Capítulo Marco Teórico.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Capítulo 3. 3. Marco Teórico."

Transcripción

1 Capítulo 3 3. Marco Teórico. La visión artificial o visión por computador se define como un área multidisciplinar que pretende, en cierta medida, reproducir artificialmente el sentido de la vista mediante el procesamiento e interpretación de imágenes, captadas con distintos tipos de sensores (fundamentalmente, cámaras), y utilizando para ello una computadora [8]. El desarrollo de sistemas de visión artificial requiere una combinación de etapas de más bajo nivel para mejorar la calidad de las imágenes capturadas junto con otras etapas de más alto nivel para reconocer elementos presentes en una escena. Las aplicaciones de visión artificial son, en general, muy dependientes del problema concreto a resolver. A modo de ejemplo, pueden destacarse las relacionadas con la medicina, la inspección automática, la geología, el análisis de documentos, etcétera. En la visión artificial, la escena tridimensional es vista por una, dos o más cámaras para producir imágenes. Las imágenes adquiridas pueden ser segmentadas para obtener de ellas características de interés tales como bordes o regiones. Posteriormente, de las características se obtienen las propiedades subyacentes mediante su correspondiente proceso, de cual se consigue la estructura requerida en la escena tridimensional para la aplicación de interés. Se distinguen tres etapas: procesamiento, segmentación y aplicación. 26

2 3.1 Procesamiento de imágenes. El procesamiento implica la manipulación de las imágenes vistas como señales digitales, para extraer la información más elemental subyacente [8] Escala de grises El nivel de gris es la amplitud de la función bidimensional de cualquier punto dentro de una imagen. Normalmente se consideran valores discretos en lo que concierne a los números usados en las muestras para generar una imagen digital, pero esto no es así en los números en escala de grises. Debido a consideraciones de hardware, el número de nivel de gris es usualmente un entero de ocho bits, pero en algunas aplicaciones se usan números de 16 bits cuando es importante especificar el rango entre los niveles [12]. La escala de grises puede ser remplazada por una escala con color, usando cámaras con colores RGB (rojo, verde y azul) y tres digitalizadores para los tres colores principales, debido a que el ojo humano percibe más fácilmente lo que sucede en una escena si ésta contiene color. El color es útil para destacar lo que está tenue o escondido dentro de la imagen en tono de grises. Sin embargo, en muchas aplicaciones tal como la robótica, el gasto adicional no suele ser justificado. Es más grande la cantidad de procesamiento adicional que es requerido para interpretar imágenes enteras a color. Con una imagen en escala de grises los bits que representan los niveles de grises son del mismo tipo y toman la forma del número que representa la intensidad del pixel. En una computadora digital este número puede ser procesado como una entidad simple, a diferencia del código RGB que debe ser procesado como una entidad triple [13]. En [8] se estudia una técnica llamada pseudocolor para asignar el valor de nivel de gris a una imagen monocromática. Se ve la imagen como una función de intensidad 2-D, el método consiste en colocar planos paralelos al plano de coordenadas de la imagen; cada plano realiza un corte de la función de intensidad. La figura 3.1 muestra el ejemplo de uso de un plano en para separar una función en dos niveles. Si se asigna un color a cada lado del 27

3 plano mostrado en la figura 3.1 cualquier pixel cuyo nivel de intensidad este por encima del plano tendrá un color asignado y por debajo otro color. Figura 3.1 Interpretación geométrica de la técnica de pseudocolor. La técnica puede ser generalizada de la siguiente manera. Suponiendo M planos situados en los niveles donde representa negro representa blanco. Considerando que 0<M<L, M planos particionan la escala de grises en M+1 regiones y la asignación de color se hace de acuerdo a la relación: (3.1) Donde es el color asociado con la k-ésima región entre los niveles Filtrado Cuando una imagen es adquirida por una cámara u otro sistema, el sistema de visión delibera que es incapaz de usar la imagen directamente. La imagen puede ser corrompida por variaciones aleatorias en intensidad, variaciones en iluminación, o contrastes de baja calidad que deberían ser corregidos por procesamientos de visión [14]. Uno de los más simples filtros lineales es el operador del promedio local, se conoce como suavizado en [8] y mean filter en [14], donde el valor de cada pixel es reemplazado por el promedio de todos los valores con los vecinos locales. Dada una imagen g(i, j) se obtiene una imagen suavizada f(i, j) cuya intensidad para cada punto (i, j) resulta ser el promedio de los 28

4 valores de intensidad de los pixeles de g incluidos en el entorno de vecindad predefinido de (i,j). Es decir, la operación puede sintetizarse en la siguiente expresión: (3.2) Para todos los pixeles (i, j) de g(i, j). S es el conjunto de coordenadas de los puntos situados en el entorno de vecindad de (i, j) incluido el propio (i, j) y P es el número total de puntos del entorno de vecindad Transformaciones básicas. La transformación de una imagen es el proceso de modificar el contenido de una imagen original para obtener una nueva. El objetivo de cualquier transformación estriba en la necesidad de preparar la imagen con el fin de realizar un posterior análisis de cara a su interpretación. La interpretación entra dentro de un proceso de percepción de nivel superior que debe estar implícito en toda aplicación de visión artificial [8]. Existen operaciones que transforman el contenido de la imagen basándose en los niveles de intensidad directamente y otras en que la transformación es consecuencia de una operación geométrica. Entre las primeras cabe a su vez una subdivisión, distinguiéndose entre transformaciones basadas en la aplicación de una función sobre el valor del nivel de gris de los pixeles y en las que el valor de la intensidad de los pixeles se modifica en función de los valores de las intensidades de los pixeles vecinos. El procesamiento de datos en el sistema de visión puede enfocarse desde dos perspectivas: a) Alteración pixel a pixel de los datos en una escala global (individuales). b) Operaciones basadas en múltiples puntos (vecindad). 29

5 La generación de un nuevo pixel en una nueva imagen será una función del valor de cada pixel en su localización individual o de los valores de los pixeles en la vecindad de un pixel dado, como se indica en la figura 3.2. Figura 3.2 Funciones de punto y Vecindad. Las operaciones individuales implican la generación de una nueva imagen modificando el valor del pixel en una simple localización basándose en una regla global aplicada a cada localización de la imagen original. El proceso consiste en obtener el valor del pixel de una localización dada en la imagen, modificándolo por una operación lineal o no lineal y colocando el valor del nuevo pixel en la correspondiente localización de la nueva imagen. El proceso se repite para todas y cada una de las localizaciones de los pixeles en la imagen original [8]. Figura 3.3 Operación Individual. Como se aprecia en la figura 3.3, el operador individual es una transformación uno a uno. El operador f se aplica a cada pixel en la imagen o sección de la imagen y la salida depende únicamente de la magnitud del correspondiente pixel de entrada; la salida es 30

6 independientemente de los pixeles adyacentes. La función transforma el valor del nivel de gris de cada pixel en la imagen y el nuevo valor se obtiene a través de la ecuación. (3.3) Umbralización Esta clase de transformación crea una imagen de salida binaria a partir de una imagen de grises, donde el nivel de transición está dado por el parámetro de entrada. Uno de los más importantes problemas en sistemas de visión es identificar las sub-imágenes que representan a objetos [8]. Esta operación, la cual es muy natural y muy fácil para las personas, es sorprendentemente difícil para las computadoras [14]. El histograma en nivel de gris de una imagen f(x, y), se compone de objetos brillosos dentro un fondo oscuro, por lo que los pixeles del objeto y del fondo se agrupan en dos medios dominantes [12]. Para extraer el objeto del fondo se necesita la selección un umbral T que separe estos medios. La imagen binaria se obtiene al usar una segmentación apropiada de una imagen en escala de grises [14]. Si los valores de intensidad de un objeto son en un intervalo y los valores de intensidad de los pixeles del fondo están afuera del ese intervalo, una imagen binaria puede ser obtenida usando una operación de umbralización que convierta el valor en los valores que se encuentren por encima del umbral, y los que se encuentren por debajo se convertirán en 0. La función de transformación es la siguiente: (3.4) 31

7 3.2 Segmentación La segmentación es el proceso de subdividir una imagen en regiones u objetos, es decir, extraer información para su posterior uso [12]. En [8] se afirma que está basada en dos principios fundamentales: discontinuidad (bordes) y similitud (regiones); en [13] se considera que segmentar un objeto de su fondo es una de las primeras tareas que se asumen en aplicaciones de visión artificial Borde Un borde es el cambio local significativo en la intensidad de la imagen, usualmente asociado con una discontinuidad ya sea en la intensidad de la imagen o en la primera derivada de la misma [14]. Es una parte fundamental de la mayoría de sistemas de visión puesto que el éxito de los niveles siguientes de procesamiento depende fuertemente de la fiabilidad de las características, en este caso bordes [8]. La filosofía básica de muchos algoritmos de detección de bordes es el cómputo de operadores de derivadas locales (primera o segunda) Concepto de derivada en la extracción de bordes. En la figura 3.4 (obtenida de [8]) se puede observar que los bordes (transición de oscuro a claro o viceversa) se modelan como una rampa en lugar de hacerlo como un cambio brusco de intensidad, debido a que en la imagen original suelen esta desdibujados como resultado del muestreo. En la primera derivada es cero en todas las regiones de intensidad constante y tiene un valor constante en toda la transición de intensidad. La segunda derivada, en cambio, es cero en todos los puntos, excepto en el comienzo y en el final de una transición de intensidad. Por tanto, un cambio de intensidad se manifiesta como un cambio brusco en la primera derivada y 32

8 presenta un paso por cero, es decir se produce un cambio de signo en su valor, en la segunda derivada. Este cambio de signo se denomina en la bibliografía en lengua inglesa como zerocrossing. Figura 3.4 Concepto de derivada en extracción de bordes. El operador gradiente de forma general es el más básico de los que están basados en la primera derivada; una de sus principales aplicaciones se debe a Canny, quien utiliza el concepto de gradiente en un algoritmo de interés, ya que no solo extrae los bordes sino que propone un método para cerrar contornos y derivar a partir de ahí la presencia de estructuras tales como objetos [15] Algoritmo de Canny El algoritmo de Canny se fundamenta en la teoría de operadores primera derivada y resulta particularmente interesante porque extrae bordes y cierra los contornos evitando posibles rupturas de los mismos durante su extracción, se desglosa en tres módulos: Obtención del gradiente (magnitud y ángulo en cada pixel). 33

9 Adelgazamiento del ancho de los bordes, obtenidos con el gradiente, hasta lograr bordes de un pixel de ancho, se conoce como supresión no máxima. Histéresis de umbral al resultado de la supresión no máxima. 1.- Obtención del Gradiente. En [14] lo definen como la medida de cambio en una función y en [8] como un vector bidimensional perpendicular al borde. La entrada es una imagen I corrompida por ruido. Sea H un núcleo Gaussiano discreto con media cero y desviación estándar σ (3.5), se aplica el siguiente procedimiento: a) Suavizar la imagen I con dicho núcleo para obtener una imagen de salida J (3.6), realizando una convolucion de las dos funciones (3.5) (3.6) b) Para cada pixel (i, j) en J obtener la magnitud y modulo del gradiente. El gradiente de la imagen J(i, j) en un punto (i, j) se define como un vector bidimensional dado por la ecuación (3.7), siendo un vector perpendicular al borde. (3.7) Donde el vector G apunta en la dirección de variación máxima de J en el punto (i, j) por unidad de distancia con la magnitud dada por la ecuación (3.8) y dirección en (3.9). 34

10 (3.8) (3.9) Solo los pixeles de borde cuyo gradiente excedan el valor T se consideran importantes. Así la ecuación siguiente se puede ver como un procedimiento que extrae solo aquellos pixeles caracterizados por transiciones de intensidad significativas (dependiendo de T). (3.10) 2.- Supresión no Máxima. Con y como entradas y una nueva imagen como salida, considerar las cuatros direcciones identificadas por las orientaciones de, 45 con respecto al eje horizontal. Para cada pixel (i, j): a) Encontrar la dirección que mejor se aproxima a la dirección (la perpendicular al borde). b) Si (i, j) es más pequeño que al menos uno de sus dos vecinos en la dirección al pixel (i, j) de se le asigna el valor 0, (supresión); de otro modo La salida es una imagen con los bordes adelgazados (esto es después de la supresión no máxima de puntos de borde). 3.- Histéresis de umbral a la supresión no máxima. La salida suele contener máximos locales creados por el ruido, Se podría intentar eliminar los pixeles por debajo de un determinado umbral, pero esto presenta dos problemas: 35

11 a) Si se elige un umbral bajo en el intento de capturar bordes verdaderos pero con un valor pequeño en la magnitud del gradiente, algunos puntos de ruido serán también aceptados como válidos (falsos bordes). b) Los valores de bordes verdaderos máximos pueden fluctuar por encima y por debajo del umbral, lo que produce un fragmentado del borde. Una solución puede ser la histéresis de umbral, cuyo algoritmo es el siguiente: a) Tomar como entrada, que es la salida del módulo anterior, la orientación de los puntos de borde de la imagen y dos umbrales y tales que. b) Para todos los puntos de y explorándolos en un orden fijo: b.1) Localizar el siguiente punto de borde no explorado previamente,, tal que. b.2) Comenzar a partir de, seguir las cadenas de máximos locales conectados en ambas direcciones perpendiculares a la normal del borde, siempre que. Marcar todos los puntos explorados y salvar la lista de todos los puntos en el contorno conectado encontrado. c) La salida es un conjunto de bordes conectados de contornos de la imagen, así como la magnitud y orientación, describiendo las propiedades de los puntos de borde. Este procedimiento de histéresis reduce la probabilidad de falsos contornos, puesto que estos deben situarse por encima de, así como la probabilidad de rupturas. La histéresis encuentra cadenas de pixeles conectados por lo que, además, se puede utilizar para la obtención de curvas. En la figura 3.5 se muestra un ejemplo obtenido en [16] donde se puede apreciar el resultado de aplicar el algoritmo de Canny. 36

12 Figura 3.5 (a) Imagen original; (b) orientación; (c) supresión no máxima; (d) histéresis de umbral Regiones En una imagen los autores en [14] se refieren a región como un grupo de pixeles con propiedades similares. Son importantes para la interpretación de una imagen porque corresponden a los objetos en una escena. Una imagen puede contener varios objetos, y a su vez, cada objeto puede contener varias regiones correspondientes a diferentes partes del objeto Morfología La morfología matemática recibe su nombre del estudio de la forma. Estas aproximaciones aprovechan el hecho de que en muchas aplicaciones de visión, es natural y fácil pensar en términos de la forma cuando diseñamos algoritmos [14]. La morfología matemática, que comenzó a desarrollar a finales de los 60, permanece hoy en día como una parte separada del análisis de imágenes. La morfología matemática está basada en la geometría y la forma. Las operaciones morfológicas simplifican las imágenes y preservan las formas principales de los objetos [8]. 37

13 Las funciones morfológicas cambian la estructura de los objetos de una imagen (usualmente binaria). Al calcular nuevos valores de pixeles, los elementos estructurales son usados, los cuales son el grupo de pixeles que rodean el pixel que es calculado [17]. En la figura 3.6 se muestra algunos ejemplos de elementos estructurales. La forma del elemento estructural puede ser rectangular o hexagonal. La conectividad define si tiene cuatro u ocho pixeles alrededor del pixel central, los cuales se usan para calcular su nuevo valor. Figura 3.6 Elementos estructurales En visión artificial es frecuente utilizar la morfología para el tratamiento de regiones en el sentido de determinar cómo se pueden cambiar, contar o evaluar. Las operaciones matemáticas tienen su principal aplicación en imágenes binarias y los fundamentos matemáticos fueron concebidos desde el punto de vista de la posición (que es la base en el tratamiento binario) antes que desde la intensidad [8]. La dilatación y la erosión son las operaciones fundamentales en el procesamiento morfológico, de hecho, muchos algoritmos morfológicos están basados en esas dos operaciones primitivas. 38

14 Dilatación La transformación morfológica de la dilatación combina dos conjuntos utilizando la adición de vectores. La dilatación X B es el conjunto de puntos de todas las posibles adiciones vectoriales de pares de elementos, uno de cada conjunto X y B, y es utilizada para amplificar la estructura de los objetos [8]. (3.11) La dilatación con un elemento estructural 3x3 isótropo (ver figura 3.6a), puede interpretarse como una transformación que cambia todos los pixeles del fondo que son vecinos del objeto. En la figura 3.7 muestra una imagen original binaria mientras que en (b) se muestra el resultado de su dilatación por el elemento estructural. Figura 3.7 Dilatación con expansión Isotrópica 39

15 Erosión La transformación morfológica de la erosión combina dos conjuntos utilizando substracción e vectores. Es dual de la dilatación. Ni la erosión ni la dilatación son transformaciones invertibles [8]. (3.12) Esta expresión dice que cada punto d del conjunto X, que para nosotros será la imagen, es testeado; el resultado de la erosión está dado por los puntos d para los cuales todos los posibles d + b están en X. La figura 3.8.se puede apreciar la desaparición de muchos contornos existentes en la imagen original. La erosión con un elemento estructural isótropo (ver figura 3.8a) es denominada como reducción. La erosión es utilizada para simplificar la estructura de los objetos, ya que los objetos o sus partes con anchos pequeños (uno o dos pixeles) desaparecen y por tanto, objetos complicados pueden descomponerse en otros más simples. Figura 3.8 Erosión con expansión Isotrópica 3.3 Aplicación Las aplicaciones en visión artificial tratan de dar solución a los problemas relacionados con ciertas situaciones del mundo real como: reconocimiento, movimiento, reconstrucción 3D, etcétera. [8]. 40

16 3.3.1 Reconocimiento de Patrones El reconocimiento de patrones es la disciplina científica cuyo objetivo es la clasificación de objetos en un cierto número de categorías o clases. Dependiendo de la aplicación esos objetos pueden ser imágenes, formas de ondas de señales o cualquier tipo de medidas que necesitan ser clasificadas. Se refieren a esos objetos de forma genérica utilizando el término de patrones [8]. La matemática básica para comparación de patrones es la función de correlación [17]. En [12] se considera que la correlación es la base para encontrar un match de una sub-imagen w(x, y) de tamaño J X K con una imagen f(x, y) de tamaño M X N, donde se asume que J M y K N. Aunque la correlación puede ser expresada en forma de vector, al trabajar directamente con el formato de imagen o sub-imagen es más intuitivo. En forma simple la correlación entre f(x, y) y w(x, y) es: (3.13) Para x=0, 1, 2, M-1, y=0, 1, 2..., N-1, y la sumatoria es tomada sobre la región de la imagen donde w y f coinciden. El máximo valor de c indica la posición donde w tiene la mejor comparación. El reconocimiento de objetos mediante el uso de c resulta particularmente útil cuando la base de datos contiene un número relativamente bajo de datos o están muy definidos, este podría ser el caso del ejemplo siguiente sobre el reconocimiento de caracteres con unas condiciones de visualización e iluminación previstas. La figura 3.9 muestra en (a) una imagen de dimensión inferior a la (b) almacenada en la base de datos, después mediante un barrido de la imagen (b) se encuentra que el carácter de (a) se corresponde con el carácter marcado en (b) al obtener el máximo valor del coeficiente de correlación [8]. 41

17 Es necesario tomar algunas precauciones respecto al reconocimiento de objetos basado en la apariencia. Como realmente estamos se interesa en el reconocimiento de objetos en 3D, y no en imágenes propiamente dichas, se necesita una serie de suposiciones con el fin de que la correlación sea útil para la finalidad propuesta, a saber: Suposiciones: 1. Cada imagen en la base de datos contiene un único objeto. 2. Las imágenes de la base de datos se normalizan un tamaño, esto es, la imagen es el mínimo rectángulo encerrando la mayor apariencia del objeto. 3. La energía de los valores de los pixel de cada imagen de la base de datos se normaliza a El objeto está completamente visible, sin oclusiones en todas las imágenes. Figura 3.9 (a) Modelo definido en una base de datos; (b) Búsqueda del modelo en una imagen que lo contiene. 42

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado

Más detalles

Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides

Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador

Más detalles

Capítulo III Procesamiento Digital de Imágenes

Capítulo III Procesamiento Digital de Imágenes Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes

Más detalles

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del 33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán

Más detalles

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado

Más detalles

Reconocimiento de imágenes

Reconocimiento de imágenes Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento

Más detalles

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos).

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos). Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y

Más detalles

Tratamiento de la Imagen Digital

Tratamiento de la Imagen Digital Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos electricos discretos basados en un sistema binario (ceros y

Más detalles

Qué es una imágen digital?

Qué es una imágen digital? Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador. Qué es una imágen digital? Una imagen

Más detalles

Tema 1.- Introducción a la Visión Artificial

Tema 1.- Introducción a la Visión Artificial Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad

Más detalles

Tema 6: Morfología. Primera parte

Tema 6: Morfología. Primera parte Tema 6: Morfología Primera parte Morfología La morfología matemática se basa en operaciones de teoría de conjuntos. En el caso de imágenes binarias, los conjuntos tratados son subconjuntos de Z 2 y en

Más detalles

Detección de bordes en una imagen.

Detección de bordes en una imagen. Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para

Más detalles

SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO

SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO PROCESAMIENTO DIGITAL DE IMÁGENES Dr. Johnson Garzón SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO Realizado por : Carlos Pillajo Introducción En este proyecto,

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por

Más detalles

Visión Artificial. Por Elisabeth Pérez

Visión Artificial. Por Elisabeth Pérez Visión Artificial Por Elisabeth Pérez Indice Qué es la Visión Artificial? Visión Artificial Diversos nombres Áreas de Aplicación Visión Artificial en Sistemas de Calidad Los pasos a tener en cuenta Áreas

Más detalles

Detección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente

Detección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el

Más detalles

Operaciones Morfológicas en Imágenes Binarias

Operaciones Morfológicas en Imágenes Binarias Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los

Más detalles

Visión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/

Visión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/ Visión Sesión 4: Búsqueda y tracking de modelos 2D en imágenes Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Detección de aristas Transformada de Hough Componentes conectadas Alineación de

Más detalles

ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL

ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL Curso 2015/2016 (Código:71014046) 1.PRESENTACIÓN DE LA ASIGNATURA Esta asignatura pretende ofrecer al alumno una panorámica del problema de la percepción visual a

Más detalles

Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes

Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes 1 Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Realce de Características Objetivos Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005 Apertura y Clausura (Opening and Closing) Como vimos, la dilatación y la erosión están muy relacionadas con la forma; la primera operación expande la imagen mientras que la segunda la contrae. La dilatación

Más detalles

Acerca del Libro. Información básica. Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán

Acerca del Libro. Información básica. Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán Acerca del Libro Información básica Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán ISBN: 978-9942-01-790-1. 8 capítulos. 133 páginas. Ibarra

Más detalles

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación. UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos

Más detalles

TEMA 3 Representación de la información

TEMA 3 Representación de la información TEMA 3 Representación de la información Álvarez, S., Bravo, S., Departamento de Informática y automática Universidad de Salamanca Introducción Para que el ordenador ejecute programas necesita dos tipos

Más detalles

Técnicas Clásicas de Segmentación de Imagen

Técnicas Clásicas de Segmentación de Imagen Técnicas Clásicas de Segmentación de Imagen Marcos Martín 21 de mayo de 2002 1. Introducción El primer paso en cualquier proceso de análisis de imagen es la segmentación. Mediante la segmentación vamos

Más detalles

M.C. Carolina Rocío Sánchez Pérez krlinasp@gmail.com

M.C. Carolina Rocío Sánchez Pérez krlinasp@gmail.com M.C. Carolina Rocío Sánchez Pérez krlinasp@gmail.com 28 de Enero de 2011 Evaluación del curso 30% 3 exámenes 40% tareas/proyectos 30 % presentaciones Nota: Una vez establecidas, las fechas de exámenes,

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005 Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =

Más detalles

RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT

RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS

Más detalles

Control de Calidad de Ortofotos Avanzado:

Control de Calidad de Ortofotos Avanzado: Control de Calidad de Ortofotos Avanzado: Por Martín Rodríguez Vales y Jose Luis Morales Vigil El Escorial. Madrid. España tlf: 918 902 061 www.intergeotecnologia.com InterGeo Tecnología Control de Calidad

Más detalles

GUÍA PARA UN ESCANEO ÓPTIMO

GUÍA PARA UN ESCANEO ÓPTIMO Condiciones para obtener un buen escaneo Los factores que intervienen en el proceso de escaneo son ambientales, propios de la configuración y calibración del escáner así como del objeto a escanear. El

Más detalles

Proyecto SIG Fases de realización I

Proyecto SIG Fases de realización I Imagen cortesía de la NAS Proyecto SIG Fases de realización I Esperanza Ayuga (2008) Proyecto SIG INTORUCCIÓN: La información geográfica Cuestiones previas El proyecto SIG FASES DE UN PROYECTO SIG: Captura

Más detalles

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA ÍNDICE PRÓLOGO...19 CAPÍTULO 1. INTRODUCCIÓN...25 1.1 SISTEMA DE VISIÓN Y PROCESAMIENTO DE IMÁGENES...25 1.2 PROCESAMIENTO DIGITAL DE IMÁGENES...26 1.3 RELACIONES BÁSICAS ENTRE PÍXELES...27 1.3.1 Vecinos

Más detalles

Práctica 2 - Procesamiento de Imágenes

Práctica 2 - Procesamiento de Imágenes Práctica 2 - Procesamiento de Imágenes En esta práctica veremos diferentes técnicas de tratamiento que suelen ser aplicadas a las imágenes obtenidas desde satélites. Muchos de los procedimientos que aprendamos

Más detalles

Información general de la tecnología de impresión en color HP LaserJet Pro

Información general de la tecnología de impresión en color HP LaserJet Pro Información técnica Información general de la tecnología de impresión en color HP LaserJet Pro Cómo la tecnología HP Image Resolution ofrece una calidad de impresión inigualable Índice Cause una buena

Más detalles

Introducción a las imágenes digitales

Introducción a las imágenes digitales Introducción a las imágenes digitales Segunda parte Topología Digital El proceso de digitalización Una imagen natural capturada con una cámara, un telescopio, un microscopio o cualquier otro tipo de instrumento

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005 Filtrado Espacial Introducción El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles

Capitulo 3: Color, aplicación en Illustrator

Capitulo 3: Color, aplicación en Illustrator Capitulo 3: Color, aplicación en Illustrator La aplicación de colores a las ilustraciones es una tarea habitual en Adobe Illustrator, que requiere un cierto grado de conocimiento sobre los modos y los

Más detalles

GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo

GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo 1 INTRODUCCIÓN En este apasionante mundo del software libre, el código abierto y la Web 2.0, no podían faltar

Más detalles

Reducción del ruido en una imagen digital.

Reducción del ruido en una imagen digital. Reducción del ruido en una imagen digital. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Estudio de distintas máscaras para

Más detalles

TEMA 5: Vistas en 3D

TEMA 5: Vistas en 3D TEMA 5: Vistas en 3D Índice. Proecciones. Proección Paralela 2. Proección Perspectiva 2. Transformación de Vista. Introducción 2. Parametros de vista 3. Obtención de los vectores del nuevo sistema 4. Construcción

Más detalles

Última modificación: 1 de agosto de 2010. www.coimbraweb.com

Última modificación: 1 de agosto de 2010. www.coimbraweb.com Contenido DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA 1.- Señales analógicas y digitales. 2.- Señales analógicas periódicas. 3.- Representación en los dominios del tiempo y de la frecuencia. 4.- Análisis de

Más detalles

Representación de Datos. Una Introducción a los Sistemas Numéricos

Representación de Datos. Una Introducción a los Sistemas Numéricos Representación de Datos Una Introducción a los Sistemas Numéricos Tipos de Datos Datos Texto Número Imagen Audio Video Multimedia: Información que contiene números, texto, imágenes, audio y video. Como

Más detalles

Actividades con GeoGebra

Actividades con GeoGebra Conectar Igualdad - "Netbooks Uno a Uno" Actividades con GeoGebra Nociones básicas, rectas Silvina Ponce Dawson Introducción. El GeoGeobra es un programa que permite explorar nociones matemáticas desde

Más detalles

MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ

MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS FACULTAD TECNOLÓGICA TECNOLOGÍA EN ELECTRÓNICA INGENIERÍA EN CONTROL Índice general

Más detalles

José Luis Caballano Alcántara Tutotial Raw Therapee

José Luis Caballano Alcántara Tutotial Raw Therapee 1 Raw Therapee 1 es un procesador de archivos RAW multiplataforma. Su nombre proviene de THe Experimental RAw Photo Editor, y esta basado en el concepto de edición no destructiva. Los cambios reales no

Más detalles

Visión de alto nivel:

Visión de alto nivel: UNIVERSIDAD DE MURCIA FACULTAD DE INFORMÁTICA SISTEMAS Y PROYECTOS INFORMÁTICOS Visión de alto nivel: Interpretación de dibujos de líneas mediante comparación de grafos Autor: Ginés García Mateos Profesor

Más detalles

LOS MODOS DE FUSIÓN.

LOS MODOS DE FUSIÓN. Los modos de fusión. Página: 1 LOS MODOS DE FUSIÓN. Los modos de fusión determinan como se mezclan los valores de cada píxel de una capa con los valores de los píxeles decapas que se encuentren por debajo

Más detalles

SISTEMAS DE NUMERACIÓN

SISTEMAS DE NUMERACIÓN SISTEMAS DE NUMERACIÓN EL SISTEMA DECIMAL Es el sistema usado habitualmente en todo el mundo. Según los antropólogos, el origen del sistema decimal está en los diez dedos que tenemos los humanos en las

Más detalles

REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES

REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES Y. Sossa, G. Osorio, F. Prieto, F. Angulo Grupo de Percepción

Más detalles

CÁLCULO PARA LA INGENIERÍA 1

CÁLCULO PARA LA INGENIERÍA 1 CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!

Más detalles

Anexo 4. Herramientas Estadísticas

Anexo 4. Herramientas Estadísticas Anexo 4 Herramientas Estadísticas La estadística descriptiva es utilizada como una herramienta para describir y analizar las características de un conjunto de datos, así como las relaciones que existen

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Andrés Felipe López Lopera* Resumen. Existe una gran similitud entre vectores y las señales. Propiedades tales como la

Más detalles

Roberto Quejido Cañamero

Roberto Quejido Cañamero Crear un documento de texto con todas las preguntas y respuestas del tema. Tiene que aparecer en él todos los contenidos del tema. 1. Explica qué son los modos de presentación en Writer, cuáles hay y cómo

Más detalles

En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus

En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus 1 Introducción. En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus soluciones o procesos, se basan en matrices binarias. Existen varios métodos y algoritmos que trabajan

Más detalles

TIMSS 11.2 DESCRIPCIÓN DE LO EVALUADO EN LOS DOMINIOS DE CONTENIDO MATEMÁTICA Números Incluye la comprensión del proceso de contar, de las maneras de representar los números, de las relaciones entre éstos

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

Illustrator CS4: guía de maquetación

Illustrator CS4: guía de maquetación Paso 1 de 12 En este tutorial vamos a ver cómo hacer un banner de página web. Al hacer este banner de página web aprenderemos varias técnicas de dibujo, como la utilización de la herramienta Elipse, la

Más detalles

Capítulo 10. Gráficos y diagramas

Capítulo 10. Gráficos y diagramas Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,

Más detalles

CONTROL DE ROBOTS Y SISTEMAS SENSORIALES 4º Ingeniería Industrial

CONTROL DE ROBOTS Y SISTEMAS SENSORIALES 4º Ingeniería Industrial TÍTULO Segmentación, localización y reconocimiento de piezas OBJETIVO El objetivo de la práctica es mostrar al alumno un método para el reconocimiento de varias piezas existentes en el módulo servidor

Más detalles

CLASIFICACIÓN DE IMÁGENES

CLASIFICACIÓN DE IMÁGENES CLASIFICACIÓN DE IMÁGENES Cesar Juárez Megías I.T.T. Imagen y sonido Carlos III de Madrid 100061832@alumnos.uc3m.es OBJETIVO. El objetivo principal de nuestro programa se basaría en la clasificación de

Más detalles

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 1. Electrónica Digital Antes de empezar en el tema en cuestión, vamos a dar una posible definición de la disciplina que vamos a tratar, así como su ámbito

Más detalles

Capítulo 2. Las Redes Neuronales Artificiales

Capítulo 2. Las Redes Neuronales Artificiales Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de

Más detalles

Trabajar con Máscaras y Canales

Trabajar con Máscaras y Canales Trabajar con Máscaras y Canales Herramienta Máscara, Modificar Máscara, Canal Alfa, Crear un Canal Alfa Herramienta Máscara Con la herramienta máscara podemos proteger zonas de una imagen permitiéndonos

Más detalles

Introducción general a la compresión de datos multimedia

Introducción general a la compresión de datos multimedia Introducción general a la compresión de datos multimedia Necesidad de la compresión La mayoría de las aplicaciones multimedia requieren volúmenes importantes de almacenamiento y transmisión. CD-ROM 640

Más detalles

TOPOLOGIA DIGITAL Base para la visión artificial.

TOPOLOGIA DIGITAL Base para la visión artificial. UNIVERSIDAD ABIERTA INTERAMERICANA Facultad de Tecnología Informática Carrera: Licenciatura en Matemática TOPOLOGIA DIGITAL Base para la visión artificial. Autor: Jorge Alejandro Kamlofsky Directores:

Más detalles

Programación Gráfica. Conceptos Básicos

Programación Gráfica. Conceptos Básicos 2013 1 Procesamiento de Imágenes. Es el campo que trata con métodos, técnicas, y algoritmos para manipulación, realce e interpretación de imágenes. Graficación por Computadora. Es la disciplina concerniente

Más detalles

TEMA 0 INTRODUCCIÓN A LA VISIÓN ARTIFICIAL

TEMA 0 INTRODUCCIÓN A LA VISIÓN ARTIFICIAL TEMA 0 INTRODUCCIÓN A LA VISIÓN ARTIFICIAL QUÉ ES LA VISIÓN ARTIFICIAL (V.A.)? La V.A. consiste en... el proceso de obtención, caracterización e interpretación de la información a partir de imágenes. La

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

Procesamiento de Imágenes

Procesamiento de Imágenes Procesamiento de Imágenes Curso 011 - Clase Filtros Espaciales Filtrado espacial Ya trabajamos procesando sólo al piel individualmente. Ahora vamos a hacer un procesamiento en una vecindad de cada piel.

Más detalles

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar

Más detalles

RECONOCIMIENTO AUTOMATICO DE MATRICULAS

RECONOCIMIENTO AUTOMATICO DE MATRICULAS RECONOCIMIENTO AUTOMATICO DE MATRICULAS Carlos Parra Ramos Universidad Carlos III de Madrid Madrid, España 2006 David Regajo Rodríguez Universidad Carlos III de Madrid Madrid, España 2006 100030583@alumnos.uc3m.es

Más detalles

CÁTEDRA DE IMÁGENES EN MEDICINA VIDEO COLOR Y RGB, ANCHO DE BANDA Y MTF PRÁCTICO Nº 4

CÁTEDRA DE IMÁGENES EN MEDICINA VIDEO COLOR Y RGB, ANCHO DE BANDA Y MTF PRÁCTICO Nº 4 Objetivos: Comprender la codificación del color en la señal de video compuesto y compararla con la del sistema RGB. Conocer y comprender las diferencias entre tinte, saturación y brillo, y cómo se generan

Más detalles

REDES NEURONALES APLICADAS AL ANÁLISIS DE IMÁGENES PARA EL DESARROLLO DE UN PROTOTIPO DE UN SISTEMA DE SEGURIDAD GABRIEL FELIPE JARAMILLO GONZÁLEZ

REDES NEURONALES APLICADAS AL ANÁLISIS DE IMÁGENES PARA EL DESARROLLO DE UN PROTOTIPO DE UN SISTEMA DE SEGURIDAD GABRIEL FELIPE JARAMILLO GONZÁLEZ REDES NEURONALES APLICADAS AL ANÁLISIS DE IMÁGENES PARA EL DESARROLLO DE UN PROTOTIPO DE UN SISTEMA DE SEGURIDAD GABRIEL FELIPE JARAMILLO GONZÁLEZ UNIVERSIDAD TECNOLÓGICA DE PEREIRA PROGRAMA DE INGENIERÍA

Más detalles

ES 2 432 479 A2 ESPAÑA 11. Número de publicación: 2 432 479. Número de solicitud: 201200635 G06K 1/00 (2006.01) G06K 1/00 01.06.

ES 2 432 479 A2 ESPAÑA 11. Número de publicación: 2 432 479. Número de solicitud: 201200635 G06K 1/00 (2006.01) G06K 1/00 01.06. 19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 21 Número de publicación: 2 432 479 Número de solicitud: 201200635 51 Int. CI.: G06K 1/00 (2006.01) G06K 1/00 (2006.01) 12 SOLICITUD DE PATENTE A2 22

Más detalles

TEMA 9 RECTIFICACIÓN DE IMÁGENES

TEMA 9 RECTIFICACIÓN DE IMÁGENES TEMA 9 RECTIFICACIÓN DE IMÁGENES 9.1- Introducción En fotogrametría aérea cuando el terreno es llano y la toma es nadiral, el fotograma resultante es homotético con el terreno y por lo tanto un plano a

Más detalles

Modo del color, Ajustes, Duplicar y Aplicar imagen, Calcular, Tamaño de imagen, Tamaño de lienzo, Rotar lienzo, Separar, Histograma, Reventar

Modo del color, Ajustes, Duplicar y Aplicar imagen, Calcular, Tamaño de imagen, Tamaño de lienzo, Rotar lienzo, Separar, Histograma, Reventar Menú Imagen Modo del color, Ajustes, Duplicar y Aplicar imagen, Calcular, Tamaño de imagen, Tamaño de lienzo, Rotar lienzo, Separar, Histograma, Reventar Menú Imagen En este menú se puede manipular los

Más detalles

TRANSFORMADA DE FOURIER. Transformada de Fourier (Parte 1) Página 1 INTRODUCCION

TRANSFORMADA DE FOURIER. Transformada de Fourier (Parte 1) Página 1 INTRODUCCION Transformada de Fourier (Parte 1) Página 1 INTRODUCCION En una primera aproximación, podemos decir que todos los dominios transformados, que se utilizan dentro del tratamiento digital de imagen, tienen

Más detalles

Introducción a Sistemas de Información Geográfica (Resumen)

Introducción a Sistemas de Información Geográfica (Resumen) Introducción a Sistemas de Información Geográfica (Resumen) Existen términos que creemos exclusivos de los sistemas GIS, pero que anteriormente han sido acuñados por grandes personajes, como es el caso

Más detalles

Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo en convertidores CC-CC clásicos

Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo en convertidores CC-CC clásicos ESCUELA POLITÉCNICA SUPERIOR Grupo de Sistemas Electrónicos de Potencia PROYECTO FIN DE CARRERA INGENIERÍA INDUSTRIAL Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo

Más detalles

DEFINICIONES EN CONTROL AUTOMÁTICO

DEFINICIONES EN CONTROL AUTOMÁTICO Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Eléctrica DEFINICIONES EN CONTROL AUTOMÁTICO Oscar Páez Rivera Profesor DEFINICIONES BÁSICAS: Las definiciones que siguen

Más detalles

Capítulo II La Imagen Digital

Capítulo II La Imagen Digital Definición Clasificación de las imágenes digitales Imágenes Vectoriales Imágenes Ráster Formatos de Imágenes Ráster TIFF BMP GIF JPEG PNG Tipos de Imágenes Digitales RGB Indexadas Escala de grises Binarias

Más detalles

Procesamiento de imágenes con MATLAB

Procesamiento de imágenes con MATLAB Procesamiento de imágenes con MATLAB MATLAB (abreviatura de MATrix LABoratory, "laboratorio de matrices") es un software matemático que ofrece un entorno de desarrollo integrado (IDE) con un lenguaje de

Más detalles

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 UNIDAD 1: LOS NÚMEROS NATURALES. OPERACIONES Y RELACIONES El sistema de numeración decimal Estimación y redondeo de un número natural Las operaciones con números

Más detalles

ELECTRÓNICA DIGITAL. Sistemas analógicos y digitales.

ELECTRÓNICA DIGITAL. Sistemas analógicos y digitales. ELECTRÓNICA DIGITAL El tratamiento de la información en electrónica se puede realizar de dos formas, mediante técnicas analógicas o mediante técnicas digitales. El analógico requiere un análisis detallado

Más detalles

CAPITULO 4. Inversores para control de velocidad de motores de

CAPITULO 4. Inversores para control de velocidad de motores de CAPITULO 4. Inversores para control de velocidad de motores de inducción mediante relación v/f. 4.1 Introducción. La frecuencia de salida de un inversor estático está determinada por la velocidad de conmutación

Más detalles

4. FUNCIONES DE VARIAS VARIABLES

4. FUNCIONES DE VARIAS VARIABLES 4. FUNCIONES DE VARIAS VARIABLES INDICE 4 4.1. Definición de una función de dos variables...2 4.2. Gráfica de una función de dos variables..2 4.3. Curvas y superficies de nivel....3 4.4. Límites y continuidad....6

Más detalles

Ajustes de sombras. 1) Añadir localización

Ajustes de sombras. 1) Añadir localización Ajustes de sombras El cuadro de diálogo "Ajustes de sombras" se utiliza para controlar las funciones de proyección de sombras de SketchUp, incluyendo su visibilidad, la fecha y la hora, la posición geográfica

Más detalles

CONCEPTOS BASICOS DE IMAGEN DIGITAL

CONCEPTOS BASICOS DE IMAGEN DIGITAL CONCEPTOS BASICOS DE IMAGEN DIGITAL 1- Conceptos Básicos Una imagen analógica es una imagen natural captada con una cámara o cualquier otro instrumento óptico, presenta unas características de sombras

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

Introducción al programa ImageJ Entrenamiento de docentes para el uso efectivo y desarrollo de recursos informáticos en el aula

Introducción al programa ImageJ Entrenamiento de docentes para el uso efectivo y desarrollo de recursos informáticos en el aula Introducción al programa ImageJ Entrenamiento de docentes para el uso efectivo y desarrollo de recursos informáticos en el aula Proyecto de Voluntariado Universitario DQIAQF, FCEN-UBA Autor: Rolando M.

Más detalles

Mapas Autoorganizados

Mapas Autoorganizados Mapas Autoorganizados 1 Mapas Autoorganizados S.O.M (Self organized Maps) Mapas de características similar a la organización topológica de la corteza cerebral. Kohonen :dada una estructura y una descripción

Más detalles

Morfología Matemática en Imágenes

Morfología Matemática en Imágenes 8 de mayo de 2013 Morfología Estudio de la forma y la estructura Es una técnica de procesado no lineal de la imagen, interesada en la geometría de los objetos contenidos en una escena segmentada (usualmente

Más detalles

MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER

MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER MEJORA DE LA IMAGEN EN EL DOMINIO DE LA FRECUENCIA: TRANSFORMADA DE FOURIER M.C. CAROLINA ROCÍO SÁNCHEZ PÉREZ 01 DE ABRIL DE 2011 Operaciones en el dominio de la frecuencia Una imagen digital es una representación

Más detalles

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a

Más detalles

Figura 87. Apariencia física de VIFIBIO

Figura 87. Apariencia física de VIFIBIO 117 9. RESULTADOS El resultado final de este trabajo de grado es un dispositivo llamado VIFIBIO, el cual permite graficar una señal que viene del fisiógrafo ya mencionado anteriormente. Pero detrás de

Más detalles

Aplicaciones del Procesado de Imagen

Aplicaciones del Procesado de Imagen Práctica - Aplicaciones del Procesado de Imagen. Introducción En la carpeta Mis Documentos\TDSII\pImagen y en Moodle se encuentran - El calendario de las prácticas de la asignatura, CalendarioTdsii.pdf

Más detalles

ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN

ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN Congresso de Métodos Numéricos em Engenharia 2015 Lisboa, 29 de Junho a 2 de Julho, 2015 APMTAC, Portugal, 2015 ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN Mendoza-San-Agustín,

Más detalles