En este artículo veremos cómo podemos hacer la dilatación condicional de la imagen en mahotas. La dilatación agrega píxeles a los límites de los objetos en una imagen, mientras que la erosión elimina píxeles en los límites de los objetos. El número de píxeles añadidos o eliminados de los objetos de una imagen depende del … Continue reading «Mahotas – Imagen de dilatación condicional»
En este artículo, veremos cómo podemos obtener la característica integral robusta acelerada de la imagen en mahotas. En la visión artificial, las características robustas aceleradas (SURF) son un detector y descriptor de características locales patentado. Se puede utilizar para tareas como reconocimiento de objetos, registro de imágenes, clasificación o reconstrucción 3D. Está parcialmente inspirado en … Continue reading «Mahotas – Consiguiendo SURF Integral»
En este artículo veremos cómo podemos aplicar el filtro medio a la imagen en mahotas. El filtrado medio (o medio) es un método para ‘suavizar’ las imágenes al reducir la cantidad de variación de intensidad entre los píxeles vecinos. El filtro promedio funciona moviéndose a través de la imagen píxel por píxel, reemplazando cada valor … Continue reading «Mahotas – Filtro medio»
En este artículo veremos cómo podemos reconstruir la imagen a partir de la imagen transformada de daubechies wavelet en mahotas. En general, las ondículas de Daubechies se eligen para tener el mayor número A de momentos de fuga (esto no implica la mejor suavidad) para un ancho de soporte dado 2A. Hay dos esquemas de … Continue reading «Mahotas: reconstrucción de la imagen a partir de la imagen wavelet transformada de Daubechies»
En este artículo veremos cómo podemos bordear la imagen binaria en mahotas con la ayuda del algoritmo DoG. En la ciencia de la imagen, la diferencia de gaussianos (DoG) es un algoritmo de mejora de características que implica la sustracción de una versión borrosa de una imagen original de otra versión menos borrosa del original. … Continue reading «Mahotas: bordes que usan la diferencia de gaussiana para una imagen binaria»
En este artículo veremos cómo podemos configurar la estructura de elementos del dilatado de imagen en mahotas. La dilatación agrega píxeles a los límites de los objetos en una imagen, mientras que la erosión elimina píxeles en los límites de los objetos. El número de píxeles añadidos o eliminados de los objetos de una imagen … Continue reading «Mahotas: estructura de elementos para dilatar la imagen»
En este artículo veremos cómo podemos obtener máximos regionales de imágenes en mahotas. Los máximos regionales son un criterio más estricto que los máximos locales, ya que tiene en cuenta todo el objeto y no solo la vecindad. Los máximos son componentes conectados de píxeles con un valor de intensidad constante, rodeados de píxeles con … Continue reading «Mahotas – Máxima Regional de Imagen»
En este artículo veremos cómo podemos obtener mínimos regionales de imágenes en mahotas. Los mínimos regionales son un criterio más estricto que los mínimos locales, ya que tiene en cuenta todo el objeto y no solo el vecindario. Los mínimos son componentes conectados de píxeles con un valor de intensidad constante, rodeados de píxeles con … Continue reading «Mahotas – Mínimos Regionales de Imagen»
En este artículo veremos cómo podemos hacer un histograma de la imagen en mahotas. Un histograma de imagen es un tipo de histograma que actúa como una representación gráfica de la distribución tonal en una imagen digital. Traza el número de píxeles para cada valor tonal. Al mirar el histograma de una imagen específica, un … Continue reading «Mahotas – Histograma completo de imagen»
En este artículo veremos cómo podemos obtener el valor medio de la imagen en mahotas. El valor medio es la suma de los valores de píxeles dividida por el número total de valores de píxeles. Valores de píxel Cada uno de los píxeles que representan una imagen almacenada dentro de una computadora tiene un valor de … Continue reading «Mahotas – Obtener el valor medio de la imagen»