Temas de exposición

Tópico Expositor(es) Fecha Liga
Balance de colores      
Deep fakes      
Deformación de imágenes y transformaciones      
Detección de bordes y contornos      
Detección de líneas y círculos usando el método de Hough      
Edición de imágenes Poisson      
Escalado de imágenes      
Filtros morfológicos      
Flujo óptico     
Image morphing      
Imágenes de alto rango dinámico (HDR) y mapeo de tonos      
Imágenes híbridas y percepción multiescala      
Métodos de compresión usados por JPEG y PNG      
Rastreo de objetos por color usando CamShift y MeanShift      
Reconocimiento de caras con Eigenfaces, Fisherfaces y LBPH      
Registro de imágenes usando pirámides      
Segmentación de imágenes usando el método de watershed      
Síntesis de texturas y relleno de huecos.      

Notas:

El objetivo de este trabajo es crear una libreta en Google Colab, con las especificaciones detalladas abajo, y exponerlo en clase en unos 15 minutos.

El equipo debe estar presente durante la exposición y no dejarle todo el trabajo de exponer a una sola persona.

Importante: mandar la liga de la libreta antes del dia de la exposición.

La libreta debe ser legible y poderse ejecutar, de arriba a abajo, en un tiempo razonable.

Rúbrica

Secciones de la libreta:

  1. Introducción conceptual: una breve explicación teórica: qué hace el método y qué problema resuelve; la idea matemática o algorítmica; a qué tipos de imágenes se aplica.
  2. Preprocesamiento: mostrar cómo se preparan las imágenes de entrada: al menos una imagen de ejemplo; si corresponde, pasos de conversión (p.e., a escala de grises, a binario, a HSV, etc.); justificación clara de estos pasos.
  3. Implementación: código Python claro y bien comentado (preferiblemente con NumPy, OpenCV, scikit-image o Matplotlib); explicación de los parámetros clave y su impacto en los resultados.
  4. Resultados y visualización: imágenes de antes y después (original, intermedia y final); si aplica, mostrar máscaras, contornos, histogramas; si aplica, mostrar métricas cuantitativas (p.e., número de regiones, IoU, tiempo de ejecución, etc.).
  5. Análisis y discusión: qué funciona bien y qué no; cómo afecta el ajuste de parámetros al rendimiento; limitaciones del método.