Tratamiento de Imágenes
Paso 1 – Identificación de presaberes
Entregado a:
SANDRA MILENA GARCIA
Presentado por:
JOHN ALEXANDER MERCHAN CASTLLO
CODIGO: 80156004
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
INGENIERIA DE TELECOMUNICACIONES
BOGOTA
SEPTIEMBRE 2020
INTRODUCCION
Por medio de los presaberes abordaremos el proceso de identificación del
dispositivo por medio de los pasos como son preprocesamiento de
imágenes, procesamiento de imágenes, identificación de características,
implementación de clasificador, resultados y análisis de resultados,
además de esto es necesario tener claro conceptos como la diferencia
entre imagen análoga y digital, en que campos de aplicación se aplica el
tratamiento de imágenes, identificar la resolución y pixeles de una
imagen, conocer los tipos de número, de que se compone el RGB sus
capas y espacios, el HVS, histograma.
Por otro lado, es necesario implementar los códigos para ir conociendo
MATLAB en su aplicación de imágenes en este análisis se observaran las
capturas realizadas y solicitadas en la misma guía para identificar cada
una de las imágenes solicitadas.
OBJETIVOS
1. Identificar el proyecto a realizar en el curso por medio de los pasos
para identificación de la imagen.
2. Definir los conceptos necesarios para la aprender conceptos básicos
del tratamiento de imágenes.
3. Implementar los códigos que se usa en Matlab en la aplicación
image processing toolbox, para ejecutar en formatos RGB y HSV.
1. Actualización de perfil y presentación:
a) Actualizar el perfil con foto e información y realizar un aporte en el
foro con la evidencia.
b) Realizar aporte en el foro con información personal como:
Nombres, apellidos, correo, Skype, intereses de la asignatura y
semestre actual.
2. Resumen del proyecto final
a) Realizar lectura e investigación sobre el proyecto final. La investigación
debe contener información sobre los 6 pasos a seguir para la detección
del dispositivo, es decir, el estudiante debe realizar una breve
investigación de cómo se desarrolla cada uno de esos pasos. (Ver Anexo
2 -Proyecto Final). 2.
Nota: El aporte en el foro colaborativo debe ser en formato Word,
con la siguiente extensión: “ResumenProyecto_nombre
estudiante_Paso1”.
Teniendo en cuenta los diferentes dispositivos que conforman los sistemas
de comunicación, un equipo de investigación de la UNAD, está trabajando
con comunicaciones inalámbricas a través de ondas electromagnéticas.
Uno de los objetivos es crear un sistema de inteligencia artificial, que por
medio de procesamiento de imágenes pueda identificar si el dispositivo
que envío la señal fue un computador o un teléfono móvil.
Proyecto: Con el fin de realizar la identificación del dispositivo que envió
la señal, se deben cumplir los siguientes pasos:
1. Preprocesamiento de imágenes
Consiste en la manipulación, mejoramiento y extracción de información
de las imágenes naturales con el uso de computadoras digitales o bien
sea desde memoria o descarga de internet.
2. Procesamiento de imágenes
El objetivo de esta es mejorar el aspecto de la imagen y hacer mas
evidente los detalles que deseamos notar. El procesamiento de la imagen
se puede realizar por medio de métodos ópticos o digitales es decir por
una computadora.
El procesamiento digital de la imagen se realiza dividiendo la imagen en
un arreglo rectangular de elementos y cada elemento de la imagen
dividida se llama pixel. Se debe agregar un valor a la luminosidad
promedio de cada pixel, así la luminosidad de cada pixel son coordenadas
que indican su posición y definen completamente la imagen. La
representación de la imagen es una matriz donde las filas y las columnas
indican un punto especifico en la imagen.
3. Identificación de características
Se realiza por medio de algoritmos o plantillas la obtención de
características de las imágenes para luego compararlas y permitir que las
características de las imágenes sean comparables con las plantillas desde
luego con técnicas de computación al igual que si una figura tiene rotación
de 360° se hace un mayor esfuerzo en extraerlas. Los objetos están
representados como una colección de pixeles en una imagen
4. Implementación de clasificador
Un clasificador es un algoritmo que se usa para asignar un elemento de
entrada que no posee ningún tipo de etiqueta o clase a una categoría en
específico a partir de unas características extraídas.
Para llevar a cabo este proceso se debe realizar entrenamiento con la lista
de objetos con tipos conocidos y se deben tener objetos comunes y no
comunes.
Los algoritmos de clasificación se dividen en 4 grupos
Supervisados: aquí se conocen el número de clases y sus denominaciones
y trabajan sobre una información previamente suministrada.
No supervisados: no disponen de un reconocimiento de patrones conjunto
de entrenamiento y valiéndose de algoritmos de entrenamiento
intentando construirlo.
Semi supervisados: se usan técnicas de aprendizaje automático con datos
de entrenamiento que han sido previamente etiquetados como también
una cantidad de datos no etiquetados permitiendo la exactitud del
aprendizaje del sistema
Por esfuerzo: aprende que acciones realizar, dado el estado actual del
ambiente con el objetivo de maximizar la señal de recompensa numérica
es decir por medio de prueba y error.
5. Resultados
Posterior a los procesos de tratamiento de imágenes y las transiciones
que estas tuvieron para hacer más fáciles llegar el objetivo esto se
sometió a cambios de canal RGB a HVS, modificaciones de características
morfológicas, opening y detección de bordes y se logran obtener
exclusivamente todos los pixeles que conforma los objetos de acuerdo
con las características que queremos analizar.
6. Análisis de resultados
Al final ya después de encontrar resultados identificamos las imágenes tal
como se requiere demostrando por medio de estadísticas y resultados que
permite entregar la imagen.
3. Definición de conceptos: estudiando el libro guía, el estudiante
investiga de manera individual y da respuesta a las siguientes
preguntas teóricas:
a) ¿Cuál es la diferencia entre imagen análoga e imagen digital?
(Defina esta pregunta en 5 renglones máximo)
Imagen análoga: las imágenes quedan grabadas sobre una película
fotosensible y se revelen mediante un proceso químico.
La imagen análoga es superior es a nivel de dimensiones y distancias
moleculares.
Se puede ampliar y ampliar sin perder la nitidez.
El revelado se hace en total oscuridad, en papel fotográfico con
reveladores y fijadores.
Imagen digital: Se obtiene por un sensor que disponible de múltiples
unidades fotosensibles, donde la luz se convierta en una señal eléctrica y
se almacena en memorias.
El sensor optoelectrónico proporciona información digital de salida sobre
cada punto de la imagen es decir pixel, y la resolución esta data por es el
número de pixeles de anchura por altura.
Se puede ver inmediatamente en una pantalla. O imprimirla en una
impresora.
b) Investigue e indique 5 campos de aplicación que tiene el
tratamiento de imágenes. (Defina esta pregunta en 5 renglones
máximo)
1. Campo de la salud como ecografías, radiografías o tac
2. Campo de la investigación y biología: como microscopios
3. Campo de la meteorología: desde un satélite se puede apreciar los
cambios de la atmosfera, los vientos y demás aspectos.
4. Campo de la sismología: permite capturar imágenes de calor o
movimiento para establecer el lugar y la profundidad de la falla.
5. Campo Marítimo y aéreo: los radares permiten mostrarnos los
aviones o barcos que se encuentran en un lugar específico.
c) ¿Se tiene una imagen con resolución de 300 pixeles de alto y 200
pixeles de ancho, cuantos pixeles en total tiene la imagen? (Defina
esta pregunta en 1 renglón máximo)
300x200 =0.6 megapíxeles se multiplica el ancho por el alto y su unidad
es megapíxeles.
d) Indique cual es la definición de cada uno de los siguientes tipos de
número:
1) Unit8: enteros sin signo de 8 bits en el rango de 0,255
2) Unit16: enteros sin signo de 16 bits en el rango de 0,65535
3) Double: números de precisión doble en el rango aproximado de
−10308 𝑎 10308 . Si es una imagen con valores escalados lo habitual el
rango será 0,1. 8 bits por elemento.
4) Lógical: valores 0 o 1. 1 byte por elemento.
e) Seleccione cuál de las siguientes afirmaciones es correcta y explique
por qué:
1) RGB= rojo, gris y blanco
2) RGB= rojo, verde y blanco
3) RGB= rojo, verde y azul
4) RGB= verde, azul y gris
imágenes RGB son arrays de pixeles de color Red Green Blue.
f) Indique cuantas capas tiene un espacio de color RGB. (Defina esta
pregunta en 2 renglones máximo)
Tiene 3 capas compuesto por la escala de rojos, verdes y azules
g) ¿Qué espacio de color tiene las siguientes capas: matiz, saturación
y valor? (Defina esta pregunta en 1 renglón máximo)
En el espacio de color HSI los colores se distinguen unos de otros por su
tono, intensidad y saturación.
h) ¿Qué es histograma? (Defina esta pregunta en 5 renglones y anexe
una imagen)
Un histograma es una representación gráfica de una variable en forma de
barras, la proporción de la barra es igual a la frecuencia. Se utilizan para
estadísticas, sirve para la exposición grafica de números, variables y cifras
para una visualización más clara y ordenada. En el eje horizontal se
representan variables y en el eje vertical frecuencias.
4. Implementación de códigos (componente práctico): cada
estudiante debe realizar de manera individual la implementación
de los códigos que se encuentran en el Anexo 1. También debe
analizar los resultados obtenidos y crear los scripts que se
solicitan en el mismo anexo.
Implementación de códigos en software
1. Asegurarse de tener acceso al Software Matlab, se puede obtener
la licencia utilizando el correo institucional.
2. Leer tutoriales y observar los videos recomendados el entorno de
aprendizaje colaborativo de acuerdo al software Matlab, y presentar
sus inquietudes de ser necesario en el correo interno de su tutor.
• Indique para qué sirven los comandos clc, clear all y close all.
Clc: borra ventana de comandos
Clear all:borra las variables, pero también borra muchas otras cosas de
memoria como puntos de interrupción , variables persistentes y memoria
almacenada en cache.
Close all: cerrar todas las figuras
Nota: Como recomendación siempre utilice los 3 anteriores comandos
antes de empezar cada ejercicio.
3. Realice los siguientes pasos:
• Cree una carpeta en documentos con el nombre Tratamiento de
Imágenes
• El estudiante realizará el pre procesamiento de imágenes de sólo
una de las 5 imágenes que se presentan a continuación. (La
imagen será asignada y enviada por el tutor al comienzo de la
fase, por favor solicitar la imagen por correo interno a su tutor)
Nota: No puede trabajar con otra imagen que ya esté trabajando alguno
de sus compañeros. Si entrega el trabajo con otra imagen, este trabajo
tendrá calificación cero.
• Guarde la imagen en la carpeta creada anteriormente, póngale
el nombre imagen1 (Asegúrese de que la imagen quede
guardada en la extensión .jpg).
4. Desarrolle el siguiente código creando un Script y guardándolo
como “preprocesamiento” en el software Matlab. (Asegúrese de
estar trabajando en la carpeta que ya se ha creado)
Nota1: Si no está trabajando en la carpeta donde se encuentra la imagen
guardada, al realizar el código le saldrá error.
Nota2: Para que el código sea válido, debe tener una línea con su
nombre, año, periodo académico y semestre actual que esta cursando el
estudiante (según plan de estudios).
Clear all
Clc
Close all
%Nombre: John Merchan
%Año: 2020
%Periodo:1604
%Semestre:04
Explique cada línea de comando.
¿Qué hacen las funciones
• Imread: leer imagen del archive de gráficos
• Imshow: muestra la imagen en escala de grises
• rgb2gray: convertir imagen RGB O colores a escala de grises
• im2double: convertir imagen a doble precisión.
• imhist?: calcula el histograma en escala de grises.
• Analice cada imagen obtenida en este ejercicio.
• Explique cada línea de comando realizada.
>> Comunicacion=imread('imagen1.jpg'); // lee la imagen
>> figure // crea la ventana de la figura
>> imshow(Comunicacion) // muestra la imagen
>> GrayComunicacion=rgb2gray(Comunicacion);
// convertir imagen RGB O colores a escala de grises
>> figure; // crea la ventana de la figura
>> imshow(GrayComunicacion) // muestra la imagen
>> GrayComunicacion=im2double(GrayComunicacion);
//convertir imagen a doble precisión.
>> figure; // crea la ventana de la figura
>> imhist(GrayComunicacion) // mostrar arreglo en forma de
histograma de datos de imagen
• Analice cada imagen obtenida en este ejercicio.
Esta leyendo la imagen con nombre (imagen1.jpg)
convertir imagen RGB O colores a escala de grises
mostrar arreglo en forma de histograma de datos de imagen, además el
uso de tonos oscuros es de 0 a 0.48 donde 0 es un tono mas oscuro y el
blanco mas blanco entre 0.85 a 10 donde 10 es el blanco mas blanco.
En la vertical es la gama de colores usados para tener estas dos
tonalidades.
5. Desarrolle el siguiente código en el script creado anteriormente.
(Asegúrese de estar trabajando en la carpeta que ya se ha creado)
Nota1: Si no está trabajando en la carpeta donde se encuentra la imagen
guardada, al realizar el código le saldrá error.
Nota2: Para que el código sea válido, debe tener una línea con su
nombre, año, periodo académico y semestre actual que esta cursando el
estudiante (según plan de estudios).
Código para el espacio de color RGB (Red, Green, Blue o Rojo, Verde y
Azul)
Explique cada línea de comando realizada:
>> %%Espacio de color RGB
>> % Nombre: John Merchan
>> % Año: 2020
>> %Periodo: 1604
>> %Semestre: 04
>> ComponenteRojo=Comunicacion(:,:,1);
>> figure;
>>image(ComponenteRojo),colormap([(0:1/255:1)',zeros(256,1),zeros
(256,1)]),colorbar;
ComponenteRojo es la variable que se va a aplicar a la imagen.
Figure crea ventana de la figura.
Se expresa la imagen en todo rojo
>> ComponenteVerde=Comunicacion(:,:,2);
>> figure;
>>image(ComponenteVerde),colormap([zeros(256,1),(0:1/255:1)',zero
s(256,1)]),colorbar;
ComponenteVerde es la variable que se va a aplicar a la imagen.
Figure crea ventana de la figura.
Se expresa la imagen en todo Verde
>> ComponenteAzul=Comunicacion(:,:,3);
>> figure;
>>image(ComponenteAzul),colormap([zeros(256,1),zeros(256,1),(0:1/
255:1)']),colorbar;
ComponenteAzul es la variable que se va a aplicar a la imagen.
Figure crea ventana de la figura.
Se expresa la imagen en todo Azul
Analice cada imagen obtenida en este ejercicio:
Como podemos ver son tonos rojos del mas claro al más oscuro y se
evidencia en la barra que está a la derecha.
Esta imagen nos muestra solo tonos verdes del mas claro al más oscuro
y se evidencia en la barra de colores que está a su derecha.
Esta imagen muestra los tonos azules del más claro al mas oscuro y se
evidencia en la barra que está en la derecha.
6. Investigue cómo realizar el código para el espacio de color HSV y
realícelo en Matlab a la imagen que le fue asignada. (agregue el
código utilizado e imágenes obtenidas).
>> HSVComunicacion=rgb2hsv(Comunicacion) // cambiar la imagen
RGB A HSV
Figure; // crear el espacio de la imagen
imshow(HSVComunicacion) // mostrar imagen HSV
image(HSVComunicacion),colorbar; // mostrar imagen con barra de
colores.
Se puede apreciar el uso de tonos rojos, azules y un poco amarillos claro.
En el histograma se evidencia tonos oscuros azules, y combinación de colores
blancos muy pocos en la gráfica.
CONCLUSIONES
1. Las imágenes análoga y digital difieren en como se obtienen una de forma
química y otra por medio del lente digital.
2. El proyecto a realizar se compone de 6 pasos que iremos realizando paso a
paso y en primera instancia lo que realizamos fue hacer un preprocesamiento
de imágenes.
3. Las imágenes RGB son arrays de pixeles de color Red Green Blue.
4. Por medio del análisis de las imágenes se puede analizar que colores
se usan y como en las opciones de RGB y HSV.
BIBLIOGRAFIA
• Bovik, A. C. (2009). The Essential Guide to Image Processing (Vol.
2nd ed). Amsterdam: Academic Press, pp. 1 - 123. Recuperado
de http://bibliotecavirtual.unad.edu.co/login?url=http://search.eb
scohost.com/login.aspx?direct=true&db=nlebk&AN=249002&lang
=es&site=eds-live&scope=site
• Descripción, comparación y ejemplos de uso de las funciones de la
toolbox de procesado digital de imágenes. Proyecto fin de carrera
universidad politécnica de Madrid. Recuperado 05/09/2020
link:http://oa.upm.es/14016/2/PFC_EDUARDO_LAORDEN_FITER_
B.pdf
• Bovik, A. C. (2005). Handbook of Image and Video Processing
(Vol. 2nd ed). Amsterdam: Academic Press, pp. 4 - 12.
Recuperado
de http://bibliotecavirtual.unad.edu.co/login?url=http://search.eb
scohost.com/login.aspx?direct=true&db=nlebk&AN=214674&lang
=es&site=eds-live&scope=site
• Nixon, M. S., & Aguado, A. S. (2002). Feature Extraction and
Image Processing. Oxford: Newnes, pp. 542 - 600. Recuperado
de http://bibliotecavirtual.unad.edu.co/login?url=http://search.eb
scohost.com/login.aspx?direct=true&db=nlebk&AN=204193&lang
=es&site=eds-live&scope=site
• Espacios de Color RGB, HSI y sus Generalizaciones a n-
Dimensiones por Marco Antonio Alonso Pérez Tesis sometida como
requisito parcial para obtener el grado de DOCTOR EN CIENCIAS
EN LA ESPECIALIDAD DE ÓPTICA en el Instituto Nacional de
Astrofísica, Óptica y Electrónica Agosto 2009 Tonantzintla, Puebla:
recuperado 06/05/2020 link: file:///D:/SEMESTRE%2016-
04%202020/TRATAMIENTO%20DE%20IMAGENES/AlonsoPeMA.pd
f
• Angel Matinez Capítulo 3. Bases Teóricas, Digitalización y Análisis
de Imágenes, recuperado 07/09/2020 link:
https://www.seap.es/c/document_library/get_file?uuid=531cceca-
9c9f-4f58-8855-3229e8307924&groupId=10157
