7. Ejemplos con LightPAP
|
|
- José Ramón Castilla Ortiz
- hace 5 años
- Vistas:
Transcripción
1 7. Ejemplos con LightPAP La herramienta creada se ha testado con una secuencia de siete imágenes de citologías muy diferentes entre sí. Estas imágenes han sido proporcionadas por un grupo de investigación de la Universidad Politécnica de Barcelona pero no están diagnosticadas ni se dispone de información sobre las mismas (ni tipo de tinción, ni resolución, ni tipo de muestra ). Sin embargo sirven para evaluar el funcionamiento de la aplicación ya que hemos dejado la opción al usuario de modificar los parámetros y umbrales. Vamos a comprobar el funcionamiento de la herramienta caso por caso, y veremos para qué tipos de imagen funciona mejor. Nota: En todas las imágenes de los ejemplos de procesado siguientes, la imagen superior es la imagen original y la imagen inferior es el resultado de la segmentación aplicada Imagen 1 La primera imagen se muestra en la figura, y es muy similar a la estudiada como ejemplo en el apartado anterior. Visualmente muestra unos bordes claramente definidos entre células y núcleos de elevada intensidad. Se aprecian células de dos colores claramente diferenciados: rosado y azul claro. Aparecen artefactos en la parte superior izquierda de la imagen. El fondo es bastante homogéneo. 1
2 Figura 1 Imagen 1 e imagen 1 segmentada por Watershed 2
3 Los parámetros que se han usado para su procesado se ven en el fichero de texto a continuación. Fichero D:\kriz\citology_def\08_03_04_img1\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 18:59 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 30 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 27 Se aprecia a simple vista que los parámetros de preprocesado son los mismos para los que estaba optimizado el procesamiento de la imagen del ejemplo. Se detectan 27 células, cuyas propiedades se indican en el cuadro de Excel que aparece en las siguientes páginas. 3
4 4
5 5
6 6
7 7
8 A continuación se muestra la segmentación Watershed en la Figura 1, y también una imagen en la Figura 2 con las células segmentadas y los núcleos detectados. Estas imágenes se guardan en la carpeta de resultados. Figura 2 Resultado de las células segmentadas con los núcleos marcados Vemos que las células cuya separación se aprecia claramente a simple vista, son segmentadas correctamente. Muchas falsas células son filtradas correctamente, aunque no todas. Un ejemplo es la región número siete de la figura; claramente se ve que no es una célula. En este aspecto podría intentar mejorarse el filtrado. Se puede apreciar que los núcleos los detecta bien la mayoría de las veces, aunque aparecen falsos positivos, como en las células nueve y veintitrés. 8
9 7.2. Imagen 2 Esta es la imagen (Figura 3) con la que hemos expuesto el ejemplo. Así pues no va a hablarse más de ella aquí. Los parámetros de la aplicación están optimizados para esta imagen en concreto. Cuanto más parecidas sean otras imágenes a esta, mejores resultados dará. Figura 3 Imagen 2 e imagen 2 segmentada por Watershed 9
10 6.2. Imagen 3 La imagen 3 es diferente a las dos probadas hasta ahora, aunque no mucho. Vemos que presenta mayormente una coloración rosada tirando a morado, presumiblemente debido al tipo de tinción de la muestra. En esta ya no aparecen, como en la anterior, células de distintos colores. Esto nos hace suponer a priori que puede ser de utilidad la elección de un plano de color en lugar de hacer una media entre los mismos. Esta imagen parece además más emborronada, lo que puede deberse a la captura de la misma. Por último cabe señalar que hay multitud de artefactos (elementos no deseados en la imagen) que pueden dificultar la tarea de procesado. 10
11 Figura 4: Imagen 3 e imagen 3 segmentada por Watershed 11
12 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img3\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 19:53 Parámetros de preprocesamiento: Planos de procesado: Plano verde Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 65 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 200 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 26 En este fichero de texto podemos destacar que el plano elegido ha sido el verde, en lugar de la escala de grises como supusimos al ver la imagen a simple vista. Al modificar esto, también se han tenido que ajustar los umbrales. Las células detectadas han sido 26, cuyas propiedades se indican en la hoja de cálculo de las siguientes páginas. 12
13 13
14 14
15 15
16 16
17 Además puede verse la imagen de la segmentación Watershed en la Error! No se encuentra el origen de la referencia. y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 5. Figura 5 Resultados de las células segmentadas y los núcleos detectados Como imaginábamos al principio, la existencia de artefactos en la imagen genera un mayor número de falsos positivos. Si aplicásemos un filtrado más estricto, tal vez se pudiesen eliminar. Las células claramente distinguibles las segmenta correctamente. 17
18 6.3. Imagen 4 La cuarta imagen es bastante similar a las imágenes 1 y 2. Se observan dos diferencias: en primer lugar, todas las células son de color rosado a magenta intenso; por otra parte, las células aparece más apelmazadas en esta imagen que en las anteriores. Esto último nos hace suponer que serán más difíciles de segmentar las células. 18
19 Figura 6: Imagen 4 y resultados de la segmentación Watershed 19
20 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img4\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 20:50 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 30 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 8 En el fichero de texto podemos observar que los parámetros de procesado son idénticos a los de la imagen del ejemplo. Esto ya se había supuesto a simple vista, ya que decíamos que las imágenes eran muy parecidas. Tras aplicar los filtrados nos quedamos con 8 células para analizar. La aplicación calcula sus propiedades y las guarda en la hoja de cálculo mostrada en las páginas siguientes. 20
21 21
22 22
23 Puede verse la imagen de la segmentación Watershed en la Error! No se encuentra el origen de la referencia. y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 7. Figura 7 Resultados de las células segmentadas con los núcleos detectados Para esta imagen, a pesar de segmentarse las células correctamente con Watershed, al aplicar el filtrado hay células que no pasan a pesar de cumplir las condiciones. Puede que mejorando el algoritmo de detección de núcleos mejoren los resultados. 23
24 6.4. Imagen 5 La quinta imagen parece muy diferente de las anteriores, pero sólo hay que pararse un momento a observarla para comprobar que realmente no difiere mucho de la imagen 4. El brillo del fondo puede confundir, pero probablemente realizando el adecuado preprocesado se obtengan resultados análogos a los del apartado anterior. Figura 8 Imagen 5 y resultados de la segmentación Watershed 24
25 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img5\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 21:25 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 50 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 29 Se puede comprobar que el preprocesado es el mismo que en la figura del ejemplo, y que sólo varía el umbral para segmentar la ROI. Se detectan 29 células cuyas propiedades se detallan en la hoja de cálculo de las siguientes páginas. 25
26 26
27 27
28 28
29 29
30 Además puede verse la imagen de la segmentación Watershed en la Figura 8 y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 9 Figura 9 Resultado con las células segmentadas y los núcleos detectados Para esta imagen funciona bastante bien tanto la segmentación como el filtrado, aunque como en las anteriores aparecen falsos positivos. Comprobamos así que no es tan diferente a las imágenes anteriores como pensábamos a priori. 30
ANALISIS Y DETERMINACIÓN DE PROPIEDADES EN IMÁGENES DE CITOLOGÍA
6. Guía de usuario En este apartado se va a explicar el funcionamiento de la aplicación desarrollada, con sus distintas opciones y posibilidades. A la vez, se irá mostrando el proceso de ajuste de parámetros
Más detallesApéndice A: Funciones del programa LightPAP
Apéndice A: Funciones del programa LightPAP A continuación se van a explicar las funciones principales que se han desarrollado para esta aplicación. 1 calcula_prop.m function [nc,cv,posicion,tinta,saturacion,luminancia]
Más detalles5. Software desarrollado
5. Software desarrollado Como ya se ha señalado, en el desarrollo de este proyecto se ha creado una herramienta que ayuda al diagnóstico de cáncer de cérvix. Esta herramienta calcula una serie de parámetros
Más detallesIngeniería en Informática
Ingeniería en Informática Procesamiento de Imágenes Digitales 1 a convocatoria oficial, curso 2008-2009 APELLIDOS: NOMBRE: En las preguntas tipo test cada respuesta correcta puntúa 0.5 puntos, mientras
Más detallesPorqué analizar imágenes?
Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo
Más detallesSistemas de Percepción Visión por Computador
Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción Visión
Más detallesANEXO N 3. Estudio Del Color En Videos De Tráfico
ANEXO N 3 Estudio Del Color En Videos De Tráfico Análisis de imágenes de tráfico en espacios de colores Se pretende analizar una imagen de un segmento de vía típico con condiciones de luz ideales. Se tendrá
Más detallesProcesamiento de Imágenes. Prof. Alexandra La Cruz, PhD
Procesamiento de Imágenes Prof. Alexandra La Cruz, PhD alacruz@ldc.usb.ve Contenido Conceptos básicos Modelo de una imagen Procesamiento digital de imágenes Operaciónes básicas Convolución Filtros Segmentación
Más detallesOrden de las clases...
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detalles1 Introducción. 1.1 Ecualización del histograma
AHE (ECUALIZACIÓN DEL HISTOGRAMA ADAPTATIVO) Dpto. Física aplicada e Ingeniería de Sistemas Grupo de Control e Informática Industrial Universidad Politécnica de Madrid Escuela Universitaria de Ingeniería
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 18
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
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 detalles7. Imágenes resultado
7. Imágenes resultado A continuación presentamos las imágenes resultado de la aplicación de nuestro algoritmo de segmentación. En cada secuencia de imágenes, se presenta en primer lugar la imagen sin segmentar
Más detallesNombre Número de cuadros Cuadros por segundo. Umbral de tiempo para eliminación de líneas: 12 cuadros (0.5 segundos)
Reconocimiento de señales de tráfico para un sistema de ayuda a la conducción 7 Resultados Se han realizado pruebas con tres videos grabados de día y con condiciones lumínicas variables (tramos a contraluz,
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID
UNIVERSIDAD POLITÉCNICA DE MADRID DEPARTAMENTO DE ELECTRÓNICA, AUTOMÁTICA E INFORMÁTICA INDUSTRIAL Prácticas de Robótica y Visión Artificial Práctica 3 Prácticas de procesado de las imágenes 3.2 Técnicas
Más detallesCapítulo. Procedimiento de transformación de intensidad.
Capítulo 6 Procedimiento de transformación de intensidad. En el presente capítulo se describe el cambio de contraste como una opción de preprocesamiento para mejorar la calidad de la imagen con lo que
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 detallesTABLA DE CONTENIDOS. Dedicatoria. Agradecimientos. Tabla de Contenidos. Índice de Figuras. Índice de Tablas. Resumen
TABLA DE CONTENIDOS página Dedicatoria Agradecimientos Tabla de Contenidos Índice de Figuras Índice de Tablas Resumen I II IV VII X XI 1. Introducción 13 1.1. Descripción del contexto.........................
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 detallesRECONOCIMIENTO DE MENSAJES EN CÓDIGO BRAILLE MEDIANTE TÉCNICAS DE PROCESADO DE IMÁGENES
PROCESAMIENTO DE IMÁGENES DIGITALES RECONOCIMIENTO DE MENSAJES EN TRABAJO REALIZADO POR: MANUEL CASAS ALAMINOS FRANCISCO JAVIER IGLESIAS RUIZ CURSO: 2013/2014 ÍNDICE: 1. INTRODUCCIÓN 2. PREPROCESADO 3.
Más detallesComparativa de clasificadores para la detección de microaneurismas en angiografías digitales.
Escuela Técnica Superior de Ingenieros Proyecto Fin de Carrera Comparativa de clasificadores para la detección de microaneurismas en angiografías digitales. DEPARTAMENTO DE TEORÍA DE LA SEÑAL Y COMUNICACIONES
Más detallesProcesamiento Digital de Imágenes
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 14 Procesamiento Espacial en Color De manera similar al procesamiento espacial de imágenes en escala de gris, las imágenes RGB pueden ser procesadas
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 14
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 14 Procesamiento Espacial en Color De manera similar al procesamiento espacial de imágenes en escala de gris, las imágenes RGB pueden ser procesadas
Más detallesCAPÍTULO 3. PRUEBAS Y RESULTADOS
54 CAPÍTULO 3. PRUEBAS Y RESULTADOS A lo largo de este trabajo hemos resaltado la importancia del procesamiento de imágenes, mencionado la teoría que lo sustenta y descrito la metodología desarrollada.
Más detalles5. Experimentos realizados.
5. Experimentos realizados. En este apartado se explicará un experimento llevado a cabo. Este experimento tiene como objetivo la comparación de la odometria frente a las orientaciones que nos proporciona
Más detallesvariarán los valores con los tiradores hasta conseguir el resultado deseado.
MANEJO DE COLOR Photoshop ofrece todo un mundo de color y posibilidades de aplicación del mismo, y es en este tema donde se dará a conocer todo lo necesario para una buena utilización de estas opciones.
Más detallesCAPITULO 5. Introducción al procesamiento de imágenes. Continuar
CAPITULO 5 Introducción al procesamiento de imágenes Continuar Introducción De forma similar al estudio de las señales de voz, los sistemas de comunicación manipulan datos que corresponden a imágenes y
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 detallesSEGMENTADO DE HUELLAS EN FICHAS DECADACTILARES
Captura y Procesamiento Digital de Señales e Imagenes Trabajo Final: SEGMENTADO DE HUELLAS EN FICHAS DECADACTILARES Barletta, juan Schinner, Sebastián Zarza, Gonzalo INTRODUCCION Limpieza y una Segmentación
Más detallesGuía de aprendizaje Photoshop CS5: edición fotográfica
Desarrollo del tutorial: paso 1 de 12 En este tutorial veremos algunos de los ajustes de exposición y tono de color que podemos llevar a cabo en Camera Raw. Trabajaremos con las fotografías Lisboa-01.dng
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FUNDAMENTOS DE LA IMAGEN DIGITAL Introducción al análisis de imágenes digitales DEFINICIÓN DE AID El proceso de análisis de imágenes digitales (AID) es cuando una computadora
Más detallesMorfología matemática en color para el análisis de imágenes neuronales
INFORME TÉCNICO VC-6-2005 Morfología matemática en color para el análisis de imágenes neuronales (Realizado por Francisco Ortiz Zamora Profesor Titular de Escuela Universitaria, Universidad de Alicante)
Más detallesCapitulo 5 Resultados
5.1 Validación del Layer - Planetas Capitulo 5 Resultados En este capítulo se muestran los resultados obtenidos de las pruebas realizadas con diversas fotografías de distintos planetas y lunas para cada
Más detallesEclipse SDK 3.3: Utilizado para el desarrollo del software de la aplicación web.
0. Datos de interés La totalidad del proyecto de título Aplicación web y análisis de señales acústicas provenientes del llanto de los infantes (A web-based application and acoustic signal analysis of the
Más detallesPercepción visual aplicada a la robótica
Percepción visual aplicada a la robótica Mario I. Chacón Murguía Rafael Sandoval Rodríguez Javier Vega Pineda Selecciona el libro para empezar Capítulo 1 Conceptos básicos de procesamiento de imágenes
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 5b
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 5b Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesSegmentación de imágenes. Procesamiento de imágenes biomédicas Curso 2011
Segmentación de imágenes Procesamiento de imágenes biomédicas Curso 2011 Introducción Hasta ahora el procesamiento digital de una imagen implicaba, una imagen de entrada y una imagen de salida. Ahora con
Más detallesMODELO FUNCIONAL DEL SISTEMA
APENDICE A: MODELO FUNCIONAL DEL SISTEMA 102 APENDICE A MODELO FUNCIONAL DEL SISTEMA A.1. Descripción del proyecto El Sistema Reconocedor de Partituras Musicales (S.R.P.M.) es un sistema que analiza partituras
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 detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Filtrado en el espacio Filtros lineales Tipos de ruido Filtro media Filtro mediana Filtros gausianos Filtrado en la frecuencia
Más detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción Conectividad Operaciones matemáticas básicas OR AND NOT XOR Operadores morfológicos Dilatación Erosión Cierre Apertura
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detallesSistema de análisis de vídeo basado en tecnología IP
Sistema de análisis de vídeo basado en tecnología IP 1 Instalación...2 2 Registro...4 3 Configuración...5 3.1 Perfiles... 6 3.1.1 Regiones... 8 3.1.2 Variables... 9 3.1.3 Testear variables... 11 3.2 Configuración
Más detallesPROCESAMIENTO DE IMÁGENES CON TITERE
www. PROCESAMIENTO DE IMÁGENES CON TITERE PAUTA Programa de mejora de las enseñanzas Prácticas basadas en el AUToAprendizaje 20/03/01 Proyecto TITERE 1 PROYECTO TITERE 1. Introducción. 2. Descripción del
Más detallesDentro de este tipo de segmentación se encuentran los métodos de combinación y división, y crecimiento de regiones.
4. Estado del arte Hoy en día, el análisis y el tratamiento de las imágenes lo encontramos la mayoría de las veces integrado con aplicaciones de visualización. La segmentación de imágenes digitales en
Más detallesTécnicas de Segmentación
Técnicas de Segmentación M.C. Sayde Alcántara Santiago Licenciatura en Informática (951) 50 1 72 08 Ext. 1024 salcantara@jacinto.novauniversitas.edu.mx Resumen El desarrollo de las tecnologías de adquisición
Más detallesPROCESAMIENTO DE IMÁGENES CON TITERE
www. Proyecto TITERE PROCESAMIENTO DE IMÁGENES CON TITERE Realización de prácticas de laboratorio en puestos de trabajo remotos mediante la Transmisión de Imágenes REales por InTErnet PAUTA Programa de
Más detallesCapítulo V. Descripción del Sistema y Pruebas
Capítulo V Descripción del Sistema y Pruebas V 5.1 Descripción del Sistema El sistema finalmente implantado es mostrado en las pantallas siguientes, se tiene una pantalla principal de aplicación, en la
Más detalles3 Fundamentos y algoritmos de visión artificial
3. Descripción de los procesos utilizados En esta aplicación el problema de visión artificial que se plantea es la discriminación y localización de una serie de objetos, concretamente discos circulares
Más detallesDescripción de la aplicación
Descripción de la aplicación Contexto del trabajo El trabajo se sitúa en el marco de la asignatura Procesamiento de Imágenes Digitales (PID). En esta asignatura gran parte de la nota final se basa en la
Más detallesTema 4: MORFOLOGÍA (Parte II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 4: MORFOLOGÍA (Parte II) 1 I N G E N I E R Í A I N F O R M Á T I C A 2 Morfología Imágenes binarias Imágenes en escala de grises Operaciones morfológicas Aplicaciones Operaciones morfológicas Aplicaciones
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 detallesDetección y segmentación de objetos
24 de abril de 2013 ¾Qué es segmentación? Segmentación Objetivo El objetivo de la segmentación de una imagen es el agrupamiento de ciertos píxeles de la imagen en regiones correspondientes a objetos contenidos
Más detallesFILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES. Jesús López de la Cruz Grupo 10
FILTRO DE COLOR FUZZY BASADO EN EL HISTOGRAMA PARA LA RESTAURACIÓN DE IMÁGENES Jesús López de la Cruz Grupo 10 Problema Soluciones anteriores Algoritmo HFC Explicación visual Problema Tenemos una imagen
Más detallesContenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Transformada watershed CONCEPTOS BÁSICOS En la morfología matemática, se define una técnica de segmentación basada en regiones denominada transformada
Más detallesPreguntas tema 4: MORFOLOGÍA
Preguntas tema 4: MORFOLOGÍA 1 I N G E N I E R Í A I N F O R M Á T I C A C U R S O 2 0 1 3-2 0 1 4 MORFOLOGÍA BINARIA 2 Ejemplo clausura: Corrección de texto escaneado - Imagen original: texto escaneado
Más detallesGestión de usuarios en Linux
Gestión de usuarios en Linux Alberto Ruiz Gonzalo 1º SMR Creación de usuarios y grupos Para crear usuarios en Ubuntu (Linux) básicamente hay dos comandos, adduser y useradd, ambos comandos usan sudo para
Más detallesCapítulo 4. Detección del Objeto Conocido, Medición de su Tamaño Virtual y Cálculo de la Distancia
Capítulo 4. Detección del Objeto Conocido, Medición de su Tamaño Virtual y Cálculo de la Distancia 4.1 Características del objeto a medir El objeto a ser procesado es de dimensiones conocidas, y tiene
Más detallesEstas distintas fases evolutivas que los bocetos para Rejas atraviesan las podemos concretar del siguiente modo:
REJAS Como ya hemos comentado, los primeros bocetos para Rejas de Sempere están estrechamente ligados a su pintura y a sus Collages. Representan un primer paso, el más directo para adentrarse en el mundo
Más detallesAlgoritmo de Extracción de Rectas
Capítulo 3 Algoritmo de Extracción de Rectas El ROMEO lleva incorporado un láser que le permite saber los obstáculos que hay en su entorno, y a la distancia a la que se encuentran. Lo que hace, es realizar
Más detallesRevista Aristas Ciencia Básica y Aplicada
Contenido disponible en http://fcqi.tij.uabc.mx/usuarios/revistaaristas/ Revista Aristas Ciencia Básica y Aplicada ELIMINACIÓN DE LA SOBRESEGMENTACIÓN DE IMÁGENES COLPOSCÓPICAS UTILIZANDO K-MEANS. Itzel
Más detallesFormatos básicos. Vemos un ejemplo:
Formatos básicos Como recordaremos de Word, los formatos son todas aquellas modificaciones que hacemos en el aspecto de los contenidos, en este caso, de los contenidos de las celdas de Excel. Los formatos
Más detallesRECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA
RECONOCIMIENTO DE RUTAS DE ESCALADA EN PAREDES DE PIEDRA PROCESAMIENTO DE IMÁGENES DIGITALES Curso 2013/2014 Carlos Falgueras García David Solís Martín Adrián Fernández Sola 1. Introducción Existen varios
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID
UNIVERSIDAD POLITÉCNICA DE MADRID DEPARTAMENTO DE INGENIERÍA ELÉCTRICA, ELECTRÓNICA, AUTOMÁTICA Y FÍSICA APLICADA Prácticas Visión Artificial Práctica 4 Prácticas de procesado de las imágenes 4.2 Técnicas
Más detallesTécnicas de Imagen para el Pronóstico Cardiovascular. Francisco Javier Nóvoa de Manuel Centro IMEDIR Universidade da Coruña
Técnicas de Imagen para el Pronóstico Cardiovascular Francisco Javier Nóvoa de Manuel Centro IMEDIR Universidade da Coruña Introducción Ámbito del Problema Angiografías cardiovasculares obtenidas a través
Más detallesManual de GIMP. Capítulo 6. Los colores. Manual de GIMP. Capítulo 6: Los colores. Reconocimiento-NoComercial-CompartirIgual 2.
Manual de GIMP Capítulo 6: Los colores Reconocimiento-NoComercial-CompartirIgual 2.5 España Realizado por: José Sánchez Rodríguez (Universidad de Málaga) josesanchez@uma.es Julio Ruiz Palmero (Universidad
Más detallesUso de las estadísticas de los histogramas para el realce local de imágenes
Uso de las estadísticas de los histogramas para el realce local de imágenes Albornoz, Enrique Marcelo y Schulte, Walter Alfredo 5 de noviembre de 2004 Captura y Procesamiento Digital de Imágenes. Facultad
Más detallesFILTROS EN EXCEL. Filtro Básico
FILTROS EN EXCEL Filtro Básico Descripción breve Hablaremos de Filtro. Este contenido es propio y edición gracias a algunos temas recopilados en AulaClic, y se usa para fines educativos. Urcia Vega, Carlos
Más detallesTabla 7: Ejemplo matriz CaractE
8 RESULTADOS EXPERIMENTALES 8.1 MATRICES DE CARACTERÍSTICAS Con el fin de dar una idea más precisa de cómo se conforman las matrices de características usadas en el reconocimiento de patrones y qué valores
Más detallesTema 5: SEGMENTACIÓN (I) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (I) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación 2 El propósito de la segmentación de imágenes consiste en dividir una imagen en regiones significativas con respecto
Más detallesDeep Learning. Aplicaciones en Patología. Marcial García Rojo. Patólogo. Cádiz. Gloria Bueno. VISILAB Group. Universidad de Castilla-La Mancha
Deep Learning. Aplicaciones en Patología Marcial García Rojo. Patólogo. Cádiz. Gloria Bueno. VISILAB Group. Universidad de Castilla-La Mancha Para qué necesitamos análisis de imagen en Patología? Reducir
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 detallesPrincipios de un programa de control de calidad
Control de calidad Principios de un programa de control de calidad Debe hacerse en cada una de las etapas, tanto para proyectos propios como para proyectos externalizados; Sin este trabajo no se pude garantizar
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 detallesConteo de Objetos en una Imagen
Conteo de Objetos en una Imagen Claudia Mayela Alcaraz Avendaño Instituto Tecnológico de Celaya claudia.alcaraz@itcelaya.edu.mx Juana María Flores Vázquez Instituto Tecnológico de Celaya juana.flores@itcelaya.edu.mx
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 detallesMarcas de agua (Watermarking) en imágenes, aplicadas en el dominio espacial basadas en Correlación
Marcas de agua (Watermarking) en imágenes, aplicadas en el dominio espacial basadas en Correlación Godoy Matías, Mignola César Captura y Procesamiento Digital de Señales e Imágenes Trabajo práctico final
Más detallesProyecto final de máster Reconocimiento facial
Proyecto final de máster Reconocimiento facial A. Bruno Rodríguez Rodríguez Director: Gregorio Robles Máster oficial en Software libre Universitat oberta de Catalunya 4 de junio de 2011 Bruno Rodríguez
Más detallesInterfaz gráfica para el reconocimiento de objetos Dr. Wilfrido Gómez Flores
CINVESTAV-LTI TopTamaulipas 2015 3 de junio de 2015 Interfaz gráfica para el reconocimiento de objetos Dr. Wilfrido Gómez Flores 1 Descripción de archivos El archivo RecObj.rar contiene los elementos necesarios
Más detallesVisión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detallesCAPÍTULO 4 MÉTODO PROPUESTO PARA DETECCIÓN DE COLUMNAS DE HUMO
CAPÍTULO 4 MÉTODO PROPUESTO PARA DETECCIÓN DE COLUMNAS DE HUMO En este capítulo se detalla el método propuesto para detectar columnas de humo en secuencias de video al aire libre haciendo uso de la SWT.
Más detalles4.2. Descripción del proceso de toma de muestras
4.2. Descripción del proceso de toma de muestras La toma de muestras se realizó a través de la toma de fotografía en formato R-G-B (fotografía convencional), como fotografías N-G-B (fotografía que posteriormente
Más detallesNota: se pueden usar funciones de Matlab para filtrado de imágenes. Se dará importancia al tiempo de cómputo de los métodos.
Procesamiento Digital de Imágenes TAREAS UNIDAD 5 Entregar el 4 de agosto Tarea 1. Métodos de umbralado global y local Implementar en Matlab los siguientes cinco métodos de umbralado global: Rosenfeld,
Más detallesCapítulo Desarrollo. 4.1 Adquisición
Capítulo 4 4. Desarrollo 4.1 Adquisición El sistema inicia su proceso con la adquisición de las imágenes en tiempo real usando una cámara con entrada USB para poder recibir las imágenes en una computadora.
Más detallesINDICE Prefacio 1. Introducción 2. Fundamentos de la imagen digital
INDICE Prefacio XVII 1. Introducción 1.1. Fundamentos 1 1.2. Representación digital de imágenes 6 1.3. Etapas fundamentales del procesamiento de imágenes 8 1.4. Elementos de los sistemas de procesamiento
Más detallesANEXO II Convocatoria 2011 Ayudas a la Innovación educativa y a la mejora de la calidad de la enseñanza"
Proyecto Transversal de IE: ANÁLISIS DEL ABSENTISMO Y ABANDONO EN LAS TITULACIONES DE GRADO EN LA UPM Y PROPUESTAS PARA LA MEJORA DE LOS ÍNDICES DE PERMANENCIA ANEXO II Convocatoria 2011 Ayudas a la Innovación
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID
UNIVERSIDAD POLITÉCNICA DE MADRID DEPARTAMENTO DE ELECTRÓNICA, AUTOMÁTICA E INFORMÁTICA INDUSTRIAL Prácticas de Procesado de Señales e Imágenes Práctica 2 Técnicas de eliminación del ruido 2.2 Técnicas
Más detalleshardware gráfico y herramientas de software que faciliten la interacción humano-máquina-data
CAPÍTULO 4 IMPLEMENTACIÓN E INTEGRACIÓN DE ALGORITMOS 4.1 Introducción La visualización 2D y 3D en bioingeniería depende de ambientes computacionales, hardware gráfico y herramientas de software que faciliten
Más detallesEspectro de dos estrellas tipo B9IV (SAO y SAO 67560) próximas a M57 en la Lira captadas el (de 19h46 a
Espectro de dos estrellas tipo B9IV (SAO 67519 y SAO 67560) próximas a M57 en la Lira captadas el 15-10-2012 (de 19h46 a 20h00 TU) con SC 8 a f/6.3, cámara QSI y red de difracción Star Analyser 100. Tratamiento
Más detallesApartado donde podremos modificar la configuración por defecto de algunas opciones del programa: Pantalla 1: Configuración de Sistema.
Sistema 20 SECCIÓN 6 CAPÍTULO 20 GENERAL SISTEMA Sistema. Apartado donde podremos modificar la configuración por defecto de algunas opciones del programa: Pantalla 1: Configuración de Sistema. Sólo podremos
Más detallesInstrucciones presentación de cuentas anuales en el Registro Mercantil
Instrucciones presentación de cuentas anuales en el Registro Mercantil CONTASOL te permite preparar las Cuentas Anuales para su depósito en el Registro Mercantil. Una vez creado el archivo, lo puedes abrir
Más detallesSistemas de Percepción
PROGRAMA DE LA ASIGNATURA: Sistemas de Percepción Código: 3042105040 Curso 2006/2007 CENTRO: ESCUELA TÉCNICA SUPERIOR DE INGENIEROS INDUSTRIALES TITULACIÓN: INGENIERO EN AUTOMÁTICA Y ELECTRÓNICA INDUSTRIAL
Más detallesTema 5: Morfología. Segunda parte
Tema 5: Morfología Segunda parte 1. Imágenes binarias Morfología Operaciones morfológicas:» Dilatación, erosión, Transformada Hit-or-Miss, apertura y cierre. Aplicaciones:» Extracción de fronteras y componentes
Más detallesTécnicas de inteligencia artificial. Visión Artificial Detección de aristas y puntos característicos
Técnicas de inteligencia artificial Visión Artificial Detección de aristas y puntos característicos Indice Detección de aristas Algoritmo de Canny Algoritmo de Susan Aristas ( Edges ) Operadores de gradiente:
Más detallesTratamiento de imágenes
Tratamiento de imágenes Procesamiento morfológico h.a.montes@fi.uaemex.mx http://fi.uaemex.mx/h.a.montes 29//07 Advertencia No use estas diapositivas como referencia única de estudio durante este curso.
Más detallesCapítulo 4. Normalización de Tamaño de Imágenes
Capítulo 4. Normalización de Tamaño de Imágenes 38 Capítulo 4. Normalización de Tamaño de Imágenes 4. Procesamiento previo de las imágenes. La segmentación de palabras manuscritas implica una serie de
Más detallesTomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.
4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación
Más detallesMejora de la Imagen Image Enhancement. Ref: Capítulo 3 Digital Image Processing Gonzalez, Woods
Mejora de la Imagen Image Enhancement Ref: Capítulo 3 Digital Image Processing Gonzalez, Woods Para que? Mejorar la visualización Facilitar el procesamiento posterior Adecuar la imagen para una aplicación
Más detalles