Universidad Tecnológica de Tula -Tepeji

Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

U4 - Actividad 1 – Tratamiento de Imagenes

Mario Alberto León Atanacio ()

Emma Adarely Reyes Villeda ()
Jesus Alberto Vázquez Parcero ()

Universidad Tecnológica de Tula-Tepeji (1)

Resumen

En esta actividad se tratara una imagen en la cual por medio de las escala de gris se
identificaran los objetos de esta, eliminando el fondo de la imagen posteriormente se
extraerá solo los bordes de los objetos.

Palabras clave: Python, pandas, matplotlib. Tensorflow, keras.

Abstract

In this activity an image will be treated in which the objects of this will be identified by
means of the gray scale, eliminating the background of the image later only the
edges of the objects will be extracted.
.

Keywords: Python, pandas, matplotlib. Tensorflow, keras.

1. Introducción

1
Universidad Tecnológica de Tula -Tepeji
Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

¿Qué es el procesamiento de imágenes?

Es importante saber qué es exactamente el procesamiento de imágenes y qué papel juega

en el panorama general antes de sumergirse en él. El procesamiento de imágenes se
conoce comúnmente como procesamiento de imágenes digitales y el dominio más utilizado
es visión por computadora. No se confunda, hablaremos sobre estos dos términos y cómo
se conectan. Los algoritmos de procesamiento de imágenes y los algoritmos de visión por
computadora (CV) aceptan imágenes como entrada; sin embargo, en el procesamiento de
imágenes, la salida también es una imagen, pero en la visión por computadora, la salida
puede contener algunas características / información sobre la imagen

¿Por qué lo necesitamos?

Los datos que recopilamos o generamos son en gran parte datos sin procesar, es
decir, no son adecuados para su uso en aplicaciones directamente por varias
razones posibles. Por lo tanto, primero debemos analizarlo, realizar el
preprocesamiento necesario y luego utilizarlo.
Por ejemplo, supongamos que queríamos construir un clasificador de gatos. Nuestro
programa tomaría una imagen como entrada y luego nos diría si hay un gato en la
imagen o no. El primer paso para construir este clasificador fue recolectar cientos de
imágenes de gatos. Un problema común es que no todas las imágenes que
escribimos serán del mismo tamaño / dimensiones, por lo que antes de enviarlas al
modelo para el entrenamiento, tendríamos que redimensionarlas / preprocesarlas a
un tamaño estándar.
Esta es solo una de las muchas razones por las que el procesamiento de imágenes
es esencial para cualquier aplicación de visión por computadora.

2. Desarrollo

Importamos las librerías que necesitaremos

2
Universidad Tecnológica de Tula -Tepeji
Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

En esta parte cargamos la imagen a la cual se tratará, esta imagen debe de esta en la
misma carpeta en la cual se está realizado el código

Se declarara el tamaño del grafico de salida

# Declarar el tamaño del gráfico de salida
plt.figure(figsize=(16, 16))

En esta parte se empezara a tratar la imagen convirtiendo la imagen a escala de grises

# Convertir imagen a escala de grises
img_gs = cv2.imread('monedas.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imwrite('monedas.jpg', img_gs)

Se declarara la variable bordes para la detección de bordes por medio de canny

# Aplique el algoritmo detector de bordes astuto en la imagen para encontrar borde
bordes = cv2.Canny(img_gs, 100,200)

En esta parte muestra la imgen original la imagen con los objetos en gris y los bordes dando
como resultado correcto en el tratamiento de imagen.

3
Universidad Tecnológica de Tula -Tepeji
Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

3. Resultados
Imagen original

Tratamiento

4. Conclusiones

4
Universidad Tecnológica de Tula -Tepeji
Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

Conclusión Mario Alberto León Atanacio: Se puede decir que en la siguiente

actividad se trató la imagen correcta al eliminar el fondo de la imagen original
posteriormente extraer solo los objetos con la ayuda de la escala de grises y por
ultimo extraer el contorno de los objetos

Conclusión Emma Adarely Reyes Villeda ; Durante el desarrollo de esta práctica

pudimos poner en práctica lo aprendido durante las clases de programación avanza
con el conocimiento base de que es un red neuronal, un método de la inteligencia
artificial que enseña a las computadoras a procesar datos de una manera que está
inspirada en la forma en que lo hace el cerebro humano y como por medio del
entrenamiento podemos obtener resultados como los previos que analizamos, donde
vemos que mediante diversas librerías y los comandos que utilizamos se pudo crear
código un poco extenso con el cual pudimos hacer que una imagen pierda el color

Durante el desarrollo de la siguiente practica se

Conclusión Jesús Alberto Vázquez Parcero:
puso en práctica la extracción de bordes y objetos dentro de una imagen de igual
manera se puso en práctica todo lo visto en clase ya que con esta práctica se pone
en práctica sombre, las redes neuronales son otro medio creado por el hombre para
dar un nuevo Paso hacia la perfección, siempre buscando una forma de facilitar la
vida del Mismo, gracias a la implementación de máquinas más sofisticadas que
además de cumplir funciones mecánicas

5
Universidad Tecnológica de Tula -Tepeji
Modelos DeProgramaciónAvanzada
Catedrático José César Muñoz Domínguez

Referencias

codificandobits. (s.f.). codificandobits.com. Obtenido de codificandobits.com:

https://www.codificandobits.com/blog/tutorial-clasificacion-imagenes-redes-
neuronales-python/#introducci%C3%B3n
pharos. (s.f.). pharos.sh. Obtenido de pharos.sh: https://pharos.sh/introduccion-al-
procesamiento-de-imagenes-en-python-con-opencv/
#Por_que_lo_necesitamos

Autores

Autor 1. Emma Adarely Reyes Villeda. Técnico Superior Universitario y estudiante de

la carrera en Ingeniería de Mecatrónica Área automatización en la Universidad
Tecnológica Tula-Tepeji (uttt).

Autor 2. Jesus Alberto Vázquez Parcero. Técnico Superior Universitario y estudiante

de la carrera en Ingeniería de Mecatrónica Área automatización en la Universidad
Tecnológica Tula-Tepeji (uttt).

Autor 3. Mario Alberto León Atanacio. Técnico Superior Universitario y estudiante de

la carrera en Ingeniería de Mecatrónica Área automatización en la Universidad
Tecnológica Tula-Tepeji (uttt).