Dpto. de Ingeniería Cartográfica Carlos Pinilla Ruiz. realce. realce. Ingeniería Técnica en Topografía. lección 10. Teledetección
|
|
- Vanesa Gómez Álvarez
- hace 7 años
- Vistas:
Transcripción
1 lección 10 1
2 sumario 2 Introducción. Paletas de color. Modificación del contraste. Aplicación del color. Pseudocolor. Color compuesto. Cambios de espacio de color.
3 introducción 3 Dentro del de imágenes se reúnen diversas técnicas orientadas a mejorar o realzar la calidad de las imágenes para facilitar el análisis visual de las mismas o perfeccionar la producción cartográfica. Tipos de de imágenes: radiométrico: expansión del contraste. geométrico: filtrado digital.
4 paletas de color 4 Paleta es una tabla de referencia mediante la cual se define el color (valor y tono) que se aplica a cada ND para la visualización de la imagen. Nivel visual (NV) es el nivel de gris correspondiente a cada ND en la visualización. Se trata de una matriz numérica en la que en la primera columna se disponen ordenadamente de menor a mayor todos los ND procesables (64, 256, etc.). A la derecha de cada uno se indica el nivel de cada uno de los tonos básicos (rojo, verde, azul) que se le va a atribuir a cada ND. Existen otras denominaciones: CLUT (Color Look-up Table), tabla de color, etc.
5 paleta de color 5 ND nivel de tono primario (NV) Rojo Verde Azul color resultante negro rojo verde azul amarillo magenta cian marrón caqui púrpura verde oliva azul azafata azul marino naranja verde limón blanco
6 tipos de paletas 6 Las paletas pueden ser: monocromáticas: gama de grises. cromáticas: incluyen los tres colores primarios. En imágenes cuantitativas monobanda se emplean paletas monocromas. En imágenes cualitativas monobanda pueden emplearse paletas cromáticas.
7 el contraste de la imagen 7 El contraste indica la amplitud del intervalo de los ND que presenta una imagen concreta, de entre todos los valores que puede proporcionar un sensor determinado. Formas de medir el contraste: c c c = = = σ ND ND ND max max ND ND min min
8 modificación n del contraste 8 Siempre que no haya habido alteración del contraste se verifica que ND = NV. La relación entre ND y NV puede ser alterada para realzar el contraste. Ajuste del contraste: procedimiento encaminado a adecuar la resolución radiométrica de la imagen a la capacidad de visualización del sistema, representada por el margen dinámico del monitor o del número de niveles de gris que pueda proporcionar otro periférico de salida.
9 relación n ND-NV NV 9 Sin alteración del contraste: Reducción del contraste: Expansión del contraste
10 compresión n del contraste 10 En ciertos casos conviene o puede ser necesario reducir el número de NV en relación al de ND disponibles. Para ello puede dejarse fuera de la representación todo el rango dinámico excedente. La compresión del contraste consiste en construir un número de intervalos en el rango de ND igual al número de niveles de gris que se desea obtener, de modo que a cada clase definida así se le asigne un mismo NV.
11 expansión n del contraste 11 Las operaciones más frecuentemente aplicadas al contraste son las de expansión porque la mayoría de las imágenes presentan un rango rango dinámico inferior a las posibilidades de visualización. Suele deberse a que la resolución radiométrica del sensor está diseñada para abarcar toda la gama de reflectancias posibles. Sin embargo, no es frecuente que una misma escena muestre tal diversidad. La expansión del contraste consiste bien en la aplicación de una nueva paleta que haga corresponder un rango de NV mayor que el rango de ND presentes en la imagen.
12 expansión n lineal 12 Se asigna el valor 0 para las celdas cuyo ND es inferior o igual a un determinado valor mínimo en la imagen original Se asigna un valor 1 a las celdas con ND iguales o superiores a un determinado valor máximo. Se distribuyen linealmente los ND para los ND comprendidos entre los valores mínimo y máximo. z = 0 z MIN MAX MIN 1 MIN z MAX z z MIN MAX
13 expansión n lineal 13 La expresión de z para valores de z comprendidos entre el mínimo y el máximo puede descomponerse en dos sumandos, de modo que el nivel digital resultante queda: ND = k MAX MIN ganancia (g) z k MIN MAX MIN sesgo (b)
14 expansión n lineal 14
15 tipos de expansión n lineal 15 Máxima expansión sin truncamiento. MIN MAX = = z z min max z = 0 z z zmax z 1 min min z z z min z z min z max z max
16 tipos de expansión n lineal 16 Expansión lineal con saturación. MIN= z MAX = a z b ( ) z < za P z < v z > z P( z) > v b 1
17 tipos de expansión n lineal 17 Expansión con truncamiento basado en la distribución normal. MIN = m ns MAX = m + ns m = media aritmética. s = desviación típica.
18 tipos de expansión n lineal 18 Expansión por selección directa. Se eligen arbitrariamente los valores MIN y MAX en base a algún criterio.
19 tipos de expansión n lineal 19 Expansión ajustando a estadísticos prefijados. Se trata de obtener una imagen cuyo histograma presente una media y una varianza elegida con anterioridad. Para ello se fijan la media y la desviación típica deseadas para la imagen final, m y s : s z = ( ) + s z m m
20 ecualización n del histograma 20 Se asigna mayor margen dinámico a los niveles digitales más frecuentes en la imagen original. Como función de expansión se utiliza el histograma acumulativo (Función de Distribución). z = ( ) P z
21 expansión n especial 21 Se expande no linealmente el contraste de modo que se beneficie con mayor amplitud un cierto rango de ND en detrimento del resto.
22 binarización 22 Es tipo especial de expansión del contraste es la binarización de la imagen, utilizada en la formación de máscaras. Consiste en generar solamente dos niveles de valor, blanco y negro, mediante el establecimiento de una función escalonada: z = 0 1 z < z z z u u
23 aplicación n del color 23 El empleo del color en el procesamiento de imágenes está fundamentado en la mayor capacidad del ojo humano para distinguir variaciones de tono que de valor. La aplicación del color facilita los procesos de análisis visual y la preparación para otros tratamientos digitales. Puede aplicarse color a una imagen mediante dos procedimientos: Asociando un tono primario a cada una de las tres bandas que integren la imagen multiespectral para formar una composición en color: Composiciones en color verdadero. Composiciones en falso color. Aplicando el color a una imagen monobanda con el objetivo de hacer más patentes las diferencias entre ND de valores muy similares. Este tipo de representaciones se llaman en pseudocolor.
24 pseudocolor 24 La aplicación del pseudocolor a una imagen monobanda da lugar a imagen coloreada. Es de gran utilidad el empleo de paletas de color sobre una sola banda en la presentación de imágenes clasificadas, al objeto de diversificar mejor la leyenda, y cuando se trate de aislar, mediante análisis visual, determinadas cubiertas de valor similar a las de su entorno.
25 combinaciones de bandas 25 La combinación de bandas es una transformación, mediante la cual, a partir de todas o de varias bandas de la imagen original, se genera una nueva imagen: Combinación lineal: (,, L, ) z = T z 1 z 2 z l z = c + c z 0 i i i
26 combinación n de bandas 26 Combinación global: (,, L, l ) (,, L, ) z = T z z z z = T z z z (,, L, ) z = T z z z M k k 1 2 l generándose k bandas a partir de las l originales, y donde usualmente k = l. Si la combinación es lineal, puede expresarse: z r = r T z l
27 composiciones en color 27 Las composiciones en color constituyen un caso particular de combinación lineal analógica en el periférico de visualización. Se forma la imagen sumando tres bandas, a cada una de las cuales se le asigna uno de los tres tonos primarios, azul, verde o rojo. Considerando el espacio tridimensional RGB que generan tres ejes ortogonales, la luminancia cromática de una celda es: r r r z = Rz1 + Gz2g + Bz 3 r b
28 el espacio RGB 28
29 mejor combinación n de bandas 29 Con el fin de visualizar el máximo de información no redundante, es necesario utilizar las bandas que presenten la mayor varianza y el mínimo coeficiente de correlación entre ellas. El factor de índice óptimo OIF (Optimum Index Factor) tiene en cuenta simultáneamente los dos requerimientos: OIF = 3 j = 1 3 k = 1 s k ( ) ABS r j
30 combinaciones en color 30 Las combinaciones en color verdadero son las formadas por las bandas que corresponden al Rojo, Verde y Azul espectral en el orden RGB. Cualquier otra combinación se denomina falso color. Entre ellas, la más difundida por ser la primera en usarse es la correspondiente a IRp-R-V (RGB). Para dar impresión realista suelen utilizarse combinaciones RGB IRm-IRp-VIS.
31 transformación n IHS 31 Transformación IHS: (Intensidad-Tono- Saturación; Intensity, Hue, Saturation): transformación global consistente en obtener tres nuevas bandas basadas en el sistema de coordenadas de color IHS.
32 utilidad de la transformación n IHS 32 La transformación IHS también se utiliza para componer imágenes adquiridas por sensores de diferente resolución espacial. En este tipo de composiciones, en primer lugar deben corregirse geométricamente las dos imágenes para permitir su superposición exacta. En un segundo paso, se remuestrea la imagen de menor resolución al tamaño de la celda de la otra. Se transforma la imagen en sus componentes IHS y se sustituye la banda correspondiente a la intensidad por la imagen de alta resolución. Por último se deshace la transformación aplicando su inversa y consiguiendo de nuevo una imagen multiespectral con tres bandas correspondientes a las coordenadas RGB.
33 geométrico 33 Cambios de escala: Es impropio aplicar el concepto de escala una imagen digital, por cuanto ésta es solamente un registro electrónico almacenado en forma de fichero, incluso sin estructura matricial sino lineal. Tiene sentido la escala cuando esa imagen es representada en algún soporte plano e indeformable.
34 geométrico 34
35 geométrico 35
36 geométrico 36 Filtrado digital. Es una transformación de la imagen mediante operadores locales. El nuevo ND de la celda es función de los ND de las celdas de su entorno en la imagen inicial. Los filtros se aplican para suavizar o destacar elementos de interés aproximando los ND originales a los de sus vecinos, o exagerando las diferencias. Los filtros digitales pueden ser lineales y no lineales.
37 el filtro digital 37 Naturaleza del filtro digital. El filtro digital es una operación de convolución de la imagen original con la función respuesta del filtro: z = es decir: h ( u,v) z( x, y) + (, ) (, ) (, ) z x y = h u v f x+ u y+ v dxdy
38 el filtro digital 38 Normalmente, el filtro consiste en una matriz deslizante de dimensión (2g+1)x(2h+1), de modo que la doble integral puede ponerse en forma discreta, siendo m y n respectivamente las columnas y líneas de la matriz imagen resultante: z ( m,n) = w( k,l) f ( m,n) = g h k = g l = h = ( ) f ( m+ k,n+ l) w k,l
39 la matriz de filtrado 39 Los elementos w de la matriz de filtrado se denominan coeficientes de peso El entorno [-g,g]x[-h,h] es la ventana del filtro. Usualmente g = h, es decir (ventana cuadrada). Según sea el valor de g y h, la influencia del entorno de las celdas en el ND final será progresivamente mayor. Habitualmente los filtros utilizados son de 3x3 elementos o de 5x5.
40 la matriz de filtrado 40 El filtrado de una imagen mediante la matriz: w w w w w w w w w da lugar a la imagen: (, ) 11 ( 1, 1) 12 (, 1) 13 ( 1, 1) w z( m 1, n) w z( m, n) w z( m 1, n ) + w z( m 1, n+ 1) + w z( m, n+ 1) + w z( m+ 1, n+ 1) z mn = w zm n + w zmn + w zm+ n
41 la matriz de filtrado 41
42 matrices de filtrado normalizadas 42 Conviene que la matriz de filtrado sea normalizada para no variar la luminancia general de la imagen de salida: la suma de todos sus elementos debe ser igual a la unidad. En caso contrario, el segundo miembro de la ecuación anterior habría de ser dividido por: 3 k = 1 3 l = 1 w kl,
43 tipos de filtros 43 El filtro puede ser definido por el usuario, de acuerdo a sus necesidades. Según el efecto que produzca sobre la imagen, los filtros se clasifican en diversos tipos: filtros lineales: filtros de paso bajo. filtros de paso alto filtros de muesca. filtros direccionales. etc. filtros no lineales filtros modales. filtros de mediana. filtros de extracción de bordes. etc.
44 filtros de paso bajo 44 Son filtros que suavizan la imagen uniformizando sus ND en relación a los de su entorno. Se denominan de paso bajo porque dejan pasar los componentes de baja frecuencia, eliminando los de alta. Filtros de paso bajo más utilizados: filtro de media
45 utilización n de los filtros de paso bajo 45 Estos filtros se aplican para eliminar ruido de la imagen y para suprimir el bandeado. Ruido es el conjunto de errores aleatorios introducidos en la imagen durante el proceso de adquisición, transmisión o grabación de la misma. Igualmente son utilizados para suavizar contrastes entre diferentes zonas de la imagen y para reducir la variabilidad de la escena antes de su clasificación digital. Presentan en general el inconveniente de difuminar excesivamente los bordes.
46 filtros de paso alto 46 Son operadores que realzan los rasgos lineales de la imagen aumentando los contrastes locales. Se llaman así porque refuerzan los componentes de alta frecuencia en la imagen sin eliminar los de baja. El procedimiento es el contrario al seguido anteriormente: se trata de aumentar digitalmente el contraste entre ND vecinos. Existen dos formas de obtener un refuerzo de las zonas de alta variabilidad: Sumando a la imagen primitiva la diferencia entre ella misma y la producida por un filtro de paso bajo: ( ) z = z + z z = 2z z ij, ij, ij, ij, ij, ij, Aplicando filtros de refuerzo de bordes.
47 requisitos de los filtros de paso alto 47 Para detectar las fronteras entre áreas contiguas de la imagen, independientemente de su dirección, se necesita un gradiente isótropo en la asignación de pesos a los ocho elementos adyacentes al central (peso idéntico a las celdas circundantes). Para no variar la luminancia, la suma de todos los coeficientes periféricos, debe ser igual pero de signo contrario al peso asignado a la celda central.
48 tipos de filtros de paso alto 48 Algunos filtros comúnmente usados son: Otros: filtro laplaciano filtro laplaciano más la propia imagen
49 filtros direccionales 49 Los filtros direccionales son operadores de gradiente anisótropo que tienden a realzar los rasgos lineales de la imagen primando determinadas direcciones. El efecto de refuerzo lineal puede ser unidimensional ( ( ) ( ) 1 ( ) z m, n = z m, n z + m, n El reforzador lineal sin sentido opera sobre los dos sentidos de la dirección elegida: [ + 1 ] [ ( ( ) 1 ( )] ( ) ( ) ( ( ) z mn, = zmn, z mn, zmn, z mn, Valores z próximo a cero indican zonas de escasa variación y viceversa, es decir, bordes.
50 filtros direccionales 50 Pero el filtrado direccional más utilizado es el llevado a cabo mediante los filtros de Prewitt: NO N NE O E SO S SE
51 filtros no lineales 51 Filtro de mediana: Se conoce también como ventana de Tukey, ideado para suprimir ruido de la escena respetando los bordes. Se asigna a la posición central de la ventana la mediana de los ND incluidos en ella. No existe, pues, una ventana única para toda la imagen, sino que ésta cambia de coeficientes según se desliza a través de la escena. Su aplicación respeta mejor las formas, en general, que el filtro de media, pero al tratarse de un operador no lineal, los resultados pueden ser, imprevisibles.
52 filtros no lineales 52 Filtros de extracción de bordes o detectores de contornos: El reconocimiento automático de los contornos de la imagen se realiza aplicando estos filtros por cálculo de las diferencias en todas las direcciones entre los niveles digitales de una celda y las contiguas. El trazado de los contornos resulta de representar los vectores direccionales cuyos módulos son las diferencias registradas en todas las direcciones que superen un determinado valor umbral prefijado. El reforzador de bordes será un filtro de paso alto que haga cero los valores digitales pertenecientes a zonas de la imagen que no registren variaciones. La eficacia de estos procedimientos depende estrechamente del valor umbral seleccionado, pudiendo aparecer bordes no deseados, o perdiéndose algunos buscados.
53 filtros no lineales 53 Filtros de extracción de bordes: Roberts: se trata de un filtro no lineal aplicado mediante una ventana de 2x2: ( ) ( ) ( ) o bien: [ 1 1 ] [ ( 1) ( 1 )] 2 2 z i, j = z i, j z i+, j+ + z i, j+ z i+, j (, ) (, ) ( 1, 1) (, 1) ( 1, ) z i j = z i j z i+ j+ + z i j+ z i+ j
54 filtros no lineales 54 Filtros de extracción de bordes: Sobel: (, ) 2 2 z i j = C + F siendo la matriz representada una ventana de la imagen de 3x3 centrada sobre la celdilla (i,j ) y donde los coeficientes C y F se calculan del siguiente modo: z z z z z[ i, j] z z z z ( ) ( ) ( ) ( ) C = z z z z z z F = z z z z z z
55 filtros no lineales 55 Filtros de extracción de bordes: Kirsh: Se definen las variables S n y T n : Sn = zn + zn+ 1 + zn+ 2 T = z + z + z + z + z n n+ 3 n+ 4 n+ 5 n+ 6 n+ 7 siendo n cualquiera de las ocho posiciones señaladas alrededor de la celdilla (i,j). se calculan las derivadas de S n y T n para n variando entre 0 y 7. El operador de Kirsh queda expresado de la forma (, ) = [ 5 ] n 3 n Ki j MAX S T
56 filtros no lineales 56 Filtros de extracción de bordes: Wallis: 1 z ( i, j) = log z( i, j) log z z z z 4 [ ] [ ]
57 filtrado en el dominio de la frecuencia 57 El sistema de coordenadas de localización de las celdas de una imagen se denomina dominio espacial de la imagen. La misma imagen puede ser considerada como una suma de infinitas funciones periódicas, cada una con una determinada frecuencia y definirse en otro espacio cuyos ejes vengan determinados por la frecuencia en cada dirección. Esta nuevo espacio de referencia para la descripción de la imagen se conoce como dominio de la frecuencia. La aplicación de la transformada de Fourier hace pasar la imagen del dominio espacial al de la frecuencia.
58 filtrado en el dominio de la frecuencia 58 El teorema de la convolución dice que la transformada de Fourier de la convolución de dos funciones es igual al producto de las transformadas de cada una de ellas. Así pues, es posible el filtrado en el dominio de la frecuencia mediante el producto de la transformada de la función filtro por la transformada de la imagen Terminado el filtrado, puede volverse, mediante la transformada inversa al dominio espacial.
Visualización de imágenes
Tema 5 Visualización de imágenes Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y un análisis digital. El primero es similar en muchos aspectos a la
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesIntroducción a las imágenes digitales. Segunda parte
Introducción a las imágenes digitales Segunda parte Introducción a las imágenes digitales Herramientas matemáticas. Transformaciones de intensidad. Histograma de una imagen. Imágenes a color. Modelos de
Más detallesTécnicas de filtrado. Tema 6
Tema 6 Técnicas de filtrado Se trata de métodos para resaltar o suprimir, de forma selectiva, información contenida en una imagen a diferentes escalas espaciales, para destacar algunos elementos de la
Más detallesTema 3: Filtros SEGUNDA PARTE
Tema 3: Filtros SEGUNDA PARTE FILTROS En el dominio del espacio: Filtros de suavizado. Filtros de realce. En el dominio de la recuencia: Filtros de suavizado. Filtros de realce. Filtros espaciales de realce
Más detallesTécnicas de mejora de imágenes
Técnicas de mejora de imágenes Mejora o enhancement Restauración Reconstrucción Mejora de la imagen Dominio espacial Opera directamente sobre los píxeles g(x,y)=t entorno (f(x,y)) Dominio en el espacio
Más detallesPor: Alex F. Guerrero E. Fecha: 04/02/2010
"Diseño e Implementación de una Herramienta Didáctica de Software para el Procesamiento Digital Básico de Imágenes para los Estudiantes de la Facultad de Ingeniería en Electricidad y Computación" Por:
Más detalles3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores:
3. Espacios de color El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: El color es un poderoso descriptor que, en la mayoría de los casos simplifica la identificación
Más detallesAnálisis de Datos CAPITULO 3: MEDIDAS DE VARIABILIDAD Y ASIMETRÍA
1. INTRODUCCIÓN En el tema 1 veíamos que la distribución de frecuencias tiene tres propiedades: tendencia central, variabilidad y asimetría. Las medidas de tendencia central las hemos visto en el tema
Más detallesTema 5: Sistemas de Ecuaciones Lineales
Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Percepción Visión computacional Definición Aplicaciones Representación
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Más detallesUnidad 1. Las fracciones.
Unidad 1. Las fracciones. Ubicación Curricular en España: 4º, 5º y 6º Primaria, 1º, 2º y 3º ESO. Objetos de aprendizaje. 1.1. Concepto de fracción. Identificar los términos de una fracción. Escribir y
Más detallesExamen correspondiente a la evaluación alternativa. Procesamiento de imágenes digitales curso 2007/2008
Examen correspondiente a la evaluación alternativa Procesamiento de imágenes digitales curso 2007/2008 Cada respuesta correcta puntúa 0.25. Cada respuesta incorrecta puntúa -0.05. 1. Cuál de las siguientes
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallestransformaciones globales lección 12 transformaciones globales Teledetección Dpto. de Ingeniería Cartográfica Carlos Pinilla Ruiz
transformaciones globales lección sumario Introducción. Análisis de componentes principales. Transformación tasseled cap. Índices de vegetación. introducción 3 Las generan nuevas imágenes a partir de la
Más detallesRealzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
Más detallesQUÉ ES EL COLOR. El mundo es de colores, donde hay luz, hay color. El color es un atributo de los objetos que percibimos cuando hay luz.
QUÉ ES EL COLOR El mundo es de colores, donde hay luz, hay color. El color es un atributo de los objetos que percibimos cuando hay luz. La luz está constituida por ondas electromagnéticas que se propagan
Más detallesINSTRUCCIONES PARA EL USO DEL SOFTWARE (IS)
INSTRUCCIONES PARA EL USO DEL SOFTWARE (IS) Pantalla Inicial de DERIVE for Windows Teniendo instalado el programa DERIVE sobre Windows, podemos ingresar al sistema de las siguientes formas: Haciendo clic
Más detallesDOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL
DOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL 3.1 INTRODUCCIÓN Como ya sabes, una distribución de probabilidad es un modelo matemático que nos ayuda a explicar los
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesTono, matiz o croma. Es el atributo que diferencia el color, el color propiamente dicho: naranja, cian, verde
TEMA 12: EL COLOR. Gracias a Isaac Newton (1642-1519) sabemos hoy en día que el color de un objeto es una sensación visual, una impresión de color que se produce en nuestro cerebro. Cada color se percibe
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesEl histograma de una imagen digital
El histograma de una imagen digital Apellidos, nombre Vicente Atienza Vanacloig (vatienza@disca.upv.es) Departamento Centro Informática de Sistemas y Computadores (DISCA) Escuela Técnica Superior de Ingeniería
Más detallesGuía básica de implementación
Guía básica de implementación Gestión básica de redes ethernet Herramienta ConneXview Centro de Competencia Técnica Objeto del presente documento Éste documento pretende ser una guía básica paso a paso
Más detallesANÁLISIS DE DATOS MULTIDIMENSIONALES
ANÁLISIS DE DATOS MULTIDIMENSIONALES INTRODUCCIÓN DISTRIBUCIÓN DE FRECUENCIAS MULTIDIMENSIONAL DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS INDEPENDENCIA ESTADÍSTICA ESTUDIO ANALÍTICO DE DISTRIBUCIONES
Más detallesExtracción de Bordes
Visión por Computadora Unidad IV Extracción de Bordes Rogelio Ferreira Escutia Contenido 1) Conceptos sobre Bordes 2) Extracción de bordes por Derivadas 3) Operadores de Primera Derivada 1) Conceptos sobre
Más detallesContenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Clasificar distintos tipos de números: naturales, enteros, racionales y reales. 2. Operar con números reales y aplicar las propiedades
Más detallesP. A. U. LAS PALMAS 2005
P. A. U. LAS PALMAS 2005 OPCIÓN A: J U N I O 2005 1. Hallar el área encerrada por la gráfica de la función f(x) = x 3 4x 2 + 5x 2 y la rectas y = 0, x = 1 y x = 3. x 3 4x 2 + 5x 2 es una función polinómica
Más detallesTema Contenido Contenidos Mínimos
1 Números racionales - Fracciones equivalentes. - Simplificación de fracciones. - Representación y comparación de los números fraccionarios. - Operaciones con números fraccionarios. - Ordenación de los
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3
UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 Matriz unitaria "I" de base con variables artificiales. Cuando el problema de programación lineal se expresa en la forma canónica de maximizar, las variables de holgura
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesTesis Doctoral. Título: RESUMEN
Revista de Teledetección. ISSN: 1988-8740. 2010. 34: 97-99 Tesis Doctoral Título: Técnicas de extracción de características y clasificación de imágenes orientada a objetos aplicadas a la actualización
Más detallesExplotación de imágenes aéreas y espaciales con fines cartográficos. Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3)
Explotación de imágenes aéreas y espaciales con fines cartográficos Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3) Definiciones. Cuantificación. Muestreo. Histograma. Brillo y contraste.
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesFunciones de varias variables.
Funciones de varias variables. Definición. Hasta ahora se han estudiado funciones de la forma y = f (x), f :D Estas funciones recibían el nombre de funciones reales de variable real ya que su valor y dependía
Más detallesEl conjunto de los complejos. Escritura cartesiana y binómica. Representación gráfica.
Tramo A Números complejos Disciplina, esfuerzo y perseverancia en la búsqueda de resultados. Valoración del lenguaje preciso, claro y conciso de la Matemática como organizador del pensamiento. Valoración
Más detallesUna población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.
Introducción a la Melilla Definición de La trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Este tema resulta fundamental en la mayoría de las disciplinas, ya que son muchos los problemas científicos y de la vida cotidiana que requieren resolver simultáneamente
Más detallesEJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo?
EJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo? 3. Cómo se identifica una casilla en una hoja de cálculo? 4. Menciona tres ejemplos
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesProcesamiento de Imágenes. Curso 2011 Clase 3 Eliminación del ruido mediante filtrado espacial
Procesamiento de Imágenes Curso 2 Clase 3 Eliminación del ruido mediante filtrado espacial Eliminación del ruido Entendemos por ruido en imágenes digitales cualquier valor de un píxel de una imagen que
Más detallesDeterminante de una matriz
25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto
Más detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesJmáx = Dmáx(a) Dmín(e) Jmín = Dmín(a) Dmáx(e) Amáx = Dmín(a) Dmáx(e)
SISTEMAS de AJUSTES y TOLERANCIAS Conceptos Fundamentales En la actualidad, las crecientes necesidades de intercambiabilidad y producción de grandes volúmenes imponen un análisis cuidadoso para lograr
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesExcel 2007 Completo. Duración: Objetivos: Contenido: 75 horas
Excel 2007 Completo Duración: 75 horas Objetivos: Curso para aprender a utilizar la hoja de cálculo Microsoft Excel 2007, explicando todas las funciones que la aplicación posee y viendo el uso de este
Más detallesNOM 013 ENER 2013. Rubén D. Ochoa V.
NOM 013 ENER 2013 Rubén D. Ochoa V. ALUMBRADO PUBLICO OBJETIVO Esta Norma Oficial Mexicana tiene por objeto establecer niveles de eficiencia energética en términos de valores máximos de Densidad de Potencia
Más detallesCoeficiente de correlación semiparcial
Coeficiente de correlación semiparcial 1.- Introducción...1.- Correlación semiparcial... 3.- Contribución específica de las distintas variables al modelo de egresión Múltiple... 3 4.- Correlación semiparcial
Más detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detallesPROGRAMACION ENTERA. M. en C. Héctor Martínez Rubin Celis 1
M. en C. Héctor Martínez Rubin Celis PROGRAMACION ENTERA En muchos problemas prácticos, las variables de decisión son realistas únicamente si estas son enteras. Hombres, máquinas y vehículos deben ser
Más detalles370549 - FOTOGRAF - Fotografía y Procesado de la Imagen
Unidad responsable: 370 - FOOT - Facultad de Óptica y Optometría de Terrassa Unidad que imparte: 731 - OO - Departamento de Óptica y Optometría Curso: Titulación: 2016 GRADO EN ÓPTICA Y OPTOMETRÍA (Plan
Más detallesControl del Muestreo. Determinación de Errores del Muestreo
Control del Muestreo Determinación de Errores del Muestreo Definiciones de utilidad Lote: se refiere a un conjunto de material, cuya composición quiere estimarse. Incremento: corresponde a un grupo de
Más detallesManual avanzado Excel 2007
Manual avanzado Excel 2007 (c) Francisco Charte Ojeda Agradecimientos Cómo usar este libro Estructura del libro Convenciones tipográficas Información de soporte Introducción Hojas de cálculo Microsoft
Más detallesTRATAMIENTO DE IMÁGENES
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 09 TRATAMIENTO DE IMÁGENES EN EL DOMINIO DE LAS FRECUENCIAS prb@2007 2 1 A principios del siglo XIX, Joseph Fourier indica que toda función periódica
Más detallesResumen de álgebra vectorial y tensorial
Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Sesión No. 3 Nombre: Estadística descriptiva Contextualización Parte fundamental de la Estadística es la organización de los datos, una forma de realizar esta organización es
Más detallesProcesamiento Digital de Imágenes LCC-594
Procesamiento Digital de Imágenes LCC-594 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D 4. Operaciones regionales Objetivo: Conocer
Más detallesConcepto de espacio vectorial. Propiedades. Distintos espacios vectoriales. El espacio real tridimensional.
Otras páginas Matemáticas 2º MATEMÁTICAS II Álgebra: Espacios Vectoriales Concepto de espacio vectorial. Propiedades. Distintos espacios vectoriales. El espacio real tridimensional. Combinación lineal.
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Más detallesEl Color II. El Color Pigmento Elementos Básicos de la Plástica
El Color II. El Color Pigmento Elementos Básicos de la Plástica Colores Pigmento. Síntesis sustractiva del Color A veces tenemos dificultad en entender como funciona la síntesis sustractiva de color. Tal
Más detallesEcuaciones de rectas y planos. Un punto O y una base B B = { i, j,
Ecuaciones de rectas y planos. Coordenadas en el espacio. Planos coordenados. El vector OP tiene unas coordenadas( x, y, z ) respecto de la base B, que se pueden tomar como coordenadas del punto P respecto
Más detallesEstadística descriptiva. Representación de datos descriptivos
6 Estadística descriptiva. Representación de datos descriptivos Alberto Rodríguez Benot Rodolfo Crespo Montero 6.1. Introducción Tal como vimos en la introducción, la estadística descriptiva comprende
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesSistemas Optpelectrónicos: Teoría del Color. Octubre 2012 Julio Gutiérrez Ríos
Sistemas Optpelectrónicos: Teoría del Color Octubre 2012 Julio Gutiérrez Ríos Círculo Cromático Nos permite observar la organización básica y la interrelación entre los colores Amarillo Verde Naranja Tonos
Más detallesPruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B 1. Queremos invertir una cantidad de dinero en dos tipos
Más detallesTécnicas de planeación y control. Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos
Técnicas de planeación y control Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada a la planeación,
Más detallesCAPÍTULO 2. Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver
CAPÍTULO 2 PROCESAMIENTO DE IMÁGENES 2.1 Imágenes Digitales Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver como una matriz de miles o millones de píxeles cada
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
Más detallesTécnicas de planeación y control
Técnicas de planeación y control 1 Sesión No. 10 Nombre: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada
Más detalles1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.
CAPÍTULO El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C..... El espacio vectorial de los vectores Definición. Vectores fijos Dado dos puntos cualesquiera A e del espacio nos
Más detallesExpresiones algebraicas
Expresiones algebraicas Expresiones algebraicas Las expresiones algebraicas Elementos de una expresión algebraica Números de cualquier tipo Letras Signos de operación: sumas, restas, multiplicaciones y
Más detallesMETODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD
METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD Análisis de sensibilidad con la tabla simplex El análisis de sensibilidad para programas lineales implica el cálculo de intervalos para los coeficientes
Más detallesRegresión lineal múltiple
Regresión lineal múltiple José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Índice I 1 El modelo de regresión lineal múltiple 1 El modelo de regresión múltiple. Introducción
Más detallesCapítulo 2. Técnicas de Procesamiento de Imágenes
Capítulo 2. Técnicas de Procesamiento de Imágenes 2.1 Binarización La binarización es una de las técnicas más antiguas de procesamiento de imágenes ya que en el pasado, el primer analizador de imágenes
Más detallesCapítulo 3: Metrología y Calidad. TEMA 6: Metrología. Sistemas y técnicas de medida para el control de calidad
Capítulo 3: Metrología y Calidad TEMA 6: Metrología. Sistemas y técnicas de medida para el control de calidad Índice 1. Metrología Dimensional 3.1 Introducción 3.2 Fuentes de incertidumbre en metrología
Más detallesContenido. Capítulo 1. Capítulo 2. Capítulo 3. Prólogo
Contenido Prólogo XIII Capítulo 1 Acerca del procesamiento de imágenes 1 1.1 Introducción 2 1.2 Sistema de visión y procesamiento de imágenes 2 1.3 Procesamiento digital de imágenes 3 1.4 Relaciones básicas
Más detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Veroni Alsina Camila Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina cveroni@hotmail.com.ar
Más detallesTema 1 Las Funciones y sus Gráficas
Tema Las Funciones y sus Gráficas..- Definición de Función y Conceptos Relacionados Es muy frecuente, en geometría, en física, en economía, etc., hablar de ciertas magnitudes que dependen del valor de
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA EN EL ESPACIO. Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesVisió per Computador processat d imatges
Visió per Computador processat d imatges Felipe Lumbreras Dept. Ciències de la Computació / Centre de Visió per Computador Universitat Autònoma de Barcelona http://www.cvc.uab.es/shared/teach/a102784/
Más detallesCampos gravitatorios en el espacio muestral
Campos gravitatorios en el espacio muestral Dept. Lenguajes y Ciencias de la Computación Septiembre, 2004 1/28 Enfocando el problema Aprendizaje supervisado Clasificación dicotómica (2 clases) Atributos
Más detallesTRA NSFORMACIO N ES LIN EA LES
TRA NSFORMACIO N ES LIN EA LES C o m p uta c i ó n G r á fica Tipos de Datos Geométricos T Un punto se puede representar con tres números reales [x,y,z] que llamaremos vector coordenado. Los números especifican
Más detallesEstadística Descriptiva. SESIÓN 12 Medidas de dispersión
Estadística Descriptiva SESIÓN 12 Medidas de dispersión Contextualización de la sesión 12 En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para
Más detallesII.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000)
II.3. Retoque (enhancement) de imágenes médicas (Bankman I. N. (Ed.), Handbook of medical imaging, Academic Press, 2000) Las técnicas de retoque de imágenes son técnicas matemáticas diseñadas para mejorar
Más detallesDefiniciones Diseño de Experimentos: Diseño del Experimento: Replicación o Repetición:
Definiciones Diseño de Experimentos: La experimentación es una técnica utilizada para encontrar el comportamiento de una variable a partir de diferentes combinaciones de factores o variables de entrada
Más detallesTerminología de Color
Color 1 Color La luz es energía electromagnética en el rango del espectro de 400 a 700 nanómetros de longitud de onda, percibidos como los colores que van desde el rojo, naranja, amarillo, verde, azul,
Más detallesLección 1. Algoritmos y conceptos básicos.
Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
Más detallesA = A < θ R = A + B + C = C+ B + A. b) RESTA O DIFERENCIA DE VECTORES ANÁLISIS VECTORIAL. Es una operación que tiene por finalidad hallar un
ANÁLISIS VECTORIAL MAGNITUD FÍSICA Es todo aquello que se puede medir. CLASIFICACIÓN DE MAGNITUDES POR NATURALEZA MAGNITUD ESCALAR: Magnitud definida por completo mediante un número y la unidad de medida
Más detallesla imagen digital Dpto. de Ingeniería Cartográfica Carlos Pinilla Ruiz la imagen digital Ingeniería Técnica en Topografía lección 5 Teledetección
1 lección 5 sumario 2 Introducción. Sistemas. La imagen digital. Adquisición de imágenes. sistema 3 Definición: Es una estructura, dispositivo, esquema o procedimiento, real o abstracto, que relaciona,
Más detallesSe denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la
Más detalles