PROCESAMIENTO DE IMAGEN

1.1. Introducción al procesamiento digital de imagen
1.2. Percepción visual humana
1.3. Modelo de cámara y modelo fotométrico
1.4. Adquisición de imágenes
1.5. Visualización y modelo de imagen digital
1.6. Digitalización de imagen (muestreo, cuantización)
1.7. Representación de imágenes en color mediante paleta
1.8. Modalidades de imagen

2.1. Introducción
2.2. Rango dinámico y visualización de imágenes
2.3. Pseudocoloración
2.4. Procesado global y local de histograma
2.5. Operaciones aritméticas, lógicas y de extremos
2.6. Filtrado lineal e invariante por bloques en el dominio del espacio
2.7. Filtrado lineal de suavizado de imagen
2.8. Filtrado no lineal de estadísticos de orden
2.9. Filtrado no lineal de realzado de imagen
2.10. Estimación del modelo de ruido
2.11. Detección de patrones mediante filtro adaptado

3.1. El muestreo de imágenes y dominio de la frecuencia 2D
3.2. Convolución lineal y convolución circular
3.3. Visualización de espectros y respuestas en frecuencia
3.4. Filtrado de imágenes en el dominio de la frecuencia
3.5. Aproximaciones básicas de filtros: ideal, Gaussiano y Butterworth
3.6. Filtros de hendidura y de ruido coherente
3.7. Filtrado homomórfico
3.8. Transformada discreta del coseno DCT 2D

4.1. Fundamentos
4.2. Detección de puntos, líneas y bordes
4.3. Umbralización
4.4. Segmentación basada en regiones
4.5. Segmentación mediante watershed morfológico
4.6. El uso del movimiento en segmentación

5.1. Introducción
5.2. Erosión y dilatación
5.3. Apertura y cierre
5.4. La transformación Hit-or-Miss
5.5. Algoritmos morfológicos básicos
5.6. Reconstrucción morfológica
5.7. Morfología en niveles de gris

6.1. Detectores de características versus descriptores
6.2. Detector de esquinas de Harris
6.3. Detectores de Blob
6.4. Histograma de gradientes orientados
6.5. Transformación de características invariante a la escala
6.6. Características tipo Haar

7.1. Concepto de aprendizaje automático
7.2. Reconocimiento de patrones por correlación
7.3. Segmentación mediante aprendizaje no supervisado
7.4. Clasificación mediante aprendizaje supervisado

Exploración de los fundamentos del procesamiento de imágenes, incluida la percepción visual y la digitalización. Relacionado con: Tema 1: Fundamentos de imagen digital y procesado de imagen

Manejo de formatos de imagen y realización de manipulaciones básicas como muestreo y cuantificación. Relacionado con: Tema 1: Fundamentos de imagen digital y procesado de imagen Tema 2: Procesado de imagen en el dominio del espacio

Aplicación de transformaciones básicas de intensidad y operaciones aritméticas y lógicas sobre imágenes. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio

Implementación de filtros espaciales para modificar atributos de la imagen. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio

Introducción a los fundamentos del procesamiento de imagen en el dominio de la frecuencia, incluyendo transformadas. Relacionado con: Tema 3: Procesado de imagen en el dominio de la frecuencia

Aplicación de filtros en el dominio de la frecuencia para mejorar o modificar imágenes. Relacionado con: Tema 3: Procesado de imagen en el dominio de la frecuencia

Uso de técnicas de detección para facilitar la segmentación de imágenes. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio Tema 4: Segmentación de imagen

Implementación de métodos de segmentación de imágenes, incluyendo umbralización y técnicas basadas en regiones. Relacionado con: Tema 4: Segmentación de imagen

Aplicación de técnicas de morfología matemática para el procesamiento y análisis de imágenes. Relacionado con: Tema 5: Morfología Matemática

Caracterización de imágenes a través de detectores de características y descriptores. Relacionado con: Tema 6: Extracción de características y descriptores de imagen

Exploración de métodos básicos de aprendizaje automático aplicados al reconocimiento de patrones y clasificación en imágenes. Relacionado con: Tema 7: Métodos básicos de aprendizaje automático en procesado de imagen

1.1. Introduction to digital image processing
1.2. Human visual perception
1.3. Camera model and photometric model
1.4. Image acquisition
1.5. Visualization and digital image model
1.6. Image digitization: sampling and quantization
1.7. Color image representation using a palette
1.8. Imaging modalities

2.1. Introduction
2.2. Dynamic range and image visualization
2.3. Pseudocoloring
2.4. Global and local histogram processing
2.5. Arithmetic, logical, and extremum operations
2.6. Linear and block-invariant filtering in the spatial domain
2.7. Linear image smoothing filtering
2.8. Nonlinear order-statistics filtering
2.9. Nonlinear image enhancement filtering
2.10. Noise model estimation
2.11. Pattern detection using a matched filter

3.1. Image sampling and the 2D frequency domain
3.2. Linear convolution and circular convolution
3.3. Visualization of spectra and frequency responses
3.4. Image filtering in the frequency domain
3.5. Basic filter approximations: ideal, Gaussian, and Butterworth
3.6. Notch filters and coherent noise filters
3.7. Homomorphic filtering
3.8. 2D discrete cosine transform, DCT

4.1. Fundamentals
4.2. Detection of points, lines, and edges
4.3. Thresholding
4.4. Region-based segmentation
4.5. Segmentation using morphological watershed
4.6. The use of motion in segmentation

5.1. Introduction
5.2. Erosion and dilation
5.3. Opening and closing
5.4. The hit-or-miss transform
5.5. Basic morphological algorithms
5.6. Morphological reconstruction
5.7. Grayscale morphology

6.1. Feature detectors versus descriptors
6.2. Harris corner detector
6.3. Blob detectors
6.4. Histogram of oriented gradients
6.5. Scale-invariant feature transform
6.6. Haar-like features

7.1. Concept of machine learning
7.2. Pattern recognition by correlation
7.3. Segmentation using unsupervised learning
7.4. Classification using supervised learning