- Resource Information
Abstract
Esta es una actividad basada en el procesamiento de imágenes con MATLAB, dónde se buscará descubrir cómo contar el número de objetos distinguibles en una imagen. Se realizará con la ayuda de MATLAB. MATLAB significa «laboratorio de matriz» y es un entorno de computación numérica y lenguaje de programación de cuarta generación, desarrollado por MathWorks. Utilizando MATLAB, podemos resolver problemas de computación técnica más rápido que con lenguajes de programación tradicionales, como C, C++ y Fortran. Esta actividad puede ser desarrollada por los estudiantes individualmente o en parejas y se centrará en el uso de MATLAB. El profesor mantendrá un control estrecho del trabajo realizado por los alumnos. Esta actividad se podrá realizar ejecutando los comandos secuencialmente en cada paso en la ventana de comandos de MATLAB.

Una imagen original
Fuente: https://www.instructables.com/Image-Processing-and-Counting-using-MATLAB/y http://informatica.uv.es/iiguia/VC/tutorial.pdf
Learning Outcomes
Los alumnos aprenderán a editar una imagen usando MATLAB.
- Organizar el trabajo en equipo dividiendo tareas y roles.
- Habilidades sociales como liderazgo, conciencia organizacional o comunicación.
- Habilidades de programación.
- Gestión del tiempo y de los recursos para cumplir los objetivos propuestos.
- Responsabilidad y conciencia social.
- Conocimiento matemático reconociendo diferentes medidas, volúmenes y perspectivas.
- Cómo trabajar en grupo.
- Cómo comprender los principios de programación.
- Cómo procesar una imagen usando MATLAB.
Other Instructions
En 7 sencillos pasos tendrás tu imagen procesada: o Leer una imagen: Una imagen es elegida para que tenga un contraste considerable con tu fondo y que los objetos puedan ser identificados. La función imread lee la imagen desde una ubicación dada y la almacena en la matriz img1. La función imshow muestra la imagen. img1=imread(‘Lines.jpg’); imshow(img1) o Convertir en escala de grises: Este paso elimina cualquier información de color en la imagen para facilitar la identificación de objetos. El rgb2gray convierte la imagen de color en una imagen de escala de grises y la almacena en la matriz img2. img1=rgb2gray(img1); imshow(img1) o Umbral de la imagen: Este paso marca los umbrales de la imagen al convertir la imagen de escala de grises en una imagen que contiene solo dos colores. La función im2bw asigna el color negro a todos los píxeles que tienen luminosidad. La función gris calcula aproximadamente el umbral de la imagen. img2=im2bw(img1,graythresh(img1)); imshow(img2) o Complementar la imagen: En este paso complementamos la imagen usando el operador ~. Con esto convertimos las zonas blancas en negro y viceversa. Realizamos este paso ya que queremos que las áreas de atención (objetos) fueran de color blanco. img2=~img2; imshow(img2) o Encontrar los extremos del objeto: Este paso encuentra los extremos de cada objeto que, a su vez, lo encuentra y lo almacena en B. La función de texto imprime el número de objetos que se encuentran en bwboundaries. B = bwboundaries(img2); imshow(img2) text(10,10,strcat(‘color{green}Objects Found:’,num2str(length(B)))) o Trazar los límites: Este es un paso en el que marcamos los límites de todos los objetos identificados por la función bwboundaries. Este paso puede ser eliminado si te parece complicado para k = 1:length(B) boundary = B{k}; plot(boundary(:,2), boundary(:,1), ‘g’, ‘LineWidth’, 0.2)
URL
RESOURCES
Author
Language
Spanish