Entender cómo las máquinas "ven" imágenes
Aprender operaciones de convolución
Comparar algoritmos de detección de bordes (Sobel, Canny)
Reconocer importancia del preprocesamiento de imágenes
Compara 10 algoritmos de visión computacional
Implementa detección clásica de bordes: Sobel, Prewitt, Canny, Laplaciano de Gaussiano. Demuestra métodos basados en gradiente vs cruce por cero. Fundamento para extracción de features y pipelines de preprocesamiento.
Borde = cambio rápido de intensidad. Primera derivada (Sobel) encuentra pendientes, segunda derivada (Laplaciano) encuentra curvatura. Canny es pipeline multi-etapa optimizando localización y continuidad de bordes.
Sobel: rápido, simple, consciente de dirección. Canny: mejor localización, robusto a ruido, más popular. LoG: detección de blobs, análisis de espacio de escala. CNNs modernas aprenden filtros de bordes mediante backprop.
Magnitud = fuerza de borde (qué tan agudo es cambio). Dirección = perpendicular a orientación de borde.
Adelgaza bordes gruesos a ancho de 1 píxel. Mantiene solo máximo local a lo largo de dirección de gradiente.
Dos umbrales: alto (borde definitivo), bajo (borde posible). Bordes débiles mantenidos si conectados a bordes fuertes.
Detección de defectos en manufactura: encuentra rasguños, grietas, irregularidades en productos mediante análisis de bordes.
Vehículos autónomos usan Canny + transformada de Hough para detectar marcas de carriles en tiempo real.
Detección de bordes aísla fronteras de caracteres antes de clasificación OCR.
Visualiza G_x (bordes verticales) y G_y (bordes horizontales) por separado. Combina para mapa de bordes completo.
Varía T_bajo y T_alto. Umbrales bajos = más bordes (ruidosos). Umbrales altos = menos bordes (limpios pero incompletos).
❌ Omitir desenfoque Gaussiano
¿Por Qué? Ruido crea bordes falsos. Siempre desenfocar antes de detección de bordes (especialmente Canny).
❌ Valores de umbral incorrectos
¿Por Qué? Dependiente de imagen. Típico: T_bajo = 0.1*max_gradiente, T_alto = 0.3*max_gradiente. Ajustar experimentalmente.