Publicado:

2016-10-20

Número:

Vol. 26 (2016): Número Especial

Sección:

Ponencias

Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad

Review of the detection of the red color in digital images independent of its luminosity and hue

Autores/as

  • Jorge Páramo-Fonseca Universidad de Cundinamarca

Palabras clave:

imágenes digitales (es).

Descargas

Resumen (es)

El presente review despliega una revisión bibliográfica sobre los diferentes temas que intervienen en la determinación del color rojo en imágenes digitales.   Estos temas son: cómo se maneja el  color en las imágenes digitales, cuáles son los modelos de color, qué son las imágenes digitales y lo referente a su formato; qué es el procesamiento de las imágenes digitales, las alteraciones que se presentan en las imágenes digitales y su corrección, así como la segmentación y la determinación de color.

Biografía del autor/a

Jorge Páramo-Fonseca, Universidad de Cundinamarca

Magister en Ingeniería, docente del programa de Ingeniería de Sistemas de la Universidad de Cundinamarca

Referencias

Barnard, K., Cardei, V., & Funt, B. (2002). A comparison of computational color constancy algorithms. I: Methodology and experiments with synthesized data. IEEE transactions on Image Processing, 11(9), 972-984. https://doi.org/10.1109/TIP.2002.802531

Brizuela, A., Aguirre, C., & Velasco, I. (2007). Aplicación de métodos de corrección atmosférica de datos Landsat 5 para análisis multitemporal. Ciudad Autónoma de Buenos Aires. Argentina.

Chavez, J. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment Vol. 24, pp. 459-479. https://doi.org/10.1016/0034-4257(88)90019-3

Camargo-Vega, J. J., Camargo-Ortega, J. F., & Joyanes-Aguilar, L. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 1(21), 7-18. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a1

Finlayson, G. D., Hordley, S. D., & Hubel, P. M. (2001). Color by correlation: A simple, unifying framework for color constancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 23(11), 1209-1221. https://doi.org/10.1109/34.969113

Forsyth, D. A. (1990). A novel algorithm for color constancy. International Journal of Computer Vision, 5(1), 5-35. https://doi.org/10.1007/BF00056770

Gómez, J. B., Prieto, F., & Redarce, T. (2009). Segmentación de la región de la boca en imágenes faciales: Revisión bibliográfica. Revista Facultad de Ingeniería Universidad de Antioquia, (47), 103-116.

Gonzales, R. C., & Woods, R. C. (1992). Digital Image Processing, Addison Wiley. Reading, MA.

Lim, H. S., MatJafri, M. Z., & Abdullah, K. (2009, August). Algorithm for turbidity mapping using digital camera images from a low-altitude light aircraft. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE International Conference on (pp. 200-204). IEEE. https://doi.org/10.1109/ICCSIT.2009.5234966

Mejía Ospina, J. C., Prieto Ortiz, F. A., & Branch Bedoya, J. W. (2007). Corrección de iluminación para imágenes aéreas de cultivos tomadas a baja altitud. Revista Facultad Nacional de Agronomía, Medellín, 60(2), 4077-4104.

Moreno-Torres, O. H., Ballesteros-Ricaurte, J. A., & González-Sanabria, J. S. (2015). Transformación de archivos DICOM a formatos XML, JPEG y PNG. Revista científica, 1(21), 71-80. https://doi.org/10.14483/udistrital.jour.RC.2015.21.a7

Naranjo, R., Imbaquingo, E. (2011) "Sistema de Reconocimiento Espectral de Imágenes Digitales y Reconocimiento Óptico de Caracteres Capitulo I Introducción" Universidad técnica del Norte Facultad de Ingeniería en Ciencias Aplicadas - Ecuador

Sezgin, M. (2004). Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic imaging, 13(1), 146-168. https://doi.org/10.1117/1.1631315

Sowmya, B., & Rani, B. S. (2011). Colour image segmentation using fuzzy clustering techniques and competitive neural network. Applied Soft Computing, 11(3), 3170-3178. https://doi.org/10.1016/j.asoc.2010.12.019

Yang, H. Y., Wang, X. Y., Wang, Q. Y., & Zhang, X. J. (2012). LS-SVM based image segmentation using color and texture information. Journal of Visual Communication and Image Representation, 23(7), 1095-1112. https://doi.org/10.1016/j.jvcir.2012.07.007

Zhang, K., Sheng, Y., Wang, M., & Li, Z. (2010, October). An adaptive image segmentation algorithm for natural scene images based on probabilistic neural networks. In Image and Signal Processing (CISP), 2010 3rd International Congress on (Vol. 3, pp. 1308-1312). IEEE. https://doi.org/10.1109/CISP.2010.5647982

Cómo citar

APA

Páramo-Fonseca, J. (2016). Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Revista Científica, 26, 139–148. Recuperado a partir de https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101

ACM

[1]
Páramo-Fonseca, J. 2016. Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Revista Científica. 26, (oct. 2016), 139–148.

ACS

(1)
Páramo-Fonseca, J. Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Rev. Cient. 2016, 26, 139-148.

ABNT

PÁRAMO-FONSECA, J. Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Revista Científica, [S. l.], v. 26, p. 139–148, 2016. Disponível em: https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101. Acesso em: 30 sep. 2022.

Chicago

Páramo-Fonseca, Jorge. 2016. «Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad». Revista Científica 26 (octubre):139-48. https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101.

Harvard

Páramo-Fonseca, J. (2016) «Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad», Revista Científica, 26, pp. 139–148. Disponible en: https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101 (Accedido: 30septiembre2022).

IEEE

[1]
J. Páramo-Fonseca, «Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad», Rev. Cient., vol. 26, pp. 139–148, oct. 2016.

MLA

Páramo-Fonseca, J. «Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad». Revista Científica, vol. 26, octubre de 2016, pp. 139-48, https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101.

Turabian

Páramo-Fonseca, Jorge. «Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad». Revista Científica 26 (octubre 20, 2016): 139–148. Accedido septiembre 30, 2022. https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101.

Vancouver

1.
Páramo-Fonseca J. Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Rev. Cient. [Internet]. 20 de octubre de 2016 [citado 30 de septiembre de 2022];26:139-48. Disponible en: https://revistas.udistrital.edu.co/index.php/revcie/article/view/11101

Descargar cita

Visitas

313

Descargas

Los datos de descargas todavía no están disponibles.

Artículos más leídos del mismo autor/a