Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos originales
Tem´atica: Procesamiento de im´agenes
Recibido: 7/7/2025 | Aceptado: 29/7/2025 | Publicado: 30/3/2026
Identificadores persistentes:
DOI: 10.48168/innosoft.s29.a343
ARK: ark:/42411/s29.a343
FiltroVis: Una interfaz de usuario para OpenCV en Flet
FiltroVis: An OpenCV user interface in Flet
Valent´ın Ramos-Manuel
1[0009-0003-2893-0015]
, Aldo Manuel Aguilar-Gonz´alez
2[0009-0001-7898-7592]
,
Oscar Ch´avez-Bosquez
3[0000-0002-0324-9886]*
1
Divisi´on Acad´emica de Ciencias y Tecnolog´ıas de la Informaci´on, Universidad Juar´ez Aut´onoma de Tabasco,
Cunduac´an, Tabasco, M´exico, 86690. 212h17107@alumno.ujat.mx
2
Divisi´on Acad´emica de Ciencias y Tecnolog´ıas de la Informaci´on, Universidad Juar´ez Aut´onoma de Tabasco,
Cunduac´an, Tabasco, M´exico, 86690. 212H17035@alumno.ujat.mx
3
Divisi´on Acad´emica de Ciencias y Tecnolog´ıas de la Informaci´on, Universidad Juar´ez Aut´onoma de Tabasco,
Cunduac´an, Tabasco, M´exico, 86690. oscar.chavez@ujat.mx
∗
Autor para correspondencia: oscar.chavez@ujat.mx
Resumen
En este art´ıculo se describe el desarrollo de FiltroVis, una interfaz de usuario (UI) interactiva y multiplataforma
para la aplicaci´on y visualizaci´on en tiempo real de filtros cl´asicos de visi´on computacional. La metodolog´ıa
utilizada fue de tipo incremental, estructurada en tres prototipos sucesivos, empleando el framework Flet para
la construcci´on de la interfaz gr´afica y la biblioteca OpenCV para el procesamiento del video, resolviendo
el problema de rendimiento mediante la implementaci´on de procesos concurrentes. Se obtuvieron resultados
satisfactorios en t´erminos de funcionalidad y rendimiento en tiempo real, logrando la correcta aplicaci´on de
cada filtro y demostrando la portabilidad del sistema en entornos operativos como Windows, Linux y MacOS,
adem´as de v´ıa web. El objetivo de FiltroVis es ofrecer una herramienta educativa y funcional de licencia libre
que integre los fundamentos te´oricos y las herramientas accesibles como Flet y OpenCV.
Palabras claves: Procesamiento de im´agenes, Multiplataforma, Visi´on computacional
Abstract
This article describes the development of FiltroVis, an interactive, cross-platform user interface (UI) for the
real-time application and visualization of classic computer vision filters. We employed an incremental metho-
dology, structured into three successive prototypes, using the Flet framework to build the graphical interface
and the OpenCV library for video processing. Performance issues were addressed by implementing concurrent
processes. Satisfactory results were obtained in terms of functionality and real-time performance, achieving the
correct application of each filter and demonstrating the system’s portability across operating environments such
as Windows, Linux, and macOS, as well as via the web. The goal of FiltroVis is to offer a free, functional
educational tool that integrates theoretical foundations with accessible tools such as Flet and OpenCV.
Keywords: Image processing, Cross-platform, Computer vision
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
30
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Introducci´on
La Visi´on computacional es el ´area de la Computaci´on que se encarga de automatizar y emular la capacidad
de la visi´on humana, permitiendo que las m´aquinas puedan interpretar, analizar y extraer datos significativos
de im´agenes y v´ıdeos [1]. La visi´on computacional tiene diversas ´areas de aplicaci´on incluyendo reconocimiento
de objetos, monitoreo de seguridad, realidad aumentada, reconocimiento facial, y im´agenes m´edicas. En ese
sentido, OpenCV (Open Source Computer Vision Library) es una de las bibliotecas m´as completas para el
desarrollo de aplicaciones de visi´on por computadora, ya que ofrece m´as de 2000 algoritmos optimizados que
incluyen desde operaciones b´asicas de procesamiento de im´agenes hasta m´etodos complejos de aprendizaje
autom´atico [2]. Al ser de c´odigo abierto, es accesible para cualquier desarrollador ya que cuenta con bindings
(enlaces) oficiales para ser utilizado en lenguajes de programaci´on como Python (en m´as popular), C++, Java,
entre otros.
Por otro lado, Flet es un framework de Python para construir interfaces gr´aficas de usuario (UI) interactivas
y en tiempo real, que funcionan tanto en aplicaciones web, de escritorio y m´oviles. Su ventaja es que permite
a los desarrolladores construir interfaces visualmente atractivas y responsivas usando ´unicamente Python, sin
necesidad de escribir c´odigo en lenguajes de front-end como HTML, CSS o JavaScript [3].
En este art´ıculo se propone una UI (User Interface) desarrollada en Flet para la aplicaci´on de filtros de
visi´on computacional, integrando la biblioteca OpenCV con una UI moderna, intuitiva y multiplataforma. El
objetivo es ofrecer una herramienta interactiva para la aplicaci´on y visualizaci´on de filtros de procesamiento
de im´agenes a trav´es de una c´amara de video conectada a una PC, la cual permite al usuario seleccionar y
aplicar algoritmos cl´asicos de visi´on computacional en tiempo real.
Trabajos relacionados
En esta secci´on se presentan herramientas que, al igual que el proyecto propuesto, buscan facilitar la interacci´on
con algoritmos de visi´on computacional mediante interfaces orientadas al usuario. Estos trabajos ofrecen el
uso de filtros de OpenCV, utilizando diversos lenguajes y bibliotecas. A continuaci´on se describen brevemente
las propuestas m´as representativas y su relaci´on con este estudio.
En primer lugar, la imagen presentada en la Figura 1 muestra la ventana que implementa un procedimiento
b´asico para la captura y visualizaci´on de video en tiempo real mediante la biblioteca OpenCV usando la
instrucci´on cv2.imshow(), lo que permite al usuario visualizar en tiempo real el flujo de video proveniente
de la c´amara [2]. Este tipo de implementaci´on corresponde a uno de los ejemplos fundamentales de OpenCV,
utilizado en m´ultiples aplicaciones de visi´on por computadora. Sin embargo, presenta ciertas limitaciones ya
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
31
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
que la ventana generada carece de elementos interactivos avanzados, no permite controles nativos sobre la
interfaz y depende directamente del sistema operativo para su renderizado, lo que dificulta la integraci´on con
interfaces de usuario modernas.
Figura 1. Ventana por defecto de OpenCV.
En [4] se describe un proyecto desarrollado en una nueva biblioteca de Python llamada PyVisual que utiliza
OpenCV para mostrar el funcionamiento de filtros cl´asicos mediante demostraciones interactivas dise˜nadas
con fines educativos. Su interfaz se basa en ventanas nativas y controles simples, pero desarrollada sobre una
herramienta a´un en fase de prueba. En [5] se presenta una aplicaci´on creada con Python, OpenCV y PyQt5,
orientada a la visualizaci´on de la c´amara web desde una GUI de escritorio y al ajuste b´asico de par´ametros
mediante componentes gr´aficos tradicionales. Finalmente, en [6] se propone una herramienta elaborada en
C++, que combina OpenCV con una capa gr´afica basada en OpenGL, en una aplicaci´on de escritorio orientada
al procesamiento de im´agenes.
Si bien estos trabajos permiten manipular filtros y par´ametros de OpenCV, todos se encuentran limitados a
entornos locales y a interfaces tradicionales. Por otro lado, FiltroVis integra OpenCV dentro de una interfaz
moderna desarrollada en Flet, ofreciendo ejecuci´on multiplataforma en Windows, Linux, macOS y Web, y
proporcionando una aplicaci´on multiplataforma para la ense˜nanza del procesamiento de im´agenes en tiempo
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
32
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
real.
Estado del arte
En esta secci´on se proporciona un panorama general sobre c´omo la visi´on artificial y el procesamiento digital
de im´agenes se constituyen en diferentes disciplinas. Diversos estudios coinciden en se˜nalar que la biblioteca
OpenCV conforma una de las herramientas m´as empleadas en el desarrollo de sistemas de visi´on computacional,
debido a su car´acter de c´odigo abierto, su eficiencia y la amplia gama de algoritmos optimizados que ofrece. Por
otro lado, en la literatura revisada se describe que OpenCV facilita manejar desde las operaciones b´asicas de
procesamiento de im´agenes hasta procedimientos avanzados como detecci´on de caracter´ısticas, segmentaci´on,
an´alisis de estructuras y manipulaci´on de video en tiempo real [2].
Existe un consenso entre los investigadores en el campo de la Visi´on computacional sobre la necesidad cr´ıtica
de obtener im´agenes estandarizadas. Se considera como estandarizaci´on a la eliminaci´on de la interferencia
y el ruido generado por el medio ambiente en el momento de la captura de la imagen. Este es esencial para
facilitar las fases de pre-procesamiento y el proceso completo [7].
En la informaci´on revisada dentro del ´ambito agr´ıcola, m´ultiples investigaciones han demostrado la utilidad de
OpenCV en tareas de selecci´on visual de frutas, donde se requiere identificar propiedades como color, forma o
textura. Diversos autores [8, 9] reportan que la biblioteca permite ejecutar an´alisis de manera rapida y confia-
bles, reduciendo la dependencia del juicio humano y mejorando la precisi´on en la clasificaci´on automatizada
de frutos.
De manera similar, OpenCV tambi´en ha mostrado un rol importante en el procesamiento de im´agenes m´edicas,
especialmente en la identificaci´on y an´alisis de lesiones dermatol´ogicas, ya que diversas investigaciones indican
que OpenCV facilita la mejora de la calidad visual, la detecci´on de contornos relevantes y la segmentaci´on de
regiones de inter´es [10].
Asimismo, OpenCV ha sido la base sistemas de reconocimiento facial que utilizan t´ecnicas modernas de
Inteligencia Artificial, como las Redes Neuronales Convolucionales. Trabajos puntuales son el reconocimiento
facial de personas para el control de acceso [11] y sistemas que permiten identificar las emociones de una
persona mediante el reconocimiento de rostros [12].
Por ´ultimo, OpenCV ha sido utilizado en el desarrollo de herramientas educativas y aplicaciones interactivas
[13]. En nuestro proyecto, implementamos la biblioteca para aplicar filtros cl´asicos como conversi´on a escala
de grises, desenfoque Gaussiano o detecci´on de bordes Canny, manteniendo un desempe˜no estable y en tiempo
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
33
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
real, lo cual resulta fundamental en aplicaciones que requieren interacci´on directa con video capturado mediante
c´amaras locales.
Metodolog´ıa computacional
El desarrollo de la aplicaci´on sigui´o una metodolog´ıa incremental, en la cual el sistema fue construido mediante
la adici´on progresiva de componentes y mejoras funcionales en cada etapa [14]. En lugar de desarrollar el pro-
ducto completo desde el inicio, cada incremento represent´o una versi´on funcional del sistema, que incorporaba
nuevas caracter´ısticas, refinaba las existentes y mejoraba el desempe˜no general [15].
Adem´as, se utilizaron herramientas de desarrollo de software que garantizaron aspectos como compatibilidad,
eficiencia o estabilidad [16]. Se utiliz´o la ultima version de ambas bibliotecas para el desarrollo de FiltroVis,
siendo ´estas las versiones 0.28 y 4.12 de Flet y OpenCV respectivamente. Dichas versiones son compatibles
con la ´ultima versi´on de Python (3.13.5), por lo cual gracias a la integraci´on y soporte multiplataforma que
proporcionan estas versiones de herramientas permiti´o desarrollar interfaces interactivas y responsivas. Siendo
que Flet es una biblioteca moderna basada en Flutter, permite manejar componentes visuales que integran un
estilo visual consistente a tendencias de dise˜no.
Por otro lado OpenCV, si bien es muy reconocida en el campo de la vision por computadora, esta versi´on
propocion´o herramientas para la captura de video desde las c´amaras locales, y gracias a OpenCV fue posible
realizar las transformaciones en tiempo real de los frames capturados manteniendo un equilibrio de precisi´on,
velocidad y consumo de recursos del sistema.
Se puede decir que el procesamiento de las im´agenes se basa en la manipulaci´on de los valores de los p´ıxeles
que conforman una imagen con el objetivo de poder resaltar o transformar la informaci´on relevante [17]. Es
por ello que en esta aplicaci´on se implementaron diversos filtros cl´asicos que permiten los distintos efectos
visuales y se comprenden los principios matem´aticos en dichas operaciones [18]. A continuaci´on se presentan
los filtros utilizados para esta aplicaci´on [19, 20].
Filtro Escala de grises
Este filtro transforma la imagen capturada reduciendo toda la informaci´on a un solo tono de intensidad, lo
que permite ver mejor los contrastes y detalles de luz. El resultado fue una imagen m´as ligera y r´apida de
procesar, lo cual es ´util antes de aplicar otros filtros m´as complejos. La conversi´on se obtiene mezclando los
colores principales seg´un la forma en que solemos percibirlos.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
34
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Para mostrar c´omo se hace esta mezcla, en la Ecuaci´on (1), se puede ver la operaci´on que toma un poco del
rojo, del verde y del azul para as´ı obtener un solo valor en gris:
Escala = 0,299(R) + 0,587(G) + 0,114(B) (1)
Con est´a operaci´on se consigue que cada p´ıxel quede representado solo con un tono, conservando la iluminaci´on
de la imagen aunque ya no tenga color.
Filtro Canny
Este filtro permite detectar bordes de manera precisa, marcando los contornos de objetos o zonas donde cambia
la intensidad de la imagen. Durante las pruebas se observ´o que es sensible a los cambios bruscos, lo cual ayuda
a que los l´ımites entre figuras se puedan ver definidos. El filtro Canny, introducido por John Canny en el a˜no
1986, toma en cuenta qu´e tanto cambia una zona con respecto a otra para decidir si es un borde.
Primero calcula el cambio general, como se muestra en la Ecuaci´on (2):
G =
q
G
2
x
+ G
2
y
(2)
Y despu´es calcula hacia qu´e direcci´on ocurre ese cambio, como se indica en la Ecuaci´on (3):
θ = tan
−1
G
y
G
x
(3)
Estas dos ecuaciones permiten que el filtro identifique ´unicamente los bordes importantes y elimine detalles
que no aportan.
Filtro Gaussiano
Este filtro suaviza la imagen para reducir el ruido de los frames, mientras que la inversi´on de colores y el enfoque
da como resultado el realce en el contraste y nitidez de los objetos capturados. En la pr´actica, se observ´o una
imagen m´as uniforme, sin bordes abruptos, lo que valida la efectividad del suavizado como herramienta para
eliminar ruido. Este proceso se basa en la convoluci´on de la imagen original con una funci´on de distribuci´on
normal bidimensional, conocida como n´ucleo o kernel Gaussiano, esto se representa en la Ecuaci´on (4), donde
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
35
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
se muestra c´omo se calcula ese suavizado:
G(x, y) =
1
2πσ
2
e
−
x
2
+y
2
2σ
2
(4)
Donde σ es un valor que controla el grado de suavizado.
Filtro Inversi´on de colores
Este filtro genera una imagen negativa, es decir, cambia lo claro por oscuro y lo oscuro por claro. El efecto
es particularmente ´util para evidenciar la manipulaci´on bit a bit de los valores de los p´ıxeles, confirmando la
correcta implementaci´on de la operaci´on l´ogica NOT. Este cambio se realiza con una operaci´on mat´ematica,
como se ve en la Ecuaci´on (5):
I
out
(x, y, c) = 255 − I
in
(x, y, c) (5)
Donde 255 representa el valor m´aximo de brillo. Al restar el valor original se consigue el color contrario, creando
el efecto negativo.
Filtro Enfoque
Este filtro mejora la nitidez de la imagen, resaltando los bordes y los detalles. Durante las pruebas se not´o que
la imagen obtenida ten´ıa mayor claridad, especialmente en zonas donde antes se ve´ıa m´as suave. Este filtro
se basa en la convoluci´on de la imagen original con un n´ucleo dise˜nado para aumentar la diferencia entre un
p´ıxel y sus vecinos.
La matriz que se usa es la que se muestra en la Figura 2, donde el n´umero central (5) representa el valor
principal y los n´umeros alrededor (-1 y 0) ayudan a resaltar los bordes.
Esta matriz sirve para resaltar los detalles. Finalmente, el funcionamiento del filtro se resume en la operaci´on
mostrada en la Ecuaci´on (6):
I
′
(x, y) = I(x, y) ∗ K (6)
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
36
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 2. Matriz de realce.
Donde el s´ımbolo ∗ denota la operaci´on de convoluci´on bidimensional.
Adicionalmente a estas herramientas se integraron otras bibliotecas complementarias como Numpy, la cual
es utilizada para el manero de matrices y operaciones num´ericas asociadas al procesamiento de im´agenes,
Threading la cual es una biblioteca dedicada a la gestion de procesos concurrentes que evitan bloqueos
durante la ejecuci´on de video, Base64 es una biblioteca empleada para la codificaci´on de im´agenes antes de
su representaci´on en la interfaz de usuario.
Dise˜no
Los diagramas UML que se utilizan en la ingenier´ıa de software son fundamentales para permitir a cualquier
equipo el desarrollo de ideas complejas de manera clara y sin ambig¨uedades, lo que facilta la comprensi´on
de los registros del sistema, al igual que la identificaci´on de los posibles problemas de dise˜no. Gracias a estos
diagramas se asegura que todos los participantes tengan una visi´on compartida del sistema que se contruye o
mantiene. Por ello son herramientas clave para la modelaci´on orientada a objetos a lo largo de todo ciclo de
vida del desarrollo de un sistema [21].
La Figura 3 presenta el diagrama de clases que describe la estructura interna de la aplicaci´on. El sistema
se organiza alrededor de una clase principal llamada CameraControl, esta clase contiene los atributos que
gestionan el estado de la aplicaci´on: gestiona si la c´amara est´a encendida o apagada, controla qu´e filtro se
aplica, maneja los botones de la interfaz y procesa cada frame de video para mostrar el efecto seleccionado.
B´asicamente, concentra en un solo lugar toda la funcionalidad de la aplicaci´on [22].
La Figura 4 muestra el diagrama de despliegue, el cual representa c´omo se distribuyen f´ısicamente los compo-
nentes del sistema. Del lado del usuario, una persona accede mediante su navegador web. Este se conecta v´ıa
red al servidor, donde se encuentra el programa principal. En el host, Python ejecuta la aplicaci´on, usando
Flet para crear la interfaz que ve el usuario y OpenCV para procesar el video de la c´amara y aplicar los filtros
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
37
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 3. Diagrama de clases.
en tiempo real.
Desarrollo por prototipos
En total se desarrollaron 3 prototipos funcionales: (i) reproducci´on de video en Flet, (ii) UI con los componentes
principales, (iii) aplicaci´on con filtros. A continuaci´on se describe cada uno de los prototipos.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
38
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 4. Diagrama de despliegue.
Prototipo 1
En este caso la imagen obtenida de la c´amara web del usuario se muestra sin procesamiento adicional, sirviendo
como punto de referencia visual para comparar los efectos de los dem´as filtros. Esta vista permite evaluar de
forma directa los cambios introducidos por cada transformaci´on y comprobar la fidelidad de la captura de video
en tiempo real, la estabilidad del flujo de datos entre la c´amara, el procesamiento y la interfaz de usuario. Esto
que denominamos como filtro original, no aplica ninguna operaci´on sobre la imagen capturada, mostrando la
se˜nal tal cual es adquirida por el sensor de la c´amara (Figura 5).
Prototipo 2
La Figura 6 representa el segundo incremento del desarrollo. En esta versi´on se implement´o la estructura b´asica
de la aplicaci´on, centrada en el control de la c´amara mediante OpenCV y la visualizaci´on en tiempo real en
una interfaz desarrollada con Flet. La interfaz gr´afica fue sencilla pero funcional, enfocada en demostrar la
captura continua de video. Esta etapa sent´o las bases t´ecnicas del sistema y permiti´o establecer la comunicaci´on
efectiva de la c´amara.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
39
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 5. Prototipo 1.
Figura 6. Prototipo 2.
Prototipo 3
De igual manera, en la Figura 7 representa al tercer incremento dentro del ciclo de desarrollo. En esta etapa se
incorpor´o la selecci´on din´amica de dispositivos, permitiendo al usuario elegir entre diferentes c´amaras conecta-
das, incluyendo Webcams locales y c´amaras inteligentes. Adem´as, se a˜nadieron todos los filtros considerados en
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
40
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 7. Prototipo 3.
estre proyecto. Esta versi´on tambi´en introdujo un panel explicativo en formato Markdown, donde se describe
la teor´ıa, f´ormulas matem´aticas y ejemplos de cada filtro, combinando as´ı el enfoque pr´actico con el educativo.
Se mejor´o significativamente la interfaz, haci´endola m´as moderna, organizada y adaptable a distintos tama˜nos
de pantalla, lo que increment´o la usabilidad y el atractivo visual del sistema.
Pruebas
La aplicaci´on FiltroVis fue desarrollada con un enfoque multiplataforma, permitiendo la ejecuci´on en diferentes
sistemas operativos, tal sea el caso de MS Windows, MacOS y diferentes distribuciones de Linux, manteniendo
en todos ellos una interfaz coherente y funcional. Su prop´osito principal es ofrecer un entorno visual que
permita aplicar en tiempo real distintos filtros de procesamiento de imagen sobre la se˜nal de una c´amara web.
Ejecuci´on en MS Windows
Este fue presentado utilizando el filtro Canny que permite visualizar los bordes de las im´agenes detectadas por
la c´amara Figura 8. El hardware utilizado fue una laptop Lenovo IdeaPad S145-14IIL con sistema operativo
Microsoft Windows 11 Home. El equipo cuenta con un procesador Intel®Core
TM
i5-1035G1 de cuatro n´ucleos
de hasta 3.6 GHz, 8 GB de memoria RAM DDR4 y una tarjeta gr´afica integrada Intel®UHD Graphics.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
41
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 8. Prototipo en MS Windows.
Ejecuci´on en MacOS
Este fue presentado con la captura de video original que demostr´o fielmente la captura de video desde los
diferentes dispositivos conectados (Figura 9). El hardware utilizado fue una computadora Apple iMac 27 Retina
5K con procesador Intel®Core
TM
i5 de 4 n´ucleos a 3.2 GHz y 8 GB de memoria RAM DDR3, equipada con
tarjeta gr´afica AMD Radeon R9 M390 con 2 GB de memoria dedicada.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
42
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 9. Prototipo en MacOS
Ejecuci´on en Linux
En este caso se utiliz´o Ubuntu Linux 24.04.3 LTS. se presenta la captura de video original (ning´un filtro)
pero en esta ocasi´on se muestra el video obtenido desde una c´amara web conectada de manera externa, la
cual aparece como Webcam 2 en la Figura 10. El hardware utilizado fue una laptop Honor NBR-WAX9 con
procesador Intel®Core
TM
i5-10210U×8 y 8GB de memoria RAM, Tarjeta gr´afica Intel®UHD Graphics (CML
GT2), versi´on de n´ucleo Linux 6.14.0-36-generic y gestor de ventanas Wayland.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
43
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 10. Prototipo en Ubuntu Linux.
Ejecuci´on Web
El framework de desarrollo Flet proporcion´o las bases para que FiltroVis se pudiera enlazar v´ıa Web utilizando
dos dispositivos conectados en una misma red, tal como se muestra en la Figura 11. En este caso, se utiliz´o
el sistema operativo MS Windows tanto en el host como en el cliente, y el navegador Google Chrome Versi´on
142.0.7444.176. Cabe destacar que el video se mostr´o de manera flu´ıda y sin interrupciones en la intranet de
prueba, lo que permite utilizar FiltroVis como una c´amara de video vigilancia.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
44
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Figura 11. Prototipo Web.
Conclusiones
Durante el desarrollo de la aplicaci´on se obtuvieron resultados satisfactorios en cuanto a la funcionalidad, la
integraci´on de filtros y el rendimiento del sistema en tiempo real. Sin embargo, el proceso present´o diversas
dificultades que permitieron analizar el comportamiento del software y fortalecer la comprensi´on t´ecnica del
entorno de trabajo. Uno de los principales desaf´ıos fue la configuraci´on de las dependencias y versiones de las
bibliotecas, particularmente al integrar Flet 0.28 con OpenCV 4.12. En algunos casos, se presentaron problemas
relacionados con la detecci´on de la c´amara y el bloqueo de hilos al ejecutar la visualizaci´on en tiempo real, los
cuales fueron resueltos mediante la implementaci´on de procesos concurrentes utilizando el m´odulo Threading.
Otro punto de an´alisis fue la eficiencia del procesamiento de video. Se observ´o que el rendimiento variaba
seg´un el dispositivo de captura y la resoluci´on de la c´amara. Esto permiti´o comprobar la necesidad de opti-
mizar la frecuencia de actualizaci´on y el tama˜no de las im´agenes procesadas para mantener una velocidad de
respuesta adecuada sin comprometer la calidad visual. En cuanto a la interfaz, se realizaron ajustes iterativos
para mejorar la disposici´on de los elementos y la experiencia del usuario. El uso de contenedores, columnas y
pesta˜nas en Flet permiti´o obtener una interfaz m´as limpia y moderna, capaz de adaptarse a diferentes resolu-
ciones. Durante estas pruebas se documentaron los resultados mediante capturas de pantalla que muestran el
comportamiento del sistema bajo distintos entornos operativos, evidenciando la portabilidad del prototipo.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
45
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
Finalmente, el desarrollo de esta aplicaci´on de procesamiento de im´agenes con filtros permiti´o logr´o el objetivo
de integrar de manera efectiva los fundamentos te´oricos de la aplicaci´on de filtros a im´agenes utilizando Flet
y OpenCV, herramientas de c´odigo abierto accesibles que permitieron aplicar una metodolog´ıa de entrega
incremental, alcanzando un sistema robusto y eficiente que puede descargarse desde https://github.com/
valentin-manuel/FiltroVis.
Contribuci´on de Autor´ıa
Valent´ın Ramos Manuel: Investigaci´on, An´alisis formal, Software, Redacci´on - borrador original. Aldo Manuel
Aguilar Gonzal´ez: Visualizaci´on, Software, Redacci´on - borrador original. Oscar Ch´avez-Bosquez: Conceptua-
lizaci´on, Metodolog´ıa, An´alisis formal, Recursos, Supervisi´on, Administraci´on de proyectos, Escritura, revisi´on
y edici´on.
Referencias
[1] L. Sucar and G. G´omez, Visi´on Computacional. Instituto Nacional de Astrof´ısica,
´
Optica y Electr´onica
(INAOE). M´exico, 2011.
[2] G. Bradski, “The OpenCV Library,” Dr. Dobb’s Journal of Software Tools, 2000.
[3] Flet, “Build multi-platform apps in Python powered by Flutter — Flet — flet.dev,” https://flet.dev, 2025.
[4] M. Hassan, “Opencv images: Building modern guis using python,” https://www.youtube.com/watch?v=
2lnHv0zyP8U, 2025.
[5] F. Wolff, “Opencv gui step-by-step tutorial for beginners,” https://fedmsg.com/opencv-gui/, 2023.
[6] D. Millan Escriva, “Opencvgui an opencv graphical user interface,” https://damiles.github.io/
OpenCVGUI/, 2017.
[7] M. Palacios-Ortega, L. Cruz-Florez, L. Ortiz-Aguilar, J. Mosi˜no, and A. Merino-Torres, “Dise˜no
de un prototipo ergon´omico para la estandarizaci´on de im´agenes con aplicaciones en visi´on
artificial,” Ideas en Ciencias de la Ingener´ıa, vol. 3, no. 1, pp. 4–21, 2024. [Online]. Available:
https://doi.org/10.36677/rici.v3i1.24445
[8] S. Parraga-Badillo and M. Coral-Ygnacio, “Implementaciones de selecci´on visual en frutas: una revisi´on
sistem´atica de literatura,” Revista Cient´ıfica de Sistemas e Inform´atica, vol. 4, no. 1, pp. 1–24, 2023.
[Online]. Available: https://doi.org/10.51252/rcsi.v4i1.591
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
46
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
[9] J.
´
Alvarez-Bermejo, D. Morales-Santos, E. Castillo-Morales, L. Parrilla, and J. L´opez-Ramos, “Efficient
image-based analysis of fruit surfaces using ccd cameras and smartphones,” Journal of Supercomputing,
vol. 75, no. 3, pp. 10 226–1037, 2019. [Online]. Available: https://doi.org/10.1007/s11227-018-2284-y
[10] A. G´alvez, A. Iglesias, I. Fister, C. Otero, and J. D´ıaz, “Nurbs functional network approach for automatic
image segmentation of macroscopic medical images in melanoma detection,” Journal of Computational
Science, vol. 56, 2021. [Online]. Available: https://doi.org/10.1016/j.jocs.2021.101481
[11] J. E. M. Reyes Campos, C. S. Casta˜neda Rodr´ıguez, L. D. Alva Luj´an, and A. C. Mendoza
de los Santos, “Sistema de reconocimiento facial para el control de accesos mediante inteligencia
artificial,” Innovaci´on y Software, vol. 4, no. 1, pp. 24–36, mar. 2023. [Online]. Available:
https://doi.org/10.48168/innosoft.s11.a78
[12] A. Paricela Canazas, J. J. Ramos Blaz, P. D. Torres Mart´ınez, and X. Jaquehua Mamani,
“Sistema de identificaci´on de emociones a trav´es de reconocimiento facial utilizando inteligencia
artificial,” Innovaci´on y Software, vol. 3, no. 2, pp. 140–150, sep. 2022. [Online]. Available:
https://doi.org/10.48168/innosoft.s9.a74
[13] S. Dissanayaka, O. Mudanayaka, T. Halloluwa, and C. De Silva, “ImageLab: Simplifying Image
Processing Exploration for Novices and Experts Alike,” arXiv preprint arXiv:2401.03157, 2024. [Online].
Available: https://arxiv.org/abs/2401.03157
[14] I. Sommerville, Ingenier´ıa de Software, 9th ed. M´exico, D.F.: Pearson, 2011.
[15] R. Pressman and B. Maxim, Ingenier´ıa del software: un enfoque pr´actico, 9th ed. M´exico, D.F.: McGraw-
Hill/Interamericana, 2020.
[16] D. Mery, “Visi´on por computador,” Departamento de Ciencia de la Computaci´on, Universidad Cat´olica
de Chile, Santiago de Chile, 2004. [Online]. Available: https://domingomery.ing.uc.cl/teaching/vision/
[17] M. M. Ort´ız, “Procesamiento Digital de Im´agenes,” Facultad de Ciencias de la Computaci´on,
Benem´erita Universidad Aut´onoma de Puebla (BUAP), Enero 2013. [Online]. Available: https:
//www.cs.buap.mx/
∼
mmartin/notas/PDI-MM-Rev.2013.pdf
[18] GIMP - GNU Image Manipulation Program, “Matriz de convoluci´on — docs.gimp.org,” https://docs.
gimp.org/2.6/es/plug-in-convmatrix.html, 2025.
[19] T. Dom´ınguez M´ınguez, Visi´on Artificial. Aplicaciones pr´acticas con OpenCV - Python, 2nd ed. Barce-
lona: Marcombo, S. L., 2025.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
47
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 30-48
https://revistas.ulasalle.edu.pe/innosoft
[20] C. Lazo and P. Huijse, “Introducci´on al procesamiento de im´agenes digitales,” Universidad Austral de
Chile, 2022. [Online]. Available: https://phuijse.github.io/UACH-INFO185/clases/unidad1/04 im%C3%
A1genes.html
[21] I. Jacobson, G. Booch, and J. Rumbaugh, El Proceso Unificado de Desarrollo de Software. M´exico:
Pearson Educaci´on, 2000.
[22] C. Larman, UML y patrones: una introducci´on al an´alisis y dise˜no orientado a objetos y al proceso
unificado. M´exico: Prentice Hall, 2002.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
48
