Reporte de actividades del proyecto de InvestigaciÃ³n en ...

More documents

Recommendations

Info

Capítulo 4 PREPROCESAMIENTO DE LA IMAGEN Figura 4.1.0: Etapas fundamentales en el reconocimiento automático de objetivos En la Figura 4.1.0 se resalta el segundo paso para el reconocimiento automático de objetivos: el Preprocesado o procesamiento de la imagen. Cuando se adquiere una imagen mediante cualquier sistema de captura, por lo general esta no se utiliza directamente por el sistema de visión. La aparición de variaciones en intensidad debidas al ruido, por deficiencias en la iluminación, o la obtención de imágenes de bajo contraste, hace necesario un preprocesamiento de la imagen con el objetivo fundamental de corregir estos problemas, además de aplicar aquellas transformaciones a la imagen que acentúen las características que se deseen extraer de las mismas, de manera que se facilite las operaciones de las etapas posteriores. En el presente capítulo se mencionan las diferentes técnicas empleadas para el mejoramiento de la imagen y las transformaciones necesarias para la aplicación de estas técnicas. 46
4.1. Conversión de una imagen en color RGB a niveles de gris En el proceso de captación de imagen, obtuvimos una imagen digital en el espacio de color RGB con sus tres matrices de intensidades para los colores rojo, verde y azul respectivamente. La figura 4.1.1 nos muestra las tres matrices correspondientes únicamente al recuadro de la imagen con intensidades para cada color que van del 0 al 255. Figura 4.1.1: Representación de una imagen en color con sus tres matrices de intensidades. El proceso de conversión a niveles de gris consiste en calcular el promedio de cada intensidad para las matrices de los colores rojo, verde y azul . Cada valor de la conversión se redondea para formar una matriz de intensidades donde el valor correspondiente a cada punto, indica el valor de intensidad que puede ir de [0 a 255]; el cero representa el negro absoluto y el 255 el blanco absoluto. La figura 4.1.2 se obtuvo como resultado de aplicar a la figura 4.1.1. la siguiente fórmula: I ⎧ = Round⎨ 1 ( R + G + B) ⎬ ⎫ (4.1.1) ⎩3 ⎭ Por ejemplo, para el cálculo de los dos primeros elementos de la matriz en tonos de gris tenemos: ⎧1 11 Round⎨ ⎩3 I = ( 237 + 201+ 227) ⎬ ⎫ = { 221.6} ⎭ ⎧1 12 Round⎨ ⎩3 Round = 222 I = ( 238 + 199 + 226) ⎬ ⎫ = { 221.0} ⎭ Round = 221 47
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 and 10: 1.2. Aplicaciones de visión artifi
Page 11 and 12: 1.4 Etapas del reconocimiento autom
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: GIF.- Estas tres letras, representa
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 ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?