Aprende visión por computadora

Fundamentos de Visión por Computadora

43 artículos hasta ahora, en orden de dependencia: nada aparece antes de aquello de lo que depende. Las unidades en gris están planeadas y aún no se han escrito.

F1

Imagen

Cómo la luz se convierte en una matriz de números.

1.1 Formación de la imagen

Cómo una escena se aplana sobre un sensor, y qué hace la lente por el camino.

4 lecciones · visión general de la unidad

1. 
   1 El modelo pinhole Principiante 8 min · EN
2. 
   2 Lentes y profundidad de campo Principiante 8 min · EN
3. 
   3 Distorsión de la lente Intermedio 9 min · EN
4. 
   4 Gran angular y ojo de pez Intermedio 9 min · EN

1.2 Captura de la imagen

Qué cuenta el número de un píxel, y hasta dónde se puede confiar en él.

5 lecciones · visión general de la unidad

1. 
   1 De fotones a cuentas Intermedio 9 min · EN
2. 
   2 Ruido y rango dinámico Intermedio 9 min · EN
3. 
   3 La curva de respuesta Intermedio 8 min · EN
4. 
   4 Alto rango dinámico Intermedio 9 min · EN
5. 
   5 Captar el color: el filtro Bayer Intermedio 6 min · EN

1.3 La imagen como datos

Qué guarda la matriz, dónde están sus muestras, con qué precisión se escriben y qué les hizo el archivo.

6 lecciones · visión general de la unidad

Antes de esta: Captura de la imagen

1. 
   1 Una imagen es una matriz Principiante 7 min · EN
2. 
   2 Muestreo: la rejilla de píxeles Principiante 9 min · EN
3. 
   3 Cuantización y profundidad de bits Principiante 7 min · EN
4. 
   4 Espacios de color Principiante 9 min · EN
5. 
   5 ¿Qué tan cerca está tu color? Intermedio 8 min · EN
6. 
   6 Formatos de archivo y compresión Principiante 9 min · EN

F2

Procesamiento de imágenes

Qué hacer con esa matriz una vez que la tienes.

2.1 Filtrado espacial

La operación detrás del desenfoque, la nitidez, los bordes y toda CNN.

1 lección

Antes de esta: Una imagen es una matriz

1. 
   1 Cómo funciona la convolución 2D Principiante 8 min · EN

2.2 Imágenes binarias Planeado Umbralización, morfología y la medición de las manchas que quedan.

2.3 El dominio de la frecuencia Planeado La transformada de Fourier de una imagen, y por qué se desenfoca antes de reducir.

F3

Features

Qué vale la pena señalar en una imagen, y cómo describirlo.

3.1 Detección de bordes

Encontrar dónde termina una cosa y empieza otra.

5 lecciones · visión general de la unidad

Antes de esta: Cómo funciona la convolución 2D

1. 
   1 ¿Qué es un borde? Principiante 9 min · EN
2. 
   2 Gradientes de imagen Intermedio 10 min · EN
3. 
   3 Canny, pieza por pieza Intermedio 9 min · EN
4. 
   4 Laplaciano, LoG y cruces por cero Intermedio 9 min · EN
5. 
   5 Esquinas: el tensor de estructura Intermedio 10 min · EN

3.2 Detección de contornos

Encontrar rectas y círculos por votación: la transformada de Hough, y el ajuste de una recta a lo que encuentra.

4 lecciones · visión general de la unidad

Antes de esta: Detección de bordes

1. 
   1 The Hough transform Intermedio 8 min · EN
2. 
   2 The probabilistic Hough transform Intermedio 8 min · EN
3. 
   3 From segments to one line Intermedio 8 min · EN
4. 
   4 The Hough circle transform Intermedio 14 min · EN

3.3 SIFT

Sobrevivir a una cámara que se mueve: espacio de escala, y 128 números por punto.

1 lección

Antes de esta: Detección de bordes

1. 
   1 ¿Qué hace emparejable a un punto? Intermedio 14 min · EN

3.4 Más allá de SIFT Planeado Descriptores binarios, y detectores y matchers aprendidos.

3.5 Alineación de imágenes

Llevar una vista de un plano sobre otra: la matriz 3×3, cómo ajustarla y cómo deformar la imagen con ella.

5 lecciones · visión general de la unidad

Antes de esta: Coordenadas homogéneas

1. 
   1 Rotación, escala, cizalla Principiante 7 min · EN
2. 
   2 Afín vs perspectiva Principiante 8 min · EN
3. 
   3 Calcular una homografía Intermedio 9 min · EN
4. 
   4 RANSAC Intermedio 16 min · EN
5. 
   5 Vista cenital y panoramas Intermedio 9 min · EN

F4

Geometría

De una cámara a varias, y de vuelta a tres dimensiones.

4.1 Geometría de la cámara

Intrínsecos, extrínsecos, calibración y pose a partir de puntos conocidos.

4 lecciones · visión general de la unidad

Antes de esta: Formación de la imagen

1. 
   1 Coordenadas homogéneas Intermedio 8 min · EN
2. 
   2 La matriz de la cámara Intermedio 5 min · EN
3. 
   3 Calibración Intermedio 5 min · EN
4. 
   4 PnP: pose a partir de puntos conocidos Intermedio 5 min · EN

4.2 Dos vistas Planeado Geometría epipolar, triangulación y profundidad a partir de un par estéreo.

4.3 Muchas vistas

Recuperar estructura y movimiento a partir de un conjunto de fotos.

1 lección

Antes de esta: ¿Qué hace emparejable a un punto?, RANSAC, PnP: pose a partir de puntos conocidos

1. 
   1 Structure from motion Avanzado 16 min · EN

4.4 Movimiento Planeado Flujo óptico: constancia del brillo, el problema de la apertura, Lucas–Kanade.

OpenCV en la Práctica

Construye un proyecto real por módulo con Python y OpenCV, ejecutando cada línea en tu navegador, y mira dónde funciona y dónde falla. Cada módulo enlaza las unidades de Fundamentos que explican por qué funciona. El código se ejecuta en la página; la primera ejecución descarga unos 20 MB.

M1 Corregir una foto mal expuesta

Abrir una imagen, leer sus píxeles y su histograma y corregir la exposición, medida contra una exposición más larga de la misma escena.

6 lecciones · visión general del proyecto

Por qué funciona: Unidad 1.2: Captura de la imagen, Unidad 1.3: La imagen como datos

1. 1 Abrir una imagen y leer sus píxeles 3 min
2. 2 Histogramas de imagen 3 min
3. 3 Brillo y contraste 3 min
4. 4 Corrección gamma 3 min
5. 5 Ecualización de histograma y CLAHE 3 min
6. 6 Recortar, redimensionar y guardar 3 min

M2 Encontrar todas las bolas de una mesa de billar

Espacios de color, máscaras, morfología y contornos: separar objetos por color y contar lo que el pipeline acierta y falla.

5 lecciones · visión general del proyecto

Por qué funciona: Unidad 1.3: La imagen como datos

1. 1 Encontrar el rango HSV de un objeto 4 min
2. 2 Máscaras de color con inRange 3 min
3. 3 Erosión, dilatación, apertura y cierre 4 min
4. 4 Encontrar y filtrar contornos 4 min
5. 5 Dónde falla la detección por color 6 min

La Guía de Métricas de Visión por Computadora

Cada métrica de la visión por computadora, desde la base. Un libro completo sobre evaluación, con su propio orden de lectura: una matriz de confusión se convierte en precisión y exhaustividad, y estas se extienden a cajas, máscaras, identidades a lo largo del tiempo e imágenes sin ninguna verdad de referencia.

La guía tiene su propia página ›

1. 01

   Clasificación

   Classification Metrics, From the Ground Up: Precision, Recall, F1, ROC and AUC

   The confusion matrix and everything that falls out of it: precision, recall, F1, specificity, the precision/recall trade-off, PR and ROC curves, and AUC, all built on one running toy example (a backyard cat-cam), with the equations, the intuition, and scikit-learn.

   Confusion matrixPrecisionRecallF1SpecificityPR & ROC curvesAUC
2. 02

   Multiclase y multietiqueta

   Multiclass and Multilabel Metrics: Micro, Macro, Weighted, and the Difference That Matters

   How precision/recall/F1 scale past two classes: one-vs-rest, and the micro/macro/weighted averaging that decides whether rare classes count. Plus multilabel-specific metrics: subset accuracy, Hamming loss, and top-k, all on one running shelter-camera example, with scikit-learn.

   One-vs-restMicroMacroWeightedSubset accuracyHamming lossTop-k
3. 03

   Detección de objetos

   Object Detection Metrics: IoU, AP, and the mAP Everyone Quotes

   How detection is scored: IoU to decide a hit, greedy matching into TP/FP/FN, per-class Average Precision as the area under the precision–recall curve, and the COCO mAP@[.5:.95] you see in every paper, all on one running parking-lot example, with torchmetrics.

   IoUAPPR curvemAP
4. 04

   Segmentación

   Segmentation Metrics: IoU, Dice, mIoU, and Panoptic Quality

   Scoring masks instead of boxes: pixel IoU/Jaccard and the Dice coefficient (and why they're related), mIoU for semantic segmentation, mask-AP for instance segmentation, and Panoptic Quality for the unified task, on one running cat-mask example, with the equations and code.

   IoU / JaccardDicemIoUMask APPanoptic Quality
5. 05

   Seguimiento de objetos

   Object Tracking Metrics: MOTA, MOTP, IDF1, and HOTA

   Tracking adds identity over time, so its metrics score two things at once: detecting objects and keeping their IDs consistent. MOTA, MOTP, ID switches, IDF1, and the modern HOTA that balances detection against association, on one running door-cam example, with the equations and motmetrics.

   MOTAMOTPID switchesIDF1HOTA
6. 06

   Generación de imágenes

   Image Generation Metrics: FID, IS, KID, LPIPS, and CLIPScore

   How do you score images with no ground truth? You compare distributions and use learned perceptual models: Inception Score, Fréchet Inception Distance, KID, LPIPS, and CLIPScore for prompt fidelity, on one running cat-generator example, with the equations, the catches, and torchmetrics.

   Inception ScoreFIDKIDLPIPSCLIPScore