Fundamentos de Visión por Computador
|
|
- Rosario Rojo Campos
- hace 6 años
- Vistas:
Transcripción
1 Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Introducción Conectividad Operaciones matemáticas básicas OR AND NOT XOR Operadores morfológicos Dilatación Erosión Cierre Apertura Thinning Thickening 2
2 Introducción Operaciones morfológicas: Operaciones que afectan a la forma de los objetos de la imagen. Aplicación después de una segmentación previa. Habitualmente se trabaja sobre imágenes binarias, aunque también se puede hacer sobre el resto de tipos. 3 Imágenes binarias Un píxel puede tomar dos únicos valores: 1 ó 0. Las imágenes binarias suelen surgir a partir de un procesamiento previo de otra imagen. 4
3 Imágenes binarias Imágenes binarias obtenidas a partir de una segmentación de movimiento. Convenciones: Píxeles representando objetos 1 Color negro Píxeles representando el fondo 0 Color blanco 5 Utilización de las operaciones morfológicas Preprocesamiento de la imagen: Filtrado del ruido. Simplificación de las formas. Mejoras en la estructura de los objetos: Esqueletización Thinning Thickening Convex hull 6
4 Conectividad Los píxeles que están conectados deben de pertenecer a una misma entidad. 7 Conectividad Conectividad a 4 Conectividad a 8 Según qué conectividad apliquemos, esto serán 1 ó 4 regiones 8
5 Conectividad Un camino desde el píxel [i 0, j 0 ] hasta el píxel [i n, j n ] es una secuencia de píxeles en la que se puede llegar desde el píxel 0 hasta el n pasando sólo por píxeles con valor 1. 4-caminos. 8-caminos. 4-camino 8-camino 9 Conectividad Foreground: Conjunto de todos los píxeles de una imagen con valor 1. Se denota por S. Background (fondo): El complemento de S. Un píxel p S se dice que está conectado a q S si hay un camino desde p hasta q que consista sólo de píxeles de S. Un conjunto de píxeles conectados entre sí se llama un componente conectado. Frontera de S es el conjunto de píxeles de S que tienen un 4-vecino que pertenece al fondo. La frontera se denota por S. Interior es S-S. 10
6 Conectividad Componentes conectados Frontera 11 Etiquetado de componentes conexas Cada componente conectado es un firme candidato a ser un objeto. Si hay más de un componente conectado en la imagen binaria es necesario llevar a cabo un etiquetado. Etiquetar consiste en poner una etiqueta diferente a los píxeles de cada componente conectado. Esto permite saber cuántos objetos existen en la imagen y qué píxeles pertenecen a cada uno de ellos. Después del etiquetado se pueden calcular características de los objetos, tales como el tamaño, posición, etc. 12
7 Etiquetado de componentes conectados 13 Algoritmo recursivo de etiquetado 1. Buscar en la imagen un píxel con valor 1 y que no esté etiquetado y asignarle la nueva etiqueta L. 2. Recursivamente asignar la etiqueta L a sus vecinos con valor Parar cuando todos los vecinos de los píxeles con etiqueta L sean 0 o ya estén etiquetados. 4. Si quedan píxeles con valor 1 sin etiqueta saltar al paso 1. 14
8 Algoritmo secuencial de etiquetado 1. Recorrer la imagen de arriba a abajo y de izquierda a derecha. Si un píxel vale 1 entonces: a) Si su vecino superior o izquierdo tienen etiqueta, pero sólo uno de ellos, asignar esa etiqueta. b) Si ambos tienen etiqueta: a) Si es la misma, asignar esa etiqueta. b) Si es distinta, asignar la del conjunto más pequeño, y apuntar en la tabla que ambas etiquetas son equivalentes. c) Si ninguno tiene etiqueta, asignar una nueva. 2. Recorrer de nuevo la imagen reemplazando etiquetas equivalentes. 15 Etiquetado de componentes conectados 16
9 Filtro de tamaño Los píxeles ruido suelen segmentarse debido a que son distintos de los de su entorno. Normalmente forman grupos pequeños y aislados. Un filtro de tamaño consiste en eliminar aquellos componentes conectados con un número de miembros inferior a cierta holgura T Operadores morfológicos La morfología matemática opera sobre la forma. Las operaciones típicas se realizan sobre imágenes binarias, pero también pueden actuar sobre otro tipo de imágenes. Operadores: -Básicos: not, and, or, xor, etc. Dilatación. Erosión. Apertura. Cierre. 18
10 Operador NOT Produce una imagen a partir de otra donde a cada píxel se le aplica el operador NOT. En imágenes de niveles de gris: NOT ( I( i, j)) = 255 I( i, j) 19 Operador NOT NOT 20
11 OR y NOR Se toman dos imágenes de entrada binarias o de niveles de gris y se produce una tercera imagen cuyos valores son los de hacer un OR/NOR entre cada par de píxeles correspondientes de la primera y segunda imágenes. Cuando la imagen no es binaria las operaciones entre píxeles se realizan bit a bit. Una variación sería realizar la operación entre una imagen y un valor. En ese caso el valor se operaría con cada píxel de la imagen. 21 Operador OR Usando las inversas 22
12 Operador OR sobre imágenes de grises OR 23 Operadores AND y NAND Se toman dos imágenes de entrada y se produce una tercera imagen cuyos valores son los de hacer un AND/NAND entre cada par de píxeles correspondientes de las dos imágenes. Cuando la imagen no es binaria las operaciones entre píxeles se realizan bit a bit. Una variación sería realizar la operación entre una imagen y un valor. En ese caso el valor se operaría con cada píxel de la imagen. 24
13 Operador AND AND = AND = NOT 25 Operadores AND y OR AND = Escalado y brillo OR = 26
14 Operadores XOR y XNOR Se toman dos imágenes de entrada y se produce una tercera imagen cuyos valores son los de hacer un XOR/XNOR entre cada par de píxeles correspondientes de las dos imágenes. Cuando la imagen no es binaria las operaciones entre píxeles se realizan bit a bit. Una variación sería realizar la operación entre una imagen y un valor. En ese caso el valor se operaría con cada píxel de la imagen. 27 Operador XOR XOR = 28
15 Operador XOR XOR = XOR = 29 Operaciones matemáticas básicas a) b) c) d) e) f) g) a) Imagen 1 b) Imagen 2 c) NOT (I 1 ) d) OR (I 1, I 2 ) e) AND (I 1, I 2 ) f) XOR (I 1, I 2 ) g) SUB (I 1, I 2 ) 30
16 Operaciones no básicas Dilatación Erosión Apertura Cierre Thinning Thickering 31 Definiciones fundamentales Traslacion Dado un vector x y un conjunto A, la traslación, A + x, se define como: El conjunto básico de operaciones de Minkowski suma y resta se definen a partir de la traslación. Dados A y B, donde B no se compone de píxeles, sino de vectores cuyas coordenadas se definen con respecto a [0,0], se definen la adición y substracción de Minkowski como: 32
17 Dilatación Dilatación. La dilatación A B es el conjunto de puntos de todas las posibles sumas de pares de elementos, uno de cada conjunto A y B. Por ejemplo: A = B = {(0,1),(1,1),(2,1),(2,2),(3,0),(4,0)} {(0,0),(0,1) } (0,1),(1,1),(2,1),(2,2),(3,0),(4,0), A B = (0,2),(1,2),(2,2),(2,3),(3,1),(4,1) A B=elemento estructurante A B 33 Dilatación La operación de dilatación hace que los objetos se expandan. La cantidad y la forma en que crezcan depende del elemento estructurante que se elija. Un elemento estructurante con forma simétrica hará que la expansión sea igual en todas las direcciones. Los dos elementos estructurantes más comunes son: 34
18 Dilatación Dilatación usando un elemento estructurante de tamaño 3x3: Dilatación 35 Dilatación 36
19 Dilatación Dilatación y substracción 37 Dilatación en imágenes de grises Al aplicar la dilatación a las imágenes de niveles de gris se aplica el elemento estructurante (que también es de niveles de gris) a cada píxel para definir una vecindad y se escoge el valor máximo de la suma de los correspondientes píxeles. Habitualmente se simplifica como: Intensidad Intensidad Coordenada X Coordenada X 38
20 Dilatación en imágenes de niveles de gris 39 Dilatación en imágenes de niveles de gris Dilatación 40
21 Erosión La operación de Erosión combina dos conjuntos usando la resta vectorial y es el dual de la dilatación. El resultado de la erosión son aquellos puntos de A para los cuales todas las posibles traslaciones definidas por B también están en A. A B=elemento estructurante AB 41 Erosión Al igual que en la dilatación, lo normal es que el elemento estructurante sea simétrico. 42
22 Erosión Erosión 43 Erosión 44
23 Erosión en imágenes de niveles de gris Al aplicar la erosión a las imágenes de niveles de gris se aplica el elemento estructurante (que también es de niveles de gris) a cada píxel para definir una vecindad y se escoge el valor mínimo de la suma de los correspondientes píxeles. Habitualmente se simplifica como Intensidad Intensidad Coordenada X Coordenada X 45 Erosión en imágenes de niveles de gris 46
24 Erosión en imágenes de niveles de gris Erosión y dilatación Erosión Dilatación 48
25 Apertura Consiste en realizar primero una erosión y luego una dilatación, ambas con el mismo elemento estructurante. El efecto de la apertura es suavizar el contorno de los objetos. Se tiende a eliminar los salientes que puedan haber en el contorno. Se eliminan pequeños elementos. 49 Apertura Diámetro = 11 3x9 50
26 Apertura 5x5 51 Apertura 3x3 52
27 Apertura 3x3 53 Apertura como filtro de tamaño D = 11 D = 7 54
28 Cierre Un cierre consiste en realizar una dilatación seguida de una erosión, utilizando en ambas operaciones el mismo elemento estructurante. Se tiene a rellenar los agujeros que pueda tener el objeto. Se tiene a unir objetos cercanos. 55 Cierre D = 22 56
29 Cierre D=20 57 Cierre 5x5 58
30 Cierre 3x3 59 Transformada Hit-and and-miss Es una operación sobre imágenes binarias que permite buscar determinados patrones de fondo y objeto. El elemento estructurante puede contener unos y ceros. El siguiente elemento estructurante permite buscar puntos de un objeto que sean esquinas inferiorderechas. 60
31 Transformada Hit-and and-miss Al recorrer la imagen con el elemento estructurante se marcan aquellos puntos que coinciden exactamente con el patrón dado por el elemento. Para poder localizar todas las esquinas de la imagen serían necesarios cuatro elementos, uno por cada tipo de esquina. Se aplicaría cada uno de los elementos, obteniendo cuatro imágenes resultantes que se deberían combinar con el operador OR. 61 Transformada Hit-and and-miss 62
32 Transformada Hit-and and-miss Cuatro elementos estructurantes Imagen original Puntos detectados usando 2 Puntos detectados usando 3 63 Thinning Esta operación permite eliminar píxeles del objeto. Su objetivo es ir estrechando los objetos hasta dejarlos como un camino de píxeles conexos. El thinning se aplica reiteradas veces de manera que se vaya limando la figura del objeto. Su principal utilidad es reducir el grosor de los bordes que se obtienen después de aplicar un detector. Los elementos estructurantes están formados por unos y ceros. Se puede expresar el thinning como: donde la resta se define como: 64
33 Thinning Mediante los 4 giros de 90º de los siguientes dos elementos se puede obtener el skeleton de una figura. 65 Thinning Imagen original Después de aplicar el detector de bordes Sobel Holgura = 60 Thinning 66
34 Thickening Se usa para hacer crecer regiones de píxeles. La operación de thickening se expresa como: Se traslada el elemento estructurante sobre cada píxel de la imagen. Aquellos que coinciden con el patrón se ponen a 1. La operación se suele aplicar reiteradas veces. Esta operación se puede usar para calcular el convex hull de una región. El convex hull de una región es otra región que engloba a todos los píxeles de la primera pero que no tiene concavidades en su contorno. 67 Thickening Aplicando las cuatro orientaciones (90º) de los siguientes elementos obtenemos el convex hull de la siguiente imagen: 68
35 Bibliografía Image processing learning resources. 69
Procesamiento Morfológico de Imágenes
Procesamiento Morfológico de Imágenes Morfología Matemática Se usa para extraer componentes de imágenes útiles para la representación y descripción de forma de regiones, tales como Extracción de límites
Más detallesFiltrado no lineal: morfología
Filtrado no lineal: morfología Gonzalez & Woods, cap 8.4 morfología 1 Fundamentada en la teoría de conjuntos: las imágenes se consideran como conjuntos. Imágenes binarias: conjuntos de pixels corresponden
Más detallesProcesamiento Digital de imágenes: Procesamiento morfológico de imágenes
Procesamiento Digital de imágenes: Procesamiento morfológico de imágenes Prof. Hernán Darío Benítez Restrepo Departamento de Electrónica y Ciencias de la Computación Pontificia Universidad Javeriana Cali
Más detallesPreguntas tema 4: MORFOLOGÍA
Preguntas tema 4: MORFOLOGÍA 1 I N G E N I E R Í A I N F O R M Á T I C A C U R S O 2 0 1 3-2 0 1 4 MORFOLOGÍA BINARIA 2 Ejemplo clausura: Corrección de texto escaneado - Imagen original: texto escaneado
Más detallesTema 5: Morfología. Segunda parte
Tema 5: Morfología Segunda parte 1. Imágenes binarias Morfología Operaciones morfológicas:» Dilatación, erosión, Transformada Hit-or-Miss, apertura y cierre. Aplicaciones:» Extracción de fronteras y componentes
Más detallesM.C. ENRIQUE MARTÍNEZ PEÑA
Tema 4.5 Operaciones morfológicas fundamentales 2 1 3 Introducción Los filtros morfológicos fueron originalmente concebidos para ser usados sobre imágenes binarias (1/0; blanco/negro). Estas se encuentran
Más detallesTema 8. Análisis morfológico en imágenes
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 8. Análisis morfológico en imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Nomenclatura Erosión Dilatación
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Rasgos morfológicos RASGOS GEOMÉTRICOS El área y perímetro de un objeto son dos rasgos primarios que se utilizan cuando el tamaño de las regiones
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Preparación de regiones INTRODUCCIÓN Después que la imagen fue segmentada, los objetos deben ser representados y descritos en una forma conveniente
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 detallesLección 2: Conectividad
Lección : Conectividad.Definiciones.Algoritmos de etiquetado Recursivo Secuencial.Análisis de conectividad RLE Algoritmo secuencial 8 - J. Neira Universidad de Zaragoza Conectividad Propósito: separar
Más detallesMétodos Avanzados para Análisis y Representación de Imágenes
Morfología Matemática p. 1/24 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática en niveles de gris Departamento de Informática - FICH Universidad Nacional del Litoral Septiembre
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 detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Transformada watershed CONCEPTOS BÁSICOS En la morfología matemática, se define una técnica de segmentación basada en regiones denominada transformada
Más detallesOperaciones Morfológicas. Procesamiento Digital de Imágenes. Conceptos y algoritmos relevantes:
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº Conceptos y algoritmos relevantes: Operaciones lógicas Dilatación Erosión Open (erosión+dilatación) Close (dilatación+erosión) Bordes utilizando
Más detallesTema 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 detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Operadores morfológicos INTRODUCCIÓN La palabra morfología comúnmente denota una rama de la biología que trata de la forma y estructuras de plantas
Más detallesMorfología matemática
Morfología matemática Aplicación a procesado de imágenes binarias y monocromáticas Autores: José Luis Alba, Fernando Martín - Universidad de Vigo Jesús Cid - Universidad Carlos III de Madrid Inmaculada
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesDescriptores de Forma
Descriptores de Forma Procesamiento de Imágenes y Bioseñales I Gabriela Villavicencio Andrés Cortés Jorge Mansilla Javier Ortiz Agenda Microscopia y Procesamiento en la migración celular Descriptores de
Más detallesMétodos Avanzados para Análisis y Representación de Imágenes
Morfología Matemática p. 1/44 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática Departamento de Informática - FICH Universidad Nacional del Litoral Agosto de 2012 Morfología
Más detalles3 Fundamentos y algoritmos de visión artificial
3. Descripción de los procesos utilizados En esta aplicación el problema de visión artificial que se plantea es la discriminación y localización de una serie de objetos, concretamente discos circulares
Más detallesReconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos
Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos Orlando Barcia * obarcia@ups.edu.ec Introducción Existen muchas investigaciones
Más detallesÁlgebra de Boole. Valparaíso, 1 er Semestre Prof. Rodrigo Araya E.
Prof. Rodrigo Araya E. raraya@inf.utfsm.cl Universidad Técnica Federico Santa María Departamento de Informática Valparaíso, 1 er Semestre 2006 1 2 3 4 Contenido En 1815 George Boole propuso una herramienta
Más detallesFundamentos 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 detallesTÉCNICAS ESPECIALES DE IMÁGENES
Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) Coordinación de Ciencias Computacionales (CCC) TÉCNICAS ESPECIALES DE IMÁGENES Procesamiento Digital de Señales Puebla, México Noviembre,
Más detallesContenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
Más detallesDescripción en VHDL de arquitecturas para implementar el algoritmo CORDIC
Anexo B Funciones booleanas El álgebra de Boole provee las operaciones las reglas para trabajar con el conjunto {0, 1}. Los dispositivos electrónicos pueden estudiarse utilizando este conjunto las reglas
Más detallesPROCESAMIENTO DIGITAL DE IMÁGENES
PROCESAMIENTO DIGITAL DE IMÁGENES Nombre de la materia: Procesamiento Digital de Imágenes Profesor: Dr. Wilfrido Gómez Flores Número de horas: 60 horas (4 horas semanales). Sitio web: http://www.tamps.cinvestav.mx/~wgomez/teaching.html
Más detallesOperaciones 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 detallesTema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 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 Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
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 detallesTema 3. Transformaciones de imágenes
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 3. Transformaciones de imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Operaciones Puntuales Operaciones Locales
Más detallesIMPLEMENTACIÓN DE CIRCUITOS COMBINACIONALES
IMPLEMENTACIÓN DE CIRCUITOS COMBINACIONALES SIMPLIFICACIÓN DE FUNCIONES LÓGICAS Para implementar mediante un circuito digital formado por puertas lógicas una función lógica el primer paso consiste en realizar
Más detallesTEMA 2: PUERTAS LÓGICAS Y ÁLGEBRA DE CONMUTACIÓN.
TECNOLOGÍA DE COMPUTADORES. CURSO 27/8 Inocente Sánche Ciudad TEMA 2: PUERTAS LÓGICAS Y ÁLGEBRA DE CONMUTACIÓN. 2.. Operaciones lógicas básicas. Las operaciones básicas se definen como suma lógica o bien
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 detallesSegmentación de Imágenes Parte 2
Segmentación de Imágenes Parte 2 Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Parcial - respuestas Descripción del Color Tres atributos: - Brillo
Más detallesAlgebra de Boole: Teoremas
Teorema 1: A + A = A Teorema 2: A A = A Teorema 3: A + 0 = A Teorema 4: A 1 = A Teorema 5: A 0 = 0 Teorema 6: A + 1 = 1 Teorema 7: (A + B) = A B Teorema 8: (A B) = A + B Teorema 9: A + A B = A Teorema
Más detallesSEGMENTADO DE HUELLAS EN FICHAS DECADACTILARES
Captura y Procesamiento Digital de Señales e Imagenes Trabajo Final: SEGMENTADO DE HUELLAS EN FICHAS DECADACTILARES Barletta, juan Schinner, Sebastián Zarza, Gonzalo INTRODUCCION Limpieza y una Segmentación
Más detallesProcesamiento de imágenes
Procesamiento de imágenes Técnicas de realce de imágenes Técnicas de realce de imágenes Las imágenes digitalizadas no presentan siempre una calidad adecuada para su utilización, ello puede ser debido a
Más detallesExtensión de la Morfología Matemática a imágenes en Color
Departamento de Física, Ingeniería de Sistemas y Teoría de la Señal Grupo de Automática, Robótica y Visión Artificial Extensión de la Morfología Matemática a imágenes en Color Introducción. Imágenes en
Más detallesTEMA 2: PUERTAS LÓGICAS Y ÁLGEBRA DE CONMUTACIÓN.
Inocente Sánche Ciudad TEMA 2: PUERTAS LÓGICAS Y ÁLGEBRA DE CONMUTACIÓN. 2.. Operaciones lógicas básicas. Las operaciones básicas se definen como suma lógica, o bien operación "OR", se representará con
Más detallesUniversidad 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 detallesTema 5: Álgebra de Boole Funciones LógicasL
Tema 5: Álgebra de Boole Funciones LógicasL Ingeniería Informática Universidad Autónoma de Madrid 1 Álgebra de Boole.. Funciones LógicasL O B J E T I V O S Conocer el Álgebra de Boole, sus teoremas y las
Más detallesCuando se termina de delimitar objetos en una imagen usando los operadores de búsqueda de bordes aparece el problema de definir dichos objetos dentro
Cuando se termina de delimitar objetos en una imagen usando los operadores de búsqueda de bordes aparece el problema de definir dichos objetos dentro del sistema. Supongamos que definimos una característica
Más detallesRealzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
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 detallesOrganización del Computador 1 Lógica Digital 1: álgebra de Boole y
Introducción Circuitos Bloques Organización del Computador 1 Lógica Digital 1: álgebra de Boole y compuertas Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires
Más detallesTécnicas recientes de procesado geométrico de imágenes y de secuencias de vídeo. Philippe Salembier
Técnicas recientes de procesado geométrico de imágenes y de secuencias de vídeo Philippe Salembier JORNADA CIENTÍFICA RSME TELECOMUNICACIONES Y MATEMÁTICAS Junio 2005 Estructura de la Presentación 1. Introducción
Más detallesOrganización del Computador 1 Lógica Digital 1: álgebra de Boole y compuertas
Organización del Computador 1 Lógica Digital 1: álgebra de Boole y compuertas Dr. Marcelo Risk Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2017 Lógica
Más detallesESTRUCTURA Y TECNOLOGÍA DE LOS COMPUTADORES I. TEMA 4 Algebra booleana y puertas lógicas
ESTRUCTURA Y TECNOLOGÍA DE LOS COMPUTADORES I TEMA 4 Algebra booleana y puertas lógicas TEMA 4. Algebra booleana y puertas lógicas 4.1 Definición de álgebra de Boole 4.2 Teoremas del álgebra de Boole 4.3
Más detallesTema 3.1 Introducción a los circuitos combinacionales. Algebra de Boole
Tema 3.1 Introducción a los circuitos combinacionales. Algebra de Boole Índice Algebra de Boole. Definición. Operaciones lógicas: OR, AND, XOR y NOT Puertas lógicas Algebra de Boole Postulados Teoremas
Más detallesCapítulo VIII : Adelgazamientos. Adelgazamiento y espesamientos homotópicos
Capítulo VIII : Adelgazamientos Todo-nada adelgazamiento espesamiento Homotopía Homotopia y conectividad Adelgazamiento y espesamientos homotópicos J. Serra Ecole des Mines de Paris (2000 ) Morfología
Más detallesOctubre de Circuitos Logicos MARIA ALEJANDRA GUIO SAENZ ALEJANDRO SALAZAR ALEJANDRO BELTRAN CAMILO RIVERA SYGMA
Octubre de 2016 Circuitos Logicos MARIA ALEJANDRA GUIO SAENZ ALEJANDRO SALAZAR ALEJANDRO BELTRAN CAMILO RIVERA SYGMA CIRCUITOS LOGICOS 1) FUNCIONES DEL ÁLGEBRA BOOLEANA BINARIA Sea B = {0, 1} sea B n =
Más detallesCapítulo 4. Detección del Objeto Conocido, Medición de su Tamaño Virtual y Cálculo de la Distancia
Capítulo 4. Detección del Objeto Conocido, Medición de su Tamaño Virtual y Cálculo de la Distancia 4.1 Características del objeto a medir El objeto a ser procesado es de dimensiones conocidas, y tiene
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 18
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 18 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesOferta tecnológica: Software para la cuantificación automática y objetiva de la opacidad en la lente intraocular
Oferta tecnológica: Software para la cuantificación automática y objetiva de la opacidad en la lente intraocular Oferta tecnológica: Software para la cuantificación automática y objetiva de la opacidad
Más detallesExtracción de características
Extracción de características Gonzalez & Woods, Digital Image Processing, cap. 8 extracción de características 1 Propiedades de las características Tienen que ser robustos: la extracción debe ser insensible
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Filtros espaciales suavizantes INTRODUCCIÓN El uso de máscaras espaciales para el procesamiento de imágenes se denomina filtrado espacial y a las propias
Más detallesPorqué analizar imágenes?
Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo
Más detallesQué 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 detallesProcesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Más detallesExamen correspondiente a la evaluación alternativa. Procesamiento de imágenes digitales curso 2007/2008
Examen correspondiente a la evaluación alternativa Procesamiento de imágenes digitales curso 2007/2008 Cada respuesta correcta puntúa 0.25. Cada respuesta incorrecta puntúa -0.05. 1. Cuál de las siguientes
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesApéndice A: Funciones del programa LightPAP
Apéndice A: Funciones del programa LightPAP A continuación se van a explicar las funciones principales que se han desarrollado para esta aplicación. 1 calcula_prop.m function [nc,cv,posicion,tinta,saturacion,luminancia]
Más detallesSistemas informáticos industriales. Algebra de Boole
Sistemas informáticos industriales 2016 lgebra de oole lgebra oole Se denomina así en honor a George oole (1815-1864). El algebra de oole se emplea en sistema de control digitales, desde los sistemas de
Más detallesProcesado de Imagen para Reconocimiento de Huellas Digitales
Procesado de Imagen para Reconocimiento de Huellas Digitales Técnicas Avanzadas de Procesado de Imagen Marcos Ortega Hortas 1 Introducción (I) Identificación por huella dactilar, o fingerprint en inglés,
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detallesCLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE AUTÓMATAS CELULARES
1 CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE AUTÓMATAS CELULARES Antonio Moisés Espínola Pérez - PROYECTO SOLERES - 15 de febrero de 2010 2 INDICE DEL SEMINARIO CLASIFICACION DE IMÁGENES DE SATÉLITE
Más detallesProcesamiento de Imágenes. Curso 2011 Clase 3 Eliminación del ruido mediante filtrado espacial
Procesamiento de Imágenes Curso 2 Clase 3 Eliminación del ruido mediante filtrado espacial Eliminación del ruido Entendemos por ruido en imágenes digitales cualquier valor de un píxel de una imagen que
Más detallesHerramientas matemáticas básicas para el procesamiento de imágenes
Herramientas matemáticas básicas para el procesamiento de imágenes Fundamentos de procesamiento de imágenes IIC / IEE 3713 1er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini,
Más detalles2. CONTROL DE CIRCUITOS ELECTRÓNICOS COLEGIO MALVAR DPTO. CCNN Y TECNOLOGÍA 3º ESO
2. CONTROL DE CIRCUITO ELECTRÓNICO COLEGIO MALVAR DPTO. CCNN Y TECNOLOGÍA 3º EO INTRODUCCIÓN Las agujas de un reloj, que giran representando el avance del tiempo, lo hacen en forma aná- loga (análogo =
Más detallesANALÓGICO vs. DIGITAL
ANALÓGICO vs. DIGITAL Una señal analógica se caracteriza por presentar un numero infinito de valores posibles. Continuo Posibles valores: 1.00, 1.01, 200003,, infinitas posibilidades Una señal digital
Más detallesCAPITULO 5. Introducción al procesamiento de imágenes. Continuar
CAPITULO 5 Introducción al procesamiento de imágenes Continuar Introducción De forma similar al estudio de las señales de voz, los sistemas de comunicación manipulan datos que corresponden a imágenes y
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 detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesELECTRÓNICA DIGITAL 1. INTRODUCCIÓN. SEÑALES ANALÓGICAS Y DIGITALES.
1 ELECTRÓNICA DIGITAL 1. INTRODUCCIÓN. SEÑALES ANALÓGICAS Y DIGITALES. Podemos dividir la electrónica en dos grandes campos: la electrónica analógica y la electrónica digital, según el tipo de señales
Más detallesEL LENGUAJE DE LAS COMPUTADORAS
EL LENGUAJE DE LAS COMPUTADORAS AUTORÍA ANGEL MANUEL RUBIO ORTEGA TEMÁTICA ELECTRICIDAD, ELECTRÓNICA ETAPA ESO, BACHILLERATO Resumen Actualmente nos encontramos rodeados dispositivos digitales. Por ello
Más detallesUniversidad 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 detallesProcesamiento de Imágenes
3. Procesamiento de Imágenes 3.1 Transformada discreta de Fourier en 2D Una señal periódica con períodos N 1 y N 2 en sus coordenadas x 1 y x 2, respectivamente, tiene una trasformada de Fourier definida
Más detallesMatemáticas B 4º E.S.O. Polinomios y fracciones algebraicas. 1. x 5x 2 6 5
Matemáticas B 4º E.S.O. Polinomios y fracciones algebraicas. 1 POLINOMIOS Y FRACCIONES ALGEBRAICAS.1 COCIENTE DE POLINOMIOS COCIENTE DE MONOMIOS El cociente de un monomio entre otro monomio de grado igual
Más detallesSegmentación de imágenes. Procesamiento de imágenes biomédicas Curso 2011
Segmentación de imágenes Procesamiento de imágenes biomédicas Curso 2011 Introducción Hasta ahora el procesamiento digital de una imagen implicaba, una imagen de entrada y una imagen de salida. Ahora con
Más detallesRECONOCIMIENTO DE MENSAJES EN CÓDIGO BRAILLE MEDIANTE TÉCNICAS DE PROCESADO DE IMÁGENES
PROCESAMIENTO DE IMÁGENES DIGITALES RECONOCIMIENTO DE MENSAJES EN TRABAJO REALIZADO POR: MANUEL CASAS ALAMINOS FRANCISCO JAVIER IGLESIAS RUIZ CURSO: 2013/2014 ÍNDICE: 1. INTRODUCCIÓN 2. PREPROCESADO 3.
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
Más detallesLa visión artificial y las operaciones morfológicas en imágenes binarias
La visión artificial y las operaciones morfológicas en imágenes binarias Jesús Cáceres Tello Servicios Informáticos Profesor Asociado del Dpto. Ciencias de la Computación Escuela Técnica Superior de Informática
Más detalles5.3. Álgebras de Boole y de conmutación. Funciones lógicas
5.3. Álgebras de Boole y de conmutación. Funciones lógicas 5.3.1. Algebra de conmutación o algebra booleana 5.3.1.1. Axiomas [ Wakerly 4.1.1 pág. 195] 5.3.1.2. Teoremas de una sola variable [ Wakerly 4.1.2
Más detallesTAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO RECEPTIVO
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO
Más detallesCaracterización de Imágenes
de Imágenes Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Caracterizar: "determinar los atributos peculiares de alguien o de algo, de modo que claramente
Más detallesRECTIFICACIÓN DE DOCUMENTOS USANDO CONJUNTOS FUZZY Y OPERACIONES MORFOLÓGICAS.
RECTIFICACIÓN DE DOCUMENTOS USANDO CONJUNTOS FUZZY Y OPERACIONES MORFOLÓGICAS. Procesamiento Imágenes Digitales Grupo 1 Autores: María José Casuso Segovia José María Marquez Toro Víctor Zamora Roldán 1.
Más detallesVECTORES Y SUS ELEMENTOS
VECTORES Y SUS ELEMENTOS Los conjuntos de números naturales, enteros y racionales estudiados, te han permitido expresar distintas situaciones y resolver muchos problemas. En este sentido, algunas cantidades
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detalles3º ESO - UNIDAD 12.- TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO
3º ESO - UNIDAD 12.- TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO OBJETIVOS MÍNIMOS DE LA UNIDAD 12 1.- Reconocer los diferentes tipos de movimientos 2.- En cuanto a las traslaciones, saber construir la
Más detalles1 Introducción. 1.1 Ecualización del histograma
AHE (ECUALIZACIÓN DEL HISTOGRAMA ADAPTATIVO) Dpto. Física aplicada e Ingeniería de Sistemas Grupo de Control e Informática Industrial Universidad Politécnica de Madrid Escuela Universitaria de Ingeniería
Más detallesProf.Juan Cabral - UTU Maldonado. Tablas de pertenencia
Tablas de pertenencia TABLAS DE PERTENENCIA Una técnica para probar igualdades entre conjuntos es la tabla de pertenencia. Se observa que para los conjuntos A y B U, un elemento x U cumple exactamente
Más detallesProfesor: Javier Ruiz del Solar 6
1. Introducción al Procesamiento de 6 1.1. Definiciones y Conceptos Básicos Nomenclatura Acquisition Communication Display Sorage Image Procesing Image Image Procesing, Computer Vision, Image Analysis
Más detallesTEMA 11.- VECTORES EN EL ESPACIO
TEMA 11.- VECTORES EN EL ESPACIO 1.- INTRODUCCIÓN Un vector fijo AB del espacio (también lo era en el plano) es un segmento orientado que tiene su origen en un punto A y su extremo en otro punto B. Estos
Más detallesPUERTAS LOGICAS. Una tensión alta significa un 1 binario y una tensión baja significa un 0 binario.
PUERTAS LOGICAS Son bloques de construcción básica de los sistemas digitales; operan con números binarios, por lo que se denominan puertas lógicas binarias. En los circuitos digitales todos los voltajes,
Más detallesESCUELA TÉCNICA SUPERIOR DE INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIÓN
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIÓN Titulación: INGENIERO TÉCNICO DE TELECOMUNICACIÓN, ESPECIALIDAD EN SONIDO E IMAGEN Título del proyecto: SIMULACIÓN DE UN SISTEMA
Más detallesSuma e Intersección de Subespacios. (c) 2012 Leandro Marin
09.00 Suma e Intersección de Subespacios 3 48700 90009 (c) 0 Leandro Marin . Sumas e Intersecciones de Espacios Vectoriales Definición. Sean U un espacio vectorial y sean V y W dos subespacios vectoriales
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA UNI-RUACS. Investigación de Operaciones
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-RUACS Facultad de Ingeniería Industrial Investigación de Operaciones Tema: Teoría de los Grafos Elaborado por: Ing. Carlos Alberto Moreno. Docente: Ing. Pastrana
Más detalles