El punto de partida
Quería entender visión por computadora desde los cimientos — no solo usar modelos pre-entrenados, sino saber qué pasa debajo. Así que hice dos cursos de OpenCV University: uno de CV clásica y otro de deep learning con TensorFlow. Este repositorio es el resultado: ~40 notebooks y scripts que van desde leer un píxel hasta entrenar CNNs con transfer learning.
Computer Vision Fundamentals
La primera mitad cubre todo el pipeline clásico de visión por computadora con OpenCV.
Imágenes como datos
Todo arranca entendiendo que una imagen es una matriz de números. Manipulación de píxeles, canales de color, cropping, resizing, máscaras, operaciones aritméticas y primitivas de dibujo. Parece básico, pero sin entender esto no podés debuggear nada de lo que viene después.
Preprocesamiento y filtrado
Espacios de color (HSV, Lab, YCrCb), ecualización de histograma, CLAHE, convolución, filtros (Gaussian, median, bilateral), detección de bordes con Sobel y Canny, sharpening, y extracción de color dominante. Cada técnica tiene su notebook con ejemplos visuales paso a paso.
Técnicas avanzadas
Transformada de Hough para detección de líneas y círculos, HDR imaging, seamless cloning (pegar un objeto en otra imagen sin bordes visibles), blending de caras e inpainting.
Detección de features y matching
ORB feature detection, matching con brute-force y FLANN. Con esto se construyen aplicaciones como: alineación de documentos, stitching de panoramas, búsqueda de objetos por features, corrección de perspectiva y billboards virtuales con estimación de homografía.
Detección y tracking de objetos (clásico)
GrabCut para segmentación, HOG+SVM para clasificación de imágenes, detección de peatones con un detector HOG custom, Haar cascades para detección de caras, y clasificación de anteojos en video.
Para tracking: optical flow (Lucas-Kanade), estabilización de video, tracking con múltiples algoritmos (KCF, CSRT, MOSSE), filtro de Kalman, MeanShift y CamShift.
Proyectos integradores
Cuatro proyectos que combinan todo lo anterior:
- Blemish removal — eliminación automática de imperfecciones usando inpainting por parches
- Green screen — composición con chroma key usando segmentación HSV
- Object tracking — seguimiento de pelota de fútbol con la API de trackers de OpenCV
- Document scanner — escáner automático de documentos con corrección de perspectiva
Deep Learning con TensorFlow y Keras
La segunda mitad del repositorio entra en deep learning.
Los fundamentos
NumPy a fondo, fundamentos de TensorFlow, y gradient descent implementado desde cero — sin librerías, solo matemáticas y código. Regresión lineal, preprocesamiento de datos, clasificación binaria con Keras, funciones de activación, backpropagation con GradientTape, perceptrón en MNIST, y MLP en Fashion MNIST.
CNNs y transfer learning
Implementación de LeNet, manejo de overfitting con data augmentation, inferencia con modelos pre-entrenados, y transfer learning con VGG — tanto feature extraction como fine-tuning, probado en datasets de ASL (lenguaje de señas americano) y KTBalls.
Entrenamiento avanzado
Optimizadores (SGD, Adam, RMSProp), pipelines con tf.data, loaders custom, TFRecords, schedulers de learning rate, y Grad-CAM — visualización de qué partes de la imagen está mirando el modelo para tomar su decisión. Esto último es clave para interpretabilidad: no alcanza con que el modelo acierte, hay que entender por qué acierta.
El stack
| Capa | Tecnología |
|---|---|
| Lenguaje | Python 3 |
| CV clásica | OpenCV 4.5+ |
| Deep Learning | TensorFlow · Keras |
| Datos | NumPy · scikit-learn |
| Entorno | Jupyter Notebook · Google Colab |
Por qué importa
La mayoría de los tutoriales de CV saltan directo a YOLO o a un modelo pre-entrenado. Eso funciona para demos rápidas, pero cuando algo falla en producción — un cambio de iluminación, un ángulo inesperado, ruido en la imagen — necesitás entender las capas de abajo para diagnosticar y arreglar el problema.
Este repositorio es esa base: desde el píxel crudo hasta la predicción del modelo, pasando por cada transformación intermedia.
El repo completo está en github.com/lucascastro29/OpenCVProjects.