identificación de cicatrices a partir de imágenes digitales
TRANSCRIPT
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Identificación de cicatrices a partir
de Imágenes Digitales
Ignacio Lobo Márquez
Resumen
Se ha realizado un proceso de estudio e investigación tanto a nivel teórico como
práctico, en el cuál se ha aplicado diversos procedimientos encuadrados en el área de
Procesamiento de Imágenes Digitales, a través de la herramienta Matlab. Los procedimientos
ejecutados tienen como objetivo identificar y/o resaltar una cicatriz dentro de una imagen cuyo
formato es digital.
Key words: cicatriz, RGB, escala gris, corrección Gamma y bandas
1. Introducción
El objetivo principal del proyecto que se ha realizado, es la profundización de los
conceptos vistos durante las sucesivas clases teóricas a lo largo del primer cuatrimestre
para realizar un trabajo dirigido con ayuda de algún artículo de investigación como base
para a partir de ahí realizar nuestro propio trabajo.
En este caso, el trabajo consiste en lo siguiente, a partir de unas imágenes con formato
digital, donde se puede apreciar cicatrices de diversas heridas u operaciones quirúrgicas, se
realizan sucesivos procedimientos o procesos para poder conseguir una adecuada
identificación de la zona donde se localiza dicha herida o cicatriz y por tanto resaltar las
partes más significativas.
Para implementar los procedimientos adecuados y realizar las sucesivas pruebas, se ha
utilizado la herramienta Matlab (2013) con licencia oficial suministrada por la Universidad
de Sevilla.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
2. Planteamiento Teórico
En este caso, el problema que se quiere resolver es la identificación de una cicatriz en la
piel humana. Con la resolución de este problema en la parte que depende del tratamiento
y procesamiento de las imágenes digitales, se quiere dar respuesta a un problema aún
mayor que pertenece a diversos ámbitos, como se puede observar en el siguiente diagrama.
Como se puede observar, el problema que se quiere resolver es clave para poder
resolver otros en los restantes campos o ámbitos dentro del conjunto. Por lo cual, el
problema es simple de identificar, a partir de una imagen digital como la que se muestra a
continuación se requiere la identificación de las zonas más significativas que hacen
referencia a la cicatriz o herida.
Matemáticas
Tecnología
Informática
Medicina
Procesamiento
Imagen 1 Imagen 2
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Una vez, identificado el problema que se quiere resolver y teniendo las ideas claras de
cuál es el objetivo que se quiere conseguir, surgen dos nuevos problemas que hacen
referencia al tipo de imagen o dicho de otra manera, la utilización de puntos con grapas o
sin ellas. Por lo cual, se han realizado dos distinciones a la hora de abordar cada uno de los
problemas. A continuación, se explican los métodos o algoritmos utilizados para cada uno
de ellos.
2.1. Imagen sin puntos de grapas
Para este apartado se ha llevado a cabo dos implementaciones con dos modelos
cromáticos diferentes. Con el primer modelo cromático que es el modelo RGB sea
procedido a realizar la identificación de la zona con tonalidad roja dentro de la cicatriz,
con el segundo modelo que es Cielab se ha procedido a realizar una identificación del
contorno de la propia cicatriz.
Para el primer caso, se han utilizado los siguientes procedimientos: algoritmo de
transformación de imagen original a escala de grises, separación de la imagen en las
diferentes bandas según el modelo cromático RGB, aplicación del filtro de mediana y
por último la corrección de la imagen mediante el factor gamma para así conseguir
resultados con mejor calidad.
Algoritmo de transformación en escala de grises.
Este procedimiento no es necesario realizar para llevar a cabo la
resolución del problema, pero si se realiza, posteriormente se podrá
comparar este paso con la separación en las diferentes bandas y así poder
estudiar e investigar durante el desarrollo del trabajo que fuente es mejor
para obtener un resultado con buena calidad.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Separación de la imagen en las diferentes bandas.
En este paso, se lleva a cabo la separación o división de la imagen
original en el modelo cromático RGB en las diferentes bandas que lo
componen.
Con la división de la imagen en las diferentes
bandas, se puede utilizar los valores obtenidos en la
banda Roja para conseguir ya que es la banda de mayor
interés para conseguir la información necesaria sobre
los píxeles con mayor color rojizo.
¿Qué problema puede surgir?
Aplicación del filtro de mediana.
El tercer procedimiento a realizar es el filtro de mediana, con el cual se
busca determinar de manera automáticas los valores con tonalidad rojiza
que predominan en la imagen digital. Para ello, el paso de diferenciación de
bandas es esencial a priori, debido a que en este caso, se realizaran
operaciones matemáticas entre las bandas del modelo cromático RGB y se
buscará esa tonalidad predominante y que tanto se busca.
Por tanto, la imagen resultante de aplicar este procedimiento es aquella
que proviene de realizar la operación aritmética determinada entres las
bandas, más específicamente, la resta.
Imagen Resultante = Imagen Banda:R – Imagen Banda:G – Imagen Banda:B
Pero para conseguir, una buena tonalidad rojiza, se introduce el
concepto de umbral o barrera con el cual se puede asegurar un valor mínimo
de tonalidad. Una vez, se han calculado todas las operaciones aritméticas en
cada uno de los píxeles, se procede a realizar la comprobación del umbral, y
a la asignación de los siguientes valores.
Imagen 3
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
{1 𝑠𝑖 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝í𝑥𝑒𝑙 ≥ 𝑢𝑚𝑏𝑟𝑎𝑙 𝑒𝑙𝑒𝑔𝑖𝑑𝑜0 𝑠𝑖 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝í𝑥𝑒𝑙 < 𝑢𝑚𝑏𝑟𝑎𝑙 𝑒𝑙𝑒𝑔𝑖𝑑𝑜
Corrección de la imagen mediante el factor gamma.
Procedimiento implementado con el objetivo de diferenciar de manera
más visual los valores en dentro de una imagen.
Gracias a este procedimiento conseguimos resaltar los
valores más significativos para nuestro tratamiento dentro
de la imagen que estamos tratando. En el apartado de
experimentación, veremos un claro ejemplo de cómo
variando el valor del factor gamma la imagen resultante
gana o pierde calidad. La operación que se realiza con este
factor en la elevación a la potencia. Es decir el valor de un
píxel determinado, es elevado al factor gamma.
Consiguiendo con ello resaltar los valores de los píxeles.
Imagen 4 Imagen 5
Imagen 6
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Para el segundo caso, se han utilizado los siguientes procedimientos: algoritmo de
transformación de una imagen RGB al modelo cromático Cielab, aplicación de suavizado
a través de la media, y por último extracción del contorno de la imagen.
Algoritmo de transformación de una imagen RGB a Cielab.
Se realiza este procedimiento, para poder conseguir separar la imagen
en tres componentes, que son:
Luminosidad.
Componente a, que indica la
posición de entre rojo y verte.
Componente b, que indica el valor
entre amarillo y azul.
Esta conversión con la herramienta de Matlab resulta ser bastante
sencilla debido a la proporción de comandos por la propia plataforma para
realizar su conversión.
Aplicación de filtro de la media.
Una vez se han obtenido las componentes del modelo cromático
Cielab por separado, se estudian para verificar cuáles de estas
componentes pueden resultar más efectivas para el cálculo que se realiza
a posteriori acerca del contorno. Pero estos estudios no consiguen ser de
buena calidad si no se realiza un suavizado de la imagen para la eliminación
de posibles ruidos que provengan de la propia imagen o de su posible
tratamiento.
Por lo cual se decide proceder a realizar un filtro de media para
eliminar ese ruido y obtener mejores resultados de cara al futuro. Este filtro
no es más que asignar cómo valor a un píxel la media de los valores de sus
píxeles vecinos.
Extracción del contorno o bordes.
Explicado a continuación en la implementación de la identificación de
puntos con grapas.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
2.2. Imagen con puntos de grapas
Para este caso se han utilizado los siguientes procedimientos: algoritmo de recorte
de imagen original, transformación a escala de grises y aplicación del método de
binarización de la imagen en escala de grises.
Recorte de la imagen original.
Procedimiento soportado desde la propia plataforma de Matlab, en la
cual a través de la función ‘imcrop’ se puede recortar un rectángulo de la
imagen seleccionada.
Transformación a escala de grises.
Una vez se ha recortado la imagen o zona de la imagen que se quiere
tratar, se procede a realizar con ella los pasos restantes. El primero de ello es
la transformación a escala de grises para que la operación posterior que se
realiza sea la adecuada. Ya que se va a proceder a la extracción de su
contorno.
Extracción de bordes.
Este procedimiento es el importante en este apartado. La extracción de
bordes es uno de los procedimientos de segmentación más utilizados, con el
cuál se tiene como objetivo la búsqueda de las diferencias en sus valores de
intensidad para así poder ir reconociendo los píxeles que conforman el
contorno.
La implementación se ha realizado a través de la función proporcionada
por Matlab, ‘edge’. El procedimiento que se lleva a cabo es la asignación de
valores 1s o 0s dependiendo de si el píxel que se le asigna el valor pertenece
al contorno o no. Este método de segmentación utiliza diferentes algoritmos
para la detección de bordes, en este caso, utilizamos el que viene por defecto
que es Canny. Qué además es el método que a día de hoy obtiene mejores
resultados.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Canny tiene como fundamento la detección de bordes mediante el uso
de la primera derivada. En este caso se toma el valor 0 en todas las regiones
donde no se produce una variación de intensidades y un valor constante
donde si se produce dicha transición.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
3. Resolución Práctica
En este capítulo se van a desarrollar y explicar las partes que se han implementado, así
como un diagrama de flujo de los pasos a realizar durante la evolución de los diferentes
procesos.
La herramienta utilizada ha sido Matlab, en la cual se ha ido desarrollando el código, y
realizando pruebas de manera progresiva para ir evaluando los sucesivos procedimientos
que se han desarrollado así como si los resultados eran correctos o no. Para comenzar, se
muestran las diferentes clases desarrolladas, así como un esquema de las funciones
implementadas dentro de cada clase.
𝐼𝑛𝑡𝑒𝑟𝑓𝑎𝑧
𝑟𝑔𝑏𝑇𝑜𝐶𝑖𝑒𝑙𝑎𝑏. 𝑚
𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠
𝐹𝑖𝑙𝑡𝑟𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎
𝐸𝑑𝑔𝑒
𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛𝐺𝑟𝑎𝑝𝑎𝑠. 𝑚
𝑅𝑒𝑐𝑜𝑟𝑡𝑎𝑟 𝑖𝑚𝑎𝑔𝑒𝑛
𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑐𝑎𝑙𝑎 𝑔𝑟𝑖𝑠𝑒𝑠
𝐹𝑖𝑙𝑡𝑟𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎
𝐸𝑑𝑔𝑒
𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛𝐶𝑖𝑐𝑎𝑡𝑟𝑖𝑧𝑅𝑜𝑗𝑎. 𝑚
𝐸𝑠𝑐𝑎𝑙𝑎 𝑑𝑒 𝐺𝑟𝑖𝑠𝑒𝑠
𝑆𝑒𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛 𝐵𝑎𝑛𝑑𝑎𝑠
𝐹𝑖𝑙𝑡𝑟𝑜 𝑀𝑒𝑑𝑖𝑎𝑛𝑎
𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖ó𝑛 𝐺𝑎𝑚𝑚𝑎
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
A continuación, se muestra un diagrama de flujo del funcionamiento de la aplicación y
la diferente toma de decisiones a realizar a lo largo de su ejecución.
𝐼𝑛𝑖𝑐𝑖𝑜
¿ 𝐶𝑜𝑛 𝑝𝑢𝑛𝑡𝑜𝑠 𝑜 sin 𝑝𝑢𝑛𝑡𝑜𝑠 ?
𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛𝐺𝑟𝑎𝑝𝑎𝑠
𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛𝐶𝑖𝑐𝑎𝑡𝑟𝑖𝑧𝑅𝑜𝑗𝑎
𝑟𝑔𝑏𝑇𝑜𝐶𝑖𝑒𝑙𝑎𝑏
𝐸𝑠𝑐𝑎𝑙𝑎 𝑑𝑒 𝐺𝑟𝑖𝑠𝑒𝑠
𝑆𝑒𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛 𝐵𝑎𝑛𝑑𝑎𝑠
𝐹𝑖𝑙𝑡𝑟𝑜𝑠
𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖ó𝑛 𝐺𝑎𝑚𝑚𝑎
𝐸𝑑𝑔𝑒
𝐼𝑚𝑎𝑔𝑒𝑛 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑛𝑡𝑒
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
4. Experimentación
En este capítulo se van a explicar, los dos ejemplos más claros donde se podrá ver como
el resultado de la aplicación desarrollada puede resultar muy óptima, o en cambio puede
verse deteriorada la calidad dependiendo de la imagen, pero aun así puede obtenerse la
parte más significativa dentro de la cicatriz.
4.1. Ejemplo 01.
En este ejemplo se ha escogido la imagen que se muestra a continuación:
Al ser una imagen que no tiene puntos de grapa, se procede a realizar el
procedimiento de la identificación de la zona más enrojecida de la cicatriz. Tras
realizar todos los procesos descritos anteriormente en el diagrama de flujo se
obtiene la imagen resultante. En este caso se ha mostrado dos pruebas realizadas
en la cual una tiene como factor de corrección gamma 0.8 y la otra prueba, tiene un
factor de corrección gamma 1.8.
Imagen 7
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Imagen 8 –factor 0.8
Imagen 9 –factor 0.8
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Como se puede comprobar el resultado con factor de escala 0.8 resalta más, la
parte que nos interesa.
Imagen 10 –factor 1.8
Imagen 11 –factor 1.8
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
4.2. Ejemplo 02.
En este ejemplo se ha escogido la imagen que se muestra a continuación:
Al ser una imagen que no tiene puntos de grapa, se procede a realizar el
procedimiento de la identificación de la zona más enrojecida de la cicatriz. Tras
realizar todos los procesos descritos anteriormente en el diagrama de flujo se
obtiene la imagen resultante. En este caso se ha mostrado dos pruebas realizadas
en la cual una tiene como factor de corrección gamma 0.8 y la otra prueba, tiene un
factor de corrección gamma 1.8.
Imagen 12
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Imagen 13 –factor 0.8
Imagen 14 –factor 0.8
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
En este caso, el resultado con factor de escala 0.8 también resalta más, la parte
que nos interesa.
Imagen 15 –factor 1.8
Imagen 16 –factor 1.8
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Por otro lado, la parte de identificar las grapas en una imagen médica con cicatrices que
actualmente todavía tienen estos puntos ha resultado bastante complicada, pero finalmente
se ha conseguido un buen resultado. A continuación se muestran dos resultados conseguido
a lo largo del proceso de construcción o mejor dicho, implementación del proceso.
La imagen original es la que se muestra a continuación.
Tras una primera aplicación en el cuál no se planteó la idea de realizar un suavizado de
imagen para corregir los diferentes ruidos producidos en la imagen, tanto por la imagen
original como tras realizar el proceso de recorte por parte del usuario de la aplicación en la
propia imagen, el resultado fue el siguiente.
Imagen 17
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Tras plantear e implementar el suavizado se ha conseguido un resultado con
mayor calidad como es el que se muestra a continuación.
Imagen 18 – Sin suavizado
Imagen 19 – Con suavizado
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
A continuación, se muestran los resultados obtenidos con el modelo cromático
Cielab y los sucesivos procedimientos para conseguir la identificación de la cicatriz.
Se ha procedido a realizar varias pruebas, de las cuáles se exponen los dos ejemplos
más claros donde se ha podido observar los puntos de calidad más extremos
dependiendo de la fotografía original.
La primera fotografía es la siguiente:
El resultado obtenido es:
Imagen 20
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
El resultado obtenido no es realmente de calidad, debido a que no se identifica
claramente la cicatriz, aunque si la podemos distinguir porque conocemos la
imagen original.
Se realiza la prueba con la siguiente imagen para ver el resultado con otra
fotografía.
Imagen 21
Imagen 22
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Anteriormente, con esta fotografía no se había conseguido los resultados
esperados a través de la identificación de la zona rojiza. Pero como comprobaremos
en este caso, si se consigue obtener la extracción del contorno de la cicatriz.
Imagen 23
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
Antes de finalizar el capítulo de experimentación, hay que mencionar la primera
idea planteada por el autor, en el cuál se plantea la idea de binarización de la
imagen a través de un factor o umbral pero los resultados obtenidos no eran los
adecuados.
La imagen original antes de comenzar el proceso de binarización es la siguiente.
Tras realizar el proceso de binarización, el resultado obtenido es el que se
muestra a continuación.
Imagen 20
Imagen 21
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
5. Manual de Usuario
En este capítulo se explica de forma sencilla, la parte relacionada con la interfaz
desarrollada y con la utilización de la herramienta. La aplicación se ha desarrollado en
Matlab, por lo cual, el usuario que quiera hacer uso de la mima debe tener instalado
dicha herramienta. Decir que esta herramienta, es de pago, pero se puede encontrar
una versión gratuita de prueba durante un mes, desde la propia dirección oficial de
Matlab.
Una vez se tiene la herramienta instalada, sólo hay que llevar a cabo la
implementación de las clases generadas y las fotografía en el entorno que se
implemente a la vez que se ha instalado la herramienta.
Una vez está todo preparado para su funcionamiento, se accede a la clase ‘interfaz.m’
y se procede a ejecutar la aplicación haciendo click, en el botón ‘run’ de la herramienta.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
En ese momento, se iniciará la aplicación y se lanzará la siguiente interfaz.
Una vez, llegados a este paso, se puede iniciar cualquiera de los procesos que vienen
en la parte derecha siempre y cuando se haya cargado una imagen anteriormente.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
6. Conclusiones
Una vez realizado el trabajo, se puede sacar en conclusión algunas ideas que serán
muy útiles para futuros trabajos acerca del procesamiento de imágenes digitales tanto de
manera personal como para otros usuarios.
Factor del umbral cuando se realiza las operaciones aritméticas en el modelo
RGB cuando se realiza el filtro de mediana. De este umbral, depende los valores
que van a ser asignados a los píxeles.
Factor de corrección gamma, que aunque realice una optimización que en
algunos ejemplos pueda no resultar muy útil, en otros puede servir de gran
utilidad para la visualización final de las imágenes.
El proceso de Binarización que se planteó como primera idea al principio del
trabajo, no resultó bastante efectivo como se ha mostrado en el capítulo de
experimentación mencionado anteriormente.
La implementación de las funciones de Matlab para realizar la detección de
bordes ha resultado muy efectiva para poder resaltar los detalles que se
buscaban con la calidad adecuada, aunque siempre hay que tener en cuenta la
imagen que se quiere estudiar.
7. Referencias
Libros suministrados por la Universidad de Sevilla, utilizados para obtención de
información, acerca de procedimientos y funciones a utilizar con Matlab para el tratamiento
y procesamiento de imágenes digitales:
Artículos obtenidos en Internet y utilizados como apoyo y base para la realización de
esta aplicación:
Artículo:
o Reconocimiento automático de melanomas mediante técnicas de visión por ordenador y
reconocimiento de patrones
Autora: GERTRUDIS KATERIN ASUNCIÓN BATUGO
Trabajo Fin de Master, Universidad Carlos III de Madrid, Departamento Estadística.
Diciembre de 2012
Este primer artículo ha sido la base de dónde se ha empezado a estudiar e investigar
como poder afrontar el problema de identificación teniendo en cuenta la piel humana.
Email addresses: [email protected] (Autor) Procesamiento Imágenes Digitales – Identificación de Cicatrices Autor: Ignacio Lobo Márquez
ANEXO
TABLA DE TIEMPOS
A lo largo de los procesos desarrollados en el proyecto, se han realizado diversas tareas, todas
ellas recogidas en la siguiente tabla así como el tiempo dedicado a cada una de ellas.
FECHA COMIENZO HORAS DEDICADAS PROCESO
28 Enero 2016 1 horas Reunión del trabajo
28 Enero 2016 2 horas Búsqueda de referencias
28 Enero 2016 3 horas Estudio de artículos
28/29/30 Enero 2016 48 horas Desarrollo de la aplicación
30 Enero 2016 2 horas Desarrollo de la interfaz
29/30/31 Enero 2016 8 horas Desarrollo de Informe
31 Enero 2016 0.2 horas Preparación Presentación
20 minutos Presentación
TOTAL 15360 minutos
El total de las horas calculadas, es el resultado de la siguiente operación:
(1 horas + 2 horas + 3 horas + 48 horas + 2 horas + 8 horas + 0.2 horas + 0.2
horas) = 64.4 horas
64.4 horas x (60 minutos / 1 hora) = 15360 minutos