Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abstract—
Index Terms—
I. I NTRODUCCI ÓN
II. F ILTRADO DE S E ÑALES M EDIANTE F ILTRO DE
V ENTANA M ÓVIL
A. Señal Sinusoidal
B. Señal de ECG
III. T RANSFORMACI ÓN E SPACIAL DE I M ÁGENES M ÉDICAS
A. Binarización de la Imagen
La binarización es una herramienta de procesamiento dig-
ital, donde convertimos una imagen con diversos niveles de
gris, a una imagen binaria, es decir, transformamos sus niveles
de intensidad en 0 y 255. Con esta técnica logramos separar
Fig. 1. Despliegue de Imagen RGB en MATLAB.
el fondo de la estructura de interés.
Existen 2 técnicas de binarización, métodos globales y
locales. En los métodos globales encontramos un umbral y
lo aplicamos a toda la imagen, entre estos se encuentran el
método global y el método Otsu. Por otra parte, con los
métodos locales obtenemos un umbral para cada pı́xel usando
los valores de sus vecinos, en esta categorı́a se encuentran el
método Niblack y Saovola [1].
En esta práctica utilizamos el método global, que lo pode-
mos definir matemáticamente con la expresión:
(
255 si f (x, y) < T
f (x, y) (1)
0 si f (x, y) > T
Aplicaremos esta técnica a la imagen de una célula, primer-
amente exportamos la imagen de interés al entorno de MAT-
LAB y con los comandos imread(), figure() y imshow() de-
splegamos la imagen almacenada en la variable que llamamos Fig. 2. Despliegue de Imagen en Escala de Grises en MATLAB.
celula. Como podemos observar en Fig. 1 la imagen está en
formato RGB, por lo que la convertimos a escala de grises
con el comando rgb2gray(), observando el resultado en Fig. 2 para recorrer individualmente cada pı́xel de la imagen, donde
y su histograma en Fig. 3. a cada uno le aplicamos (1) en forma de condicional del tipo
Ahora que tenemos la imagen de interés en escala de gris, if else, definiendo como nuestro umbral un nivel de gris igual
creamos una nueva variable vectorial vacı́a, con el nombre a 70. El resultado de la binarización es almacenado pı́xel por
celula2[], luego almacenamos las filas y columnas que com- pı́xel en la variable celula2 dentro del ciclo for.
ponen la imagen en las variables [M N] con el comando Por último, convertimos la variable celula2 al formato uint8
size(celula). Posteriormente, implementamos dos ciclos ”for” para desplegarla como imagen en una nueva figura, obteniendo
• O, es el pı́xel resultante (Output).
• I, es el pı́xel a ser modificado (Input).
• c, factor de escala.
• γ, valor de corrección gamma.
R EFERENCIAS
[1] B. Nieto, Técnicas de Procesamiento Digital de Imágenes y Re-
conocimiento de Patrones, Capı́tulo 2, Universidad de las Américas
Puebla, Mexico, pp. 11-13.
[2] Educative Inc, ”What is Gray Level Transformation?”, 2023,
[Online], Disponible en: https://www.educative.io/answers/
what-is-gray-level-transformation.
[3] I. S. Jacobs and C. P. Bean, “Fine particles, thin films and exchange
anisotropy,” in Magnetism, vol. III, G. T. Rado and H. Suhl, Eds. New
York: Academic, 1963, pp. 271–350.
[4] K. Elissa, “Title of paper if known,” unpublished.