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

Laplaciano

PreviousOperador de CannyNextEjercicio de síntesis taller 3

Last updated 3 months ago

Imágenes de trabajo: , , ****

Preparación

  1. Cree una nueva sección en su notebook.

  2. y spot.png.

  3. Antes de aplicar el filtro Laplaciano es necesario modificar el tipo de la imagen para que esta pueda contener niveles de gris negativos. Convierta la imagen a tipo Int16.

Filtro Laplaciano:

  1. Aplique un . ****(puede efectuar una del histograma -entre 0 y 255- de la imagen obtenida para visualizar mejor los detalles de la imagen del Laplaciano).

  2. ¿Cómo es la respuesta del Laplaciano en las regiones homogéneas de la imagen y en los contornos? ¿A qué se debe este resultado?

Operador LoG (Laplacian of Gaussian):

Ahora vamos a efectuar un filtrado gaussiano previo al cálculo del Laplaciano, lo cual es equivalente a aplicar el operador LoG (Laplacian of Gaussian) a la imagen original.

  1. Aplique un con varianza en 0 a la imagen. .

  2. Aplique sobre el resutlado del paso anterior un filtro . ****(puede efectuar una del histograma -entre 0 y 255- de la imagen obtenida para visualizar mejor los detalles de la imagen del Laplaciano). ¿Cómo es la respuesta de este LoG con respecto al Laplaciano sin filtrado previo del ejercicio anterior? ¿A qué se debe este resultado?

  3. Repita los pasos 1 y 2, pero cambiando a 1 el valor de la varianza en el filtro gaussiano. ¿Cómo es la respuesta de este LoG con respecto al Laplaciano sin filtrado previo del ejercicio anterior? ¿A qué se debe este resultado?

  4. Repita los pasos 1 y 2, pero cambiando a 2 el valor de la varianza en el filtro gaussiano. ¿Cómo es la respuesta de este LoG? ¿A qué se debe este resultado?

Comparación entre Sobel y LoG

  1. ¿En cuál de las dos imágenes es más fácil detectar los contornos. ¿Por qué ? ¿Cómo afecta el ruido la detección de los contornos en cada caso?

Realce Laplaciano:

  1. Combine esta última imagen (la del LoG calibrada) con 60% de la imagen inicial. Esto quiere decir multiplicar la imagen original por el valor 0.6 y sumarla a la imagen invertida del LoG.

  2. Guarde todos los cambios en su notebook.

la imagen bruit y . (con varianza igual a 1) y un filtro Laplaciano siguiendo los mismos pasos de los ejercicios previos. la imagen del LoG.

Calcule sobre la misma imagen bruit la norma del gradiente utilizando el operador de Sobel. Para una mejor visualización, el histograma de las imágenes resultantes. ****

la imagen film.png y .

(con varianza igual a 1) y siguiendo los mismos pasos de los ejercicios previos. la imagen del LoG.

el histograma de la imagen del LoG entre 0 y 255 y déjela de tipo UInt8.

Para acentuar el interés del procesamiento, efectúe una del histograma de la imagen original y de la imagen combinada.. ¿Cuál es su conclusión?

spot.png
bruit.png
film.png
Cargue
visualice la imagen
filtro Laplaciano
Visualice el resultado
calibración
filtro Gaussiano
Visualice el resultado
Laplaciano
Visualice el resultado
calibración
Cargue
visualícela
Aplique un filtro gaussiano
Visualice
calibre
Cargue
visualícela
Aplique un filtro gaussiano
un filtro Laplaciano
Visualice
Calibre
ecualización
Visualice el resultado