CLASIFICACIÓN DE IMÁGENES

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CLASIFICACIÓN DE IMÁGENES"

Transcripción

1 CLASIFICACIÓN DE IMÁGENES Cesar Juárez Megías I.T.T. Imagen y sonido Carlos III de Madrid OBJETIVO. El objetivo principal de nuestro programa se basaría en la clasificación de imágenes de varias categorías diferentes. Para ello nos basaremos en la forma, color, luminosidad, etc de las imágenes, usando así algunos de los algoritmos vistos de teoría a través de un programa implementado en MATLAB desarrollado por nosotros. HERRAMIENTAS UTILIZADAS PARA EL DESARROLLO DE LA APLICACIÓN. Para llevar a cabo el desarrollo de la aplicación utilizaremos el programa MATLAB, que es un entorno de desarrollo de aplicaciones orientado a realizar cálculos matemáticos elevados y la visualización de los mismos. La elección de este programa está basada en que las imágenes no dejan de ser matrices sobre las que debemos realizar unos cálculos concretos, por lo tanto sería un entorno de desarrollo totalmente adecuado para la aplicación a desarrollar. Además la implementación de nuestro clasificador va a resultarnos fácil y será sencilla de entender a cualquier usuario que desee comprobar su funcionamiento. PALABRAS CLAVE. Imágenes, clasificación, extracción de características, procesamiento 1.- INTRODUCCIÓN. La clasificación de imágenes es un procedimiento utilizado en cartografía, astronomía, diagnósticos médicos, etc. Este procedimiento, se basará en la extracción de ciertas características comunes en una categoría de imágenes, para su posterior clasificación en una de las distintas clases posibles. El proceso de extracción de características estará orientado a la manipulación de imágenes digitales. Hay características que no percibimos a primera vista, pero que están implícitamente dentro de las imágenes con las que trabajaremos, para ello utilizaremos técnicas de minería de datos, que extraen dicha información. Jessica Serrano Cita I.T.T. Imagen y sonido Carlos III de Madrid 2.- CLASIFICACION DE IMÁGENES. A continuación detallaremos los pasos a seguir para realizar de forma completa una clasificación de imágenes. Adquisición y procesado Evaluación Extracción características Etapa de clasificación Adquisición y procesado. En este bloque introducimos todas las imágenes que queramos clasificar, independientemente de las categorías con las que estamos trabajando, es decir, el sistema nunca conocerá de forma cierta la categoría a la que pertenecen cada una de las imágenes de entrada; se comporta de una forma ciega. Cada imagen es tratada como una matriz de dos dimensiones (x e y) para cada una de las componentes RGB, o una sola matriz (x y) para las imágenes en escala de grises. Para la extracción de algunas de las características deberemos convertir la imagen de color a escala de grises, como por ejemplo para la extracción de características que requieren el uso del histograma. Cada uno de los componentes de la matriz será el valor de la intensidad de un punto de la imagen, o también denominado píxel. En matlab, usaremos datos de tipo double con lo que deberemos convertir la matriz de coeficientes de las imágenes cargadas a este tipo Extracción de las características y almacenado. El siguiente bloque de nuestro clasificador es el encargado de la extracción y el almacenado de las características de cada una de las imágenes de entrada. Es uno de los pasos más importantes de nuestra aplicación, ya que a partir de la correcta extracción de dichas características podremos posteriormente clasificarlas de forma adecuada y sin demasiados errores en una u otra clase. Bloque de entrenamiento

2 EXTRACCIÓN DE CARACTERÍSTICAS. Antes de ponerse a programar debemos analizar cada una de las categorías que tendremos que clasificar después. Observaremos sus características propias, y visualizaremos cuáles son distintas en ambos grupos de imágenes, para así poder decidir a cuál clase se parece más. Las características de las imágenes pueden ser de varios tipos, como por ejemplo: número de líneas horizontales y verticales, colores típicos, texturas, uniformidad, etc. En el caso que hemos implementado las dos categorías seleccionadas son minaretes (torres) y candelabros, y las características seleccionadas son el color y la entropía. anteriores para obtener un margen de marrón similares a los que podríamos encontrar dentro de esa categoría. 140<ROJO< <VERDE<165 90<AZUL<145 - Color blanco: tras muchas pruebas de distintos colores, comenzamos a probar colores que no se visualizaban de forma directa en las imágenes, pero que influyen en el color que el ojo percibe. Los umbrales que definen los distintos tonos de blanco que nos interesan en este caso son: 242<ROJO< <VERDE< <AZUL<254 Para calcular el nivel de blanco en la imagen seguiremos estos pasos: Comprobaremos si la imagen tiene las tres componentes RGB mediante la función size, que nos devolverá un vector con tres componentes, alto, ancho y número de dimensiones (L). Si L es 3 la imagen será del tipo RGB, y si es 1, la imagen estará en escala de grises. A continuación, una vez comprobado que la imagen tiene las tres dimensiones (es decir, que L=3) separamos cada una de las componentes de color para cada pixel: imagencolorrojo(i,j) = imagencolor(i,j,1); imagencolorverde (i,j) = imagencolor(i,j,2); imagencolorazul (i,j) = imagencolor(i,j,3); - COLOR Sin duda esta características es la que más problemas puede darnos a la hora de clasificar, ya que puede que sea evidente que haya un color predominante en la imagen, pero al basarnos en rangos para definir un color, puede que haya otro, que esté compuesto por valores próximos a ese rango y nos modifique la decisión del clasificador. Cada vez que se ha realizado una prueba hemos modificado los umbrales para comprobar qué color estaba en mayor proporción dentro de cada una de las categorías; por lo que hemos llegado a la conclusión de que las torres contienen nivel de color blanco que los candelabros. Para la extracción del color nos basamos en los distintos rangos que tiene cada uno de los colores en sus tres componentes RGB. Estos rangos podrán tomar valores comprendidos entre 0 y 254 (siendo el 0 la ausencia de esa componente y 254 el máximo valor que esa componente puede tomar). Los colores con los que hemos probado han sido: - Color azul: la mayor parte de las imágenes de torres están tomadas en el exterior, por lo que el azul del cielo predominaría en el fondo de la imagen. Los umbrales del color azul son: 100<ROJO< <VERDE< <AZUL<254 - Color tierra: las torres tienen un tono característico marrón claro, por lo que modificamos los umbrales Donde imagencolor, es la imagen cargada en ese momento, i y j serán los índices de los bucles usados para recorrer la imagen pixel a pixel. - Una vez obtenida la componente de color, marcamos un umbral que contendrá el color que nos interesa conseguir (en este caso el blanco) con la sentencia: if((imagencolorrojo(i,j)<254) (imagencolorrojo(i,j)>242) (imagencolorverde(i,j<242) (imagencolorverde(i,j)<254) (imagencolorazul(i,j)>240) (imagencolorazul(i,j)<254)) Crearíamos por tanto otra condición en la que impondremos que los pixeles que tengan un valor por componente dentro del rango calculado se quedarán tal y como están, mientras que cuando no se cumpla la condición pasarán a tener un valor nulo (0). Actualizamos la imagen para que nos aparezcan los píxeles que nos interesan (cada una de las componentes imagencolorrojo, imagencolorazul e imagencolorverde, sobrescribe los valores anteriores de esa componente en la imagencolor), por lo que observaremos una imagen en la que destacarán los píxeles del color que queremos, en este caso aparecerá el negro (correspondiente a los valores nulos) y el blanco. Recorremos la imagen para realizar el conteo de los píxeles negros, para posteriormente, conociendo el número de píxeles totales, podamos obtener el

3 número de píxeles del color que estamos estudiando. Para terminar, almacenamos el nivel de color en la matriz de características asociada a las imágenes de cada categoría. - ENTROPÍA Es el grado de incertidumbre que existe en cualquier proceso aleatorio. En nuestro caso podremos definirlo como la cantidad de desorden que contiene nuestra imagen. En el caso que nos corresponde estudiar, usaremos el histograma de la imagen en escala de grises (mediante la función imhist) y podremos definir la entropía como el sumatorio del valor obtenido en dicho histograma, multiplicado por el logaritmo en base dos del mismo valor más un valor muy pequeño, denominado eps. Este valor se suele utilizar cuando el valor al cual le aplicaremos el logaritmo es muy pequeño. La expresión de la entropía será: entropía = -sum(p.*(log2(p+eps))); Existen muchas más características que podrían ser útiles a la hora de la clasificación de imágenes, como por ejemplo: - UNIFORMIDAD Nos indica la poca variación que hay dentro de una imagen. Esta característica se calcula a partir del histograma de cada una de las imágenes en escala de grises. Almacenamos este valor en una variable para su posterior uso. La suma de todos los valores que hemos almacenado en la variable anterior al cuadrado nos dará el valor de la uniformidad. Nos basamos en la imagen en escala de grises. Para obtener el número de líneas horizontales, definimos un filtro detector de bordes horizontales y se lo aplicamos a la imagen. El filtro definido es el siguiente: fitro = [1 2 1; 0 0 0; ]; Un ejemplo de la imagen que obtenemos, una vez aplicado el filtro es la siguiente: Binarizamos la nueva imagen y realizamos el cálculo del número de líneas, mediante la función strel; previamente, hemos definido el elemento estructurante, en este caso líneas (line). Usamos la función imerode para llevar a cabo la erosión y posteriormente la función bwlabel, para unir de nuevo las líneas que se han fragmentado, que es lo que hará que nos quedemos únicamente con las líneas, para realizar posteriormente el conteo mediante la función bweuler, que nos devolverá el valor que buscamos. - NUMERO DE LINEAS VERTICALES Es el mismo caso que el parámetro anterior, salvo que usaremos un filtro detector de bordes verticales: filtro = [0 0 0; ; 0 0 0]; - SUAVIDAD Sirve para detectar aquellas imágenes que son más lisas que otras. La suavidad tendrá un valor más bajo para imágenes con una rugosidad más alta. Al comparar una categoría con otra, la de mayor suavidad será la que tenga un valor más alto (o más baja rugosidad). Para calcular la suavidad, necesitamos obtener antes el tamaño de la imagen, mediante la función size. Utilizamos también la imagen en escala de grises. Obtenemos la varianza de cada una de las imágenes para posteriormente calcular la suavidad mediante la fórmula: suavidad = 1-(1/(1+varianza)); - NUMERO DE LINEAS HORIZONTALES Esta característica es algo abstracta a la vista de cualquier observador, ya que no podemos diferenciarla a simple vista, sino que necesitamos realizar un filtrado de la imagen para poder obtener cierta información; por lo cual, esta es una característica en la que no se piensa en un principio. - NUMERO DE LINEAS (HOUGH) Podemos calcular el número total de líneas a partir de la transformada de Hough. Binarizamos la imagen y le incluimos como parámetro un método ya predeterminado denominado canny, que busca los máximos de gradiente encada una de las imágenes; el gradiente lo calcularíamos mediante la derivada de un filtro gaussiano. Utilizamos este parámetro, y no otro, porque tiene mayor inmunidad frente al ruido. A continuación, definimos un vector donde recogeremos la información de la transformada de Hough, y que a su vez contendrá el ángulo de cada una de la columnas de la transformada y los valores de rho de cada una de la filas de la transformada. Marcamos un umbral, en el que indicaremos un

4 número orientativo de líneas, como puede ser 125. Llamamos a la función houghpeaks, que detecta los ejes que hay en la matriz obtenida anteriormente a partir de la transformada Hough, pasándole como parámetros: la matriz de la transformada Hough, el número de líneas y un umbral máximo, a partir del cual se suprimirán los píxeles vecinos. Para terminar definimos un parámetro (numerodelineas) que nos vaya almacenando el tamaño p (ejes), que más tarde nos servirá para la clasificación. - OTRAS CARACTERÍSTICAS Otra característica interesante habría sido el número de círculos. Para ello se utilizaría la imagen binarizada, con la función im2bw. Definiríamos el radio del círculo (radio de los elementos que querríamos encontrar) y para finalizar, utilizaríamos la transformada de Hough para encontrar los círculos mediante la función houghcircle. ALMACENAMIENTO Una vez que extraemos todas las características, se almacenan en una matriz. A continuación la matriz de características se divide en dos submatrices dejando algo más de la mitad de los valores para el bloque de entrenamiento y el resto para el test (evaluación). Generalmente suele rondar en torno al 65% para entrenamiento y el 35% para el test, aunque en ocasiones se utiliza también los porcentajes 75 / 25%, dependiendo de cómo queremos que esté entrenado nuestro sistema, aunque tendremos en cuenta que no esté sobreentrenado, ya que esto iría en contra de generalizar y hacer más fácil la solución sencilla al problema propuesto Bloque de entrenamiento. En este caso, el clasificador utilizado ha sido el de mínima distancia, teniendo en cuenta que los resultados obtenidos no van a ser buenos, realizaremos un entrenamiento previo del mismo a partir del cual obtendremos un parámetro que nos servirá para llevar a cabo la clasificación de las imágenes en cada categoría. Calculamos los centroides obteniendo la media de la característica asociada a cada una de las categorías de imágenes; de esta forma, nos permitirá tener una mayor precisión a la hora de clasificar las imágenes introducidas. Para sacar los centroides, utilizaremos la submatriz de características de entrenamiento definida anteriormente. Una vez obtenidas las medias, las almacenamos en un vector de medias para ser utilizado en el bloque de clasificación. Para tener una idea visual de lo que estamos realizando en el bloque de entrenamiento, obtenemos la gráfica de distribución de características, dibujamos los centroides y la frontera de decisión para saber a qué categoría pertenecería la imagen según esté en una región u otra Etapa de clasificación. Al tratarse de un clasificador de mínima distancia, calcularemos las distancias entre las características de las imágenes de entrada y cada uno de los centroides que habíamos calculado en el bloque de entrenamiento. Una vez calculadas las distancias, comprobamos cuál de las dos es menor, y por lo tanto a qué categoría de imágenes pertenece. Realizamos la siguiente comparación: Si la distancia al centroide 1 es mayor que la distancia al centroide 2, la categoría a la que pertenece la imagen estudiada es la 2; en otro caso, será la 1. Para no tener fallos a la hora de hacer el balance de aciertos y errores, le damos un valor concreto a cada una de las categorías, como pueden ser 0 para la categoría 1 y 1 para la categoría 2, de esta forma, para saber cuántas veces ha clasificado la imagen de la categoría 1 tan sólo nos basta con hacer un sumatorio (sabiendo el número total de imágenes que hemos incluido en el clasificador). Las imágenes de entrada a este bloque serán las submatrices de entrenamiento y test de cada categoría Evaluación del clasificador. Este es el bloque final de nuestro clasificador, y es donde podemos llevar a cabo una evaluación de la eficiencia de nuestro programa. Obtenemos una matriz de confusión, la cual nos indicará cómo de bueno o malo es el clasificador que hemos implementado. La matriz de confusión tiene dimensión 2x2 y los valores que nos interesan son los de la diagonal, cuanto más altos sean con respecto a los demás, mejores resultados obtendremos en la clasificación. Dentro de la matriz de confusión: La primera fila se referirá a la categoría 1; el primer término de la fila nos indicará las imágenes que ha clasificado correctamente frente

5 al número total de imágenes que tenía la categoría 1 y el segundo término en cuales ha fallado. La segunda fila se referirá a la categoría 2; el primer término se referirá a las imágenes que ha clasificado mal con respecto al número total de imágenes de la categoría 2 y el segundo término nos indicará el número de imágenes que ha clasificado correctamente. Haremos una evaluación de las imágenes de entrenamiento y otra de las imágenes de test, obteniendo mejores resultados en la evaluación de las imágenes de entrenamiento por lo general, ya que son las que hemos utilizado en el bloque de entrenamiento por lo que el molde está hecho a su medida. Tabla de evaluación del clasificador TASA DE ERROR TASA DE ACIERTO Imágenes de Entrenamiento (33 57%) (66 43%) Tabla de eficiencia del clasificador IMÁGENES BIEN CLASIFICADAS IMÁGENES CLASIFICADAS ERRONEAMENTE Imágenes de Entrenamiento Imágenes de Test (30 26%) (69 74%) Imágenes de Test 95/143 53/76 48/143 23/ CLASIFICACION DE IMÁGENES Vs. INTELIGENCIA ARTIFICIAL (algoritmos de búsqueda) En este apartado tratamos de buscar similitudes entre los algoritmos y métodos usados en la implementación del programa y los estudiados en la asignatura. Observamos que nuestro sistema será un sistema basado en conocimiento, ya que necesitamos conocer el tipo de problemas que tenemos entre manos antes de llevar a cabo el programa de clasificación. Separaremos el conocimiento que codificamos en la máquina y los mecanismos deductivos (motor de inferencias). Para realizar un programa de estas envergadura necesitaremos que un experto en el tema (en este caso nosotros) nos ponga al día de todos los posibles métodos que existen para ello, a los cuales recurriremos más tarde para implementar el sistema que permita la clasificación de las imágenes. Nuestro motor de inferencias será la extracción de características para compararlas con las medias almacenadas que será nuestra base de conocimientos. Observamos, a su vez, un razonamiento lógico, ya que obtenemos una conclusión (la imagen es de tal o cual categoría) mediante unas premisas (se parece más a esta característica que a esta otra). Cuando tratamos la imagen, vemos que si no pertenece a una categoría, es obligatoriamente de la otra, ya que en nuestro sistema solo disponemos de dos grupos de imágenes posibles. Este tratamiento de las imágenes es claramente un mecanismo más del razonamiento lógico. Vemos también una serie de indicios que nos llevan a deducir que el sistema implementado tiene a su v ez algunos rasgos claros del razonamiento bajo incertidumbre, ya que si lo pensamos detenidamente, percibimos proposiciones imprecisas, puesto que las variables no se pueden determinar con exactitud (siempre quedan dudas de si la decisión tomada es la correcta o no lo es). Podemos en algunos casos, implementar un sistema parecido al que nosotros hemos desarrollado que contenga una teoría de la evidencia, que mejore nuestro programa (si con una de las características no es capaz de resolver la decisión, puede apoyarse en la otra para solucionar este problema). Cuando estudiamos Clips, nos dimos cuenta de que nuestra aplicación se asemejaba también a algunos aspectos de este tema. Cada característica extraída es un patrón, y nuestro motor de inferencias (la observación de estos patrones con las medias sacadas de los bloques de entrenamiento) es capaz de emparejar la lista de hechos (la imagen tiene tanta cantidad de la característica i) con los patrones de las reglas (el centroide de la característica i está en tal o cual posición). Evaluaremos los patrones, con funciones booleanas de comparación numérica y lógicas, para realizar varias cosas en nuestro sistema, como decidir si los valores de un pixel está o no en los niveles de blanco definidos. Otro de los temas tratados en clase y en nuestro programa es el aprendizaje. Usaremos un sistema que no produzca sobreentrenamiento, ya que si nuestra aplicación se ajusta demasiado a los datos de entrenamiento no será capaz de decidir de forma correcta si le introducimos posteriormente los datos de test. El agrupamiento es otro de los contenidos del tema de aprendizaje que somos capaces de observar en nuestro trabajo; identificaremos grupos de datos en cada una de las características, ya que siempre tendrán valores muy separados si se trata de imágenes de una categoría o de la otra. La técnica que usa el agrupamiento de los datos en una u otra región la realizaremos mediante la media (centroides). La idea básica del tema de aprendizaje es que nuestro sistema es capaz de aprender, mediante unas imágenes de entrenamiento, para posteriormente evaluar el sistema, mediante las imágenes de test.

6 El bloque de conocimientos más importante de la asignatura es también el que más se asemeja a la forma de trabajar que tiene nuestro sistema, la minería de datos. Observamos que el proceso básico de minería de datos es más o menos igual que el que usamos nosotros en nuestro sistema: Tenemos una base de datos, que en nuestro caso será cada una de las categorías que comprenden las imágenes que vamos a estudiar. Seleccionamos los datos que necesitamos de esta base, y le realizamos un preprocesado. A continuación seleccionamos las características que necesitamos y las extraemos. Como último paso, evaluamos e interpretamos los resultados obtenidos, obteniendo así un modelo de conocimiento, que será el saber distinguir entre una categoría u otra. La metodología llevada a cabo en nuestra aplicación es también la misma que en la minería de datos: Lo primero es comprender el ámbito en el que nos estamos moviendo. Este proceso se realiza siempre bajo la supervisión y el consejo de personas expertas en el tema que estemos tratando en ese momento, en este caso la clasificación de imágenes. Posteriormente, observamos los datos que tenemos, en nuestro caso las imágenes y comprendemos sus características, para luego poder tratarlas de la forma correcta. Una vez hecho esto, podemos pasar al preprocesado de datos, en el que los ajustaremos para trabajar posteriormente con ellos. Este apartado lo iremos realizando a la vez que el modelado, ya que idear el sistema consiste también en probar distintos algoritmos y prestar atención a los resultados obtenidos, posteriormente observar si nuestra aplicación necesita cambios o está correctamente implementada. Cuando ya tenemos el modelo realizado, debemos evaluarlo, de esta forma, comprobaremos el correcto funcionamiento del sistema, si es así, ya tendremos el programa totalmente desarrollado. La parte de minería de datos que trataremos para realizar la extracción del conocimiento, serán las técnicas descriptivas, que tratarán de describir un conjunto de datos, pero también podríamos enmarcarla en técnicas predictivas ya que lo que pretendemos es estimar un valor de salida (una conclusión determinada, la cuál nos dará información sobre el proceso de clasificación). La clasificación se realizará mediante mínimas distancias, es decir, observaremos la característica de la imagen que estemos tratando en ese momento y la compararemos con las medias almacenadas; así podremos decidir a cual se parece más, es decir, de cual característica está más cerca. Realizaremos también una segmentación de los datos para posteriormente tratarlos de forma más eficiente, en nuestro caso trataremos por separado los bloques de entrenamiento y de test. CONCLUSIÓN Nuestro sistema está profundamente relacionado con varios conceptos de la inteligencia artificial, y podemos asemejarlo a muchos temas dados en la asignatura. La realización de este programa nos ha servido para darnos cuenta de que la mayor parte de las veces, los sistemas implementados para dar una solución a un problema siguen siempre el mismo patrón: Adquisición y preprocesado de los datos. Elección y extracción de las características para realizar un modelo general. Clasificación de unos datos de entrada y evaluación del sistema. 4.- BIBLIOTECA DE FUNCIONES UTILIZADAS EN MATLAB imread = función utilizada para leer las imágenes de un determinado archivo rgb2gray = convierte las imágenes RGB a escala de grises, eliminando el matiz y la saturación de la información, manteniendo la luminancia tmhist = muestra el histograma de datos de la imagen size = tamaño (dimensión) de la imagen strel = crea el elemento estructural morfológico imerode = erosiona la imagen con el elemento estructural que hemos definido con la función strel bwlabel = encargada de conectar las componentes de la imagen binaria que hemos previamente hemos erosionado bweuler = obtenemos el número de elementos que hayamos definido en la imagen. im2bw = función utilizada para binarizar una imagen houghcircle = transformada de hough utilizada para encontrar círculos 5.- REFERENCIAS [1] Apuntes asignatura Tratamiento Digital de Imágenes, tercer curso de I.T.T. Sonido e Imagen, Jesús Cid [2] Tratamiento digital de imágenes, apuntes de I.T.T. Sonido e Imagen de la Universidad de Málaga, Fº Navas Herrera, Enrique Nava Baro [3] Recurso didáctico de tratamiento digital de imátenes, José J. Grimaldos [4] Curso de doctorado de tratamiento digital de imágenes, Rafael Palacios [5] Wikipedia, procesamiento digital de imágenes al_de_im%c3%a1genes

7 [6] Apuntes de vision artificial, Universidad Politécnica de Madrid, Carlos Platero ica/apuntesva/cap3procesadoimagv1.pdf ica/apuntesva/cap5vasegmentacion.pdf [7] Procesamiento digital de imágenes, Facultad de agronomía _proc_dig.pdf [8] Apuntes análisis de imágenes de la Universidad de Alcalá INF/sva/t7-analisis.pdf [9] Introducción a la Toolbox de Procesado de Imagen TELECO/lce/image_toolbox.pdf [10] Prácticas segmentación de imágenes de la Universidad Politécnica de Madrid ica/practicasrova/prrova5segmentacion.pdf

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado

Más detalles

Sistemas Conexionistas

Sistemas Conexionistas 1 Objetivo Sistemas Conexionistas Curso 2011/2012 El objetivo de esta práctica es usar un conjunto de redes de neuronas artificiales para abordar un problema de reconocimiento de figuras sencillas en imágenes

Más detalles

COLEGIO APUNTES ACCESS

COLEGIO APUNTES ACCESS COLEGIO APUNTES ACCESS Índice Introducción al Access... 3 Conocimientos básicos... 6 Tablas... 7 Formularios... 10 Consultas... 12 Consultas de eliminación... 15 Consulta de actualización... 15 Informes...

Más detalles

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Software de Particle Tracking Version 1.0

Software de Particle Tracking Version 1.0 Software de Particle Tracking Version 1.0 Martín Pastor Laboratorio de Medios Granulares Departamento de Física y Matemática Aplicada Universidad de Navarra Enero, 2007 Índice general 1. Introducción 3

Más detalles

Funciones CONJUNTO EXCEL 2013 AVANZADO

Funciones CONJUNTO EXCEL 2013 AVANZADO EXCEL 2013 AVANZADO Esta función contará la cantidad de celdas que contengan palabras de cuatro letras y que terminen con la A. El asterisco cumple una función similar, pero la diferencia radica en que

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Fórmulas y funciones

Fórmulas y funciones 05... Fórmulas y funciones En este tema vamos a profundizar en el manejo de funciones ya definidas por Excel, con el objetivo de agilizar la creación de hojas de cálculo, estudiando la sintaxis de éstas

Más detalles

102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)

102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. El gap del silicio es de 1.11eV (salto energético entre banda de valencia

Más detalles

Una de estas herramientas son los buscadores, es decir, portales (o páginas Web) que realizan búsquedas en todo

Una de estas herramientas son los buscadores, es decir, portales (o páginas Web) que realizan búsquedas en todo Escuela Tecnológica para Familias BUSCADORES Localizar la información que realmente necesitamos en Internet es sencillo si se conoce cómo funcionan los buscadores. Portales (o páginas Web) que realizan

Más detalles

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es

Más detalles

PRÁCTICA 1: Optimización con Excel 2010

PRÁCTICA 1: Optimización con Excel 2010 Grado en Administración de Empresas Departamento de Estadística Asignatura: Optimización y Simulación para la Empresa Curso: 2011/2012 PRÁCTICA 1: Optimización con Excel 2010 1. Modelización mediante hojas

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

EMPLEO NTIC`S II SEGUNDO SEMESTRE

EMPLEO NTIC`S II SEGUNDO SEMESTRE UNIVERSIDAD TECNICA DE AMBATO FACULTAD DE CONTABILIDAD Y AUDITORIA EMPLEO NTIC`S II SEGUNDO SEMESTRE Ing. Luz Perez SEMESTRE MARZO JULIO 2009 EXCEL Excel es un programa del tipo Hoja de Cálculo que permite

Más detalles

PRÁCTICAS DE GESTIÓN GANADERA:

PRÁCTICAS DE GESTIÓN GANADERA: PRÁCTICAS DE GESTIÓN GANADERA: MANEJO DE HOJA DE CÁCULO (EXCEL) 1. INTRODUCCIÓN AL MANEJO DE EXCEL La pantalla del programa consta de una barra de herramientas principal y de una amplia cuadrícula compuesta

Más detalles

3º Grado Educación Infantil Bilingüe Números. Método Singapur y F. Bravo E R

3º Grado Educación Infantil Bilingüe Números. Método Singapur y F. Bravo E R MATEMÁTICAS PARA EDUCACIÓN INFANTIL N Enseñamos y aprendemos llos números:: Método Siingapur y Fernández Bravo,, Porr Clarra Garrcí ía,, Marrtta Gonzzál lezz y Crri isstti ina Lattorrrre.. Ú M E R O S

Más detalles

Una investigación australiana reveló que posiblemente la disminución

Una investigación australiana reveló que posiblemente la disminución CIENTÍFICOS TRABAJAN EN DETECCIÓN DE CÁNCER DE MAMA A TRAVÉS DE REDES NEURONALES ARTIFICIALES Constituye un apoyo para el médico y los radiólogos para evitar falsos diagnósticos Fernando Álvarez Una investigación

Más detalles

Cuantificación de la estructura del paisaje y de la región

Cuantificación de la estructura del paisaje y de la región Cuantificación de la estructura del paisaje y de la región Cuantificación de la estructura Reducir la complejidad de la configuración espacial a unos pocos valores numéricos o índices Estructura del paisaje

Más detalles

El conjunto de conocimientos científicos y técnicos que hacen posible la resolución de forma automática de problemas por medio de las computadoras.

El conjunto de conocimientos científicos y técnicos que hacen posible la resolución de forma automática de problemas por medio de las computadoras. 1 Conceptos Generales 1.1 Definición de Informática Una posible definición de informática podría ser: El conjunto de conocimientos científicos y técnicos que hacen posible la resolución de forma automática

Más detalles

Cómo funciona un control proporcional derivativo (PD)?

Cómo funciona un control proporcional derivativo (PD)? Cómo funciona un control proporcional derivativo (PD)? Adaptación del artículo: http://iesseveroochoa.edu.gva.es/severobot/2011/01/29/como-funciona-un-controlador-pd/ para el El tren de tracción diferencial

Más detalles

Digitalización de imágenes con ayuda del histograma

Digitalización de imágenes con ayuda del histograma Digitalización de imágenes con ayuda del histograma Apellidos, nombre Vicente Atienza Vanacloig (vatienza@disca.upv.es) Departamento Centro Informática de Sistemas y Computadores (DISCA) Escuela Técnica

Más detalles

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016!

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016! INFORMÁTICA Práctica4. ProgramaciónbásicaenC. GradoenIngenieríaenElectrónicayAutomáticaIndustrial Curso2015H2016 v2.1(18.09.2015) A continuación figuran una serie de ejercicios propuestos, agrupados por

Más detalles

5 CONSEJOS PARA RETOCAR TUS FOTOGRAFÍAS UTILIZANDO ADOBE PHOTOSHOP

5 CONSEJOS PARA RETOCAR TUS FOTOGRAFÍAS UTILIZANDO ADOBE PHOTOSHOP PAPEL FOTOGRÁFICO 5 CONSEJOS PARA RETOCAR TUS FOTOGRAFÍAS UTILIZANDO ADOBE PHOTOSHOP 1 Eliminar el efecto que produce ojos rojos A Qué Se Debe? Por Qué Salen los Ojos Rojos? Cuando salta el flash de la

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

Conclusiones. Particionado Consciente de los Datos

Conclusiones. Particionado Consciente de los Datos Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser

Más detalles

En cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.

En cualquier caso, tampoco es demasiado importante el significado de la B, si es que lo tiene, lo interesante realmente es el algoritmo. Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa

Más detalles

58 Juegos de intercambio

58 Juegos de intercambio , pp.65-69 58 Juegos de intercambio Juegos Y a en otras ocasiones hemos defendido la utilidad didáctica de los juegos de estrategia. Aunque al no aparecer conceptos matemáticos lleva muchas veces a crear

Más detalles

Centro de Capacitación en Informática

Centro de Capacitación en Informática Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.

Más detalles

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos Módulo 7: Tecnologías de la Información y Comunicación y Ofimática Unidad Didáctica 3: Planificación y diseño de una base de datos Base de datos: Access UNIDAD DIDÁCTICA 3 Planificación y diseño de una

Más detalles

Introducción a las tablas dinámicas

Introducción a las tablas dinámicas Introducción a las tablas dinámicas Cuando tenemos una gran cantidad de datos en una planilla de cálculo, puede resultar difícil analizar toda la información. En estos casos, usaremos las tablas dinámicas,

Más detalles

José Luis Caballano Alcántara Tutotial Raw Therapee

José Luis Caballano Alcántara Tutotial Raw Therapee 1 Raw Therapee 1 es un procesador de archivos RAW multiplataforma. Su nombre proviene de THe Experimental RAw Photo Editor, y esta basado en el concepto de edición no destructiva. Los cambios reales no

Más detalles

Unidad 6. Las Selecciones

Unidad 6. Las Selecciones Unidad 6. Las Selecciones Cada vez sabemos más sobre como utilizar y sacarle provecho a Photoshop, ahora veremos un conjunto de herramientas que te permitirán hacer selecciones de imágenes para poder aprovechar

Más detalles

La ventana de Microsoft Excel

La ventana de Microsoft Excel Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft

Más detalles

1.- INTRODUCCIÓN AL PROCESADO DIGITAL DE IMÁGENES

1.- INTRODUCCIÓN AL PROCESADO DIGITAL DE IMÁGENES 1.- INTRODUCCIÓN AL PROCESADO DIGITAL DE Los campos del procesado digital de señales en dos dimensiones (2-D) y procesado digital de imágenes han tenido una tremenda vitalidad en las dos décadas pasadas

Más detalles

Anexo a la guía 4 Geometría: ejemplos y comentarios

Anexo a la guía 4 Geometría: ejemplos y comentarios Anexo a la guía 4 Geometría: ejemplos y comentarios Sergio Dain 26 de mayo de 2014 En las guías 1 y 2 discutimos vectores, covectores y tensores de manera puramente algebraica, sin hacer referencia a la

Más detalles

TRABAJO POR PROYECTOS: PROYECTO DEL UNIVERSO

TRABAJO POR PROYECTOS: PROYECTO DEL UNIVERSO TRABAJO POR PROYECTOS: PROYECTO DEL UNIVERSO AUTORÍA Mª DOLORES ALCÁNTARA TRAPERO TEMÁTICA SOCIAL, COEDUCACIÓN ETAPA EDUCACIÓN INFANTIL Y PRIMARIA Resumen En el siguiente artículo voy a mostrar una experiencia

Más detalles

MODELOS DE RECUPERACION

MODELOS DE RECUPERACION RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN

Más detalles

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión:

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión: Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Propiedades de las funciones diferenciables. 1. Regla de la cadena Después de la generalización que hemos

Más detalles

Práctica 0. Emulador XENON de la computadora CESIUS

Práctica 0. Emulador XENON de la computadora CESIUS Práctica 0. Emulador XENON de la computadora CESIUS 1. Introducción El objeto de la presente práctica es permitir al alumno ensayar y familiarizarse con los conceptos de programación de computadoras digitales

Más detalles

GUIA 2. Tema: Trazos y rellenos. Trazos y rellenos. Qué es un gráfico vectorial? Qué es mapa de bits? Objetivo General. Objetivos Específicos

GUIA 2. Tema: Trazos y rellenos. Trazos y rellenos. Qué es un gráfico vectorial? Qué es mapa de bits? Objetivo General. Objetivos Específicos GUIA 2 Tema: Trazos y rellenos Objetivo General Lograr que los estudiantes desarrollen su conocimiento en Adobe Flash con el uso de las formas de dibujo básicas del programa: Trazos y rellenos Objetivos

Más detalles

TEMA 5: HOJAS DE CÁLCULO. Edición de hojas de cálculo con OpenOffice Calc

TEMA 5: HOJAS DE CÁLCULO. Edición de hojas de cálculo con OpenOffice Calc TEMA 5: HOJAS DE CÁLCULO Edición de hojas de cálculo con OpenOffice Calc Qué vamos a ver? Qué es una hoja de cálculo y para qué sirve El entorno de trabajo de OpenOffice Calc Edición básica de hojas de

Más detalles

La suma y la resta. Introducción. Capítulo

La suma y la resta. Introducción. Capítulo Capítulo II La suma y la resta Introducción En el capítulo anterior, vimos que los números permiten expresar la cantidad de objetos que tiene una colección. Juntar dos o más colecciones, agregar objetos

Más detalles

Ingeniería Superior de Informática

Ingeniería Superior de Informática Ingeniería Superior de Informática Asignatura: Visión Artificial Curso 2007/08 Práctica nº 1 : Fundamentos de la Image Processing Toolbox de MATLAB 1. BREVES DEFINICIONES... 1 2. IMÁGENES EN MATLAB Y LA

Más detalles

CALCULAR NOTAS CON EXCEL

CALCULAR NOTAS CON EXCEL CALCULAR NOTAS CON EXCEL Este documento pretende ser una iniciación sencilla a Excel. Empezaremos indicando cómo se abre un libro Excel. A continuación debemos pensar cómo queremos organizar nuestra información

Más detalles

Desarrollo de Aplicaciones con App Inventor. Wings: Vuela sin estrellarte contra las rocas

Desarrollo de Aplicaciones con App Inventor. Wings: Vuela sin estrellarte contra las rocas Desarrollo de Aplicaciones con App Inventor Wings: Vuela sin estrellarte contra las rocas UCLM 2 Descripción del juego El funcionamiento del juego es similar al famosamente conocido Flappy Bird, aunque

Más detalles

Técnicas de búsqueda y almacenamiento de páginas Web de interés para Religión

Técnicas de búsqueda y almacenamiento de páginas Web de interés para Religión Técnicas de búsqueda y almacenamiento de páginas Web de interés para Religión 1. TÉCNICAS DE BÚSQUEDA 1.1. Funcionamiento básico de los motores de búsqueda 1.2. Restringir la búsqueda 1.3. Búsquedas con

Más detalles

Documentación de la Práctica 1 para la asignatura de Nuevas Tecnologías de la Programación (NTP)

Documentación de la Práctica 1 para la asignatura de Nuevas Tecnologías de la Programación (NTP) Documentación de la Práctica 1 para la asignatura de Nuevas Tecnologías de la Programación (NTP) Realizado por: José Luis López Pino Aitor Garcia Manterola Índice de contenido Enunciado de la práctica...3

Más detalles

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03.

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03. INFORMÁTICA Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial Curso 2013-2014 v1.0 (05.03.14) A continuación figuran una serie de ejercicios propuestos, agrupados

Más detalles

Centro de Profesorado Luisa Revuelta (Córdoba) TEMA 6 TABLAS Y GRÁFICOS EN IMPRESS

Centro de Profesorado Luisa Revuelta (Córdoba) TEMA 6 TABLAS Y GRÁFICOS EN IMPRESS Centro de Profesorado Luisa Revuelta (Córdoba) TEMA 6 TABLAS Y GRÁFICOS EN IMPRESS Antes que nada tenemos que hablar de la distinción entre tabla y hoja de cálculo. Una tabla es una estructura formada

Más detalles

Manual para configurar nuestra privacidad en Facebook

Manual para configurar nuestra privacidad en Facebook Manual para configurar nuestra privacidad en Facebook Desde los inicios de Facebook, sus condiciones de privacidad han ido cambiando y han sido objeto de críticas y debates. A día de hoy sigue cambiando,

Más detalles

CAPÍTULO 7 2. SUBEXPOSICIÓN, EXPOSICIÓN CORRECTA Y SOBREEXPOSICIÓN

CAPÍTULO 7 2. SUBEXPOSICIÓN, EXPOSICIÓN CORRECTA Y SOBREEXPOSICIÓN CAPÍTULO 7 EL TRIÁNGULO DE LA EXPOSICIÓN 1. QUÉ ES LA EXPOSICIÓN? La exposición es la acción de someter un elemento fotosensible (en cámaras digitales el sensor) a la acción de la luz, que, como ya vimos,

Más detalles

Qué es y para qué sirve Excel2007?

Qué es y para qué sirve Excel2007? Excel es un programa del tipo Hoja de Cálculo que permite realizar operaciones con números organizados en una cuadrícula. Es útil para realizar desde simples sumas hasta cálculos de préstamos hipotecarios.

Más detalles

Aprendizaje Automatizado. Redes Neuronales Artificiales

Aprendizaje Automatizado. Redes Neuronales Artificiales Aprendizaje Automatizado Redes Neuronales Artificiales Introducción Una forma de emular características propias de los humanos: memorizar y asociar hechos. Se aprende de la experiencia. El cerebro humano

Más detalles

El reto de la Gestión Documental

El reto de la Gestión Documental El reto de la Gestión Documental Introducción Quizá la pregunta más habitual que nos hacemos al considerar soluciones de Gestión Documental sea cómo puedo digitalizar la enorme cantidad de documentos que

Más detalles

Figura 87. Apariencia física de VIFIBIO

Figura 87. Apariencia física de VIFIBIO 117 9. RESULTADOS El resultado final de este trabajo de grado es un dispositivo llamado VIFIBIO, el cual permite graficar una señal que viene del fisiógrafo ya mencionado anteriormente. Pero detrás de

Más detalles

CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES

CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES El objetivo de esta tesina es la introducción de mejoras en la previsión meteorológica a corto plazo. El punto

Más detalles

Ejercicio 1. Desarrollar un pequeño juego para practicar mecanografía.

Ejercicio 1. Desarrollar un pequeño juego para practicar mecanografía. Examen Curso 2001-2002. Convocatoria de Febrero Página 1 Ejercicio 1. Desarrollar un pequeño juego para practicar mecanografía. Este ejercicio se divide en dos partes con el fin de que el alumno no intente

Más detalles

Predicción de los ciclos de El Niño

Predicción de los ciclos de El Niño Predicción de los ciclos de El Niño Israel Cendrero Sánchez I.T.T.Telemática Universidad Carlos III de Madrid Leganes,Madrid,España 100055713@alumnos.uc3m.es Beatriz López Moreno I.T.T.Telemática Universidad

Más detalles

TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES

TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES

Más detalles

GUÍA RÁPIDA DE USO DEL CERTIFICADO DIGITAL

GUÍA RÁPIDA DE USO DEL CERTIFICADO DIGITAL SEMANTIC GUÍA RÁPIDA DE USO DEL CERTIFICADO DIGITAL Sección de Modernización Administrativa y Nuevas Tecnologías Excma. Diputación Provincial de Burgos 2 GUÍA RÁPIDA DE USO DEL CERTIFICADO DIGITAL ÍNDICE

Más detalles

IV. Implantación del sistema.

IV. Implantación del sistema. IV. Implantación del sistema. Para hablar sobre el proceso de desarrollo del sistema de Recuperación de Información Visual propuesto, empezaremos hablando del hardware utilizado, las herramientas de software

Más detalles

PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN

PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN Ejercicio 1. Diseñar una planilla EXCEL que tome como dato de entrada un número entero y devuelva la representación en base 2. Testearla con los números 23, 245, 673,

Más detalles

COGNICIÓN Y APRENDIZAJE

COGNICIÓN Y APRENDIZAJE COGNICIÓN Y APRENDIZAJE 1. Cognición: acción y efecto de conocer 1 El desarrollo cognitivo del hombre se manifiesta en el ejercicio de las representaciones de la naturaleza observada. Cuando estas observaciones

Más detalles

Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides

Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador

Más detalles

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS Nuestra empresa es una pequeña editorial que maneja habitualmente su lista de ventas en una hoja de cálculo y desea poder realizar un análisis de sus

Más detalles

RAZONAMIENTOS LÓGICOS EN LOS PROBLEMAS DE MATEMÁTICAS

RAZONAMIENTOS LÓGICOS EN LOS PROBLEMAS DE MATEMÁTICAS RAZONAMIENTOS LÓGICOS EN LOS PROBLEMAS DE MATEMÁTICAS AUTORÍA SERGIO BALLESTER SAMPEDRO TEMÁTICA MATEMÁTICAS ETAPA ESO, BACHILLERATO Resumen En este artículo comienzo definiendo proposición y los distintos

Más detalles

Procesamiento digital de imágenes

Procesamiento digital de imágenes Procesamiento digital de imágenes Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx Departamento de Computación Cinvestav 15 de febrero, 2011 Dr. Luis Gerardo de la Fraga UPIBI, 2011 Procesamiento

Más detalles

Actividad 25. Trabajo Final (Reflexión Personal)

Actividad 25. Trabajo Final (Reflexión Personal) Datos del participante (participantes) Actividad 25. Trabajo Final (Reflexión Personal) Nombre: Daniel Esquivel Yeh Escuela donde labora: Secundaria Técnica núm. 26. José Ma. Luis Mora Nivel educativo

Más detalles

ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA

ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA Mª Ángeles Martín (1), Gloria Arranz (1), Manuel A. González (1), Ricardo Páramo (1), Esperanza Alarcia (2), Mª Luisa Fernandoz

Más detalles

Manual de OpenOffice Impress

Manual de OpenOffice Impress Manual de OpenOffice Impress. Capítulo 4. Trabajando con gráficos, esquemas y plantillas 1 Manual de OpenOffice Impress Capítulo 4: Trabajando con gráficos, esquemas y plantillas Este material es una adaptación

Más detalles

CLASE 12.-INSERTAR COLUMNAS

CLASE 12.-INSERTAR COLUMNAS CLASE 10.-DIBUJAR TABLA Para Dibujar una Tabla primero llenamos los datos que queremos seleccionamos los datos que queremos dibujar la tabla. Luego nos vamos a la barra de herramientas en fuente y realizamos

Más detalles

ANALISIS MULTIVARIANTE

ANALISIS MULTIVARIANTE ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,

Más detalles

Segmentación Basada en Bordes

Segmentación Basada en Bordes Segmentación Basada en Bordes Detección de Puntos: Para detectar puntos en una imagen podemos usar una máscara como esta: -1-1 -1-1 8-1 -1-1 -1 Usarlo en Matlab sería muy sencillo: >> w = [-1-1 -1; -1

Más detalles

Es Visual Basic un buen lenguaje de programación para aprender a programar? Qué es VB? Versiones de Visual Basic. (CU00303A)

Es Visual Basic un buen lenguaje de programación para aprender a programar? Qué es VB? Versiones de Visual Basic. (CU00303A) aprenderaprogramar.com Es Visual Basic un buen lenguaje de programación para aprender a programar? Qué es VB? Versiones de Visual Basic. (CU00303A) Sección: Cursos Categoría: Curso Visual Basic Nivel I

Más detalles

SOCIAL MEDIA MARKETING. Iniciando con Google+

SOCIAL MEDIA MARKETING. Iniciando con Google+ SOCIAL MEDIA MARKETING Iniciando con Google+ Qué es Google+ y por qué es Importante? Qué es Google+?...Queremos ayudarle a hacer el mismo tipo de relaciones duraderas con sus clientes en línea de la misma

Más detalles

Caso práctico de Cuadro de Mando con Tablas Dinámicas

Caso práctico de Cuadro de Mando con Tablas Dinámicas 1 Caso práctico de Cuadro de Mando con Tablas Dinámicas Luis Muñiz Socio Director de SisConGes & Estrategia Introducción Hay una frase célebre que nos permite decir que: Lo que no se mide no se puede controlar

Más detalles

Manual básico de gestión económica de las Asociaciones

Manual básico de gestión económica de las Asociaciones Manual básico de gestión económica de las Asociaciones El control económico de una Asociación se puede ver desde dos perspectivas: Necesidades internas de información económica para: * Toma de decisiones

Más detalles

MANUAL DE USUARIO ARCHIVO

MANUAL DE USUARIO ARCHIVO MANUAL DE USUARIO ARCHIVO ÍNDICE Páginas 1. INTRODUCCIÓN... 1 2. MENÚ PRINCIPAL... 2 2.1 TABLAS... 2 2.1.1. Localización... 4 2.1.2. Tipos de Documentos... 4 2.1.3. Tipos Auxiliares... 6 2.2. DOCUMENTOS...

Más detalles

MICROSOFT EXCEL 2007. Introducción: Qué es y para qué sirve Excel2007? TECNOLOGIA/ INFORMATICA: MS-EXCEL

MICROSOFT EXCEL 2007. Introducción: Qué es y para qué sirve Excel2007? TECNOLOGIA/ INFORMATICA: MS-EXCEL MICROSOFT EXCEL 2007 Qué es y para qué sirve Excel2007? Excel 2007 es una hoja de cálculo integrada en Microsoft Office. Esto quiere decir que si ya conoces otro programa de Office, como Word, Access,

Más detalles

CÓMO CREAR NUESTRO CATÁLOGO

CÓMO CREAR NUESTRO CATÁLOGO CÓMO CREAR NUESTRO CATÁLOGO Mediante la aplicación (http://www.prensasoft.com/programas/conline) podemos crear nuestros propios catálogos. Para crear un catálogo necesitamos: - Varios productos que mostrar,

Más detalles

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 1.- Conceptos Generales 2.- Primeros pasos 3.- Contar los artículos de mi almacén o 3.1.- División del almacén o 3.2.- Una Primera regulación

Más detalles

Instalación del programa PSPP y obtención de una distribución de frecuencias.

Instalación del programa PSPP y obtención de una distribución de frecuencias. Práctica 2. Instalación del programa PSPP y obtención de una distribución de frecuencias. Con esta práctica instalaremos el programa PSPP. El programa es un software específico para el análisis estadístico

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos

Más detalles

Microsoft Excel 97 y 2000

Microsoft Excel 97 y 2000 Microsoft Excel 97 y 2000 Trucos para la hoja de cálculo de Office Formato a texto y datos 1 Cambio del tamaño y el tipo de letra por defecto Por defecto, Excel siempre sacará el mismo tipo de letra y

Más detalles

UNIDAD I NÚMEROS REALES

UNIDAD I NÚMEROS REALES UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números

Más detalles

Imagen de Rosaura Ochoa con licencia Creative Commons

Imagen de Rosaura Ochoa con licencia Creative Commons Imagen de Rosaura Ochoa con licencia Creative Commons Durante el primer tema hemos aprendido a elaborar una encuesta. Una vez elaborada la encuesta necesitamos escoger a los individuos a los que se la

Más detalles

Unidad 2. Trabajo con capas y modos. Contenido. Gimp en 12+1 lecciones Unidad 2. Unidad 2. Trabajo con capas y modos... 1. Fotos sobreexpuestas...

Unidad 2. Trabajo con capas y modos. Contenido. Gimp en 12+1 lecciones Unidad 2. Unidad 2. Trabajo con capas y modos... 1. Fotos sobreexpuestas... Unidad 2. Trabajo con capas y modos Contenido Unidad 2. Trabajo con capas y modos... 1 Fotos sobreexpuestas... 3 Fotos con granulado.... 6 Unidad 2. Trabajo con capas y modos 1 Lo primero a tener en cuenta

Más detalles

TRABAJO COOPERATIVO EN ROBOTS

TRABAJO COOPERATIVO EN ROBOTS SEMINARIO Diseño y construcción de microrrobots TRABAJO COOPERATIVO EN ROBOTS Autor: Luis De Santiago Rodrigo 3º Ingeniería de Telecomunicación 1.-ÍNDICE E INTRODUCCIÓN Éste trabajo pretende ser una pequeña

Más detalles

LECCION 2 FORMULAS Y FUNCIONES

LECCION 2 FORMULAS Y FUNCIONES LECCION 2 FORMULAS Y FUNCIONES FÓRMULAS Esta es una de las características más importantes de una planilla de cálculos. Permite establecer relaciones entre constantes, funciones y referencias a celdas

Más detalles

Tema : ELECTRÓNICA DIGITAL

Tema : ELECTRÓNICA DIGITAL (La Herradura Granada) Departamento de TECNOLOGÍA Tema : ELECTRÓNICA DIGITAL.- Introducción. 2.- Representación de operadores lógicos. 3.- Álgebra de Boole. 3..- Operadores básicos. 3.2.- Función lógica

Más detalles

Ofimática Aplicada. Elaborado por: Lic. Ronald Méndez

Ofimática Aplicada. Elaborado por: Lic. Ronald Méndez Ofimática Aplicada Unidad III: HERRRAMIENTAS DE ESCRITORIO EXCEL Contenido: Qué es Excel? Elementos de la pantalla La Cinta de opciones La ficha Archivo Dividir sectores en una hoja de cálculo La Barra

Más detalles

CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS

CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS Capitulo 6. Sistema de Detección de Intrusos con Redes Neuronales. 69 CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS USANDO REDES NEURONALES. En este capítulo se realiza la preparación adecuada de toda la

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por

Más detalles

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos

Más detalles

Introducción al diseño híbrido con ZW3D

Introducción al diseño híbrido con ZW3D Introducción al diseño híbrido con ZW3D Con este tutorial podrá aprender el diseño 3D con un programa CAD 3D híbrido de modelado de sólidos y superficies combinadas. El objetivo es dibujar un grifo en

Más detalles

Resolución de problemas. Temas: VOR e ILS

Resolución de problemas. Temas: VOR e ILS Resolución de problemas. Temas: VOR e ILS Autor: Mario E. Casado García 3er Curso ITT ST Índice 1. Problema tema 5: VOR......3 2. Problema tema 7: ILS.....7 3. Referencias..12 2 1. Problema tema 5: VOR

Más detalles

Ministerio de Educación. Diseño de Presentaciones en la Enseñanza. Módulo 10: Plantillas y estilos

Ministerio de Educación. Diseño de Presentaciones en la Enseñanza. Módulo 10: Plantillas y estilos Ministerio de Educación Diseño de Presentaciones en la Enseñanza Módulo 10: Plantillas y estilos Instituto de Tecnologías Educativas 2011 Diseño de Presentaciones en la Enseñanza (OpenOffice) Plantillas

Más detalles

Curso de fotografía Configuración el puesto de trabajo Ampliación e impresión

Curso de fotografía Configuración el puesto de trabajo Ampliación e impresión Curso de fotografía Configuración el puesto de trabajo Ampliación e impresión Paco Rosso, 2010. info@pacorosso.com Original: (08/08/10), versión: 18/09/11 Color, : Calibración de la pantalla Tema: Calibración

Más detalles

generar columnas de texto y números disponer texto en columnas paralelas (para traducciones por ejemplo) situar imágenes junto a textos.

generar columnas de texto y números disponer texto en columnas paralelas (para traducciones por ejemplo) situar imágenes junto a textos. Módulo 3 Herramientas de Cómputo Tablas y Gráficos Las tablas de Word tienen una función similar a las tabulaciones pero con muchas más opciones de formato permitiendo mejores acabados. Mediante tablas

Más detalles

UNIDAD 1. LOS NÚMEROS ENTEROS.

UNIDAD 1. LOS NÚMEROS ENTEROS. UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar

Más detalles