Anda di halaman 1dari 4

Anexo 1

1. Investigación de las siguientes preguntas

a. ¿Qué es extracción de características en una imagen?


b. ¿Qué es un clasificador de umbral?
c. ¿Qué es un clasificador supervisado y no supervisado en
imágenes?
d. ¿Qué es máquina de soporte vectorial?
e. ¿Qué y cuáles tipos de kernels tiene una SVM?

2. Implementación de los siguientes códigos

Procedimiento (Experimento) – Parte Individual:

2.1 Desarrolle el siguiente código en el script de Matlab. (Asegúrese


de estar trabajando en la carpeta que ya se ha creado). Para
esta unidad el estudiante debe seleccionar 3 imágenes enfermas
y 3 imágenes sanas sanas (la base de datos será proporcionada
por el tutor, por favor, solicitarla por correo interno)

El código a utilizar es el que ya se implementó en la fase 2, en el


ejercicio 2.1. La combinación de numpixel y umbral, debe ser única
para las 6 imágenes y debe ser la que detecte por lo menos el 70%
del “tumor” en las 3 imágenes enfermas. Es decir, el estudiante no
debe hacer un código por cada imagen, sino un código para todas las
imágenes proporcionadas por el tutor.

Nota: Si no está trabajando en la carpeta donde se encuentra la imagen


guardada, al realizar el código le saldrá error.
a. Explique cada línea de código.
b. ¿Cómo funciona y que datos obtienen de la función “bwlabel”?
c. ¿Qué valor se obtiene en las variables “Lo” y en “num”?
d. ¿Cómo funciona y que datos obtienen de la función “regionprops”?

Nota: El filtro utilizado para este experimento es el generado después de


la binarización (fase 2, ejercicio 2.1), si el estudiante utiliza el filtro que
se obtuvo después de la dilatación no obtendrá el puntaje correcto de este
experimento.

2.2. Cada estudiante debe obtener las siguientes características de cada


una de 3 imágenes enfermas y de las 3 imágenes sanas. Las
características las debe guardar en una matriz de Excel donde se
tenga la siguiente información:

Nota: todas las características deben ser obtenidas del mismo código, es
decir el mismo umbral y el mismo filtro, o crear un código adaptativo por
resolución de imagen. Asegúrese de hacer el mismo cuadro que se
encuentra a continuación en Excel.

Cantidad de Área Área Clasificación


objetos en máxima mínima
la imagen
Imagen 1
enferma 1
Imagen 1
enferma 2
Imagen 1
enferma 3
Imagen 0
sana 1
Imagen 0
sana 2
Imagen 0
sana 3

El estudiante debe anexar el resultado e cada imagen procesada con un


pantallazo de toda la ventana de Matlab, donde se observe:
ComandWindows, Workspace, y Current Folder.

De acuerdo a la investigación que usted ha realizado sobre máquinas de


soporte vectorial, sabe que la clasificación está dada en binario, por lo
tanto, 1 será nuestra clasificación para la imagen enferma y 0 para la
imagen sana.

 Guarde la tabla anterior como “datos.xlsx”

2.3 Desarrolle el siguiente código en el script de Matlab. (Asegúrese de


estar trabajando en la carpeta que ya se ha creado).

Nota: Si no está trabajando en la carpeta donde se encuentra la


imagen guardada, al realizar el código le saldrá error.
donde datos.xlsx es la tabla anteriormente creada y prueba.xlsx es
una tabla que contiene nuevas características con imágenes diferentes
a las 3 enfermas y las 3 sanas del punto anterior, ya que estas son
con las que se entrenó la máquina (solicitar por correo interno a su
tutor, la base de datos de las imágenes de prueba).

 El estudiante debe incluir en el documento de entrega tanto la tabla


de las características con las que entreno la máquina, es decir las
contenidas en datos.xlsx y la tabla que contiene las características
nuevas contenidas en prueba.xlsx.
 Explique cada línea del código.

2.4 Clasificador de umbral: con las dos primeras características


(cantidad de objetos y área máxima), el estudiante realizará el
clasificador por umbral. El estudiante debe investigar cómo realizar
este clasificador, anexar el código y resultados obtenidos.