emunozlorenzo / computervision2022

Computer Vision and Machine Learning with Python

1. Representanción de una imagen

• Matriz X columnas e Y filas
• Cada valor representa un píxel
• Número de píxeles se conoce como resolución

1.1 Imágenes en escala de grises

• Intensidad mínima: Negro
• Intensidad máxima blanco
• Intensidad cuantificada por 2^bits

Ejemplo: para 8 bits, pixel puede tomar intensidades desde 2^0=1 Negro a 2^8=256 Blanco

Ejemplo: para 1 bit, píxel solo puede tomar 2 valores: 0 y 1. Se conoce como imagen binaria

1.2 Imágenes en espacio RGB (a color)

• Cada píxel almacena un color
• Cada color es representado por una combinación lineal de 3 componentes: Rojo, Verde y Azul

Ejemplo: Cubo RGB: Rojo (1,0,0), Verde(0,1,0), Azul(0,0,1)

1.3 Espacio de color HSI (Hue, Saturation, Intensity)

• Hue (Tono): ex: Rojo, verde, azul amarillo
• Saturation: ex: permite distinguir ente rojo o rosado
• Intensity: ex: permite distinguir entre rojo oscuro o rojo claro

Conversión RGB a HSI

• Link

1.4 Imagen Binaria

• Utilidades de la binarización: Segmentación del objeto de interés
  • Digitalización de texto: segmentar el texto
  • Detectar Rostros: Probabilidad de píxel de piel
  • Modelo de fondo en carreteras: carretera estático, coches en movimiento

2. Operaciones de Convolución entre imágenes: Filtros

• Filtro Promedio: Promedio entre los vecinos del pixel en el que estoy posicionado (Difuminado)
• Detección de Bordes
• Filtro Promedio Gaussiano: Resultado similar a un filtro promedio pero se le da más peso al píxel en el que se posiciona el kernel (pondera)