> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/spanish/bloques-de-funcion/image-transformations/transformation-filters/distance-transformation.md).

# Distance Transformation

Esta función convierte una imagen binaria o en escala de grises en un mapa de distancias continuo donde los píxeles más brillantes representan distancias mayores desde las regiones de primer plano (blancas). Es útil para refinar segmentaciones, análisis de formas y preparar imágenes para procesos basados en contornos o watershed.

## 📥 Entradas

`ImageGray`\
Este bloque espera una imagen binaria o una imagen en escala de grises de un solo canal como entrada.

## 📤 Salidas

`ImageGray`\
Devuelve una imagen en escala de grises de un solo canal donde los valores de píxel representan las distancias calculadas (normalizadas para visualización y procesamiento posterior).

## 🕹️ Controles

`Transormation Type`\
Un menú desplegable que permite elegir la métrica de distancia utilizada para la transformación. Las opciones corresponden a medidas de distancia comunes (por ejemplo, Euclidean, Manhattan, Chessboard). Selecciona la que mejor se adapte a tus necesidades de medición/segmentación.

## 🎨 Características

* Produce un mapa de distancias continuo a partir de una entrada binaria/gris para mostrar qué tan lejos está cada píxel de fondo del primer plano más cercano.
* Salida normalizada, adecuada para visualización y para alimentar bloques de procesamiento posteriores.
* Control sencillo mediante un desplegable para cambiar entre tipos de métrica de distancia y adaptarse a diferentes formas y disposiciones.

## ⚙️ Mecanismo de ejecución

Cuando el bloque se ejecuta, lee la imagen binaria/gris proporcionada, calcula un valor de distancia para cada píxel usando la métrica seleccionada, normaliza el resultado para facilitar la visualización y entrega el mapa de distancia en escala de grises resultante. Para mejores resultados, usa una entrada con primer plano/fondo bien definida.

## 📝 Instrucciones de uso

1. Proporciona una imagen binaria limpia o una imagen en escala de grises umbralizada correctamente al input `ImageGray`.
2. Elige el `Transormation Type` deseado en el desplegable.
3. Usa la salida `ImageGray` resultante para visualización o como entrada a otros bloques de análisis.

## 💡 Tips y trucos

* Preprocesa con `Image Threshold` o `Image Adaptive Threshold` para obtener una máscara binaria limpia antes de usar este bloque.
* Usa `Blur` para reducir ruido pequeño antes del umbralado — esto suele producir mapas de distancia más suaves.
* Después de la transformación de distancia, combina con `Watershed Algorithm` o `Image Skeletonize` para separar objetos o extraer ejes mediales.
* Emplea `Find Contour`, `Approximate Contour`, `Minimum Rectangle` o `Minimum Circle` sobre el resultado segmentado para obtener mediciones geométricas o formas envolventes.
* Limita el análisis a una región de interés con `Image ROI Select` o `Get ROI` antes de alimentar la imagen a este bloque.
* Visualiza las salidas con `Show Image` y guarda resultados importantes con `Image Logger` o `Image Write`.

## 🛠️ Solución de problemas

* Si la salida se ve ruidosa o dispersa, asegúrate de que la entrada sea una máscara binaria bien definida; considera usar `Morphological Transformations` para eliminar pequeños artefactos.
* Si aparecen valores muy grandes o escalados inesperadamente, revisa los pasos de preprocesado aguas arriba (umbralado y eliminación de ruido) y utiliza `Show Image` para inspeccionar resultados intermedios.
* Para una mala separación de objetos que se tocan, intenta cambiar el `Transormation Type` o sigue la transformada de distancia con `Watershed Algorithm` para mejorar la segmentación.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.augelab.com/spanish/bloques-de-funcion/image-transformations/transformation-filters/distance-transformation.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.