fundamentos de la vision artificial
DESCRIPTION
Vision ArtificialTRANSCRIPT
-
Fundamentos de la Visin
Artificial
Prof. Dr. Francisco Gmez Rodrguez
Prof. Manuel J. Domnguez Morales1
-
ndice
1. Introduccin a laVisin Artificial
2. Adquisicin y representacin de
imgenes
3. Filtrado y realzado de imgenes
4. Segmentacin
5. Fundamentos del Color
6. Extraccin de caractersticas y
clasificacin
2
-
Introduccin a la Visin Artificial
La visin es uno de los mecanismo sensorialesms importantes de los seres vivos superiores.
3
-
Introduccin a la Visin Artificial
La visin artificial tiene como finalidad extraccin deinformacin del mundo fsico a partir de imgenesdigitales, utilizando para ellos un computador.
Tiene aplicaciones en multitud de campos.
4
-
Introduccin a la Visin ArtificialEtapas de un sistema de Visin Artificial
Captura: adquisicin de imgenes digitales mediante algn tipo desensor, tpicamente un CCD.
Prepocesado: preparar la imagen eliminando las partes no tilesy/o realzando las partes interesantes.
Segmantacin: aislar los elementos de inters para su posteriorinterpretacin
Reconocimiento: distinguir los diferentes objetos segmentadosen funcin de sus caractersticas.
En muchas ocasiones es necesario una realimentacinentre las fases.
5
Captura Preprocesado Segmantacin Reconocimiento
-
Adquisicin y representacin de
imgenes
Los procesos ms importantes son las captura yla digitalizacin de la imagen.
La imagen digital es una matriz bidimensional,cada elemento de la matriz se llama pixel (pictureelement).
En el pixel se almacena el brillo en imgenes enniveles de gris (256 niveles), o intensidad de cadacomponente de una base de color (RGB) enimgenes a color (cada uno de ellos codifocadoen 256 niveles)
6
-
Adquisicin y representacin de
imgenesCaptura de imgenes
Los dispositivos ms usado son los
CCD (charge-coupled device, en
espaol dispositivo de carga acoplada)
Inventado por Willard Boyle y George
Smith el 17 de octubre de 1969 en los
Laboratorios Bell, ambos premiados
con el Premio Nobel de Fsica de
2009 precisamente por este invento
7
-
Adquisicin y representacin de
imgenesCaptura de imgenes
8
-
Adquisicin y representacin de
imgenesResolucin espacial
Dependiendo de la cantidad de pixeles del
sensor, la imagen poseer ms o menos
resolucin espacial.
9
-
Adquisicin y representacin de
imgenesResolucin en amplitud
Dependiendo del nmero de niveles de
gris, generalmente se usaran 256 niveles.
10
-
Adquisicin y representacin de
imgenesVecindad
4-vecindad
8-vecindad
11
-
Adquisicin y representacin de
imgenesComprensin de imgenes
12
-
Filtrado y realzado de imgenes
Las operaciones que se pueden realizar
sobre imgenes pueden ser entendidas
como filtros.
13
HE S
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Operadores de umbral: cambia el valor
del pxel en funcin de si cumple o no una
condicin.
Umbral binario:
= 0 1
255 > 1
Siendo q el nuevo valor del pxel y p e valor actual
14
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Umbral intervalo binario:
= 0 1 2255 1 < < 2
15
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Umbral intervalo escala de grises
= 0 1 2 1 < < 2
16
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Operaciones aritmtico-lgicas: AND, OR,
Neg., Suma, Resta, Multiplicacin y
Divisin.
17
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Operaciones geomtricas: si expresamos la
posicin de los pxeles dentro de la matriz
en coordenadas homogneas todas las
transformaciones geomtricas puede ser
tratadas como multiplicaciones de matrices.
Traslacin: mover lo pxeles de una imagen segnun vector de movimiento.
18
-
Filtrado y realzado de imgenesOperaciones Bsicas entre pxeles
Escalado: cambiar el tamao de una imagen
Rotacin: Girar los pxeles entorno al origende coordenadas (por convencin el pixel 0, 0
es el situado en la esquina superior izquierda)
19
-
Filtrado y realzado de imgenesOperaciones sobre el Histograma
Histograma: Es un diagrama de barras en el
que la altura de cada barra es proporcional al
nmero de pxeles que tiene un determinado
nivel de gris (o componente de color).
20
-
Filtrado y realzado de imgenesOperaciones sobre el Histograma: Cambio de contraste
Contraste: diferencia relativa en la intensidad entre unpunto de una imagen y sus alrededores. Una imagen conalto contraste presentar un histograma con dos masasde separadas.
Para cambiar el contraste de una imagen se usa las siguientesfunciones de transferencia:
21
-
Filtrado y realzado de imgenesOperaciones sobre el Histograma: Cambio de contraste
22
-
Filtrado y realzado de imgenesEcualizacin del histogramas
Conseguir un histograma con una distribucin uniforme
de los diferentes niveles de gris mejora la calidad dela imagen para su posterior procesamiento.
23
-
Filtrado y realzado de imgenesFiltrado espacial
Convolucin: Su formulacin para el caso bidimensional
discreto es:
Donde I es la imagen filtrada, I es la imagen original y h es lamascara de convolucin o filtro (generalmente es una matriz de
3x3).
24
-
Filtrado y realzado de imgenesFiltros de suavizado
Filtro de media o paso de baja
=1
9
1 1 11 1 11 1 1
25
-
Filtrado y realzado de imgenesFiltros de suavizado
Otros filtros de suavizado
26
-
Filtrado y realzado de imgenesFiltros de obtencin de contornos
27
Contornos simples
Sobel
Prewitt
-
Filtrado y realzado de imgenesFiltros de obtencin de contornos
28
-
Filtrado y realzado de imgenesFiltro de la Laplaciana
29
Este operador, que se basa en la segunda derivada, se hace cerocuando la primera derivada se hace mximo, es decir cuandoaparece un cambio de signo en la primera derivada. En forma defiltro de convolucin:
=0 1 01 4 10 1 0
=1 1 11 8 11 1 1
-
Segmentacin
Consiste en dividir una imagen digital en regiones
homogneas con respecto a una o ms caractersticas
(como por ejemplo el brillo o el color) con el fin de
facilitar un posterior anlisis o reconocimiento
automtico: localizar una cara o los lmites de una
palabra.
Como resultado de la segmentacin se obtendr otra
imagen en la que cada pixel contiene una etiqueta
correspondiente un objeto.
Se tiene en cuenta aspectos como los contornos y las
texturas.
30
-
SegmentacinTextura
la textura de un objeto dentro de una imagen es el
conjunto de formas que se aprecia sobre su superficie y
que lo dota de cierto grado de regularidad.
Una definicin clsica de textura es la siguiente: uno o
ms patrones locales que se repiten de manera
peridica.
31
-
SegmentacinContorno
El contorno de un objeto en una imagen digitalcorresponde al mnimo conjunto de pxeles que separaese objeto del fondo de la imagen. Normalmente estoscontornos se corresponden con los puntos donde seproducen discontinuidades en los valores de pxelesadyacentes o con los puntos donde cambia un patrnque se repite
32
-
SegmentacinBasada en la umbralizacin
Es un proceso que permite convertir una imagen de
niveles de gris o de color en una imagen binaria, de tal
forma que los objetos de inters se etiqueten con un
valor distinto al de los pxeles del fondo.
Se aplicarn alguno de los operadores de umbralizacindescritos en las transparencias 14 a la 16.
33
-
SegmentacinBasada en la deteccin de contorno
Basndose en las relaciones de vecindad, se puede
segmentar una imagen agrupando los pxeles con una
color uniforme y distinto del fondo.
34
Algoritmo de etiquetado Se recorre la imagen de izquierda a derecha y de arriba a abajo.
Cuando encuentra un pxel a negro le asigna una etiqueta de uncontador que posee y entra en una funcin recursiva que recorrelos pxeles adyacentes, siguiendo un orden determinado,marcndolos como visitados y asignndoles el mismo valor delcontador.
Una vez recorridos todos los pxeles de ese objeto incrementa elcontador y sigue recorriendo la imagen en busca del siguiente pxela negro.
-
SegmentacinBasadas en el crecimiento de regiones (i)
Determinan zonas dentro de una imagen basndose en criterios desimilitud y proximidad entre los pxeles de la misma.
En estas tcnicas la homogeneidad (o falta de homogeneidad) entreregiones adyacentes es el criterio utilizado para unir (o dividir)regiones de la imagen.
La homogeneidad se puede definir a partir de criterios como: elnivel de gris medio, el color, la forma, etc.
El resultado de la segmentacin es una particin de la imagen enregiones homogneas.
Estas tcnicas trabajan mejor en imgenes con ruido, en donde loscontornos son difciles de localizar.
La segmentacin resultante de una deteccin de contornos y labasada en crecimiento de regiones, aplicadas a una misma imagenno producen normalmente el mismo resultado. Combinar ambastcnicas.
35
-
SegmentacinBasadas en el crecimiento de regiones (ii)
Unin de regiones
Este procedimiento agrupa pxeles de la imagen formando regionesde similares caractersticas.
Inicialmente se elige una coleccin de pxeles de manera aleatoriaque actan como semillas para comenzar el crecimiento.
A estos puntos de la imagen se les agrega los adyacentes cuandotienen valores que cumplen algn criterio de homogeneidad con lospuntos semilla.
Si ocurre esto, pertenecen a la misma regin y pasan a tener losmismos valores que los puntos semilla.
El criterio de homogeneidad ms usual suele consistir en que unpxel, adyacente a una regin, se agregue a sta si su intensidad essimilar a la media de las intensidades de los pxeles de la regin.
El principal inconveniente del mtodo se deriva de que el resultadodepende de la eleccin inicial de los puntos semilla.
36
-
SegmentacinBasadas en el crecimiento de regiones (iii)
Unin de regiones
Es un proceso opuesto al de unin de regiones.
Se parte una nica regin que representa a toda la imagen, y sidicha regin no satisface el criterio de homogeneidad
establecido, la regin inicial se divide, de manera secuencial, en
subregiones de las que se estudia su homogeneidad.
Si una subregin est formada por puntos homogneos, no sesubdivide; si no, se sigue dividiendo.
Los criterios utilizados para dividir regiones son similares a losusados para agruparlas, y slo se diferencian en la direccin en
que se aplican.
37
-
SegmentacinBasadas en el crecimiento de regiones (iv)
Divisin y unin de regiones (Split and merge) Horowitz y Pavlidis propusieron en 1976 un mtodo que solventa el problema
de la eleccin arbitraria de semillas para agrupar regiones.
El algoritmo recibe la imagen a segmentar y devuelve una imagen resultadoformada por regiones homogneas.
El algoritmo propuesto sigue la tcnica de divide y vencers y tiene dos fases:dividir la imagen en subimgenes o regiones (split) y luego agrupar subimgenes
similares (merge).
38
-
39
SegmentacinBasadas en el crecimiento de regiones (v)
-
SegmentacinBasada en el movimiento
til cuando los objetos que se quieres extraer estn en
movimiento
Umbralizar usando dos imgenes tomadas con muy poco tiempode separacin pero suficiente como para apreciar el cambio de
posicin del objeto.
Aplicar alguno de la mtodos anteriores.
40
-
Fundamentos del Color (i)
La importancia del color en visin artificial viene
motivado por dos aspectos:
Es un potente discriminador
El ojo humano es capaz de distinguir una amplia gama de colorcomparado con los tonos de gris
41
-
Fundamentos del Color (ii)
Brillo: Intensidad del color
Matiz o tono: longitud de onda dominando en la mezcla de
colores, color percibido por el observador.
Saturacin: relacin entre la onda dominante y el resto.
42
Componentes de la luz Pigmentos Primarios
-
Fundamentos del Color (iii)
43
-
44
Fundamentos del ColorModelos de color (CMY y RGB)
CMY RGB
-
45
Fundamentos del ColorModelos de color (HSI)
Tiene en cuenta el matiz, la saturacin y la intensidad.
Esta mejor adaptado a como lo humanos percibimosel color
-
Bibliografa Visin por computador Jos Francisco Vlez Serrano, Ana Beln
Moreno Daz, ngel Snchez Calle, Jos L.Esteban Snchez-Marn
http://www.visionporcomputador.es/libroVision/libro.html
Digital Image Processing Rafael C. Gonzlez, Richard E.Woods
Visin por computador : imgenesdigitales y aplicaciones Gonzalo Pajares Martinsanz, Jess M. de la
Cruz Garca
46