VISIÓN POR COMPUTADOR
|
|
- Eva Gallego Rey
- hace 5 años
- Vistas:
Transcripción
1 VISIÓN POR COMPUTADOR Manel Mazo Qintas Departamento de Electrónica. Universidad de Alcalá. 1 Contenido Extracción (Detección) de bordes. Detección de esqinas. 1
2 Extracción (Detección)) de bordes Detección de bordes Qé es n borde? Él estaba sentado en el borde de s asiento. Ella pinta con bordes my pronnciados Yo siempre corro por fera de los bordes de la carretera Ella estvo parada al borde del rio Los negativos de fotografías deberían cogerse únicamente por los bordes Ellos corren al borde de ss posibilidades La definición de borde no es clara. En visión por comptador, los bordes son frecentemente relacionados con discontinidades dentro de n conjnto de píxeles. 4
3 Detección de bordes Discontinidades B A C A: Discontinidad de profndidad: cambios abrptos de profndidad en la escena B: Discontinidades normales de sperficies: cambios en la orientación de la sperficie C: Disconinidades de ilminación: sombras, cambios de lz. D: Discontinidades de reflectancia: propias de las sperficies, marcas hellas D 5 Detección de bordes Objetivo Idear algoritmos para la extracción de bordes (edges) significativos de na imagen. Lo qe se qiere decir con significantes no está claro. En parte definido por el contexto en el qe se están aplicando los detectores de bordes. 6 3
4 Detección de bordes locales ( Edgels ) Un borde local (o edgel) es n cambio rápido en na imagen dentro de n área peqeña. Por tanto los edgels deberán detectarse en n entorno local. Edgels no son contornos, límites o líneas. Los edgels sirven de soporte para definir contornos, límites o líneas. Contornos, límites o líneas se constryen a partir de los edgels Los Edgels tienen propiedades Orientación Magnitd Longitd (frecentemente na nidad de longitd) 7 Cómo detectar Edgels? Línea f() Nivel de gris de la línea Primera derivada f () Máximo Segnda derivada f () Crce por cero 8 4
5 Ejemplos 9 Propiedades Original Orientación Magnitd 10 5
6 Descriptores cantitativos Normal: Vector nitario en la dirección de máxima variación de intensidad (máximo gradiente de intensidad) Dirección: Vector nitario perpendiclar al vector normal. Posición o centro: posición de la imagen en la cal se localizan los bordes. Longitd: relacionado con el gradiente local (cómo de rápido varía la intensidad a través del borde en la dirección de la normal). Dirección normal 11 Efecto del rido Borde ideal Amento de rido Borde+rido 1 6
7 Ejemplo real 13 Pasos a segir en s detección Eliminación de rido Sprimir todo lo qe se peda el rido mientras se mantengan los bordes. En asencia de otro tipo de información, se spone qe el rido es blanco con distribción gasiana. Realce de bordes Diseñar filtros qe respondan bien a los bordes. Filtros qe tengan respestas elevadas en donde existan bordes y respesta baja en el resto. Localización de bordes Determinar qé píxeles deberían ser descartados por representar rido, y cúales se deben mantener. de ancho delgado (de n píxel de ancho): máxima spresión Establecer n valor mínimo para considerar n máximo local de n filtro como n borde (mbralización) 14 7
8 Métodos de detección Estimación de la primera derivada Detectores de bordes tipo gradiente. Detectores de bordes tipo orientación (brújla o compás). Detectores de bordes tipo Canny* Segnda derivada Laplaciana Laplaciana de la assiana Modelos parámetricos de bordes * nombre en honor de s ator. 15 Operadores primera derivada: radiente El gradiente de na imagen f(,v) en n pnto (,v) se define como n vector bidimensional (vector perpendiclar al borde): f v (, ) v, v [ f (, v)] = = + + = v v f (, v ) v 1 θ( v, ) = tan Interpretación Se considera qe existe borde si la magnitd f del gradiente spera n determinado mbral. v!se debe fijar n mbral T!: 55 gv (, ) = 0 si [ f (, v) > T si [ f (, v) T f(,v) v θ 16 8
9 Operadores primera derivada: radiente Las derivadas se peden aproximar por: v v máscara f (, v) = f (, v) f ( 1, v) f (, v) = f (, v) f (, v 1) máscara v v f (, v) = [ f ( + 1, v 1) + f ( + 1, v) + f ( + 1, v + 1)] [ f ( 1, v 1) + f ( 1, v) + f ( 1, v + 1)] f (, v) = [ f ( 1, v + 1) + f (, v + 1) + f ( + 1, v + 1)] v [ f ( 1, v 1) + f (, v 1) + f ( + 1, v 1)] h 11 (,v) h 1 (,v) h 1 (,v) h (,v) 17 Ejemplo real: gradiente f(,v) g 1 (,v)=f(,v)*h 1 (,v) g (,v)=f(,v)*h 11 (,v) g(,v)= g 1 (,v)+ g (,v) 18 9
10 f(,v) Ejemplo real: gradiente g m (,v)= [f(,v]) g(,v), con T= 30 θ(,v) 19 Otros operadores: gradiente Sobel = , v = Previtt = , v = Roberts = , v =
11 Ejemplos con máscaras de Prewitt 0 si [ f (, v) > 10 gv (, ) = 55 si [ f (, v) 10 0 si [ f (, v) > 0 gv (, ) = 55 si [ f (, v) 0 1 Ejemplos con máscaras de Prewitt 11
12 Operadores: Ttipo T orientación orientación (brújla ( brújla) Máscaras de Kirsch k = 3 0 5, k = 3 0 5, k = 3 0 3, k = O O O O k = 5 0 3, k = 5 0 3, k = 3 0 3, k = O O O O NW W N NE E SE S SE Para cada píxel f(,v): [f(,v)] =máx{k 0 *f(,v), k 1 *f(,v),, k 7 *f(,v) }=k i *f(,v) θ=ánglo de la dirección correspondiente a k i 3 Ejemplos con Máscaras de Kirsch θ 4 1
13 Detectores tipo Canny Se fndamenta en los operadores derivada. Reslta especialmente interesante porqe extrae bordes y cierra los contornos. Se desglosa en tres fases: Obtención del gradiente ( y θ) en cada píxel. Adelgazamiento del ancho de los bordes, obtenidos con el gradiente, hasta lograr bordes de n píxel de ancho. Histéresis de mbral al resltado de la spresión no máxima. 5 Detectores tipo Canny 1. Obtención del gradiente: 1.1 Savizar imagen original: f 1 (,v) Filtro asiano f (,v) 1.. Obtener el gradiente: f (,v) radiente : imagen módlo E m. Spresión no máxima al resltado del gradiente:.1. Con E m y E a como entrada generar na imagen de salida I N :.1.1. Para cada píxel (,v), encontrar cál de las direcciones d k {0º, 45º, 90º, 135º) se parece más a al dirección E a (,v) θ: imagen ánglo E a.1.. Si E m (,v) es más peqeño qe al menos no de ss dos vecinos en la dirección d k, entonces I N (,v) =0, de otro modo I N (,v) =E m (,v) 6 13
14 Detectores tipo Canny I N (,v) es na imagen con los bordes adelgazados. Spresión no máxima (I N (,v) Imagen binarizada con mbral T=30 para la magnitd del gradiente (E m (,v) La salida I N (,v) sele contener máximos locales creados por el rido. Cómo se pede eliminar esto?. La eliminación fijando n mbral da problemas. 7 Detectores tipo Canny 3. Histéresis de mbral a la spresión no máxima: 3.1. Fijar dos mbrales T 1 y T tales qe T 1 <T 3.. Para todos los pntos de I N (,v) y explorando en n orden fijo: Localizar el sigiente pnto de borde no explorado previamente, I N (,v), tal qe I N (,v) >T Comenzar a partir de I N (,v), segir las cadenas de máximos locales conectados en ambas direcciones perpendiclares a la normal del borde, siempre qe I N >T 1. Marcar todos los pntos explorados y salvar la lista de todos los pntos en el entorno conectado encontrado La salida es n conjnto de bordes conectados de contornos de la imagen, así como la magnitd y orientación, describiendo las propiedades de los pntos de borde. Este método elimina las niones en Y y T de los segmentos qe conflyen en n pnto 8 14
15 Detectores tipo Canny 9 Detectores tipo Canny σ=1, T =55, T 1 =1 σ=1, T =55, T 1 =0 σ=, T =18, T 1 =1 σ=1, T =18, T 1 =
16 Segnda derivada: Laplaciana f (, v) f (, v) f (, v) = + v h = f (, v 1) + f ( 1, v) + f ( + 1, v) + f (, v + 1) 4f (, v) h = h = h = h = Ejemplo: Laplaciana Máscara 5x5 Máscara 9x9 3 16
17 Laplaciana de la gasiana 1 ( + v ) v (, ) = exp πσ σ ( v ) ( v ) v (, ) = 4 1 exp πσ σ σ Operador Sombrero Mexicano 33 Laplaciana de la gasiana σ = 0.5 σ = 1.0 σ =
18 { Laplaciana de la gasiana } f( v, )* v (, ) = v (, )* f( v, ) Un ejemplo: máscara de 5x5 h11 h h1 N h 1 h h N h h h 1 N N NN Convolción bidimensional { f (, v)* (, v) } = ( )* f (, v)* + v v v f v ( ) ( )* (, )* ( ) Catro convolciones nidimensionales 35 Laplaciana de la gasiana Cómo se generan las máscaras bidimensionales? ( v ) ( v ) v (, ) = 4 1 exp πσ σ σ 1. Fijar el valor de σ.. Determinar el valor de la ecación anterior para los diferentes valores de (,v): =0, 1,,. y v=,0, 1,, Dada la simetría sólo hay qe calclar en n cadrante. 3. Escalar los valores y redondear los valores al entero más próximo. 4. Extender el ancho de la máscara de forma qe contenga todos los valores distintos de cero. 5. Ajstar de forma simétrica los valores, mediante la adición o sbstracción de valores peqeños hasta consegir qe todos los valores de la máscara smen cero 36 18
19 Ejemplo: Laplaciana de la gasiana Máscara 13x13 37 Laplaciana de la gasiana Máscara de 17x
20 Detección en imágenes en color Dos alternativas frecentes: Imagen ROJO VERDE rad_r rad_ Bord_R Bord_ Mapa de AZUL rad_b Bord_B Descomposición radiente Detec. De Fsión de salida ROJO rad_r Imagen VERDE rad_ radiente Mapa de AZUL rad_b Descomposición radiente rad. Mltidim. Detección de bordes 39 Detección de esqinas. 0
21 Extracción de esqinas Método: Kitchen y Rosenfeld Un método habital es el so de derivadas de segndo orden, para medir la razón de cambio de la dirección del gradiente ( rcdg ) con la magnitd del gradiente ( mg ). Una esqina se declara como tal si: rcdg T 1 y/o mg T. siendo T 1 y T dos mbrales predeterminados. Detector de esqinas de Kitchen y Rosenfeld: E = f + f + f + f f f f ( f + f ) / T v vv v v 3 1 v f f (, v) f (, v) f (, v) f (, v) f (, v) =, f =, f =, f =, f = v v v v v vv v 41 Extracción de esqinas Método: Kitchen y Rosenfeld Donde: Por tanto: , v f f (, v) f v = = f v fv f v (, ) = = v * (, ), * (, ) f = f v f f v f = v v = * * (,), * * (,), * v *f (, v) vv v 4 1
22 Extracción de esqinas Método: Kitchen y Rosenfeld Ejemplo de detección de esqinas 43
Tema 5. Detección de bordes
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos Deinición de Borde Extracción de Bordes Comparación de Funciones Locales Comparación
Más detallesRegla de la cadena. Regla de la cadena y. son diferenciables, entonces: w w u w v y u y v y. y g. donde F, w w u w v x u x v x
Regla de la cadena Una de las reglas qe en el cálclo de na variable reslta my útil es la regla de la cadena. Dicho grosso modo, esta regla sirve para derivar na composición de fnciones, esto es, na fnción
Más detallesExtracción de Bordes
Visión por Computadora Unidad IV Extracción de Bordes Rogelio Ferreira Escutia Contenido 1) Conceptos sobre Bordes 2) Extracción de bordes por Derivadas 3) Operadores de Primera Derivada 1) Conceptos sobre
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Filtros en frecencia INTRODUCCIÓN x (0, 0) El filtrado en el dominio de la frecencia se basa en la transformada de Forier (TF), la cal asocia cambios
Más detallesTema 5: SEGMENTACIÓN (I) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (I) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación 2 El propósito de la segmentación de imágenes consiste en dividir una imagen en regiones significativas con respecto
Más detallesContornos de objetos. Marcados por varios usuarios.
DETECCIÓN DE CONTORNOS Contornos de objetos Marcados por varios usuarios http://www.eecs.berkeley.edu/research/projects/cs/vision/grouping/segbench/bench/html/images.html Contornos de objetos a partir
Más detallesT5. Detección de bordes
Índice Fundamentos de Visión por Computador Sistemas Inormáticos Avanzados Introducción ( min.) Qué es un borde? Pasos en la detección de bordes basados en gradiente ( h.) Qué es gradiente? de bordes basados
Más detallesTEMA 7: VECTORES. También un vector queda determinado por su módulo, dirección y sentido. Dado el vector u. = AB, se define: Módulo del vector u
DPTO DE MATEMÁTICAS T5: VECTORES - 1 1.- VECTORES EN EL PLANO TEMA 7: VECTORES Hay magnitdes como ferza, desplazamiento, elocidad, qe no qedan completamente definidas por n número. Por ejemplo, no es sficiente
Más detallesVECTORES EN EL PLANO.
VECTORES EN EL PLNO. Introdcción: Magnitdes escalares ectoriales. Ha ciertas magnitdes físicas, tales como la masa, la presión, el olmen, la energía, la temperatra, etc., qe qedan completamente definidas
Más detallesContenido. Capítulo 1. Capítulo 2. Capítulo 3. Prólogo
Contenido Prólogo XIII Capítulo 1 Acerca del procesamiento de imágenes 1 1.1 Introducción 2 1.2 Sistema de visión y procesamiento de imágenes 2 1.3 Procesamiento digital de imágenes 3 1.4 Relaciones básicas
Más detallesTécnicas de inteligencia artificial. Visión Artificial Detección de aristas y puntos característicos
Técnicas de inteligencia artificial Visión Artificial Detección de aristas y puntos característicos Indice Detección de aristas Algoritmo de Canny Algoritmo de Susan Aristas ( Edges ) Operadores de gradiente:
Más detallesTEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS II 2º Bach. 1. es un vector unitario de la misma dirección y el mismo sentido que v.
Estdios J.Concha ( fndado en 00) ESO, BACHILLERATO y UNIVERSIDAD Departamento Bachillerato MATEMATICAS º BACHILLERATO Profesores Jaier Concha y Ramiro Froilán TEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS
Más detalles3. Campos escalares diferenciables: gradiente.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. 3. Campos escalares diferenciables: gradiente. Plano tangente diferenciabilidad. Consideremos na fnción f :(, ) U f(, ) de dos variables n pnto (, interior al conjnto
Más detallesel blog de mate de aida MI: apuntes de vectores y rectas pág. 1 VECTORES
el blog de mate de aida MI: apntes de vectores y rectas pág. VECTORES.- LOS EJES CARTESIANOS Y EL ORIGEN El eje horizontal se llama eje de abscisas y el eje vertical se llama eje de ordenadas. El pnto
Más detallesNOMBRE: VECTORES EN EL PLANO. Ángel de la Llave Canosa
NOMBRE: VECTORES EN EL PLANO Ángel de la Llave Canosa 1 VECTORES EN EL PLANO VECTOR FIJO Un vector fijo AB es n segmento orientado, qe está definido por dos pntos: Un pnto origen y n pnto extremo. Los
Más detallesVECTORES EN EL PLANO. el punto B el extremo. Mientras no preste confusión el vector v podemos expresarlo simplemente por v.
COLEGIO NUESTRO SEÑOR DE LA BUENA ESPERANZA Asignatra: FÍSICA 10º Profesor: Lic. EDUARDO DUARTE SUESCÚN TALLER DE VECTORES VECTORES EN EL PLANO Vector fijo. Es n segmento orientado. Lo representamos por
Más detallesALGEBRA Y GEOMETRÍA VECTORIAL EN R 2 Y EN R 3
ALGEBRA Y GEOMETRÍA VECTORIAL EN R Y EN R Los ectores se peden representar mediante segmentos de recta dirigidos, o flechas, en R o en R. Se denotan por letras minúsclas negritas Pnto inicial del ector
Más detallesTema 6: Contornos. 1. Introducción. 2. Filtrado de imágenes: Convolución. 3. Detección de Contornos. 4. Segmentación de Contornos
. Introducción Tema 6: Contornos 2. Filtrado de imágenes: Convolución 3. Detección de Contornos Detectores de Gradiente: Sobel, Canny,... Cruces por Cero: Marr-Hildreth 4. Segmentación de Contornos Seguimiento
Más detallesGEOMETRÍA: VECTORES 1 TEMA 7: VECTORES
GEOMETRÍA: VECTORES 1 Definición de ector: TEMA 7: VECTORES Un ector es n segmento orientado qe qeda determinado por dos pntos, A y B, el primero de los pntos se denomina origen y el segndo es el extremo,
Más detallesVECTORES EN EL PLANO
VECTORES EN EL PLANO.- PRIMERO DE BACHILLERATO.- TEORÍA Y EJERCICIOS. Pág. 1 VECTORES EN EL PLANO Vector fijo. Es n segmento orientado. Lo representamos por AB o por. El pnto A es el origen y el pnto B
Más detallesactividades propuestas en la unidad vectores
actiidades propestas en la nidad ectores Las respestas feron elaboradas por las Profesoras Lciana Calderón y María de los Ángeles Fernandez qienes realizan na adscripción en la Cátedra. Propesta.3: 1)
Más detallesOperación Matriciales y Matrices en Sistemas de Potencia
Anexo.. Problema Reselto Considere la red mostrada en la Figra., y los sigientes datos. 4 5 6 7 8 Fig... Tabla... Datos del Sistema Línea X L -. -.5 -.84 -.5 -. -4.84-5.7-6.6 6-7.68 4-7.84 5-8.7 7-8.4
Más detallesTema 10 Ejercicios resueltos
Tema 1 Ejercicios reseltos 1.1. Determinar el campo de eistencia de las fnciones sigientes: - 1 f(, ) = log f(, ) = ç è + ø f(, ) + - = ( f (, ) = log - 3 ) + 1.. Calclar los límites de las sigientes fnciones
Más detallesDERIVADAS. incremento de la variable independiente, x
DERIVADAS CPR. JORGE JUAN Xvia-Narón y= f(x): (a,b)r R fnción real definida en el dominio abierto, (a,b)r x 0, x (a,b) x= x -x 0 f(x )= f(x 0 +x) f(x 0 )= f(x 0 ) pntos del dominio de la fnción. incremento
Más detallesALGEBRA LINEAL. 1º GRADO DE ECONOMÍA CURSO
ALGEBRA LINEAL. º GRADO DE ECONOMÍA CURSO 0-0 I. ESPACIOS VECTORIALES I.. Vectores. Operaciones con vectores I.. Espacio vectorial. Propiedades I.. Sbespacio vectorial. Operaciones con sbespacios vectoriales
Más detallesCAPÍTULO 2. Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver
CAPÍTULO 2 PROCESAMIENTO DE IMÁGENES 2.1 Imágenes Digitales Desde el punto de vista más simple, hoy una imagen digital consiste de lo que se puede ver como una matriz de miles o millones de píxeles cada
Más detalles6 La semejanza en el plano
TIVIS MPLIIÓN 6 La semejanza en el plano 1. alcla las medidas de los segmentos,, z, t en la sigiente figra, sabiendo qe las medidas de los segmentos conocidos están epresadas en metros. 4 G z t. ibja n
Más detallesProcesamiento Digital de Imágenes LCC-594
Procesamiento Digital de Imágenes LCC-594 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D 4. Operaciones regionales Objetivo: Conocer
Más detallesCriterio de la segunda derivada para funciones de dos variables por Sergio Roberto Arzamendi Pérez
Criterio de la segnda derivada para fnciones de dos variables por Sergio Roberto Arzamendi Pérez Sea la fnción f de dos variables definida por f (, ) contina de primera segnda derivadas continas en s dominio,
Más detallesALGEBRA LINEAL. 1º GRADO DE ECONOMÍA CURSO Prof. Pedro Ortega Pulido
ALGEBRA LINEAL. º GRADO DE ECONOMÍA CURSO 0-04 Prof. Pedro Ortega Plido I. ESPACIOS VECTORIALES I.. Vectores. Operaciones con vectores I.. Espacio vectorial. Propiedades I.. Sbespacio vectorial. Operaciones
Más detalles1 Parametrización de super cies
Dpto. Matemática Aplicada E.T.S. Arqitectra, U.P.M. Crvas y Sper cies HOJA DE PROBLEMAS: SUPERFICIES 1 Parametrización de sper cies 1. Obtener dos parametrizaciones reglares para cada na de las sigientes
Más detallesAB se representa por. CD y
1.- VECTORES. OPERACIONES Vector fijo Un ector fijo AB es n segmento orientado con origen en el pnto A y extremo en B Todo ector fijo AB tiene tres elementos: Módlo: Es la longitd del segmento AB. El módlo
Más detallesProcesamiento Digital de Imágenes LCC-594
Procesamiento Digital de Imágenes LCC-594 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D 4. Operaciones regionales Objetivo: Conocer
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Más detallesBLOQUE 4: GEOMETRÍA. Vectores. La recta en el plano
BLOQUE 4: GEOMETRÍA Vectores La recta en el plano 63 VECTORES Hay magnitdes qe no qedan bien definidas mediante n número; necesitamos conocer además s dirección y s sentido. A estas magnitdes se les llama
Más detallesPráctico Nº 4 : Vectores
Práctico Nº 4 : Vectores Nota: Cando en el presente práctico los ectores estén dados por coordenadas salo qe se aclare lo contrario deberá entenderse qe éstas se refieren a la base canónica del espacio
Más detallesCurso de Procesamiento Digital de Imágenes
Crso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Comptación IIMAS UNAM cbíclo 408 http://tring.iimas.nam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.nam.mx
Más detallesÍndice. Qué es la laplaciana? Filtros Laplaciana. Qué es la laplaciana? Sensibles al ruido
Índice Qué es la laplaciana? Introducción (5 min.) Qué es un borde? Pasos en la detección de bordes basados en gradiente ( h.) Qué es gradiente? Detectores de bordes basados en laplaciana ( h.) Qué es
Más detallesLos lugares geométricos de todos los puntos del espacio en los cuales la magnitud escalar tiene un mismo valor.
Física para iencias e Ingeniería ÁLGEBRA ETORIAL 7.2- Introdcción A lo largo del estdio de la Física srgen na serie de propiedades, tanto de magnitdes escalares como vectoriales, qe se epresan por medio
Más detallesTEMA 7 VECTORES MATEMÁTICAS 1
TEMA 7 VECTORES MATEMÁTICAS TEMA 7 VECTORES 7. LOS VECTORES Y SUS OPERACIONES DEFINICIÓN Un ector es n segmento orientado. Un ector AB qeda determinado por dos pntos, origen A y extremo B. Elementos de
Más detallesTEMA 3 RECEPTORES DE COMUNICACIONES DIGITALES EN PRESENCIA DE INTERFERENCIA INTERSIMBÓLICA. Índice de contenidos Planteamiento del problema
TEMA 3 RECEPTORES DE COMUNCACONES DGTALES EN PRESENCA DE NTERFERENCA NTERSMBÓLCA GTT (UC3M) Comnicaciones Digitales Detección bajo S / 27 Índice de contenidos Planteamiento del problema Recperación de
Más detallesSegmentación de imágenes biomédicas
Segmentación de imágenes biomédicas Definición de segmentación La segmentación es la partición de una imagen, en un subconjunto regiones homogéneas en base a una característica (intensidad, textura,...).
Más detallesa) sen(2t) cos(2t). b) 4sent cost. c) Si una función z = f(x, y) tiene plano tangente en un punto ( )
Diferenciabilidad de fnciones de dos variables - Sea = f(,) na fnción real de variable real, se verifica qe: a) Si f admite derivada direccional en n pnto P en calqier dirección, entonces f es diferenciable
Más detallesVISIÓN POR COMPUTADOR
COPA PRVADA CON FNES DOCENTES VSÓN POR COMPUTADOR ARTURO DE LA ESCALERA HUESO 6. Etracción de características. Una ez qe la imagen ha sido procesada se está en disposición de detectar los objetos presentes
Más detallesConcurso Nacional de Matemáticas Pierre Fermat Problemas
Concrso Nacional de Matemáticas Pierre Fermat 014 Examen para Nivel Secndaria Etapa Eliminatoria Instrcciones: No tilizar cellar (éste deberá de estar apagado), ipod, notebook, calcladora ó calqier otro
Más detallesCapítulo 2. Técnicas de Procesamiento de Imágenes
Capítulo 2. Técnicas de Procesamiento de Imágenes 2.1 Binarización La binarización es una de las técnicas más antiguas de procesamiento de imágenes ya que en el pasado, el primer analizador de imágenes
Más detallesIDENTIFICAR LOS ELEMENTOS DE UN VECTOR
8 REPSO POO OJETIVO IDENTIFICR LOS ELEMENTOS DE UN VECTOR Nombre: Crso: Fecha: Vector: segmento orientado determinado por dos pntos: (a, a ), origen del ector, y (b, b ), extremo del ector. Coordenadas
Más detallesEJERCICIOS RESUELTOS DEL TEMA: GEOMETRÍA EN R 3
GEOMETRÍA Ejercicios reseltos del tema Geometría en R Jan S. Herrera Lpión EJERCICIOS RESUELTOS DEL TEMA: GEOMETRÍA EN R Ejercicio Halla n vector perteneciente a R qe sea perpendiclar a (,8,-) y cyo prodcto
Más detallesCAPÍTULO I ÁLGEBRA TENSORIAL
Sección I.1.a) álgebra ectorial intrínseca 10/09/2011 CAPÍTULO I ÁLGEBRA TENSORIAL 1.1 Repaso de álgebra ectorial intrínseca 1.2 Álgebra ectorial en componentes ortonormales y generales: notación indicial.
Más detallesMagnitudes escalares, son aquellas que quedan definidas por una sola cantidad que denominaremos valor del escalar.
+34 9 76 056 - Fa: +34 9 78 477 Vectores: Vamos a distingir dos tipos de magnitdes: Magnitdes escalares, son aqellas qe qedan definidas por na sola cantidad qe denominaremos valor del escalar. Ej: Si decimos
Más detallesMecánica I Tema 5. Manuel Ruiz Delgado. 1 de diciembre de 2010
Mecánica I Tema 5 Dinámica del sólido rígido Manel Ri Delgado 1 de diciembre de 010 eometría de masas Centro de masas de gravedad............................................... 4 Tensor de inercia.........................................................
Más detallesProcesamiento de Imágenes. Prof. Alexandra La Cruz, PhD
Procesamiento de Imágenes Prof. Alexandra La Cruz, PhD alacruz@ldc.usb.ve Contenido Conceptos básicos Modelo de una imagen Procesamiento digital de imágenes Operaciónes básicas Convolución Filtros Segmentación
Más detallesCAPÍTULO III. 3. Solución manual para ejemplificar el análisis matricial de armaduras por el
CAÍTUO III. Solción manal para ejemplificar el análisis matricial de armadras por el método de las rigideces.. Introdcción En este capítlo se describe la secela de cálclo para el análisis matricial de
Más detallesEstructura de Computadores. 1. Ejercicios Resueltos 1.1.
Estrctra de Comptadores Tema. La nidad de memoria II. La memoria virtal Localidad de referencia. Definición de memoria cache. Estrategias de mapeado: directo, asociativo y asociativo por conjntos. Algoritmos
Más detallesβ = 0,0012 m. A) Usando la figura 2, determine el umbral de audición para la frecuencia del
Dos pastores de La Gomera ntrodcción Silbar es na forma de transmitir información a grandes distancias en espacios abiertos. Los lgares donde se tilizan estos lengajes silbados tienen nas características
Más detallesCalibración de Reglas Clase I por el Método Interferométrico Láser
Calibración de Reglas Clase por el Método nterferométrico Láser Lic. LL JANNET CARRASCO TUESTA Responsable del Laboratorio de Longitd y Anglo Servicio Nacional de Metrología 18 de Mayo del 01 1 CONTENDO
Más detallesPRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE CANTABRIA JUNIO (RESUELTOS por Antonio Menguiano) Tiempo máximo: 1 horas y 30 minutos
IES CASTELAR ADAJOZ A Mengiano PRUEA DE ACCESO (LOGSE) UNIVERSIDAD DE CANTARIA JUNIO - 9 (RESUELTOS por Antonio Mengiano) MATEMÁTICAS II Tiempo máimo: horas y mintos - Debe escogerse na sola de las opciones
Más detallesCapítulo 2: Segmentación de imágenes
Capítulo 2: Segmentación de imágenes 2.1.- Introducción Como se ha comentado en la presentación, la segmentación de la imagen es el proceso que divide una imagen en regiones u objetos cuyos píxeles poseen
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID
UNIVERSIDAD POLITÉCNICA DE MADRID DEPARTAMENTO DE ELECTRÓNICA, AUTOMÁTICA E INFORMÁTICA INDUSTRIAL Prácticas de Robótica y Visión Artificial Práctica 3 Prácticas de procesado de las imágenes 3.2 Técnicas
Más detallesCAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR
CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR El algoritmo realizado para la detección de bordes de imágenes a color se basa en el operador Canny. La filosofía del operador
Más detallesSOLUCIONES DE LAS ACTIVIDADES Págs. 158 a 169
TEMA. VECTORES SOLUCIONES DE LAS ACTIVIDADES Págs. 58 a 6 Página 58. Obtenemos los sigientes ectores: + Página 6. La representación es la sigiente: x - - Página 5. ( 0) (0 ) x ( ) a + b a / b y ( 6) a
Más detallesApéndice I Capa límite
Apéndice I Capa límite Capa límite. Aproimadamente hasta antes de 860, el interés de la ingeniería por la mecánica de flidos se limitaba casi eclsivamente al fljo del aga. La complejidad de los fljos viscosos,
Más detallesLÍMITES, CONTINUIDAD Y DERIVADAS
LÍMITES, CONTINUIDAD Y DERIVADAS ÍNDICE. Concepto de límite. Propiedades de los límites 3. Definición de continidad 4. Tipos de continidad 5. Concepto de derivada 6. Tabla de derivadas 7. Crecimiento y
Más detallesJosé Boza Chirino Análsis Múltivariante ( )
José Boza Chirino Análsis Múltivariante (007-08) TEMA I. INTRODUCCIÓN AL ANÁLISIS MULTIVARIANTE. I.1 Introdcción. En los estdios de economía y empresa cada vez es sal representar los conceptos mediante
Más detallesÁlgebra Manuel Hervás Curso
Álgebra Manel Herás Crso 0-0 ESPACIO EUCLÍDEO Introdcción El estdio de los espacios ectoriales es na generalización de los ectores geométricos a otros casos qe responden también a la estrctra de espacio
Más detallesGEOMETRÍA ANALÍTICA AB CD CD AB CD
GEOMETRÍA ANALÍTICA.- Vectores..- Vectores fijos en el plano Llamaremos ector fijo a todo par ordenado de pntos del plano. Si los pntos son A y B conendremos en representar por AB el ector fijo qe determinan;
Más detalles4. Espacios Vectoriales
4. Espacios Vectoriales 4.. Definición de espacio, sbespacio ectorial y ss propiedades n ector es na magnitd qe consta de módlo, dirección y sentido. Algnos sin embargo; más teóricos, explicarían qe n
Más detallesVector director de una recta
Vector director de na recta En la figra se observa n vector libre aplicado en distintos pntos. Cada na de las flechas resltantes proporciona na recta. Se tienen así las rectas r, r y r3 qe son paralelas
Más detallesDINÁMICA DE FLUIDOS. Flujo Potencial. Potencial de velocidades. Función de corriente. Ejemplos.
DINÁMIC DE FLUIDOS Propiedades de los Flidos. Concepto de flido. Flido ideal. Viscosidad Tensión sperficial. Capilaridad Estática. Presión en n pnto. Ecación general de la estática. Teoremas de Pascal
Más detallesVisión de Alto Nivel
Visión de Alto Nivel Dr. Luis Enrique Sucar INAOE esucar@inaoep.mx ccc.inaoep.mx/~esucar Sesión 2 Bajo Nivel 1 Visión de Bajo Nivel 2 Extracción de Características orillas color textura 3 Orillas Las variaciones
Más detallesDIBUJO Y SISTEMAS DE REPRESENTACIÓN. Agrimensura Civil Mecánica Metalurgia Extractiva Minas
DEPARTAMENTO DE MATEMÁTICA DIBUJO Y SISTEMAS DE REPRESENTACIÓN Agrimensra Civil Mecánica Metalrgia Extractiva Minas Unidad X: Sistema de Proyección Acotada Dibjo y Sistemas de Representación UNIDAD X -
Más detallesCálculo Diferencial. libro Cálculo I de los autores Larson, R., Hostetler, R.P., y Edwards, B. Ediciones Pirámide del año 2002
Cálclo Diferencial 1. Gráficas y modelos Teoría: Ver páginas y 5 del capítlo P del libro: Preparación para el Cálclo del libro Cálclo I de los atores Larson, R., Hostetler, R.P., y Edwards, B. Ediciones
Más detallesDetección 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 detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción Conectividad Operaciones matemáticas básicas OR AND NOT XOR Operadores morfológicos Dilatación Erosión Cierre Apertura
Más detallesMétodo de identificación de modelos de orden reducido de tres puntos 123c
Método de identificación de modelos de orden redcido de tres pntos 123c Víctor M. Alfaro, M.Sc. Departamento de Atomática Escela de Ingeniería Eléctrica Universidad de Costa Rica valfaro@eie.cr.ac.cr Rev:
Más detallesDetectores de movimiento LSN TriTech+ Professional Series con antienmascaramiento
Sistemas de alarma de intrsión Detectores de movimiento LSN TriTech+ Professional Series con antienmascaramiento Detectores de movimiento LSN TriTech+ Professional Series con antienmascaramiento www.boschsecrity.com
Más detallesMetrología Eléctrica
GRADO EN INGENIERÍA ELÉCTRICA Determinación de las incertidmbres de medida Adenda tema 6) 01-013 Metrología Eléctrica Dr. Manel Valcárcel Fontao UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA Crso 01/013
Más detallesVECTORES - PRODUCTO ESCALAR - 1 -
VECTORES - PRODUCTO ESCALAR - - Observa el rombo de la figra y calcla: B a) AB + BC b) OB + OC c) OA + OD d) AB + CD A O C e) AB + AD f) DB CA Expresa los resltados tilizando los vértices del rombo. D
Más detallesTema 11: INTRODUCCIÓN A LAS EDP LINEALES DE 2º ORDEN: MÉTODO DE SEPARACIÓN DE VARIABLES
Profesor: Roqe Molina egaz Tema 11: INTRODUCCIÓN A AS EDP INEAES DE 2º ORDEN: MÉTODO DE SEPARACIÓN DE VARIABES Programa detallado: 11.1 Introdcción. Sobre solciones de na EDP lineal. 11.2 Método de separación
Más detallesLos datos del sistema están dados en valores por unidad sobre las mismas bases.
Ejemplo. Malio Rodrígez. Ejemplo, Malio Rodrígez En el sigiente sistema de potencia ocrre n cortocircito trifásico sólido en el pnto, el cal esta bicado exactamente en la mita de la línea -. Los interrptores
Más detallesLey de Faraday. Campos y Ondas FACULTAD DE INGENIERÍA UNIVERSIDAD NACIONAL DE LA PLATA ARGENTINA CAMPOS Y ONDAS
Ley de Faraday Campos y Ondas FACULTAD DE INGENIERÍA UNIVERSIDAD NACIONAL DE LA PLATA ARGENTINA Ley de Faraday En electrostática el campo eléctrico es conservativo, por lo tanto pede ser descripto por
Más detallesTema 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 detallesIngeniería en Informática
Ingeniería en Informática Procesamiento de Imágenes Digitales 1 a convocatoria oficial, curso 2008-2009 APELLIDOS: NOMBRE: En las preguntas tipo test cada respuesta correcta puntúa 0.5 puntos, mientras
Más detallesExtracción de Regiones
Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)
Más detallesFundamentos Matemáticos
Tema 1: Fndamentos Matemáticos Antonio Gonále Fernánde Departamento de Física Aplicada III Universidad de Sevilla Parte I Índice Introdcción I. Sistemas de coordenadas II. Campos escalares. Gradiente III.
Más detalles1 Composición de funciones
Composición de fnciones La composición de fnciones o la fnción de fnción es na operación qe aparece natralmente en varias sitaciones. En esta nota, presentaremos (sin demostración) algnos de los resltados
Más detallesTema 2: Control de sistemas SISO
Tema : Control de sistemas SISO Control Atomático º Crso. Ing. Indstrial Escela Técnica Sperior de Ingenieros Universidad de Sevilla Crso Índice. Descripción de sistemas dinámicos. Sistemas SISO. Identificación
Más detallesTema 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 Universidad de Córdoba Universidad de Córdoba
Más detallesProcesamiento de la Señal
Filtrado IV: Filtrado en el Dominio del Espacio II 8 de abril de 2013 Filtrado en el dominio del Espacio II Repaso: Filtrado en el Dominio del Espacio: Convolución en Imágenes En 2D, la convolución en
Más detallesAnálisis Bioseñales I
Análisis Bioseñales I Prepaso Práctico 4 Mauricio Farías Gerardo Fasce Rodrigo Ortiz Gustavo Zomosa IMAGEN Colección de componentes de frecuencia Formación de imagen : Pixel, valor : luminosidad del punto
Más detalles3.2 EL PRODUCTO ESCALAR Y LAS PROYECCIONES EN R 2
34 CAPÍTULO 3 Vectores en R R 3 ais sqare a=ais; ais([min(a([1,3])),ma(a([,4])),min(a([1,3])),ma(a([,4]))]) % hold off Una ez qe se haa escrito la fnción en n archio con nombre lincomb.m, dé el comando
Más detallesExplotación de imágenes aéreas y espaciales con fines cartográficos. Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3)
Explotación de imágenes aéreas y espaciales con fines cartográficos Realce radio-métrico y espacial. Realce de Imagen: Índice (1/3) Definiciones. Cuantificación. Muestreo. Histograma. Brillo y contraste.
Más detallesVECTORES MATEMÁTICAS I 1º Bachillerato CCNN Alfonso González IES Fernando de Mena Dpto. de Matemáticas
VECTORES MATEMÁTICAS I 1º Bachillerato CCNN Alfonso González IES Fernando de Mena Dpto. de Matemáticas I. DEFINICIONES Magnitdes Vectoriales: Un ector es n segmento orientado qe, para ser definido, precisa
Más detallesTABLA DE CONTENIDOS. Dedicatoria. Agradecimientos. Tabla de Contenidos. Índice de Figuras. Índice de Tablas. Resumen
TABLA DE CONTENIDOS página Dedicatoria Agradecimientos Tabla de Contenidos Índice de Figuras Índice de Tablas Resumen I II IV VII X XI 1. Introducción 13 1.1. Descripción del contexto.........................
Más detallesFiltrado lineal. Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3. filtrado lineal 1
Filtrado lineal Digital image processing, Gonzalez & Woods, chpt 4 Digital Image Processing, WK Pratt, part 3 filtrado lineal 1 Filtrado es la operación de eliminar o resaltar componentes de la representación
Más detalles