Percepción Computacional — Procesamiento de Imágenes con Python

Percepción computacional: procesamiento de imágenes RGB, transformaciones de intensidad y eliminación de anomalías.

Descripción

---

Proyecto de percepción computacional con Python/Jupyter: implementación de técnicas fundamentales de procesamiento digital de imágenes aplicadas a visión artificial. Se trabajan representaciones en el espacio de color RGB, transformaciones de intensidad (lineal, logarítmica, potencial), filtros espaciales y técnicas de eliminación de anomalías (ruido, artefactos) en imágenes.

Notebooks implementados

Notebook	Contenido
1_IMAGEN_RGB.ipynb	Análisis de canales RGB, histogramas, espacios de color
2_TRANSFORMACIONES_INTENSIDAD.ipynb	Transformaciones lineales, gamma correction, ecualización

Arquitectura

flowchart TD
    A[Entrada de Imagen PNG/JPG] --> B[1_IMAGEN_RGB.ipynb - Canales RGB / Histogramas]
    A --> C[2_TRANSFORMACIONES_INTENSIDAD.ipynb - Lineal / Gamma / Ecualizacion]
    A --> D[DesarrolloProyectoPercepcionComputacional.ipynb - Pipeline principal]
    A --> E[eliminacion_anomalias.ipynb - Filtros Gaussiano / Mediana / Laplaciano]
    B --> F[Practica_1_Outliers.ipynb - Deteccion de outliers]
    C --> G[Practica_3_Outliers_imagenes.ipynb]
    D --> H[Imagen procesada / Resultado visual]
    E --> H
    F --> H
    G --> H

Técnicas de procesamiento aplicadas

• Espacios de color: RGB, HSV, LAB — conversión y análisis por canal
• Transformaciones de intensidad: Negativo, umbralización, expansión de contraste
• Filtros espaciales: Gaussiano, mediana, laplaciano (detección de bordes)
• Eliminación de anomalías: Filtros de ruido sal-y-pimienta, ruido gaussiano

Contexto académico

Asignatura: Percepción Computacional / Inteligencia Artificial · Institución: UNIR Alejandro De Mendoza — Ingeniero Informático · Especialista en IA