LABORATORIO No 1 CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: GENERACION DE SEÑALES DISCRETAS EN TIEMPO Y FRECUENCIA (FFT) INTRODUCCIÓN AL MATLAB MatLab es un lenguaje de programación interpretado en el que las variables son matrices y, por tanto, las operaciones básicas aritméticas y lógicas son operaciones matriciales. Esto hace que Matlab sea una herramienta muy adecuada para cálculo matricial y, en concreto, para el procesamiento de señales. A continuación se muestran algunos ejemplos de operaciones con MatLab: Asignación de valores a vectores y matrices: A=[1 2 3; 4 3 2; 3 2 1] x=[2; 1; 3] Para las columnas se utiliza el espacio en blanco como separador y el punto y coma para las filas. Productos matriciales y escalares: y=A*x z=x'*y w=x.*y El primer producto representa la operación de transformar el vector x con la matriz A. El segundo es el producto escalar de x por y, donde x' representa el vector x traspuesto. El tercer producto tiene como resultado un vector w en el que cada componente se obtiene multiplicando las componentes las componentes correspondientes de x e y. Pueden extraerse submatrices o elementos de una matriz: A(3,3) A(2:3,1:3) A(2:3,:) A(:,1) La primera línea extrae el elemento de matriz (3,3). Las líneas segunda y tercera obtienen una submatriz que incluye las dos primeras filas (todas las columnas). El último comando extrae la primera columna.

FUNDAMENTO TEORICO Una señal de tiempo continuo puede ser representada por una señal de tiempo discreto. asi tenemos: x(t)=Asen(wt+ß); señal continua x(t)=Asen(wk+ß); señal discreta de otra forma: x(t)=Asen(2 pi.f.t+ß); señal continua x(k)=Asen(2.pi.f.kT+ß); señal continua Parámetros de la señal discreta; f=frecuencia de la señal k=numero de muestras T=periodo de muestreo ß=retardo en radianes

EJERCICIO 1 N=64; T=1/128;% frecuencia de muestreo 128 Hz k=0:N-1;% 64 muestras x=sin(2*pi*20*k*T); subplot(3,2,1),plot(k,x); ;% Para borrar la figura ir a ventana Edit ;% Elegir <clear figure> ;%************************************************

EJERCICIO 2 ;% Calcular y graficar el contenido de frecuencias. X=fft(x); magX=abs(X); subplot(3,2,2),stem(k(1:N/2),magX(1:N/2)),... title('Magnitud de X(k)'),... xlabel('k'),ylabel('|X(k)|'),grid; ;% ****************************************

EJERCICIO 3 ;% Graficar el contenido de frecuencias en función de Hz. hertz=k*(1/(N*T)); subplot(3,2,3),stem(hertz(1:N/2),magX(1:N/2)),... title('Magnitud de X(k)'),... xlabel('Hz'),ylabel('|X(k)|'),grid; ;% *****************************************

EJERCICIO 4 ;%Generar una señal de frec=19 Hz. N=64; T=1/128; k=0:N-1; x=sin(2*pi*19*k*T); subplot(3,2,4),plot(k,x); ;%*************************************

EJERCICIO 5 ;%%Generar su respectivo espectro de frecuencias magX=abs(fft(x)); hertz=k*(1/(N*T)); subplot(3,2,5),stem(hertz(1:N/2),magX(1:N/2)),... ;%title('Magnitud de X(k)'),... xlabel('Hz'),ylabel('|X(k)|'),grid; ;%****************************************** Introdución al uso del SIMULINK.

Sum1

Sum

SignalGenerator2

SignalGenerator1

SignalGenerator

Power SpectralDensity

DESARROLLAR Genere y grafique 128 puntos frecuencia de muestreo 1 Khz. usando la FFT grafique en frecuencia sus espectros respectivos use la escala de Hz. en el eje X. HAGA COMENTARIOS RESPECTO A LAS GRAFICAS OBTENIDAS. f[k]=2sin(2pi50kT); g[k]=cos(250pikT)-sin(200pikT) h[k]=5-cos(1000kT); m[k]=4sin(250pikT-pi/4)

LABORATORIO No 2 CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ DISCRETAS: Proceso de Muestreo, Cuantificación, D/A y Filtros Analógicos FUNDAMENTO TEORICO La condición principal para que se lleve a cabo el proceso de muestreo de una señal es Fs ≥ 2 Fm , donde: Fs: es la frecuencia de muestreo Fm: es la frecuencia de la señal Siendo el muestreo una etapa del proceso de conversión Analógica Digital las otras dos etapas son la cuantificación y codificación. El proceso de conversion Digital Analoga se realiza mediante un circuito retensor de orden zero teniendo en cuenta que el tiempo de retensión es igual al tiempo de mustreo. Filtros: Se debe tener presente la frecuencia de corte fc: Espectro < Fc filtro pasa bajo, espectro>Fc filtro pasa Alto Fc1 < Espectro<Fc2 filtro pasa banda espectro<Fc1 Fc2>espectro F. Parabanda. Banda de paso, Banada de Atenuación , Banda de supresión. Rp, Rs

EJERCICIO 1 MUESTREO:Mediante simulink arme los siguientes bloques:

Generador: frec=1 rad/eg Generador de pulso = periodo =0.3 sec, pulse´s wide =0.01 sec Rango del scope=10sec

SignalGenerator

*

Product

PulseGenerator

Scope

Power SpectralSensity

CONVERSIÓN ANÁLOGA DIGITAL (Cuantización Uniforme)

Zero-Order Hold

Error

To Workspace1

Signal

To Workspace

Sum

Signal Generator

Scope1 Scope Saturation Quantizer

Figura 2

Saturation: upper limit 1 Lower Limit -1 Zero Order:0.01 Quanrier: 2/16 To Work space variable name:Signal Sum: +-

CONVERSIÓN DIGITAL ANALOGA

Figura 3 Fc=2.86 Gebnerador=1 rad/sec Zero-order –hold= 2sec

Analog Butterworth LP Filter

Signal Generator

Zero-Order Hold Analog Butterworth

LP Filter1 Power Spectral Sensity3

Power Spectral Sensity1 Power Spectral

Sensity2

PARTE II: FILTROS ANALOGICOS %%%%% Ejercicio No 1 w1=0:0.5:5; B1=[0.5279]; A1=[1,1.0275,0.5279]; H1s=freqs(B1,A1,w1); %Graficando la respuesta en Amplitud y Frecuecia subplot(2,2,1),plot(w1,abs(H1s)),... title('Filtro H1(s)'),xlabel('w,rps'),... ylabel('magnitud'),grid; %************************************************* %%%%% Ejercicio No 2 w2=0:0.001:0.3; B2=[1,0,0]; A2=[1,0.1117,0.0062]; H2s=freqs(B2,A2,w2); subplot(2,2,2),plot(w2,abs(H2s)),... title('Filtro H2(s)'),xlabel('w,rps'),... ylabel('magnitud'),grid; %**************************************************** %%%%%% Ejercicio No 3 w3=0:0.01:10; B3=[1.05,0]; A3=[1,1.05,0.447]; H3s=freqs(B3,A3,w3); subplot(2,2,3),plot(w3,abs(H3s)),... title('Filtro H3(s)'),xlabel('w,rps'),... ylabel('magnitud'),grid; %*************************************************** %%%%% Ejercicio No 4 w4=0:0.005:5; B4=[1,0,2.2359]; A4=[1,2.3511,2.2359]; H4s=freqs(B4,A4,w4); subplot(2,2,4),plot(w4,abs(H4s)),... title('Filtro H4(s)'),xlabel('w,rps'),... ylabel('magnitud'),grid; DESARROLLAR: 1.- Explique el proceso de conversión Analoga Digital, y Digital Analoga. 2.- Explique que es el ALIASING y SMOOTING. 3.- Probar los ejercicios 1-4 de la parte II con la función bode( ), 4.- Determine el tipo de filtro en cada caso y sus parametros respectivos. 5.- Emita su conclusiones para la parte I y parte 2.

LABORATORIO No 3 CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: GENERACION DE SECUENCIAS DISCRETAS FUNDAMENTO TEORICO Una secuencia puede ser generada mediante un algoritmo que define su función en tiempo discreto; el cual se puede realizar en MATLAB como se puede ver en el Ejercicio 1 , para esto se crea una función que define la función rectangular.

EJERCICIO 1 function r=rect(x) ;% rect define la función rectangular como ;% 1 en [-0.5 0.5] y 0 en los demás puntos ;% r=zeros(size(x)); set1=find(abs(x)<0.5); % find permite indicar los sub indices de la matriz abs(x) % que cumplan con la condición del argumento. r(set1)=0.5.*ones(size(set1)); ;============================================================ En la ventana de comandos x=-3:0.1:3; y=rect(x); stem(x,y),title('Funcion rect'),... xlabel('x'),ylabel('y'),grid

-3 -2 -1 0 1 2 30

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5Funcion rect

x

y

EJERCICIO 2 Genere la siguiente secuencia: ESCALON UNITARIO U[n]= 0 n<0

1 en todos los demás casos

EJERCICIO 3 Genere la siguiente secuencia: RAMPA UNITARIA Rampa[n]= 0 n < 0 N en los demás casos

EJERCICIO 4 Genere la siguiente secuencia: G[n] = 0 si n<0 Sin(πn/2) si 0 ≤ n ≤ 1 1 si n >1 DESARROLLAR 1.- Genere la secuencia impulso unitario. 2.- Diga Ud, por que es importante la función impulso unitario en los sistemas de procesamiento digital de señales.

LABORATORIO Nº 4

CURSO: LABORATORIO PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: FUNCION DE TRANSFERENCIA DIGITAL FUNDAMENTO TEORICO.- La función de transferencia digital representa una relación tal como B(z)/A(z) basado en la transformada Z. B1=[0.2066,0.4131,0.2066]; A1=[1,-0.3695,0.1958]; [H1z,w1T]=freqz(B1,A1,100); % B2=[0.894,-1.789,0.894]; A2=[1,-1.778,0.789]; [H2z,w2T]=freqz(B2,A2,100); % B3=[0.42,0,-0.42]; A3=[1,-0.443,0.159]; [H3z,w3T]=freqz(B3,A3,100); % B4=[0.5792,0.4425,0.5792]; A4=[1,0.4425,0.1584]; [H4z,w4T]=freqz(B4,A4,100); %*************************************************************************************** subplot(2,2,1),plot(w1T,abs(H1z)),... title('Filtro H1(z)'),... ylabel('Magnitud'),grid,... subplot(2,2,2),plot(w2T,abs(H2z)),... title('Filtro H2(z)'),... ylabel('Magnitud'),grid,... subplot(2,2,3),plot(w3T,abs(H3z)),... title('Filtro H3(z)'),... ylabel('Magnitud'),grid,... subplot(2,2,4),plot(w4T,abs(H4z)),... title('Filtro H4(z)'),... ylabel('Magnitud'),grid;

0 20 40 600

0.2

0.4

0.6

0.8

1Filtro H1(z)

Ma

gn

itu

d

0 20 40 600

0.5

1

1.5Filtro H2(z)

Ma

gn

itu

d

0 20 40 600

0.2

0.4

0.6

0.8

1Filtro H3(z)

Ma

gn

itu

d

0 20 40 600

0.2

0.4

0.6

0.8

1Filtro H4(z)

Ma

gn

itu

d

Cuestionario Representar graficamente la función de transferencia de los siguientes sistemas digitales: 1) y[n]=-0.163x[n] - 0.058x[n-1] + 0.116x[n-2] + 0.2x[n-3] + 0.11x[n-4] -

0.058x[n-5] - 0.162x[n-6]. 2) y[n]= 0.707x[n] - 0.707x[n-1] - y[n] + 0.414y[n-1]

LABORATORIO No 3 CURSO: LAB. PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: GENERACION DE SECUENCIAS DISCRETAS FUNDAMENTO TEORICO Una secuencia puede ser generada mediante un algoritmo que define su función en tiempo discreto; el cual se puede realizar en MATLAB como se puede ver en el Ejercicio 1 , para esto se crea una función que define la función rectangular.

EJERCICIO 1 function r=rect(x) ;% rect define la función rectangular como ;% 1 en [-0.5 0.5] y 0 en los demás puntos ;% r=zeros(size(x)); set1=find(abs(x)<0.5); % find permite indicar los sub indices de la matriz abs(x) % que cumplan con la condición del argumento. r(set1)=0.5.*ones(size(set1)); ;============================================================ En la ventana de comandos x=-3:0.1:3; y=rect(x); stem(x,y),title('Funcion rect'),... xlabel('x'),ylabel('y'),grid

-3 -2 -1 0 1 2 30

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5Funcion rect

x

y

LABORATORIO 5

CURSO: LABORATORIO PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: FILTRAJE DIGITAL OBJETIVO: Realizar un filtraje digital de las secuencias que ingresan a un sistema de procesamiento digital de señales. Analizar el comportamiento del siguiente filtro: Fs=5000 Hz fc1=500 Hz y fc2=1500 Hz H(z)= 0.42z2 -0.42/(z2 - 0.443z + 0.159) N=64; T=1/5000; k=0:N-1; Ejercicio No1 figure1 x=sin(2*pi*1000*k*T); subplot(2,1,1),plot(k,x); B=[0.42,0.0,-0.42]; A=[1,-0.443,0.159]; y=filter(B,A,x); subplot(2,1,2),plot(k,y); Ejercicio No 2 figure2 x=2*cos(2*pi*100*k*T); subplot(2,1,1),plot(k,x); B=[0.42,0.0,-0.42]; A=[1,-0.443,0.159]; y=filter(B,A,x); subplot(2,1,2),plot(k,y); Ejercicio No 3 figure3 x=-sin(2*pi*2000*k*T); subplot(2,1,1),plot(k,x); B=[0.42,0.0,-0.42]; A=[1,-0.443,0.159]; y=filter(B,A,x); subplot(2,1,2),plot(k,y); Ejercicio No 4 figure4 x=2*cos(2*pi*400*k*T); subplot(2,1,1),plot(k,x); B=[0.42,0.0,-0.42]; A=[1,-0.443,0.159]; y=filter(B,A,x); subplot(2,1,2),plot(k,y)

Implementar en SIMULINK el filtro propuesto en esta practica

Señal senoidal de 1 hertz frec. Muestreo 50 Hz FT igual que el ejercio 1. Verificar mediante el osciloscopio.

ASIGNACIÓN Desarrollar y realizar los análisis respectivos tomando como referencia las Señales de entrada de los ejercicios 1-4. Fs 5000 hz. 1) yn = 0.04xn-1 +0.17xn-2 + 0.25xn-3 +0.17xn-4 +0.04xn-5 2) yn = 0.42xn-0.42xn-2+0.44yn-1-0.16yn-2 3) yn = 0.33Xn+1+0.33xn+0.33xn -1

LABORATORIO No 6

CURSO: PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ OBJETIVO: Implementar filtros digitales IIR Diseño de Filtros IIR Diseñar un filtro pasa-alto [B,A]=cheby2(6,20,0.6,'high'); [H,wT]=freqz(B,A,100); T=0.001; %hertz=wT/(2*pi*T); subplot(2,1,1),plot(wT,abs(H)),... title('Filtro Pasa Altas'),... xlabel('Hz'),ylabel('magnitud'),grid; %********************************************* hertz=wT/(2*pi*T); subplot(2,1,2),plot(wT,abs(H)),... title('Filtro Pasa Altas'),... xlabel('Hz'),ylabel('magnitud'),grid; %************************************************* %Ejemplo Diseñar un filtro pasa-bajo Butterworth [B,A]=butter(6,0.6); [H,wT]=freqz(B,A,100); subplot(2,1,1),plot(wT,abs(H)),... title('Filtro Pasa Altas'),... xlabel('Hz'),ylabel('magnitud'),grid; hertz=wT/(2*pi*T); subplot(2,1,2),plot(hertz,abs(H)),... title('Filtro Pasa Altas'),... xlabel('Hz'),ylabel('magnitud'),grid; %************************************************** LIsta de Filtros Filtros Butterworth [B,A]=butter(N,Wn);% Filtro Pasabajo, N=orden del filtro [B,A]=butter(N,Wn,'high');% Filtro Pasaalto [B,A]=butter(N,Wn); Filtro% Pasa-Banda Wn=[W1,W2]; [B,A]=butter(N,Wn,'stop');% Filtro Parabanda Wn=[W1,W2]; %************************************************** Filtros Chebyshev-1 [B,A]=cheby1(N,Rp,Wn); %FPB Rp=-20logrp, rp rizado es Bw de %de paso [B,A]=cheby1(N,Rp,Wn, %high');%FPA [B,A]=cheby1(N,Rp,Wn); %FPB Wn=[W1,W2] [B,A]=cheby1(N,Rp,Wn) %FRB Wn=[W1,W2]

Filtros Chebyshev-2 [B,A]=cheby2(N,Rs,Wn);%FPB Rp=-20logrp, rs rizado es Bw de %de Banda de Detención [B,A]=cheby2(N,Rs,Wn,'high');%FPA [B,A]=cheby2(N,Rs,Wn);%FPB Wn=[W1,W2] [B,A]=cheby2(N,Rs,Wn);%FRB Wn=[W1,W2] ***************************************************** Filtros Elipticos [B,A]=ellip(N,Rp,Rs,Wn);%FPB [B,A]=ellip(N,Rp,Rs,Wn,'high');%FPA [B,A]=ellip(N,Rp,Rs,Wn);%FPB Wn=[W1,W2] [B,A]=ellip(N,Rp,Rs,Wn);% FRB Wn=[W1,W2] Implementar las variantes mediante SIMULINK de acuerdo a las preguntas de la asignación

Tareas Filtrar la señal 4cos(100pikT) por un filtro fc1=200 y fc2 = 400 buterworth.(FPB). La misma señal anterior por un filtro fc=300 FPH chebyschev2. La misma señal anterior por un filtro fc=300 FPL eliptico. Implementar mediante simulink los filtros anteriores. Mostrar en cada caso el espectro de frecuencia de la señal de salida junto al espectro de frecuencia de la señal de entrada.

PRACTICA No 7

CURSO: PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: FILTROS FIR Ejercicio 1 Filtro PasaBaja fc=75 fs=500 #orden=40 m=[1,1,1,1,1,1,0,0,0,0]; f=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,1]; B=remez(40,f,m); [H,wT]=freqz(B,[1],100); subplot(2,1,1),plot(f,m,'--',wT/pi,abs(H)); title('Filtro FIR'); xlabel('Frecuencia Normalizada'); ylabel('Magnitud'); subplot(2,1,2),plot(wT/pi*500,abs(H)); title('Filtro FIR'); xlabel('Hz');

Ejercicio 2 Para un filtro doble pasa banda m=[0,0,1,1,0,0,1,1,0,0]; f=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,1]; B=remez(40,f,m); [H,wT]=freqz(B,[1],100); subplot(2,1,1),plot(f,m,'--',wT/pi,abs(H)); title('Filtro FIR'); xlabel('Frecuencia Normalizada'); ylabel('Magnitud'); subplot(2,1,2),plot(wT/pi*500,abs(H)); title('Filtro FIR'); xlabel('Hz');

Ejercicio Nº 3 % Grafica de 3 Filtros. fs=10000; T=1/fs; % Tiempo de muestreo fn=fs/2; % frecuencia de nyquist f1n=100/fn; % corte pasabaja normalizado f2n=500/fn; % corte pasabanda izquierdo normalizado f3n=1000/fn; % corte pasabanda derecho normalizado f4n=2000/fn; % corte pasaltas normalizado % [B1,A1]=butter(8,f1n); [B2,A2]=butter(7,[f2n,f3n]); [B3,A3]=butter(10,f4n,'high'); % [H1,wT]=freqz(B1,A1,200);

[H2,wT]=freqz(B2,A2,200); [H3,wT]=freqz(B3,A3,200); hertz=wT/(2*pi*T); subplot(2,1,1),... plot(hertz,abs(H1),'-',hertz,abs(H2),'=',... hertz,abs(H3),'-'); title('Filtro para separar canales'); xlabel('Hz'),ylabel('Magnitud'),grid;

PROBLEMA 1.- Diseñe un filtro pasabajas con frecuencia de corte de 1 Khz para usarse con una frecuencia de muestreo de 8 Khz. Compare los diseños para los cuatro tipos de filtros IIR estándar con un filtro de orden 8 graficando la magnitud de los cuatro diseños en los mismos ejes. 2.- Diseñe un filtro pasaaltas con frecuencia de corte de 500 Hz para usarse con una frecuencia de muestreo de 1500 Hz. Compare diseños usando un filtro elíptico de orden 8 y un FIR de orden 32 graficando la magnitud de los diseños en los mismos ejes.

LABORATORIO 08 CURSO: LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: Reconocimiento de Vocales OBJETIVO: Reconocimiento de Vocales Realizar un programa que reconozca una vocal en castellano ingresada al sistema, los cuales tendrán como referencia archivos de voz grabadas previamente. ;%====================================================== % Este es un procedimiento para determinar la comparación entre dos vocales. N=256;

x1=wavread('ee.wav');

x1=x1(15000:15255);

X=fft(x1);

magX=abs(X);

Ps=magX.^2/N;

LGP=log10(Ps);

es=ifft(LGP);

es1=es(2:21);

;%=================0000000

;%Referencia

x2=wavread('iix.wav');

x2=x2(15000:15255);

X=fft(x2);

magX=abs(X);

Ps=magX.^2/N;

LGP=log10(Ps);

es=ifft(LGP);

es2=es(2:21);

;%================00000000

s=0;

for i=1:20

d=(es2(i)-es1(i)).^2;

s=s+d;

end

s=abs(s)

Cuestionario: Defina los siguientes terminos: cepstrum, IFFT, densidad espectral de potencia y como se realiza el procedimiento de reconocimiento de voz. Realizar un programa completo que permita realizar el reconocimiento de vocales.

LABORATORIO 09 CURSO: LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES PROFESOR: ING. RAFAEL BUSTAMANTE ALVAREZ TEMA: Procesamiento de Imágenes OBJETIVO: Conceptos Básicos Realización del proceso de Indexación de imágenes a color, intensidad, detección de bordes, Filtraje Digital, Imágenes en Movimiento. ;%====================================================== 1:- Ejercicio Nº1 Indexado de Imágenes x=[1 1 2 1 3 1 1 2 3 1 2 2 3 2 2 1 3 2 1 1]; map=[0.4 0.4 0.4;0 0.6 1;1 0 0]; imshow(x,map); 2. - Ejercicio Nº 2 load trees imshow(X,map); load trees I=ind2gray(X,map); imshow(I,64); 3. – Ejercicio Nº 3 Imagen binaria y deteccion de bordes load trees I=ind2gray(X,map); BW=edge(I); imshow(BW,2); imshow(~BW,2); 4.- Ejercicio Nº 4 Filtraje Digital de Imágenes load mandrill I=ind2gray(X,map); J=imnoise(I,'gaussian'); K=wiener2(J,[3 3],[50 50]); subplot(1,2,1),imshow(J,64); subplot(1,2,2),imshow(K,64);

5.- Ejerció Nº 5 Generación de Imágenes en Movimiento con fines de vision artificial. load mri montage(D,map) load mri mov = immovie(D,map); 6.- Proceder los ejerccios 2,3,4 con la imagen "clown" Investigar los siguientes comandos imread image edge imrotate

CUESTIONARIO

1. -A que se refiere el indexado de Imágenes o imágenes indexadas 2. -Indique como convertir una imagen indexada a colores a una imagen en niveles de gris. 3. -Qué aplicaciones tiene la técnica de detección de bordes.