Scribd
Cargar
9 vistas8 páginas

Masterclass

El procesamiento de imágenes es una disciplina que aplica algoritmos a imágenes digitales para mejorar su calidad visual o extraer información útil. El documento detalla los fundamentos, técnicas de filtrado, segmentación y procesamiento de imágenes en color. Además, incluye un modelo de aprendizaje y pseudocódigo para la implementación en CPU y GPU.

Cargado por

ingenierias.desarrollo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
9 vistas8 páginas

Masterclass

El procesamiento de imágenes es una disciplina que aplica algoritmos a imágenes digitales para mejorar su calidad visual o extraer información útil. El documento detalla los fundamentos, técnicas de filtrado, segmentación y procesamiento de imágenes en color. Además, incluye un modelo de aprendizaje y pseudocódigo para la implementación en CPU y GPU.

Cargado por

ingenierias.desarrollo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd

Procesamiento de Imágenes

Ing. Fernando Benavides


PhD Inteligencia Artificial
04 de agosto de 2025
Introducción
El procesamiento de imágenes es una disciplina de la
informática y la ingeniería que consiste en aplicar
operaciones y algoritmos a una imagen digital. Su objetivo
principal es doble: mejorar la calidad visual de la imagen
011-
110

para que un ser humano pueda interpretarla mejor, o


extraer información útil de ella para que una máquina
pueda "entenderla" y tomar decisiones. En pocas palabras,
es la ciencia y tecnología que permite a las computadoras
"ver", manipular y analizar el mundo visual.
Corte I
• Fundamentos de imágenes digitales.
• Elementos de percepción visual
• La luz y el espectro electromagnético
• Muestreo y cuantización de imágenes
• Transformaciones de intensidad y filtrado espacial
• Transformaciones de intensidad y filtrado espacial
Corte II
• Fundamentos de filtrado espacial
• Filtros de suavizado (lowpass)
• Filtros de afilado (highpass)
• Combinación de métodos espaciales de
mejoramiento
• Transformaciones en el dominio de las frecuencias
• Muestreo y la transformada de Fourier de una
muestra.
• Transformada discreta de Fourier de una variable
Corte III
• Algunas propiedades de la DFT e IDFT en 2D
• Suavizado de imágenes usado filtros paso-bajos en el domino de las
frecuencias
• Filtros
• Segmentación de imágenes
• Detección de puntos, líneas y bordes
• Segmentación por crecimiento de regiones y por división y mezcla de regiones.
• Procesamiento morfológico de imágenes
• Erosión y dilatación
• Algunos algoritmos morfológicos básicos
• Procesamiento de imágenes en color
• Modelos de color
• Pseudocolor
• Fundamentos del procesamiento de imágenes en full-color
• Transformaciones de color
Modelo de aprendizaje

C1 C2 C3 P.F.
Lab + ACA (15%). Lab + ACA (15%). Lab + ACA (20%). Los mejores proyectos
Project F1 (15%). Project F1 (15%). Project F1 (20%). quedan con definitiva en
30% 30% 40% 5,0
// En el Host (CPU)
float *h_A, *h_B, *h_C; // Vectores en CPU
Pseudocódigo // ... inicializar h_A, h_B ...

// En el Device (GPU)
float *d_A, *d_B, *d_C; // Vectores en GPU
cudaMalloc(&d_A, size_in_bytes);
cudaMalloc(&d_B, size_in_bytes);
cudaMalloc(&d_C, size_in_bytes);
Muchas gracias
[Link]

También podría gustarte