Etapas y Componentes de un Sistema de Visión Artificial Capitulo 1. Fundamentos Etapas y Componentes de un Sistema de Visión Artificial

Procesamiento y Análisis de Imágenes PRE PROCESAMIENTO SEGMENTACIÓN EXTRACCIÓN DE CARACTERÍSTICAS imagen de entrada Imagen acondicionada objetos separados Patrón de características INTERPRETACIÓN DE LA ESCENA RECONOCIMIENTO CLASIFICACIÓN A la aplicación tipos de objeto

Etapas 1.    Captación: Es el proceso a través del cual se obtiene una imagen visual.     2.    Preprocesamiento: Incluye técnicas tales como la reducción de ruido y realce de detalles.     3.    Segmentación: Es el proceso que divide a una imagen en objetos que sean de nuestro interés.     4.    Extracción de características: Es el proceso mediante el cual se obtienen características convenientes para diferenciar un tipo de objeto de otro, por ejemplo. tamaño y forma.     5.    Reconocimiento y clasificación: Es el proceso que identifica a los objetos de una escena. p.e. Diferentes tipos de piezas en un tablero de juego.     6.    Interpretación: Es el proceso que asocia un significado a un conjunto de objetos reconocidos.

Sistema de Conducción de Robots Móviles con Visión de Máquina

conducción de un robot móvil Ejemplo aplicado a la conducción de un robot móvil Objetivo: A partir de una imagen preprocesada de 400*300 pixeles de un móvil ubicado en un ambiente de 1.20*1.50, deducir su estado(localización: posición + orientación.)

Segmentación (histograma) Calculo del histograma de la imagen y análisis de los niveles de umbralización.

Segmentación (Umbralización) La imagen se transforma de escala de grises a binaria.

Segmentación (Filtrado Partículas) Filtro de partículas: criterio área. las partículas entre 1 y 1000 pixeles se remueven. 1 objeto 12 objetos

 Extracción de Características (Medición de Características) Objetivo: determinar el estado del móvil: Localización = posición + orientación. 1 objeto X Y  12 objetos

Elementos en la Adquisición

Sistema de iluminación Capitulo 1. Fundamentos Etapas y Componentes de un Sistema de Visión Artificial Sistema de iluminación

Fuentes de iluminación Iluminación por fibra óptica Iluminación fluorescente Iluminación por diodos LED Iluminación por láser Los factores para escoger el tipo de iluminación son: Intensidad lumínica Duración Tiempo de respuesta Requerimientos de refrigeración Coste Flexibilidad de diseño

Formas de iluminación El objeto produce una sombra que es detectada por la cámara como una forma en negro sobre el fondo blanco, obteniendo el máximo contraste. Medición precisa de los perfiles de las piezas. Se emplea detección de impurezas en los objetos transparentes o translúcidos Iluminación posterior

Formas de iluminación Al provenir la iluminación de todo el perímetro del eje de la cámara, reduce las sombras, suaviza las texturas y minimiza la influencia de las rayas, polvo e imperfecciones que pueda tener el objeto inspeccionado en la toma de la imagen. Indicado para la detección de marcas de diferentes colores, tanto en superficies lisas con brillo como en superficies rugosas. Iluminación radial

Formas de iluminación Produce gran contraste, resaltando las texturas, relieves y fisuras del objeto iluminado debido a que cualquier relieve, por pequeño que sea, produce una sombra muy definida. El ángulo de incidencia de la luz respecto al plano de iluminación determinará el grado de resalte de los relieves. Iluminación direccional

Formas de iluminación La fuente de luz incide con un pequeño ángulo sobre la superficie reflectante del objeto. La cámara se coloca con el mismo ángulo de forma que obtenga una imagen reflejada de la fuente de luz en la superficie el objeto inspeccionado. Una posible imperfección en el mismo producirá una mancha oscura en la imagen captada por la cámara. Indicado para detectar rayas, fisuras y deformaciones en objetos con superficies planas y brillantes Campo brillante

Formas de iluminación El objeto es iluminado desde todas las direcciones con luz difusa, eliminando las sombras y reflejos, suavizando las texturas y minimizando la influencia de las rayas, el polvo y los relieves y curvaturas que pueda tener el objeto inspeccionado. Indicado para la detección de marcas de diferentes colores, tanto en superficies lisas, esféricas, rugosas o con brillo Iluminación esférica

Formas de iluminación Al provenir la luz desde el mismo eje de la cámara la sombra proyectada no es perceptible por el objetivo. En superficies planas reflectantes si no se utilizara este método de iluminación, la cámara vería reflejado su propio objetivo. Indicado para inspeccionar superficies planas reflectantes y cavidades profundas. Iluminación axial

Formación y características de la imagen Capitulo 1. Fundamentos Formación y características de la imagen

Formación de la imagen Proceso mediante el cual los objetos del mundo tridimensional se proyectan en un plano imagen. Captar los rayos luminosos para proyectarlos en el sensor de imagen.

Modelo ‘pin-hole’ y P Eje óptico z α O P’ x Distancia focal Distancia objeto Plano de la Imagen Lente Escena

Modelo de lente delgada y P Eje óptico z α O P’ Distancia focal Distancia objeto Plano de la Imagen Lente Escena

Modelo de Imagen Imagen: Función bidimensional de la luz y la intensidad. f (x, y). Las imágenes que se perciben provienen de la luz reflejada por los objetos. (0,0) x y f(x,y)

Modelo de Imagen f (x, y) esta caracterizada por: La cantidad de luz incidente en la escena Irradiación: i (x, y). Determinada por la fuente La cantidad de luz reflejada por los objetos Reflectancia: r (x, y). Determinada por el objeto donde r(x,y)=0 Absorción total r(x,y)=1 Reflexión total

Datos típicos Iluminación: En un día claro: El sol puede producir más de 9.000 cd/pie2 En un día nublado: menos de 1000 cd/pie2 En una noche de luna llena: 0.01 cd/pie2 Interiores: 100 cd/pie2 Reflectancia: Terciopelo negro: 0.01 Acero inoxidable: 0.65 Muro con pintura blanca: 0.80 Lámina metálica plateada: 0.90 Nieve: 0.93

Modelo de Imagen La intensidad f de una imagen monocromática en las coordenadas (x,y) se denomina nivel de gris (l) de la imagen en ese punto. Por lo tanto: Usualmente se utiliza el intervalo [0, L] donde l = 0 (negro) l = L (blanco)

¿Qué es una imagen digital? Una matriz de puntos

elemento de dibujo=pixel Imagen digital Imagen = imagen digital Imagen = función de la intensidad de la luz f ( x , y ) Resolución: Número de filas y columnas nxm Definición (profundidad): Número de bits usados para codificar la intensidad de un píxel. Ej 8 bits: 0-255 (0,0) x y f(x,y) elemento de dibujo=pixel

Imagen digital: Binaria

Imagen digital: Escala de grises

Imagen digital: Color

Color Síntesis aditiva del color: Consiste en crear colores añadiendo o sumando luz. Colores primarios: rojo, verde y azul. Síntesis sustractiva del color: Consiste en formar nuevos colores restando o sustrayendo luz. Colores primarios: cyan, magenta y amarillo.

Modelos de Color: RGB (1, 0, 1) (0, 1, 1) Cian (0, 0, 1) Azul (1, 1, 0) Amarillo (0, 1, 0) Verde (1, 0, 0) Rojo (1, 0, 1) Magenta (0, 0, 1) Azul (0, 1, 1) Cian (1, 1, 1) Blanco (0, 0, 0) Negro

Modelos de Color: RGB Empleado en gran cantidad de dispositivos como cámaras, escaners, monitores, etc. La codificación del color suele realizarse en rango [0,1] ó [0,255]. El modelo de colores RGB es el empleado en la adquisición de las imágenes (cámaras CCD).

Modelos de Color: YIQ - YUV Estos sistemas surgieron para la difusión de la señal de televisión. Ambos modelos codifican el color en componente de luminancia Y que representa la información en escala de grises y en señales IQ o UV, que definen la información del color. YIQ: Sistema NTSC. YUV: Sistema PAL. Sistema SECAM. En procesamiento de imágenes: Suele utilizarse la señal Y, que posee mayor definición que la cromaticidad IQ ó UV. Se emplea en técnicas de compresión.

Modelos de Color: YIQ Los componentes YIQ son obtenidos desde los componentes de una imagen RGB usando la transformación: Los elementos de la primera fila suman 1 Los de las siguientes 2 filas suman 0 Para una imagen en escala de grises todos los componentes RGB son iguales y los componentes I y Q son cero

Modelos de Color: HSV Las componentes de estos espacios representan a los atributos perceptuales con los que los seres humanos especifican el color percibido: luminancia o intensidad, matiz y saturación.

Modelos de Color: HSV Componente H (matiz) de cada píxel RGB es obtenido usando la ecuación. En HSV el matiz se codifica en grados en rango [0,360].

Modelos de Color: HSV El componente de saturación esta dado por El componente de la intensidad esta dado por Los valores de saturación e intensidad suelen representarse en rango [0,1] ó [0,255].

Histograma de una imagen Capitulo 1. Fundamentos Histograma de una imagen

Histograma H(k) = nk Diagrama de barras de la propia imagen. Es la función H definida en el rango [0,…,k,…,255]. H(k) = nk k : Nivel de gris nk : No de píxeles con un nivel de gris k nk : No total de píxeles en una imagen

Histograma Da información del rango dinámico de una imagen Útil para la segmentación de imágenes Realce y mejora de la calidad de una imagen Da información del contraste.

Transformaciones de Look Up Table Capitulo 1. Fundamentos Transformaciones de Look Up Table

Transformaciones Funciones básicas para logar contraste y brillo en una imagen. Ecualización: Repartir de manera uniforme los niveles de grises entre los píxeles de una imagen. Correcciones gamma:

Operadores aritméticos y lógicos Capitulo 1. Fundamentos Operadores aritméticos y lógicos

Operadores aritméticos