Mostrar los tags: pixel

***********************************************************************************************************************
Propongo este sencillo ejercicio:Aula_18_Pixel.py,
realizado en python, con el fin de ver la estructura de una imagen.
Permite aplicar zoom a una imagen, hasta llegar a ver la configuración y los valores,
en los diferentes canales de los pixels que la componen, pixel a pixel.
(Ver imágenes adjuntas)

Esta es una pequeña explicación del código que forma parte del ejercicio:

El código en Python utiliza la biblioteca OpenCV para cargar una imagen, mostrarla en una ventana, visualizar los valores de los píxeles y luego guardar la imagen resultante. Aquí tienes una descripción línea por línea:

import cv2: Importa la biblioteca OpenCV, que es utilizada para procesamiento de imágenes y visión por computadora.

import numpy as np: Importa la biblioteca NumPy y la asigna al alias 'np'. NumPy se utiliza para manipular matrices y arreglos, y se usa en conjunto con OpenCV en este código.

image_path = '/home/margarito/python/lorenzo.jpg': Asigna la ruta de la imagen de prueba a la variable image_path. Debes cambiar esta ruta por la ubicación de tu propia imagen.

image = cv2.imread(image_path): Lee la imagen desde la ruta especificada usando la función cv2.imread y guarda la imagen en la variable image.

cv2.imshow("Output Image", image): Muestra la imagen en una ventana con el título "Output Image" utilizando la función cv2.imshow.

cv2.waitKey(0): Espera hasta que se presione una tecla (código de tecla 0 indica que espera indefinidamente) antes de continuar la ejecución del programa.

cv2.destroyAllWindows(): Cierra todas las ventanas de visualización creadas por OpenCV.

cv2.imwrite("output_image.jpg", image): Guarda la imagen actual en el archivo "output_image.jpg" utilizando la función cv2.imwrite.

Este código es un muy ejemplo básico de cómo cargar, visualizar y guardar una imagen usando OpenCV en Python.
************************************************************************************************
El ejercicio fue ejecutado en una plataforma Linux, Ubuntu 20.04.6 LTS.
Editado con: Sublime text.
Se deberá tener caragdo en el sistema las librerías necesarias a importar:

import cv2
import numpy as np

Ejecutar bajo consola linux:python3 Aula_18_Pixel.py

Representación digital de imágenes.
----------------------------------

Con el fin de ir familiarizandonos con las redes convolucionales. Proponemos este otro ejercicio: Aula-38-Define-Imagen-CNN.py.

En este programa, definimos una imagen de entrada en color (3 canales).
Mediante np.array.
Por otro lado definimos el filtro, o kernel, de la convolución, por medio de otro array.

Realizamos la convolución usando la función convolve de SciPy.
Al final mostramos la imagen original y la imagen convolucionada.

Básicamente en este ejercicio muestra el contexto de la representación digital de imágenes, cada píxel tiene un valor numérico que indica su color. Estos valores suelen estar en forma de un array bidimensional, también conocido como matriz.

En una imagen en escala de grises, cada píxel puede tener un valor numérico que representa la intensidad de gris en esa posición. Los valores comúnmente van desde 0 (negro) hasta 255 (blanco) en una imagen de 8 bits.

En una imagen en color, se utilizan varios canales de color (como rojo, verde y azul en el modelo RGB). Cada canal tiene su propia matriz de píxeles y, cuando se combinan, forman el color de cada píxel. Los valores numéricos en este caso también suelen estar en el rango de 0 a 255.

Por ejemplo, si tienes una imagen de 100x100 píxeles en escala de grises, podrías representarla como una matriz de 100x100, donde cada elemento de la matriz contiene un valor numérico que representa la intensidad de gris en esa posición específica.