Tratamiento de imágenes con Python

Realizar y entregar una memoria con el trabajo elaborado con las dos imágenes "texto_delfines" y "castellano_antiguo2"

Dicha memoria debe contener los siguientes puntos:
    - El código que he escrito hasta obtener el número de palabras.
    - Las explicaciones de los pasos que he ido dando.
    - Pantallazos o imágenes resultantes.
    - Conclusiones.

ACTIVIDAD 1
1. Instala las librerías de openCV en python.
2. Se recomienda hacer las siguientes actividades mediante el empleo del software de visión recomendado para familiarizarse con el entorno:
•    Determinar el histograma de las imágenes. Existe una función en openCv para hacerlo, cv2.calcHist. Recuerda incluir las librerías al inicio de tu programa. Estudiar su aspecto en relación con los niveles de gris de la imagen. Por ejemplo: si la imagen es muy clara el histograma presentará la mayoría de los valores en la derecha y, por el contrario, si es muy oscura la mayor densidad de valores estará en su zona izquierda.

•    Corromper las imágenes con diferentes tipos de ruido. Observar su aspecto. Esto ayudará en la etapa de preproceso a saber seleccionar adecuadamente el tipo de filtro que debe ser usado para eliminar el ruido.

ACTIVIDAD 2
1. Analizar la utilidad de las transformaciones morfológicas:
a) Eliminar objetos pequeños de las imágenes mediante erosión. Restaurarlas mediante dilatación
b) Unir las regiones cercanas entre sí y existentes en una imagen binaria sabiendo que pertenecen al mismo objeto
c) Determinar el esqueleto de una región
2. Aplicar los filtros más adecuados para la eliminación de ruido en las imágenes. Obtener conclusiones de los resultados obtenidos.
3. Aplicar varios filtros para el realce de bordes. Obtener conclusiones de los resultados obtenidos.
4. Aplicar varios detectores de esquinas a las imágenes. Obtener conclusiones de los resultados obtenidos.
5. Aumentar el contraste de las imágenes

ACTIVIDAD 3
Aplicar las siguientes técnicas de segmentación:
Segmentación basada en la detección de fronteras.
Segmentación basada en la umbralización.
Segmentación basada en el agrupamiento de píxeles (clustering).
Segmentación basada en el crecimiento de regiones.
Segmentación basada en redes neuronales: CNN.