Beruflich Dokumente
Kultur Dokumente
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
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
palabra Cerebro
f. umbral=0.45;
original.
filtro).
menos pixeles.
la dilatación y erosión.
binaria.
binarizada.
Devuelve la matriz de etiquetas L que contiene etiquetas para los objetos conectados a 8
Lo: Matriz que en base al filtro permite identificar la imagen y encontrar los objetos para
8-conectado (objeto) en la imagen binaria, BW. La estructura que contiene una estructura
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
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
Área
Cantidad de objetos en la imagen Área máxima mínima Clasificación
Imagen enferma 1 3 18840 208 1
Imagen enferma 2 2 17845 10089 1
Imagen enferma 3 5 12908 186 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
Área
Cantidad de objetos en la imagen Área máxima mínima Clasificación
Imagen enferma 1 9 16128 333 1
Imagen enferma 7 2 19757 1226 1
Imagen enferma 8 3 9479 292 1
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
con las que entreno la máquina, es decir las contenidas en datos.xlsx y la tabla que contiene
Área
Cantidad de objetos en la imagen Área máxima mínima Clasificación
Imagen enferma 1 3 18840 208 1
Imagen enferma 2 2 17845 10089 1
Imagen enferma 3 5 12908 186 1
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
Cantidad de objetos en la imagen Área máxima mínima Clasificación
Imagen enferma 1 9 16128 333 1
Imagen enferma 7 2 19757 1226 1
Imagen enferma 8 3 9479 292 1
Imagen sana1 5 34787 653 0
Imagen sana 6 8 3930 159 0
Imagen sana 7 2 70830 198 0
- svmStruct =
fitcsvm(caracteristicas,entrenamiento,'Standardize',true,'KernelFunction','linear','ker
- xprueba=prueba(1:end,1:3);
Para identificar el modelo, primero recopila todos los datos de entrada y salida y