From acd4cabf83123aa1877ac907dbe9c6fd0aecff8f Mon Sep 17 00:00:00 2001
From: Gerardo Semprum <gsemp27@gmail.com>
Date: Tue, 18 May 2021 00:03:03 +0000
Subject: [PATCH] =?UTF-8?q?Una=20breve=20descripci=C3=B3n=20del=20proyecto?=
 =?UTF-8?q?.?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 README.md | 50 ++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 50 insertions(+)
 create mode 100644 README.md

diff --git a/README.md b/README.md
new file mode 100644
index 0000000..6b1a116
--- /dev/null
+++ b/README.md
@@ -0,0 +1,50 @@
+##Data Analysis with images from Mars
+####Jennifer Ortega (EPN)
+####Carla Gomez (USB)
+####Gerardo Semprúm (UCV)
+
+El siguiente proyecto es un procesamiento de imágenes tomadas en la superficie marciana mediante los Rovers enviados 
+(Perseverance y Curiosity) con la finalidad de estudiar las diferentes características observadas.
+
+Dicho análisis se divide en 3 enfoques puntuales: 
+1. **Análisis comparativo/descriptivo de cráteres en la superficie:**
+...Seleccionando áreas de la superficie que presentaban cráteres, se hizo una comparación utilizando sus características (forma,
+ estado del anillo, modificaciones sufridas, etc.) con el fin de comparar sus edades relativas entre sí. 
+2. **Filtrado de imágenes con FFT:**
+...Aplicando transformadas de Fourier fue posible establecer un filtro pasa alta / pasa bajo para reconocer y remarcar “áreas
+ altas” o “áreas bajas” de la foto, tales como las huellas de los Rovers al pasar. Aplicando dicho filtro Es posible amplificar
+  los surcos ya mencionados.
+3. **Análisis mediante segmentación (Algoritmo de Watershed):**
+...La segmentación divide la imagen en sus partes o regiones, esta técnica permite extraer información de los objetos. La
+ división en partes se basa a menudo en las características de los píxeles de la imagen. Esta parte del análisis profundiza y es
+  capaz de reconocer diferentes características de la superficie de marte: partes del Rover, sombras y elementos presentes en 
+  las imágenes.  
+
+En los notebooks realizados, se usaron las siguientes librerías en su mayoria:
+
+⋅⋅* Python Pillow (PIL): abre las imágenes dentro del notebook. 
+⋅⋅* Open CV: Librería para transformar los arreglos (“array”) de la imagen de numpy en .float32  para ser trabajada como
+ flotante y poder manejar data. 
+⋅⋅* Matplotlib: para crear los gráficos (“plots”) de las imágenes comparativas mediante las funciones como plt.subplot()
+â‹…â‹…* Numpy: Para aplicar las siguientes funciones DFT , FFT e inversa que corresponden a transformadas de Fourier. Especificando 
+para 2 dimensiones: fft2
+
+**Información contenida en las carpetas:**
+
+⋅⋅* Data_Mars: Contiene diferentes archivos en formato JPEG. Son imágenes a usar en el estudio. 
+⋅⋅* Pycache: Parte del proyecto segmentación. Carpeta creada para almacenar funciones y sobrecargar el notebook de código 
+innecesario.
+⋅⋅* Imágenes: Contiene imágenes que fueron usadas en la sub-sección del proyecto “Segmentación.”
+⋅⋅* Segmentación: Archivo en formato de Notebook que contiene la parte principal del análisis realizado.
+⋅⋅* Filtrado de imágenes con FFT: Notebook que contiene un sistema de filtrado de imágenes como fue descrito anteriormente. 
+⋅⋅* Reconocimiento de edad de cráteres: Notebook que contiene un análisis básico de algunas características del suelo marciano. 
+
+**Algunas imágenes obtenidas como resultado:**
+
+
+
+
+
+
+
+
-- 
GitLab