Codigos - Jaime Andres Caicedo Briceño - Fase3

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. Cerebro=imread('Enferma1.jpg'); Agrega la imagen y la identifica con la
palabra Cerebro
c. Cerebro=im2double(Cerebro); Cambia de representación de enteros a puntos.
d. figure; Crea la ventana para la figura.
e. imshow(Cerebro) Muestra la imagen.
f. umbral=0.45;
g. binCerebro=im2bw(Cerebro,umbral); Convierte la imagen al formato
original.
h. figure; Crea la ventana para la figura.
i. imshow(binCerebro) Muestra la imagen (resultado del
filtro).
j. numpixels=200; Determina el número de pixeles de la imagen.
k. Filtro1=bwareaopen(binCerebro,numpixels); Elimina los componentes con
menos pixeles.
l. figure; Crea la ventana para la figura.
m. imshow(Filtro1) Muestra la imagen (resultado del filtro).
n. se3=strel('line',8,3); Elemento morfológico plano, parte de
la dilatación y erosión.
o. dilatacion1=imdilate(Filtro1,se3); Dilata la escala de grises o la imagen
binaria.
p. figure; Crea la ventana para la figura
q. imshow(dilatacion1) Muestra la imagen.

r. [Lo num]=bwlabel(dilatacion1);Cuenta los objetos que tiene la imagen
binarizada.
s. prop=regionprops(Lo); Devuelve mediciones para el conjunto de
propiedades especificadas por properties para cada componente 8-conectado
(objeto) en la imagen binaria, BW.
t. figure Crea la ventana para la figura
u. imshow(Lo) Muestra la imagen.
b. ¿Cómo funciona y que datos obtienen de la función “bwlabel”?
Devuelve la matriz de etiquetas L que contiene etiquetas para los objetos conectados a 8
que se encuentran en BW.
Opcionalmente, puede etiquetar componentes conectados en una imagen binaria 2-D
usando una GPU (requiere Parallel Computing Toolbox ™).
c. ¿Qué valor se obtiene en las variables “Lo” y en “num”?
Lo: Matriz que en base al filtro permite identificar la imagen y encontrar los objetos para
tomar el valor correspondiente.
Num: Identifica la cantidad de objetos en la imagen y muestra el resultado.
d. ¿Cómo funciona y que datos obtienen de la función “regionprops”?
Devuelve mediciones para el conjunto de propiedades especificadas para cada componente
8-conectado (objeto) en la imagen binaria, BW. La estructura que contiene una estructura
para cada objeto en la imagen. Se puede usar en regiones contiguas y regiones no
contiguas.
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.
TABLA DE DATOS ENTRENAMIENTO
Área
Cantidad de objetos en la imagen Área máxima mínima Clasificación
Imagen enferma 1 3 18840 208 1
Imagen sana1 1 16418 16418 0
Imagen sana 2 1 16988 16988 0
Imagen sana 3 3 12138 462 0
ENFERMA 1
ENFERMA 2
ENFERMA 3
SANA 1
SANA 2
SANA 3
TABLA DE DATOS PRUEBA
Área
Imagen sana1 5 34787 653 0
Imagen sana 6 8 3930 159 0
Imagen sana 7 2 70830 198 0
ENFERMA 1
ENFERMA 7
ENFERMA 8
SANA 1
SANA 6
SANA 7
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.
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.
TABLA DE DATOS ENTRENAMIENTO
Área
Imagen sana1 1 16418 16418 0
Imagen sana 2 1 16988 16988 0
Imagen sana 3 3 12138 462 0
TABLA DE DATOS PRUEBA
Área
Imagen sana1 5 34787 653 0
Imagen sana 6 8 3930 159 0
Imagen sana 7 2 70830 198 0
Explique cada línea del código:
- datos=xlsread('datos.xlsx'); Lee el archivo de datos.
- caracteristicas=datos(1:end,1:3); Definición del tamaño del vector en el
que se almacenan los datos.
- entrenamiento=datos(1:end,4); Define la variable entrenamiento.
- svmStruct =
fitcsvm(caracteristicas,entrenamiento,'Standardize',true,'KernelFunction','linear','ker
nelScale','auto'); Entrena o valida de forma cruzada un
modelo de máquina de vectores de una soporte (SVM) para la clasificación de dos
clases (binario) en un conjunto de datos de predictor de dimensión baja o moderada.
- prueba=xlsread('prueba.xlsx'); Lee el archivo prueba.
- xprueba=prueba(1:end,1:3);
- clasificacion = predict(svmStruct,xprueba) Este comando calcula la salida K-step
ahead de un modelo identificado utilizando los datos medidos de entrada-salida.
Para identificar el modelo, primero recopila todos los datos de entrada y salida y
luego estimas los parámetros del modelo fuera de línea.

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.

Codigos - Jaime Andres Caicedo Briceño - Fase3

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Codigos - Jaime Andres Caicedo Briceño - Fase3

Hochgeladen von

Copyright:

Verfügbare Formate

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

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

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.

b. Cerebro=imread('Enferma1.jpg'); Agrega la imagen y la identifica con la

c. Cerebro=im2double(Cerebro); Cambia de representación de enteros a puntos.

d. figure; Crea la ventana para la figura.

e. imshow(Cerebro) Muestra la imagen.

g. binCerebro=im2bw(Cerebro,umbral); Convierte la imagen al formato

h. figure; Crea la ventana para la figura.

i. imshow(binCerebro) Muestra la imagen (resultado del

j. numpixels=200; Determina el número de pixeles de la imagen.

k. Filtro1=bwareaopen(binCerebro,numpixels); Elimina los componentes con

l. figure; Crea la ventana para la figura.

m. imshow(Filtro1) Muestra la imagen (resultado del filtro).

n. se3=strel('line',8,3); Elemento morfológico plano, parte de

o. dilatacion1=imdilate(Filtro1,se3); Dilata la escala de grises o la imagen

p. figure; Crea la ventana para la figura

q. imshow(dilatacion1) Muestra la imagen.

s. prop=regionprops(Lo); Devuelve mediciones para el conjunto de

propiedades especificadas por properties para cada componente 8-conectado

(objeto) en la imagen binaria, BW.

t. figure Crea la ventana para la figura

u. imshow(Lo) Muestra la imagen.

b. ¿Cómo funciona y que datos obtienen de la función “bwlabel”?

que se encuentran en BW.

Opcionalmente, puede etiquetar componentes conectados en una imagen binaria 2-D

usando una GPU (requiere Parallel Computing Toolbox ™).

c. ¿Qué valor se obtiene en las variables “Lo” y en “num”?

tomar el valor correspondiente.

Num: Identifica la cantidad de objetos en la imagen y muestra el resultado.

d. ¿Cómo funciona y que datos obtienen de la función “regionprops”?

Devuelve mediciones para el conjunto de propiedades especificadas para cada componente

para cada objeto en la imagen. Se puede usar en regiones contiguas y regiones no

Excel donde se tenga la siguiente información:

de hacer el mismo cuadro que se encuentra a continuación en Excel.

TABLA DE DATOS ENTRENAMIENTO

TABLA DE DATOS PRUEBA

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.

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

las características nuevas contenidas en prueba.xlsx.

TABLA DE DATOS ENTRENAMIENTO

Explique cada línea del código:

- datos=xlsread('datos.xlsx'); Lee el archivo de datos.

- caracteristicas=datos(1:end,1:3); Definición del tamaño del vector en el

que se almacenan los datos.

- entrenamiento=datos(1:end,4); Define la variable entrenamiento.

nelScale','auto'); Entrena o valida de forma cruzada un

modelo de máquina de vectores de una soporte (SVM) para la clasificación de dos

clases (binario) en un conjunto de datos de predictor de dimensión baja o moderada.

- prueba=xlsread('prueba.xlsx'); Lee el archivo prueba.

- clasificacion = predict(svmStruct,xprueba) Este comando calcula la salida K-step

ahead de un modelo identificado utilizando los datos medidos de entrada-salida.

luego estimas los parámetros del modelo fuera de línea.

máxima), el estudiante realizará el clasificador por umbral. El estudiante debe investigar

cómo realizar este clasificador, anexar el código y resultados obtenidos.

Das könnte Ihnen auch gefallen