Digital Image Processing

Texto universitario y de referencia profesional que conecta de forma integral el procesamiento clásico de imágenes digitales con las metodologías modernas de inteligencia artificial y aprendizaje automático. Escrito por Mahmood R. Azimi-Sadjadi, catedrático con décadas de investigación en señales e imágenes, el libro está diseñado para estudiantes avanzados de ingeniería eléctrica, ciencias de la computación, ingeniería biomédica y profesionales que posean formación previa en sistemas lineales, probabilidad y cálculo matricial.

A través de 20 capítulos, el contenido abarca tanto las técnicas clásicas deterministas y estocásticas como los modelos modernos de redes neuronales. Explora el modelado bidimensional de imágenes, bancos de filtros, transformadas wavelets, filtrado de Wiener y filtros de Kalman para secuencias de imágenes, junto con técnicas de reconstrucción tomográfica mediante la transformada de Radon. Al adentrarse en la vertiente de inteligencia artificial, cubre el aprendizaje supervisado y no supervisado, arquitecturas multicapa, redes neuronales convolucionales (CNN), autoencoders lineales y no lineales, memorias asociativas y reducción no lineal de dimensionalidad, apoyándose en implementaciones prácticas en Python y cuadernos interactivos en Google Colab con librerías como NumPy, SciPy, OpenCV y TensorFlow/PyTorch.

El libro permite ejercitar la formulación matemática frente a problemas concretos de realce, restauración, segmentación, compresión y clasificación visual, con énfasis en aplicaciones biomédicas y de teledetección satelital. Su principal mérito radica en no tratar el deep learning como una caja negra aislada, sino como una evolución natural de las transformadas y el filtrado espacial multivariable. Deja fuera el desarrollo de interfaces o el despliegue comercial de software, concentrándose en el modelado algorítmico y matemático. Es conveniente contar con soltura en programación con Python científico antes de abordar sus prácticas.