Reporte de actividades del proyecto de InvestigaciÃ³n en ...

More documents

Recommendations

Info

1.3 Aplicaciones con tratamiento digital de imágenes El procesamiento de imágenes también tiene muchas aplicaciones; por ejemplo, en la medicina se utiliza para el mejoramiento de imágenes obtenidas con fines de diagnóstico médico. Alterando los valores de la luminosidad de los píxeles mediante transformaciones matemáticas en imágenes se logra detectar fallas de estructuras metálicas. Otro ejemplo es el mejoramiento de imágenes aéreas para realizar exámenes de diagnóstico del terreno, localizar plantíos de droga, analizar recursos naturales, las fallas geológicas, etcétera. En las Figuras 1.3.1 y 1.3.2 se muestran dos ejemplos sobre el tratamiento digital de imágenes. Figura 1.3.1. Cefalograma: A) Imagen original y B) imagen procesada. (a) (b) Figura 1.3.2. Fallas en estructuras: a) Imagen original, b) imagen procesada. 10
1.4 Etapas del reconocimiento automático de objetivos El proceso para el reconocimiento automático de objetivos se inicia con la Adquisición de la imagen de una escena en tres dimensiones, a continuación esta imagen se procesa para mejorar la calidad y eliminar posibles imperfecciones, el siguiente paso es separar el objeto de interés del fondo de la imagen, seguida de la extracción de sus características que describen al objeto (color, textura y geometría), para finalmente, comparar estas características con las de otros objetos que se tienen en la base de conocimiento y así determinar el tipo de objeto (figura 1.4.1). Figura 1.4.1: Etapas fundamentales en el reconocimiento automático de objetivos En cada una de las etapas anteriores se requiere de un conocimiento previo, como puede ser: el tamaño del objeto, la distancia a la que se encuentra, las condiciones ambientales, el número de objetos, la inclinación, entre otros. Toda esta información es necesaria para la utilización de determinadas técnicas y el desarrollo de algoritmos adicionales para el reconocimiento del objeto. Cada una de estas etapas se describirán con mas detalle en los siguientes capítulos de esta tesis. 11
Page 1 and 2: Maestría en Ciencias de la Computa
Page 3 and 4: CAPÍTULO 5. SEGMENTACIÓN 5.1 Dete
Page 5 and 6: Capítulo 4 Figura 4.1.1: Represent
Page 7 and 8: Índice de Tablas Capítulo 2 Tabla
Page 9: 1.2. Aplicaciones de visión artifi
Page 13 and 14: El método de reconocimiento que se
Page 15 and 16: Capítulo 2 ESTADO DEL ARTE En esta
Page 17 and 18: diccionario de tuplas preestablecid
Page 19 and 20: En todos los casos, se probó el de
Page 21 and 22: 2.2. Localización de placas en veh
Page 23 and 24: Al realizar la búsqueda de la plac
Page 25 and 26: (a) (b) (c) (d) (e) Figura 2.3.1 (a
Page 27 and 28: La Técnica La técnica consta de c
Page 29 and 30: Capítulo 3 ADQUISICIÓN DE IMÁGEN
Page 31 and 32: La distancia entre el punto focal d
Page 33 and 34: Figura 3.1.4: Respuesta del ojo hum
Page 35 and 36: Existen diferentes arquitecturas de
Page 37 and 38: Modelo YCbCr En el modelo YCbCr el
Page 39 and 40: Modelo CIE(Lab) Una vez que se disp
Page 41 and 42: Figura 3.3.5 Espacio de color HSI 4
Page 43 and 44: 3.5. Resolución de la imagen Para
Page 45 and 46: GIF.- Estas tres letras, representa
Page 47 and 48: 4.1. Conversión de una imagen en c
Page 49 and 50: 4.3. Mejoramiento de histograma El
Page 51 and 52: Ampliación de histograma Es una de
Page 53 and 54: 4.4. Uso de filtros para el mejoram
Page 55 and 56: x-1,y-1 x,y-1 x+1,y-1 x-1,y x,y x+1
Page 57 and 58: 4.5. Suavizado binario Al binarizar
Page 59 and 60: Como se aprecia en la tabla anterio
Page 61 and 62:
Figura 4.7.1. Efecto de aplicación
Page 63 and 64:
La operación de dilatación hace q
Page 65 and 66:
Extracción de Frontera.- La fronte
Page 67 and 68:
Para calcular la derivada en la ecu
Page 69 and 70:
Operador Prewitt El operador Prewit
Page 71 and 72:
Mascaras de Kirsch Las máscaras de
Page 73 and 74:
Capítulo 5 SEGMENTACIÓN Figura 5.
Page 75 and 76:
5.2 Método de segmentación de Ots
Page 77 and 78:
Ejemplo: Supongamos un imagen de N*
Page 79 and 80:
Capítulo 6 REPRESENTACIÓN Y DESCR
Page 81 and 82:
Capítulo 8 CÁLCULO DE DISTANCIA C
Page 83 and 84:
Capítulo 10 IMPLEMENTACIÓN DEL PR
Page 85 and 86:
Figura 10.1.3: Diferentes tipos de
Page 87 and 88:
9.2. Preprocesamiento de la imagen
Page 89 and 90:
La realización del programa #3 se
Page 91 and 92:
im_res=zeros(fil,col); im=double(im
Page 93 and 94:
A) B) C) Figura 10.3.2 Operaciones
Page 95 and 96:
También se hicieron pruebas con di
Page 97 and 98:
Conclusiones 97
Page 99:
Bibliografía electrónica [12] htt
show all

Reporte de actividades del proyecto de InvestigaciÃ³n en ...

Create successful ePaper yourself

Delete template?

Save as template?