🌐 Instrucciones en Versión web

*Trabajo Individual o en Equipo

📙 Actividad Fundamental N.°05 - Tipos de filtros

🔶 Competencia Específica

Aplicar transformaciones geométricas y la Transformada de Fourier a imágenes digitales en escala de grises, interpretando los resultados en el dominio espacial y frecuencial para comprender los efectos sobre la forma, orientación, frecuencia y detalle de las imágenes, utilizando Python con OpenCV y Matplotlib.

📝 Descripción de la actividad

1️⃣ Parte Teórica

Conceptos fundamentales

1. Filtros en imágenes:

   Los filtros en imágenes son técnicas de procesamiento que se aplican para modificar características específicas de la imagen, como suavizar, resaltar bordes o eliminar ruido. Se utilizan en muchos campos como la medicina, la visión por computadora, y el análisis de imágenes industriales.

2. Tipos de filtros más comunes:

   • Filtros de suavizado: Se utilizan para eliminar ruido y suavizar las transiciones de las imágenes. Algunos ejemplos son el filtro de media, el filtro gaussiano, entre otros.
   • Filtros de realce de bordes: Estos filtros se utilizan para destacar los bordes en una imagen, que son útiles para la detección de características importantes en las imágenes.
   • Filtros de pasa bajos: Permiten que solo las frecuencias bajas de una imagen pasen, eliminando las altas frecuencias.
   • Filtros de pasa altos: Filtran las frecuencias bajas, permitiendo solo las altas para detectar detalles finos o bordes.
   • Filtros morfológicos: Operan sobre la estructura de la imagen, como la erosión, dilatación, apertura y cierre.

3. Filtrado en el dominio de la frecuencia:

   • Los filtros también pueden aplicarse en el dominio de la frecuencia, utilizando la Transformada de Fourier. En este dominio, se pueden aplicar filtros de pasa bajas y pasa altas para modificar las frecuencias de la imagen.

2️⃣ Parte Práctica

Filtros básicos y aplicación de transformaciones geométricas

1. Preprocesamiento de la imagen:
   • Carga la imagen que se va a procesar utilizando cv2.imread() y convierte la imagen a escala de grises.
   • Visualiza la imagen original utilizando matplotlib.
2. Aplicación de filtros básicos:
   • Filtro de media (suavizado): Se aplica un filtro de media utilizando cv2.blur() para suavizar la imagen.
   • Filtro de mediana: Aplica el filtro de mediana con cv2.medianBlur() para eliminar el ruido de sal y pimienta.
   • Filtro de pasa bajos: Implementa un filtro gaussiano usando cv2.GaussianBlur() para suavizar la imagen y eliminar las altas frecuencias.