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

Segmentación por agrupación

PreviousSegmentación por crecimiento de regionesNextFiltros lineales de detección de contornos

Last updated 3 months ago

Imágenes de trabajo:

  1. Cree una nueva sección en su notebook.

  2. de trabajo y .

  3. Aplique el para segmentar por agrupación. Utilice un valor de K=3. .

  4. para encontrar el valor óptimo de grupos en la imagen. Visualice los resultados ¿Cómo cambia la segmentación?

  5. Aplique el . Utilice un valor de K=25. Visualice los resultados. ¿Cuántos súperpixeles se encontraron?

  6. Aplique el usando el valor óptimo de grupos calculado en el paso 4. Utilice dicho multiplicado por 4 y por 10. Visualice los resultados ¿Qué puede observar? ¿Qué diferencias hay entre las imágenes generadas?

  7. ¿Cuál es la diferencia entre las dos técnicas de segmentación por agrupación utilizadas? ¿Cuál presenta el mejor resultado? ¿Conclusión?

  8. Guarde los cambios en su notebook.

baboon.png
Cargue la imagen
visualícela
algoritmo de K-means
Visualice los resultados
Utilice el método del codo
algoritmo de súperpixeles SLIC
algoritmo de súperpixeles