Reporte de actividades del proyecto de InvestigaciÃ³n en ...

More documents

Recommendations

Info

El problema de la binarización es encontrar un umbral óptimo que divida la imagen a blanco y negro sin que se agregue ruido a la imagen a segmentar. El programa #5 muestra como binarizar una imagen en tonos de gris a blanco y negro con diferentes umbrales y en el programa #6 se muestra la función “graythresh” que utiliza el método de Otsu para calcular el umbral óptimo de forma automática directamente de la imagen en color. [ancho largo]=size(im_gris) for x=1:1:ancho for y=1:1:largo intensidad=im_gris(x,y); im_negativo(x,y)=uint8(255-double(intensidad)); if intensidad>192 im_byn1(x,y)=255; else im_byn1(x,y)=0; end if intensidad>128 im_byn2(x,y)=255; else im_byn2(x,y)=0; end if intensidad>64 im_byn3(x,y)=255; else im_byn3(x,y)=0; end end end figure, imshow(im_color); title('color'); figure, imshow(im_gris); title('256 Tonos de Gris'); figure, imshow(im_negativo);title('negativo'); figure, imshow(im_byn1);title('blanco y negro 1'); figure, imshow(im_byn2);title('blanco y negro 2'); figure, imshow(im_byn3);title('blanco y negro 3'); Programa #5: Segmentación con diferentes umbrales clear all; close all im_color=imread('sacapuntas1.bmp'); nivel = graythresh(im_color); im_byn = im2bw(im_color,nivel); figure, imshow(im_byn);title('imagen en blanco y negro Otsu'); Programa #6: Segmentación con el método de Otsu En la figura 10.3.2 se muestran dos técnicas para eliminación de ruido mediante operaciones morfológicas sobre imágenes binarias. La cerradura seguida de una apertura une los puntos blancos que están casi unidos, eliminando pequeños puntos negros; La apertura seguida de la cerradura disuelve casi por completo los puntos blancos y se obtienen mejores resultados. 92
A) B) C) Figura 10.3.2 Operaciones morfológicas: A) imagen binarizada con ruido, B) aplicación de cerradura seguida de una apertura, C) aplicación de una apertura seguida de una cerradura. Después de aplicar la cerradura seguida de una apertura, es necesario eliminar los huecos que se encuentran en el interior del objeto a describir utilizando la instrucción de “imfill”. También será necesario eliminar pequeños objetos que por algún motivo se filtraron; para ello se utilizó la instrucción “bwareaopen”. A continuación se presenta su implementación: im = im_open_close; im = imfill(im,'holes'); im = bwareaopen(im,500); donde, en la primera línea se almacena la imagen resultante de aplicar la apertura y cerradura en la imagen “im”, la segunda línea elimina los huecos de la imagen “im” y la tercera línea elimina elementos menores a 500 píxeles de la imagen “im”. En la figura 10.3.3 se presentan el resultado obtenido al utilizar las funciones anteriores. A) B) Figura 10.3.3 Eliminación de huecos y pequeños objetos: A) imagen con huecos y pequeños puntos, B) Resultado de aplicar las funciones “imfill” y “bwareaopen”. 93
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 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: im_res=zeros(fil,col); im=double(im
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?