Paso 2 – Segmentación de imágenes:

1. Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera

individual y da respuesta a las siguientes preguntas teóricas:

a. ¿Qué es umbralización o binarización?

Umbralización o Binarización: es una técnica que consiste en la realización de un

barrido en la matriz de la imagen digital, por medio de bucles o recursividad, con el
fin de que el proceso produzca la reducción de la escala de grises a dos únicos
valores. Negro (= 0) y blanco (= 255), o lo que es lo mismo, un sistema binario de
ausencia y presencia de color 0-1. La comparación de cada píxel de la imagen viene
determinada por el umbral de sensibilidad (valor T = Threshold). Por ejemplo, los
valores que sean mayores que el umbral toman un valor 255 (blanco)y los menores
0 (negro) [ CITATION Bul04 \l 3082 ]

[ CITATION Nay19 \l 9226 ]

b. ¿Cuál es la diferencia entre umbralización global y local? ¿Cuál es su

implementación en Matlab?

Las imágenes se convirtieron a escala de grises aplicando la función rgb2gray () de

MATLAB. Cada imagen en escala de gris I es un arreglo matricial bidimensional de N filas
por M columnas de pixeles de información.

{
T global = 0 si g< t
( g)
1 si g ≥ t }
Fig 2 Pixel en una sección de imagen de una GEM-Foil fabricada por Technology Transfer
Agency obtenida por Helsinki Institute of Physics y proporcionada

Esta técnica de umbralización supone que la imagen posee un histograma bimodal,

y por lo tanto, el objeto puede ser extraído del resto de la imagen mediante una
simple operación que compare los valores de la imagen con el valor umbral T, los
niveles de intensidad de los objetos y del fondo son suficientemente distintos, es
posible segmentar la imagen usando un umbral global aplicable a toda la imagen,
mientras que en umbralización local una imagen tiene una distribución no bimodal
debido a los cambios de iluminación, se debe dividir la imagen en sub-imágenes
para encontrar un umbral apropiado para cada una de ellas, Dichas sub-imágenes
pueden ser de diferentes formas y tamaños, lo que se define en el momento de
implementar el algoritmo para la determinación del umbral local. De esta forma, no
hay un único umbral para toda la imagen sino múltiples umbrales, uno para cada
sub-imagen.

c. ¿Qué es umbral de Otsu?

El método de Otsu (OTSU, 1979) es una técnica de umbralización automática con

muy buenos resultados y fácil de asimilar, por lo que goza de gran popularidad. Sin
embargo, el cálculo del umbral mediante el método de Otsu implica muchas
operaciones aritméticas complejas iterativas, tales como multiplicaciones y
 divisiones, que no contribuyen a una ejecución de alta velocidad y de bajo consumo
de recursos. [ CITATION rev \l 9226 ]

d. ¿Qué es reducción de ruido en una imagen binaria?

Es información no deseada que contamina la imagen. Este aparece durante el

proceso de adquisición y digitalización, haciendo necesario implementar un método
de reducción de ruido, que retenga tanto como sea posible las características de
importancia. Existen diferentes técnicas para la reducción de ruido
La reducción de ruido basada en wavelets provee unas bases apropiadas para
separar las componentes de ruido de la imagen. Esta técnica involucra tres pasos
básicos que son: descomposición en subbandas wavelets, modificación de los
coeficientes wavelets y reconstrucción de la imagen a partir de sus coeficientes
modificados.
[ CITATION doc19 \l 9226 ]

e. ¿Qué es filtro mediano y cómo se implementa en Matlab?

Filtro Mediano

Es el que se reemplaza el valor del cada píxel por la media de los valores de los píxeles vecinos. Se
puede operar mediante convolución con una máscara determinada, este filtro es el más simple,
intuitivo y fácil de implementar, es sensible a cambios locales, puede crear nuevas intensidades de
grises que no aparecían en la imagen. En las aplicaciones este filtro Suaviza imágenes, es decir,
reduce la cantidad de variaciones de intensidad entre píxeles vecinos, consigue que las
intensidades de los objetos pequeños se mezclen con el fondo con el fin de detectar los objetos de
mayor tamaño, eliminar ruido, el filtro de mediana utiliza una máscara que se emplea de forma
distinta que en el resto de filtros:

 Se toman todos los valores de la imagen cubiertos por la máscara.

 Se ordenan de menor a mayor.
 Se toma el valor central. para implementar un filtro de media en Matlab debemos ingresar el
código » h=medfilt2(b,[3,3]);
 Fig, 3 recuperado de http://asignatura.us.es/imagendigital

f. ¿Para qué sirven los filtros de suavizado en una imagen?

En las operaciones de suavizado se utilizan en la disminución de los efectos negativos que

se pueden presentar en una imagen digital como consecuencia de un sistema de muestreo
pobre o del canal de transmisión, estos filtros se usan para emborronar la imagen, eliminar
pequeños detalles antes de la segmentación de un objeto de interés, rellenar pequeños
espacios y eliminar ruido, los filtros de suavizado son filtros pasa-bajos. Una falencia de
este filtro es que reducen los detalles de la imagen pues la aplicación de una máscara de
suavizado siempre tiene aparejado el efecto indeseable de hacer más borrosa la imagen, es
importante que el tamaño y valores de la máscara de suavizado sean cuidadosamente
escogidos para optimizar el compromiso entre reducción del ruido y la degradación de la
imagen.

g. ¿Cuál es la diferencia entre ruido gaussiano y ruido de sal y pimienta?

Ruido Gaussiano Ruido de Sal y Pimienta

Modela el ruido producido por los
circuitos electrónicos o ruidos de los
sensores por falta de iluminación y
altas temperaturas, la intensidad de
todos los pixeles se ve afectada.
Se produce normalmente en la
cuantificación que se realiza en el
proceso de digitalización. Este tipo de
ruido, afectará a una pequeña cantidad
de píxeles de la imagen.

h. Explique diferentes técnicas de segmentación de imágenes

 Método de segmentación basado en bordes: Se basan en el cambio rápido

del valor de intensidad en una imagen porque un solo valor de intensidad no
proporciona buena información sobre los bordes.

 Histograma en gris y métodos basados en gradientes: Para detectar los

bordes se puede utilizar una de las técnicas básicas de detección de aristas
como el operador Sobel, el operador Astuto y el operador de Robert, el
 resultado de estos métodos es básicamente una imagen binaria. Estas son las
técnicas estructurales basadas en detección de discontinuidad.

 Método de segmentación basado en región: Son métodos que segmentan la

imagen en varias regiones que tienen características similares existen 2 tipos
de técnicas basadas en este método:

- Región métodos de cultivo: Segmentación basado en crecimiento son

métodos que segmentan la imagen en varias regiones basadas en el
crecimiento de semillas (pixeles iniciales).
- Método de división y fusión de regiones: La división representa,
división iterativa de una imagen en regiones que tienen
características similares y la fusión contribuye a combinar las
regiones similares adyacentes.

 Método de segmentación basado en clústeres: Son las técnicas que

segmentan la imagen en grupos que tienen pixeles con características
similares, el agrupamiento de datos es el método que divide los elementos en
datos de manera que los elementos del mismo grupo son similares entre sí,
que otros.

 Método basado en partición: Utilizan métodos de optimización de forma

iterativa para minimizar la función del objeto.

i. ¿Qué es reconstrucción morfológica?

La dilatación y la erosión poseen la particularidad de que cuando iteran hasta

estabilidad permiten la generación de poderosos algoritmos de reconstrucción
morfológica buscando las principales características de las imágenes influenciadas
por la elección correcta de la máscara y el marcador.

j. ¿Qué tipos de funciones morfológicas existen y cómo funcionan?

Erosión binaria, la transformación de la erosión es el resultado de comprobar si el

elemento estructurante está completamente dentro del conjunto cuando no ocurre el
resultado de la erosión es el conjunto vacío. Otra interpretación de la erosión supone
 tomar el valor mínimo de la imagen en el entorno de vecindad definido por el
elemento estructurante.

La dilatación, es la transformación dual a la erosión, el resultado de la dilatación es

el conjunto de elementos tal que al menos que algún elemento del conjunto
estructurante está contenido en el conjunto; la dilatación es una transformación
extensiva.

La dilatación también se interpreta como el valor máximo del entorno de vecindad

definido por el elemento estructurante. Las aplicaciones de las operaciones de
erosión seguida con una dilatación no son conmutativas. Los resultados son
diferentes dando paso a las aperturas y cierres morfológicos.

Bibliografía
doc player. (17 de 02 de 2019). Obtenido de https://docplayer.es/26393385-Reduccion-del-
ruido-en-una-imagen-digital.html
Nayid Triana, A. E. (17 de 02 de 2019). universidad tecnologica de pereira. Obtenido de
https://revistas.utp.edu.co/index.php/revistaciencia/article/download/13271/9521
revista cubana de ciencias informaticas. (s.f.). Obtenido de http://scielo.sld.cu/scielo.php?
script=sci_arttext&pid=S2227-18992016000300002


 Bovik, A. C. (2009). The Essential Guide to Image Processing (Vol. 2nd ed).
Amsterdam: Academic Press, pp. 1 - 123. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=249002&lang=es&site=eds-live&scope=site

 Bovik, A. C. (2005). Handbook of Image and Video Processing (Vol. 2nd ed).
Amsterdam: Academic Press, pp. 4 - 12. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=eds-live&scope=site

 Nixon, M. S., & Aguado, A. S. (2002). Feature Extraction and Image Processing.
Oxford: Newnes, pp. 542 - 600. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
 url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds-live&scope=site

 Wainschenker, R., Massa, J. & Tristan, P. (2011). Procesamiento Digital de

Imágenes. Argentina: Facultad de Ciencias Exactas. Universidad Nacional del
Centro de la Provincia de Buenos Aires.
http://www.exa.unicen.edu.ar/catedras/pdi/FILES/TE/CP1.pdf

 Mateus, P. (2019, Enero 14), Tratamiento de Imágenes. [OVI]. Recuperado

de: http://hdl.handle.net/10596/23302