Talleres Imágenes y Visión 2025-10
  • Talleres PAID
  • Taller 1: operaciones elementales sobre imágenes
    • Análisis del histograma
    • Operaciones aritméticas
    • Negativo
    • Cuantificación
    • Operaciones lógicas
    • Interpolación
    • Modificación de la paleta de colores
    • Ejercicio de síntesis taller 1
  • Taller 2: operaciones de transformación del histograma
    • Calibración del histograma (o expansión del contraste)
    • Ecualización del histograma
    • Comparación entre diferentes transformaciones del histograma
    • Umbralización simple
    • Umbralización doble
    • Ejercicio de síntesis taller 2
  • Taller 3: Segmentación
    • Segmentación por umbralización
    • Segmentación por crecimiento de regiones
    • Segmentación por agrupación
    • Filtros lineales de detección de contornos
    • Operador de Canny
    • Laplaciano
    • Ejercicio de síntesis taller 3
  • Taller 4: Filtros lineales y no lineales
    • Filtros lineales suavizantes
    • Filtros lineales separables
    • Filtros no lineales
    • Ejercicio de síntesis taller 4
  • Taller 5: Morfología matemática
    • Operadores de dilatación y erosión
    • Gradiente morfológico
    • Operadores de apertura y cierre
    • Etiquetado de objetos
    • Imagen de distancia
    • Esqueleto y adelgazamiento de una imagen
    • Ejercicio de síntesis taller 5
  • Vocabulario
    • Apertura
    • Cierre o clausura
    • Dilatación
    • Elementos estructurantes
    • Erosión
    • Esqueleto, Adelgazamiento y Estrechamiento
    • Falso color
    • Herramienta o elemento estructurante
    • Histograma
    • Imagen binaria
    • Nivel de gris
    • Marcado
    • Morfología matemática
    • Paleta de color
    • Pixel
    • Producto de convolución
    • Pseudo-color
    • Segmentación
    • Transformación del histograma
    • Umbralización del histograma
    • Vecindario y conectividad
    • Coeficiente de Sorensen-Dice
    • Agrupación - Método del codo
  • Imágenes
    • AMOUR
    • ANGIO
    • AQUITAIN
    • BABOON
    • BOUGIES
    • BUREAU
    • BRUIT
    • CARREFOU
    • CHERMANT
    • CIRCUIT
    • CLEF
    • CT
    • DES
    • DES2
    • DES3
    • DES4
    • DESSIN
    • EURO7
    • FILM
    • FISSURE
    • IMPACT
    • LACORNOU
    • MEB
    • MORPHO
    • MUSCLE
    • NOIX
    • OBJECTS
    • QUITO
    • RECT
    • REGLE
    • RONDELLE
    • SCANNER
    • SIC
    • SPOT
    • TORAX
    • TEXT
    • CHEST
  • Ayudas
    • Adición de ruido
    • Adición de ruido uniforme
    • Adición de sombras
    • Aplicación de filtros por convolución
    • Aplicación de filtro Gaussiano
    • Aplicación de filtro promedio
    • Aplicación de filtro sigma
    • Aplicación de operaciones morfológicas
    • Aplicación de ruido Sal y Pimienta
    • Aplicación del Laplaciano
    • Aplicar mapa de color
    • Cálculo de imagen de distancia euclidiana
    • Cálculo del gradiente morfológico
    • Cargar imágenes
    • Crecimiento de regiones
    • Cuantificación de imágenes
    • Detección de componentes conexos
    • Ecualización del histograma
    • Especificación de histogramas
    • Esqueletización (y adelgazamiento)
    • Expansión del histograma
    • Extracción de planos binarios
    • Operaciones aritméticas
    • Operador de Canny
    • Operadores de detección de bordes (Sobel y Prewitt)
    • Redimensionar imágenes
    • Segmentación por K-means
    • Segmentación por súper-pixeles (SLIC)
    • Separabilidad de filtros lineales
    • Umbralización
    • Umbralización doble
    • Umbralización local
    • Visualizar histograma
    • Visualizar imágenes
Powered by GitBook
On this page
  1. Taller 3: Segmentación

Filtros lineales de detección de contornos

PreviousSegmentación por agrupaciónNextOperador de Canny

Last updated 3 months ago

Imagen de trabajo:

Preparación

  1. Cree una nueva sección en su notebook.

  2. objects.png y . Transforme la imagen a Int32 conservando los mismos niveles de gris originales (0 y 255).

Operador de Sobel

  1. horizontal sobre la imagen (que corresponde al cálculo del gradiente de la imagen en la dirección X ). .

  2. vertical sobre la imagen (que corresponde al cálculo del gradiente de la imagen en la dirección X ). .

  3. Calcule la norma (magnitud) del gradiente de acuerdo con la definición a partir de las dos imágenes resultantes anteriores. .

  4. Describa cualitativamente cada una de estas tres imágenes: imagen del gradiente en X, imagen del gradiente en Y e imagen de la norma del gradiente.

  5. sobre la imagen y . Compare la imagen con la obtenido en el punto anterior.

Operador de Prewitt

  1. horizontal sobre la imagen (que corresponde al cálculo del gradiente de la imagen en la dirección X ). .

  2. vertical sobre la imagen (que corresponde al cálculo del gradiente de la imagen en la dirección X ). .

  3. Calcule la norma (magnitud) del gradiente de acuerdo con la definición a partir de las dos imágenes resultantes anteriores. .

  4. Describa cualitativamente cada una de estas tres imágenes: imagen del gradiente en X, imagen del gradiente en Y e imagen de la norma del gradiente.

  5. sobre la imagen y . Compare la imagen con la obtenido en el punto anterior.

Diferencia entre Sobel y Prewitt:

  1. ¿Qué diferencia visual hay entre el operador de Sobel y el de Prewitt?

  2. Para explicar esta diferencia, calcule numéricamente las respuestas del cálculo del gradiente en x, en y y de la norma del gradiente de cada uno de los dos filtros en los siguientes casos:

Frontera horizontal entre negro y blanco
Frontera vertical entre negro y blanco
Frontera oblicua entre negro y blanco
Cuando la máscara se aleja de la frontera oblicua (máscara centrada en [0])
  1. Guarde los cambios en su notebook.

a la imagen de la norma de Prewitt, la imagen de la norma del gradiente calculada con el operador de Sobel.

[000000255255255 ]\begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 255 & 255 & 255\ \end{bmatrix} ​00255​00255​00255 ​​
[002550025500255 ]\begin{bmatrix} 0 & 0 & 255\\ 0 & 0 & 255\\ 0 & 0 & 255\ \end{bmatrix} ​000​000​255255255 ​​
[002550255255255255255 ]\begin{bmatrix} 0 & 0 & 255\\ 0 & 255 & 255\\ 255 & 255 & 255\ \end{bmatrix} ​00255​0255255​255255255 ​​
[00000[0]0255002552550255255255]\begin{bmatrix} 0 & 0 & 0 & 0\\ 0 & [0] & 0 & 255\\ 0 & 0 & 255 & 255\\0 & 255 & 255 & 255 \end{bmatrix} ​0000​0[0]0255​00255255​0255255255​​
objects.png
Cargue la imagen
visualícela
Aplique un filtro de Sobel
Visualice los resultados
Aplique un filtro de Sobel
Visualice los resultados
Visualice los resultados
Aplique un filtro de Sobel
visualice los resultados
Aplique un filtro de Prewitt
Visualice los resultados
Aplique un filtro de Prewitt
Visualice los resultados
Visualice los resultados
Aplique un filtro de Prewitt
visualice los resultados
Sustraiga