🌐 Instrucciones en Versión web

*Trabajo Individual o en Equipo

📙 Actividad Fundamental N.°06 - Segmentación

🔶 Competencia Específica

Aplicar técnicas de segmentación en imágenes digitales en escala de grises y color para extraer regiones de interés, utilizando herramientas como umbralización simple, método de Otsu, detección de bordes y algoritmos de crecimiento de regiones, mediante Python con OpenCV y Matplotlib.

📝 Descripción de la actividad

1️⃣ Parte Teórica

Conceptos fundamentales

1. Segmentación de Imágenes
   • Definición y objetivos principales.
   • Importancia en aplicaciones médicas, industriales y científicas.
   • Diferencia entre segmentación binaria, por regiones y por bordes.
2. Técnicas Clave
   • Umbralización simple: separación basada en un valor de intensidad.
   • Otsu: técnica automática de umbralización óptima.
   • Detección de bordes (Canny): delimitación de contornos de objetos.
   • Region Growing: agrupación de píxeles con propiedades similares.
   • Segmentación con K-means (solo si se justifica): clasificación de píxeles por agrupamiento.

2️⃣ Parte Práctica

Trabaja con al menos dos imágenes: una en escala de grises (por ejemplo, cerebro.png) y una imagen RGB (leaf.jpg o cells.png).

1. Preprocesamiento:
   • Carga y visualización de imágenes.
   • Conversión a escala de grises si es necesario.
   • Aplicación de suavizado opcional (GaussianBlur).
2. Técnicas de segmentación:
   • Umbralización simple: cv2.threshold()
   • Otsu: cv2.threshold(..., cv2.THRESH_OTSU)
   • Bordes (Canny): cv2.Canny()
   • Region Growing (manual o librería auxiliar)
   • Segmentación por K-means (opcional)
3. Análisis:
   • Comparación entre los métodos aplicados.
   • Evaluación visual de los resultados.
   • Identificación de ventajas y limitaciones de cada técnica.