Professional Documents
Culture Documents
Tratamiento de Imágenes
Tutor:
Presentado por:
Ingeniería en telecomunicaciones.
2021
Contenido
Introducción………………………………………………………………………3
Objetivos………………………………………………………………………4
Conclusiones: …………………………………………………………………….. 27
Referencias Bibliográficas………………………………………………………28 - 29
INTRODUCCION
En este trabajo se desarrollará la etapa 1 del curso la cual busca comprender las etapas por
las que pasa el proyecto del curso y los conceptos previos como lo es el espacio de color,
este informe busca contextualizar e identificar los presaberes necesarios para poder llevar a
cabo el proyecto final de forma correcta y cumpliendo con los requisitos establecidos en el
curso.
En este 1er trabajo entonces se recopilará tanto términos iniciales que nos introducen a el
-Comprender cada una de las etapas que conforman las etapas del curso.
-Implementar los códigos y analizar los resultados obtenidos y crear los scripts
evidencia.
2.Resumen del proyecto final: Realizar lectura e investigación sobre el proyecto final. La
investigación debe contener información sobre las 6 etapas a seguir para la detención del
Fuente:https://www.researchgate.net/figure/Figura-1-2-Ejemplo-de-la-modificacion-de-la-escala-de-grises-
a-Imagen-de-4-x-4_fig1_36720498
especificada en (b.)
Fuente:https://www.researchgate.net/figure/Figura-1-2-Ejemplo-de-la-modificacion-de-la-escala-de-grises-
a-Imagen-de-4-x-4_fig1_36720498
Es un proceso que consiste en eliminar el ruido de una señal. Existen técnicas de reducción
de ruido para audio e imágenes, cuyos algoritmos tienden a alterar las señales en mayor o
menor grado.
Fuente: https://es.wikipedia.org/wiki/Reducci%C3%B3n_de_ruido
Fuente: http://ocw.uc3m.es/ingenieria-de-sistemas-y-automatica/sistemas-
percepcion/material-de-clase-1/mc-f-05.pdf
-Realce de bordes
Bajo esta denominación pueden entrar todos los operadores que lleven a cabo operaciones
de filtrado paso alto, este nombre se reserva para operadores de tipo gradiente, es decir,
Fuente: https://www.lpi.tel.uva.es/muitic/pim/docus/Realce.pdf
Fuente: http://ocw.uc3m.es/ingenieria-de-sistemas-y-automatica/sistemas-
percepcion/material-de-clase-1/mc-f-05.pdf
-Imagen digital: Esta compuesta de un numero finito de elementos y cada uno tiene una
imagen o pixeles, siendo este ultimo el termino comúnmente utilizado para denotar la
que el expuesto anteriormente, con la salvedad de que cada elemento o pixel es descrito y
codificado de otra forma, para un espacio de color RGB se representa cada pixel como un
color creado a partir de ciertas cantidades de los colores rojo, verde y azul.
http://bibing.us.es/proyectos/abreproy/12112/fichero/Documento_por_capitulos%252F3_C
ap%C3%ADtulo_3.pdf
2.3. Identificación de características
-Variables del color: Estas existen gracias a la unión de matiz, luminosidad, tono y
saturación.
Fuente: https://www.definicionabc.com/wp-content/uploads/matices-450x200.jpg
referencia de matiz. Representa la cantidad de luz presente en un color, mas blanco o mas
negro, según sea el caso. Cuanto mayor es la luminosidad, mayor es la cantidad de luz en
Fuente: https://www.etiquetasenrollo.mx/wp-content/uploads/2016/10/luminosidad.gif
Saturación: Se refiere al grado de pureza de un color y se mide con relación al gris. Los
colores con menor saturación se muestran mas agrisados, con mayor cantidad de impurezas
http://bibing.us.es/proyectos/abreproy/12112/fichero/Documento_por_capitulos%252F3_C
ap%C3%ADtulo_3.pdf
Las tareas de clasificación que han resultado difíciles para los humanos realizar, resultan
mucho mas fáciles para redes neuronales que constantemente se reentrenan para mejorar su
shrink_1000_1488/0/1609129196680?e=1639008000&v=beta&t=4w0tWJeQXLQNSZ4T6
HLC5Z6fH9zIlBhdqGLY7T5Xq4o
Fuente: https://www.wolfram.com/language/12/machine-learning-for-images/train-a-
custom-image-classifier.html.es?footer=lang
2.5. Resultados
-Nivel técnico: Debemos considerar los aspectos técnicos de la cámara: enfoque, apertura
mas importantes que componen la historia? Hay que analizar la historia a nivel expresivo.
Fuente: http://aavi.net/blog/2016/04/07/como-se-lee-una-fotografia-el-analisis-de-la-
imagen/
2.6. Análisis de resultados
los coeficientes de ponderación de todas las neuronas para que se obtenga la respuesta
3.Definicion de conceptos:
renglones maximo)
Las imágenes análogas son todas aquellas que están compuestas por “granos” como
estructura base y utilizan películas fotosensibles y químicos de revelado, mientras que las
imágenes digitales están compuestas por “pixeles” como estructura base y captura la luz
tareas, para el control automatico aplicado en sistemas de robotica, para las técnicas de
imagen siendo estas aplicadas a las cámaras inteligentes y por ultimo para el procesamiento
de señal.
c)¿Se tiene una imagen con resolución de 300 pixeles de alto y 200 pixeles de ancho,
La resolución de una imagen es el numero de pixeles por pulgada que contiene (1 pulgada
= 2,54 centimetros). Cuantos mas pixeles (o puntos) haya por pulgada mas información
contendrá la imagen (mas precisa), por ejemplo, una resolución de 300 dpi significa que la
imagen contiene 300 pixeles de ancho y 300 pixeles de alto, por tanto, se compone de
Por tanto en una imagen de 300 pixeles de alto y 200 pixeles de ancho el total de pixeles es
de 60.000.
Fuente del punto 3.c: https://www.canson-infinity.com/es/faq/que-es-la-resolucion-de-una-
imagen
mayoría de las operaciones que manipulan matrices sin cambiar sus elementos están
definidas (los ejemplos son remodelación, tamaño, asignación, con subíndice y referencia
operaciones son ambiguas en el limite del conjunto (por ejemplo, podrían ajustarse o
truncarse allí).
datos. Por ejemplo, zeros(100,”uint16”) crea una matriz de 100 por 100 de ceros de tipo
uint16.
Si tiene una matriz de un tipo diferente, como doble o simple, puede convertir esa matriz en
simbólicos a precisión doble es útil cuando una función MATLAB no acepta valores
simbólicos. Para conocer las diferencias entre números simbólicos y de doble precisión,
Los valores complejos y los NaNs no se pueden convertir en valores lógicos y dan como
Fuente 3.d.1:
La opción correcta es la 3) RGB = rojo, verde y azul y se debe a que esta es la composición
del color en términos de la intensidad de los colores primarios de la luz. A su vez RGB es
un modelo de color basado en la síntesis aditiva, con el que es posible respresentar un color
Fuente e: https://es.wikipedia.org/wiki/RGB
f) Indique cuantas capas tiene un espacio de color RGB. (Defina esta pregunta en 2
renglones maximo)
Un espacio de color RGB particular esta definido por el rojo, verde y azuly puede producir
cualquier cromaticidad que sea el triangulo definido por esos colores primarios.
Fuente f: https://www.hisour.com/es/rgb-color-space-
24575/#:~:text=Un%20espacio%20de%20color%20RGB,definido%20por%20esos%20col
ores%20primarios.
g)¿Qué espacio de color tiene las siguientes capas: matiz, saturación y valor?(Defina esta
El Espacio de color HSV basado en tinte, matiz, tonalidad, saturación, brillo o valor.
Fuente g: https://www.ecured.cu/Modelo_HSV
h) ¿Qué es histograma?
El histograma es un gráfico en donde se nos permite usar barras, cuya altura dependerá de
la frecuencia de los datos, que corresponde al eje Y, mientras que en eje X podemos
observar la variable de estudio, en el grafico se nos muestra cómo se distribuyen los datos
4.Implementacion de códigos:
-Indique para que sirven los comandos clc, clear all y close all.
comandos, lo que le proporciona una “pantalla limpia”. Despues de usar clc, no puede usar
la barra de desplazamiento para ver el historial de funciones, pero aun puede usar la flecha
Fuente: http://www.ece.northwestern.edu/local-apps/matlabhelp/techdoc/ref/clc.html
CLEAR ALL: Se ocupa de borrar las variables, pero también borra muchas otras cosas de
Fuente: https://www.it-swarm-es.com/es/matlab/cual-es-la-diferencia-entre-clc-y-clear-all-
en-matlab/825346225/
CLOSE ALL: Elimina todas las figuras cuyos mangos no estén ocultos.
Fuente: https://www.it-swarm-es.com/es/matlab/cual-es-la-diferencia-entre-clc-y-clear-all-
en-
matlab/825346225/#:~:text=Tambi%C3%A9n%20eso%20close%20all%20se,la%20diferen
cia%20entre%20los%20dos%3F&text=clc%20se%20usa%20b%C3%A1sicamente%20par
a,(donde%20ejecutamos%20MATLAB%20comandos).
en el software Matlab
%Nombre:Diego Romero
-Linea del Nombre
% Año: 2021
-Linea del año
% Periodo: 16-04
-Linea del Periodo
Comunicacion=imread("imagen1.jpg");
-Lee la 1era imagen del archivo.
figure;
-Se añade el espacio para añadir la imagen.
imshow(Comunicacion);
-Muestra la imagen indexada seleccionada con el mapa de colores como
observamos en la imagen.
GrayComunicacion=rgb2gray(Comunicacion);
-Convierte la imagen seleccionada a la escala de grises.
figure;
-Se añade el espacio para añadir la imagen.
imshow(Comunicacion);
-Muestra la imagen indexada con el mapa de colores como observamos en la
imagen.
GrayComunicacion=im2double(GrayComunicacion);
-Convierte la imagen a la doble precisión.
figure;
-Se añade el espacio para añadir la imagen.
imhist(GrayComunicacion);
-Muestra un histograma de imagen el cual es un gráfico que muestra la
distribución de intensidades en una imagen indexada o en escala de grises.
-close all: Elimina todas las figuras cuyos controladores no están ocultos.
-imread: Comando que sirve para leer la imagen del archivo de graficos.
Fuente: https://www-mathworks-
com.translate.goog/help/matlab/ref/imread.html?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es-
419&_x_tr_pto=nui,sc
Fuente: https://www-mathworks-
com.translate.goog/help/matlab/ref/imshow.html?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es-
419&_x_tr_pto=nui,sc
Fuente: https://es-mathworks-
com.translate.goog/help/matlab/ref/rgb2gray.html?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es-
419&_x_tr_pto=nui,sc
Fuente: https://www-mathworks-
com.translate.goog/help/matlab/ref/im2double.html?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es
-419&_x_tr_pto=nui,sc
Fuente: https://la.mathworks.com/help/images/ref/imhist.html
5.Desarrolle el siguiente código en el script creado anteriormente
% Año: 2021
-Linea del año.
% Periodo: 16-04
-Linea del periodo.
ComponenteRojo=Comunicacion(:,:,1);
-Se nombra como componenterojo a la imagen que haremos uso.
figure;
-Se añade el espacio para añadir la imagen
image(ComponenteRojo),colormap([(0:1/255:1)',zeros(256,1),zeros(256,1)]),col
orbar;
-colormap: Establece el mapa de colores de la figura actual en el mapa de
colores especificado por map.
ComponenteVerde=Comunicacion(:,:,2);
-Se nombra como componenteverde a la imagen que haremos uso.
figure;
-Se añade el espacio para añadir la imagen.
image(ComponenteVerde),colormap([zeros(256,1),(0:1/255:1)',zeros(256,1)]),co
lorbar;
ComponenteAzul=Comunicacion(:,:,3);
-Se nombra como componenteazul a la imagen que haremos uso.
figure;
-Se añade el espacio para añadir la imagen.
image(ComponenteAzul),colormap([zeros(256,1),zeros(256,1),(0:1/255:1)']),col
orbar;
im = imread('imagen1.jpg');
-Se encarga de leer la imagen del archive de graficos.
imshow(im);
-Comando introducido para mostrarnos la imagen a manipular.
En la imagen obtenida observamos como la parte izquierda es el hue o el tono, en la parte
central esta la saturación o cantidad de color y por ultimo en la parte derechaesta el value o
brillo de la imagen.
Z = rgb2hsv(im);
-Comando con el cual se convierte los colores RGB a HSV
H = Z(:,:,1);
-Se coordina el 1er espacio de la imagen para mostrar a hue o el tono.
S = Z(:,:,2);
-Se coordina el 2ndo espacio de la imagen para mostrar la saturacion o
cantidad de color.
V = Z(:,:,3);
-Se coordina el 3er espacio de la imagen para mostrar el value o el brillo
de la imagen.
imshow([H,S,V]);
-Comando introducido para mostrarnos los 3 espacios de la imagen que
anteriormente habiamos coordinado.
Conclusiones:
En el transcurso de este proyecto se investigó sobre aquellas terminologías que van ligadas
ejercicios en Matlab, como también el cómo pese a los parámetros e instrucciones dadas en
el Anexo 1 se generaron errores al usar herramienta como parte del comenzar a entender el
En general el ámbito del procesamiento de imágenes en esta 1era actividad tuvo su enfoque
en conceptos previos al espacio del color y como por medio de la ejecución de técnicas
implementación de códigos.
comprobó que ejecutarlos en Matlab online, estos no presentaron ningún problema o error,
por lo que fue mas efectivo a la hora de realizar la actividad, obteniendo los resultados
esperados.
Referencias Bibliográficas
http://www.ece.northwestern.edu/local-apps/matlabhelp/techdoc/ref/clc.html
https://www.it-swarm-es.com/es/matlab/cual-es-la-diferencia-entre-clc-y-clear-all-en-
matlab/825346225/
https://www.it-swarm-es.com/es/matlab/cual-es-la-diferencia-entre-clc-y-clear-all-en-
matlab/825346225/#:~:text=Tambi%C3%A9n%20eso%20close%20all%20se,la%20diferen
cia%20entre%20los%20dos%3F&text=clc%20se%20usa%20b%C3%A1sicamente%20par
a,(donde%20ejecutamos%20MATLAB%20comandos).
de: http://hdl.handle.net/10596/23302
https://www.researchgate.net/figure/Figura-1-2-Ejemplo-de-la-modificacion-de-la-escala-de-grises-a-Imagen-
de-4-x-4_fig1_36720498
https://www.lpi.tel.uva.es/muitic/pim/docus/Realce.pdf
https://es.wikipedia.org/wiki/Reducci%C3%B3n_de_ruido
http://bibing.us.es/proyectos/abreproy/12112/fichero/Documento_por_capitulos%252F3_C
ap%C3%ADtulo_3.pdf
https://www.linkedin.com/pulse/clasificador-de-imagenes-juan-
sosa?trk=read_related_article-card_title
https://media-exp1.licdn.com/dms/image/C5612AQFvR8nmqBMiGA/article-inline_image-
shrink_1000_1488/0/1609129196680?e=1639008000&v=beta&t=4w0tWJeQXLQNSZ4T6
HLC5Z6fH9zIlBhdqGLY7T5Xq4o
Fuente: https://www.wolfram.com/language/12/machine-learning-for-images/train-a-
custom-image-classifier.html.es?footer=lang
https://www.um.es/geograf/sigmur/temariohtml/node74.html
https://eprints.ucm.es/id/eprint/9773/1/Memoria.pdf
https://www.canson-infinity.com/es/faq/que-es-la-resolucion-de-una-imagen
https://es.wikipedia.org/wiki/RGB
https://www.hisour.com/es/rgb-color-space-
24575/#:~:text=Un%20espacio%20de%20color%20RGB,definido%20por%20esos%20col
ores%20primarios.
https://www.ecured.cu/Modelo_HSV
https://la.mathworks.com/help/matlab/ref/rgb2hsv.html