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 umbralización

PreviousTaller 3: SegmentaciónNextSegmentación por crecimiento de regiones

Last updated 3 months ago

Imágenes de trabajo: ,

  1. Cree una nueva sección en su notebook.

  2. de trabajo objects.png y .

  3. de la imagen de trabajo.

  4. Aplique el algoritmo de l.

  5. Aplique el algoritmo de con un solo valor.

  6. Ahora con varianza de 0.001 y luego con varianza de 0.05. de la imagen resultante. ¿Qué sucede? ¿Por qué sucede esto?

  7. Vuelva a correr las umbralizaciones sobre la imagen ¿Cómo afecta el ruido al resultado?

  8. la imagen de trabajo text, y .

  9. (pruebe con diferentes valores y úselos para los pasos 10 y 11). .

  10. Aplique el algoritmo de sobre la imagen original y las dos modificaciones. ¿Qué sucede? ¿Por qué sucede esto? ¿Qué alternativas puede emplear para mitigar este resultado?

  11. Aplique ahora un algoritmo de . Compare sus resultados con el algoritmo anterior, usando varios valores para el vecindario local. ¿En qué cambia el resultado con relación al método de Otsu? ¿Qué implicaciones tiene esto? ¿Cómo puede mejorar el resultado de la segmentación para reducir el ruido en ambos casos?

  12. Guarde los cambios en su notebook.

objects.png
text.png
Cargue la imagen
visualícela
Visualice el histograma
umbralización globa
umbralización de Otsu
introduzca ruido gaussiano aditivo
Visualice el histograma
Cargue ahora
visualícela
visualice su histograma
Introduzca ahora una sombra circular lateral y una sombra sinusoidal en la imagen
Visualice el resultado
umbralización de Otsu
adaptacion del umbral en función de las propiedades locales