teorema establece las condiciones para realizar un muestreo
adecuado de una señal analógica y posteriormente reconstruirla de manera precisa. Fue formulado
por Claude Shannon y Harry Nyquist en la década de 1920. La esencia del teorema radica en la
relación entre la frecuencia de muestreo y la frecuencia máxima presente en la señal analógica.
Según el teorema, para evitar la pérdida de información al convertir una señal analógica en una
forma discreta (digital) mediante el muestreo, la frecuencia de muestreo debe ser al menos el doble
de la frecuencia máxima de la señal original. Esta frecuencia de muestreo mínima se conoce como
la frecuencia de Nyquist

Frecuencia de Nyquist:

El teorema establece que la frecuencia de muestreo debe ser al menos el doble de la frecuen-
cia máxima presente en la señal analógica para evitar la pérdida de información.

Evitar el Aliasing:

Al muestrear a una frecuencia inadecuada, pueden surgir fenómenos de aliasing, donde frecuencias
más altas se interpretan incorrectamente como frecuencias más bajas, generando distorsiones.

Reconstrucción de la Señal:

Para recuperar la señal original de manera fiel, es necesario seguir un proceso de reconstruc-
ción que utilice técnicas como el filtro antialiasing para eliminar componentes no deseadas antes de
convertir la señal de nuevo a su forma analógica.
 8. Solución propuesta

El teorema de Nyquist, propuesto por Harry Nyquist, establece una relación fundamental entre
la tasa de muestreo y la frecuencia máxima de una señal para evitar la pérdida de información al
realizar el muestreo. En esencia, sostiene que la frecuencia de muestreo debe ser al menos el doble
de la frecuencia máxima presente en la señal analógica para garantizar una reconstrucción precisa
al convertirla de analógica a digital. Este concepto es crucial para prevenir el aliasing y asegurar la
representación fiel de las señales en sistemas digitales.

Figure 8.1: teorema de Nyquist

 9. Experimentos realizados

Demostración del teorema de Nyquist.

Consideramos

Donde:
30 Chapter 9. Experimentos realizados

Notamos que:

Y considerando que

Finalmente tenemos
 10. Conclusiones

El teorema de Nyquist es el metodo mas adecuado al momento de realizar muestreos.

 11. Referenciass

Fernández, J. G. (2018). El teorema de muestreo y sus aplicaciones: memoria realizada por José
García Fernández; dirigido por Dr. Renato Álvarez Nodarse
Bibliography