[MUSIC] Bienvenidas y bienvenidos al curso de procesamiento de imágenes. Estamos en el capÃtulo introductorio. Y en la clase de hoy veremos lo que son las definiciones. Deficiones como procesamiento de imágenes, reconocimiento de patrones, etc. Que nos servirán para entender mejor este curso. Empezaremos con la primera definición, que tiene que ver con procesamiento de imágenes. Es el uso de algoritmos computacionales que toman una imagen de entrada y una imagen de salida, como en este ejemplo. Tenemos una pera, una foto a color sobre un fondo gris. Y la idea acá es segmentarla, es decir, encontrar los pixeles donde está la pera. Aquà los pixeles unos son los blancos, donde está la pera, y ceros donde está el fondo. Otro algoritmo de procesamiento de imágenes tiene que ver con la restauración de Ãmágenes. Aquà el input es una entrada borrosa y la salida es una imagen nÃtida. Otro algoritmo tiene que ver con el filtro de ruido, como en este caso un venado que está detrás de una reja. Y la idea es, mediante algoritmos computacionales, sacarle la reja. Vemos acá el detalle, la imagen original y después del procesamiento. No es perfecta, pero está bastante más nÃtido lo que es el venado. Otro ejemplo, es la detección de bordes en procesamientos de imágenes, que nos sirven para detectar dónde están las fronteras de los objetos. Tenemos acá una foto de hojas con gotas. Y podemos ver en este detalle, dónde están las fronteras, los bordes entre el objeto y el fondo. Podemos verlo acá con lÃneas rojas para determinar mejor la frontera del objeto. Otro algoritmo tiene que ver con el aumento de contraste y con la rotación. Por ejemplo, tenemos una fotografÃa de un tren que está un poco oscura. Pero la podemos aclarar y también podemos rotarla para que esté mejor. Otro algoritmo podrÃa ser el de un efecto de movimiento como en esta bajada a un metro. Tenemos la imagen original. Y mediante una técnica de borrosidad, podemos hacer una simulación de movimiento. Además, la estamos convirtiendo a blanco y negro. En algunas oportunidades, podemos usar software comercial, por ejemplo, para mejorar el color, la saturación. O podemos, incluso, cambiar algunos colores en algunas partes de la imagen. Eso se usa bastante en lo que es fotografÃa comercial. ¿Qué vamos a ver ahora? Vamos a ver el análisis de imágenes que es otro concepto. Y acá en la entrada sigue siendo una imagen. Pero la salida es una medición, o una interpretación o una decisión. En este ejemplo, tenemos una radiografÃa de una pieza metálica de un automóvil. Y la idea es encontrar las burbujas como defectos. En este caso, tenemos que el algoritmo ha encontrado 7 defectos que están en el centro de la pieza. En este caso, lo que estamos utilizando es un procesamiento que tiene varios pasos. El primer paso tiene que ser lo que es la adquisición de la imagen. Aquà hay una cámara, hay iluminación. Muchas veces la imagen no nos queda de muy buena calidad. Entonces, tenemos que hacerle un preprocesamiento para mejorar el contraste, para ver si está borrosa, etc. Y después del preprocesamiento, vendrÃa a ser lo que es la segmentación. En la segmentación tenemos que seccionar la parte que nos interesa de la imagen, en este caso es la fruta. Después, hacemos mediciones, you sea geométricas o de color para finalmente hacer una clasificación. En nuestro ejemplo, estamos diciendo que la pera es de categorÃa premium, porque cumple con el amarillo que se requiere. Y cumple también con el número de manchas negras. En el reconocimiento de patrones, por otra parte, el input no es una imagen, sino que son datos. Y la salida es una categorÃa o una clasificación. En este caso, tenemos un chico de 15 años que está corriendo y se le está midiendo lo que es el pulso cardiaco. Mediante la información que tenemos acá, podemos gatillar una alarma diciendo que el pulso cardÃaco está demasaido rápido para la edad que tiene. Y eso le indicarÃa a la persona que pare de correr. Aquà el input son datos y la salida es una clase. En este caso es la alarma que está encendida o está apagada. En el caso que tenemos del análisis de imágenes, lo que es reconocimiento de patrones es la parte final. Lo que es la extracción de caracterÃsticas y lo que es la clasificación. La entrada a reconocimiento de patrones son datos. Y la salida es una categorÃa, como la pera clase premium. Después tenemos lo que es la computación gráfica. En la computación gráfica, es el uso de algoritmos computacionales para generar imágenes 2D a partir de modelos 3D. En este ejemplo, tenemos un caballo. Y esto está simulado en tres dimensiones. Y podemos proyectarlo en la pantalla. Y podemos darle cierto tipo de textura e iluminación, y ponerlo en la posición que nosotros deseemos. No olvidar que aquà la salida es una imagen 2D. Aunque estemos viendo un caballo que aparentemente es de 3 dimensiones, se está proyectando en una pantalla de 2 dimensiones. Y finalmente, tenemos lo que es visión por computador. La visión por computador es la ciencia que le proporciona a los computadores la capacidad de ver. Esta definición suena un poco a ciencia ficción, pero es lo que estamos haciendo. Tratando de proporcionarle al computador la capacidad de ver en ciertas situaciones. Una definición un poco más concreta dice, la visión por computador es un campo que incluye métodos para adquirir, procesar, analizar y comprender imágenes. Y en general, datos de alta dimensión del mundo real para producir información numérica o simbólica, por ejemplo, en forma de decisiones. A manera de ejemplo, podemos tener un objeto. Y le hacemos una adquisición de imagen, puede ser una radiografÃa, una termografÃa, una fotografÃa a color. Después hacemos un procesamiento de imágenes, filtadro, segmentación, etc. Después hacemos análisis de imágenes, en el que hacemos una extracción de caracterÃsticas. Hacemos clasificación, detección, medición, interpretación, etc. Y opcionalmente, podemos tomar múltiples vistas. Esto quiere decir que el objeto lo podemos fotografiar desde distintos ángulos para poder tener mayores vistas. Y poder tener una comprensión mejor del objeto que estamos analizando. No hay que olvidar que todo esto requiere de una base de conocimiento que se tiene que obtener para cada caso especÃfico. Si estamos haciendo control de calidad de peras, vamos a tener que contar con la información de las peras, los colores, el número de manchas, etc. Y esa información no nos va a servir para las manzanas, necesitamos otra base de conocimiento para las manzanas. Bien, para finalizar, vamos a resumir lo que hemos aprendido en la clase de hoy. Primero las definiciones de procesamiento de imágenes, que la entrada es una imagen y la salida es una imagen. Después tenemos lo que es análisis de imágenes, que la entrada es una imagen. Y las salidas son datos, interpretaciones o mediciones a partir de la imagen. Después tenemos reconocimiento de patrones en que la entrada son datos. Y las salidas son mediciones, o categorÃas o clasificaciones. Y después tenemos computación gráfica que la entrada es un modelo tridimensional simulado. Y que la salida es una imagen de dos dimensiones. Y finalmente, tenemos lo que es visión por computador, que lo que pretende es propocionarle al computador la capacidad de ver, de analizar información visual de forma automática. Bien, con esto hemos terminado la clase de hoy. Muchas gracias por prestar atención. Y nos vemos, entonces, en la siguiente clase.
