Login Form

En este artículo, se describió un pequeño proyecto para identificar un plumón en una imagen. Para la segmentación, se hizo uso del conocimiento previo que se tenía del ambiente, en el cuál el color del fondo era conocido y contrastaba con los objetos a ser analizados por lo que bastaba con, por decirlo así, eliminar de la imagen ese color para encontrar el objeto a analizar.

Para ese pequeño proyecto, esa sencilla técnica de segmentación fue más que suficiente, pero; ¿qué pasa cuando no tenemos un control del fondo contra el que correrá nuestra aplicación?, o más aún, ¿qué pasa cuando nos enfrentamos con fondos realmente complejos como paisajes o calles donde la iluminación cambia constantemente y algunos elementos del fondo no se encuentran estáticos (como por ejemplo las hojas de un árbol que se mueve con el viento)?. Pues bien, la respuesta obvia es que necesitamos un algoritmo más robusto y complejo que nos permita modelar eficientemente este tipo de fondos.

Existen varios algoritmos que llevan a cabo dicha tarea, todos con ciertas ventajas y desventajas. En este artículo se explicará uno de ellos, bastante popular, propuesto por Chris Stauffer y W.E.L Grimson en su artículo "Adaptive background mixture models for real-time tracking" que utiliza Conjuntos de Distribuciones Gaussianas o Mezclas de Gaussianas (del inglés Mixtures of Gaussians ó MoG) para modelar el fondo y el cuál se adapta a cambios en la iluminación y en el fondo mismo.

 

 

Read more: Extracción de Fondos mediante Mezclas de Gaussianas (MoG)

En este artículo se describe un pequeño proyecto que, si bien está lejos de resultar algo útil en la vida real, sirve como un buen ejemplo introductorio del uso del Procesamiento de Imágenes Digitales en un sistema de Reconocimiento de Patrones.

 

El proyecto consiste en poder discriminar si un objeto dado, contenido en una imagen digital, es un plumón o no.
La idea de este artículo no es hacer algo complejo que asombre sino todo lo contrario, intentar, a manera de introducción, hacer algo práctico de la manera más sencilla posible por lo que,  tanto el ambiente como la herramienta utilizada para la implementación, serán seleccionados de manera que faciliten este objetivo.

 

Teniendo en mente lo anterior, se utilizará MATLAB con el Image Processing ToolBox de manera que nos podamos olvidar de los detalles de implementación para el manejo de las imágenes y de los distintos algoritmos que se usarán y, en su lugar, nos podamos enfocar precisamente en utilizar y probar distintas opciones de los mismos. Por supuesto que al momento de la redacción de este artículo, ya se tiene un algoritmo seleccionado e implementado por lo que sólo se describirá el algoritmo final.

 

En cuanto al ambiente, nos olvidaremos de las dificultades que enfrentan ciertas aplicaciones de Visión Computacional y simplificaremos enormemente el esfuerzo requerido para la segmentación y detección de la ubicación del objeto de interés en la imagen controlando el fondo y la iluminación. Este tipo de decisiones o conocimiento previo acerca del entorno se tienen en ambientes completamente controlados como por ejemplo, en aplicaciones para la inspección de calidad de piezas en la industria donde se sabe exactamente cuál es el fondo, la ubicación exacta de la pieza y se puede controlar la iluminación.

 

Read more: Uso de Procesamiento de Imágenes en RP

En esta ocasión, describiremos un algoritmo muy popular dentro del procesamiento de imágenes con el cuál podemos obtener el esqueleto de la imagen en cuestión. El uso del esqueleto para la obtención de las características de un cierto patrón es muy común y es utilizado en aplicaciones tan diversas como pueden ser el reconocimiento automático de caracteres, de firmas autógrafas y de huellas dactilares, entre otros.

La idea de esto es obtener de una figura contenida en una imagen digital, una serie de trazos de un pixel de grosor que representen la forma original de la figura y que nos simplifiquen el trabajo de obtener características tales como dirección de los diferentes segmentos, intersecciones entre segmentos y demás.

A continuación se muestra un ejemplo del esqueleto de una figura de la letra B. En negro se puede ver la letra B original y en blanco, el esqueleto que representa la B con trazos de un pixel de grosor.

 

 

Read more: Algoritmo de Zhang-Suen

contacts Contactanos

 

bugs Reportar bugs

about Acerca de www.tecnohobby.net

Go to top