Sistema de Visión Standard Platform League Carlos Ramos Carlos Rivera.

Slides:



Advertisements
Presentaciones similares
Bit Depth y Resolución Profa. G. Yukavetsky.
Advertisements

TEORÍA DEL COLOR.
TEORÍA DEL COLOR.
3. Técnicas de mezclas de colores para la preparación de pinturas
Arquitectura Eagle Knights 4L Alonso Martínez Gutiérrez Carlos Rivera Cabrera.
Etapas y Componentes de un Sistema de Visión Artificial
EL COLOR tema 3.
Pixel y color.
EL COLOR.
MODELOS DE COLOR CARACTERÍSTICAS BÁSICAS
La sintaxis visual.
EL COLOR El mundo es de colores, donde hay luz, hay color. La percepción de la forma, profundidad o claroscuro está estrechamente ligada a la percepción.
MODELOS DE COLOR HSV CMY YIQ.
TEMPERATURA DE COLOR y BALANCE DE BLANCOS. PROPIEDADES DE LA LUZ: La luz viaja en línea recta La luz puede reflejarse La luz puede desviarse La luz puede.
Los valores triestímulos se calculan por las siguientes ecuaciones
Laura Laue Noguera.
Color: Dimensiones del color
MODELOS DE COLOR CARACTERÍSTICAS BÁSICAS
MODOS DE COLOR EN LA IMAGEN DIGITAL.
EL COLOR El prisma de Newton
1.4 Teoría del color ELABORAR PÁGINAS WEB.
Elementos de diseño.
Luz y Color. Propiedades de la luz y el color La luz es una banda estrecha dentro del espectro electromagnético y presenta todos los atributos de las.
Buenos días, Buenos días
Procesamiento digital de Imágenes
Conferencia # 22 Color Mixing TEEL 2045 Circuitos de Televisión (3 horas lectivas semanales)
COMBINACIÓN DE COLORES
¿Puedes completar el cuadro?
COLOR Por: Drako.
Edición de imágenes Feb Imágenes digitales Las imágenes digitales las podemos clasificar en dos grupos: Imágenes de mapa de bits. Son imágenes.
Procesamiento Digital de Imágenes
Fundamentos del color En contraste con la creencia habitual, el color por sí mismo no existe ni es una característica inherente del objeto. Por el contrario,
Los colores.
Profra. María Guadalupe Pedraza Aguilar. Es un software también llamado, hoja de cálculo o libro. Programa perfecto para organizar datos. Contiene filas-horizontales.
Procesamiento Digital de Imágenes
Color El color es una percepción visual que se genera en el cerebro al interpretar las señales nerviosas que le envían los foto receptores de la retina.
El COLOR.
TEORIA DEL COLOR Area: Tecnologia e informatica
Teoría del color Conceptos Básicos.
LA LUZ Y EL COLOR IGNACIO CEPERO OÑORO.
LA TEORÍA DEL COLOR Olga Molina.
LOS COLORES = __________ COLORS españolinglés rosado amarillo negro azul morado gris de oro __________ oscuro pink yellow black blue purple grey gold dark.
Tema: Profesor: Área Académica: INFORMATICA TEORÍA DEL COLOR
Formas y colores Jeopardy Columno 1Columno 2Columno 3Columno 4Columno
La Fotografía Digital (Resumen)
UNIVERSIDAD TÉCNICA DE AMBATO
TEORÍA DEL COLOR.
Julieth Andrea Gómez Hernández Grado : 10 - C
El corazón rojo.
TEORIA DEL COLOR Presentado por : yury Tatiana Montañez Rodríguez Resumen de la teoría del color 2013.
Priscilla Muñoz Clase nº4
Colores Colors. verde anaranjado rosado gris violeta.
TEORÍA DEL COLOR. TEORÍA DEL COLOR TEORIA DEL COLOR la teoría del color es un grupo de reglas básicas en la mezcla de colores para conseguir el efecto.
la ropa 1 una falda unos pantalones unos calcetines un suéter
FORMATOS GRÁFICOS. INTRODUCCIÓN El campo de la imagen digital es muy amplio y complejo, maneja muchas variables. Para conocerlo en profundidad no basta.
diseño|creativo|digital
“Color Depth” y Resolución Profa. G. J. Yukavetsky Favor avanzar manualmente.
MODOS DE COLOR. Photoshop utiliza varios modelos de color, estos intentan describir los colores que vemos y con los que trabajamos. Cada modelo de color.
MARIA MAYERLINE PÉREZ ORTEGA DECÍMO. El modelo HSB se basa en la percepción humana del color y describe tres características fundamentales del color.
Síntesis Aditiva Es el resultado o suma de tres colores primarios luz para poder obtener el color blanco. Sub-división de los colores físicos: Colores.
Marbell González Correa 10-3 Tecnología e informática.
¡Bienvenidos a la clase de Ms. Rodriguez!
Que es un pixel Un píxel es la menor unidad homogénea en color que forma parte de una imagen digital.
TEOREMA DEL COLOR Patricia Borobia Jaso.
INFORMÁTICA GRÁFICA - Docente: Diego Fdo. Villalobos G. MODELOS DE COLOR Informática Gráfica.
TEORIA DEL COLOR DISEÑO Y
TEORÍA DEL COLOR Antonio José Rangel Urbina Producción Multimedia Sena Cúcuta - Colombia.
MODOS DE COLOR EN LA IMAGEN DIGITAL.
LOS COLORES.
Colors Spanish Señora Watts.
Transcripción de la presentación:

Sistema de Visión Standard Platform League Carlos Ramos Carlos Rivera

Espacio de color YCbCr Define en términos de un componente de luminancia y dos de crominancia. Y (luma): rango 0 a 1 (0 a 255 digital) Cb (blue) y Cr (red) (chroma): rango -0.5 a 0.5 (-128 a 127 digital signado, 0 a 255 no signado)

Espacio de color YCbCr Cubo de color  Izquierda Y = 0  Derecha Y = 1

Espacio de color YCbCr

Espacio de color RGB Composición del color en términos de los colores primarios con los que se forma (Rojo, Verde, Azul). Basado en la síntesis aditiva.  Mezcla por adición de los 3 colores luz primarios. La intensidad de cada componente se mide en el rango 0 a 255

Espacio de color RGB Rojo: (255,0,0) Verde: (0,255,0) Azul: (0,0,255) El conjunto de todos los colores se representa en un cubo.  Cada color es un punto en la superficie o en el interior de este cubo.  Escala de grises en la diagonal blanco-negro.

Espacio de color RGB Cubo de color

Convirtiendo de un espacio a otro YCbCr a partir de RGB Y = 16 + ( * R * G * B) Cb = ( * R * G * B) Cr = (112.0 * R * G * B)

Espacio de color HSV Color en términos de sus componentes en coordenadas cilíndricas.  Hue/Tonalidad: tipo de color. Grado de ángulo de 0 a 360º ó de 0 a 100%. Cada valor corresponde a un color. 0 es rojo, 60 es amarillo, 120 es verde.  Saturation/Saturación: distancia al eje de brillo blanco- negro. Valores de 0 a 100%.  Value/Valor del color: brillo del color. Altura en el eje blanco negro. Valores de 0 a 100%.

Espacio de color HSV Triángulo HSV y cono de color

Convirtiendo de un espacio a otro HSV a partir de RGB

Camera.cfg #File Format: White_Balance Gain Shutter_Speed Server Photos #Parameters: ##White Balance: ###WB_INDOOR_MODE = 1 ###WB_OUTDOOR_MODE = 2 ###WB_FL_MODE = 3 ##Gain: ###GAIN_LOW = 1 ###GAIN_MID = 2 ###GAIN_HIGH = 3 ##Shutter Speed: ###SHUTTER_SLOW = 1 ###SHUTTER_MID = 2 ###SHUTTER_FAST = 3 ##Server ###SERVER_OFF = 1 ###SERVER_ON = 2 ##Photos ###NONE = 0 ###ALLCOMBINATIONS = 1 ###CAMERACFG = 2 ###SEGMENTATION = 3

ALLCOMBINATIONS =

ALLCOMBINATIONS =

EKCalibration

Clasificación del pixel Blue Red Green White Orange Pink Yellow Cyan

Cubo de calibración Y:[0-255] Cr:[0-255] Cb:[0-255] Ejemplo con espacio de color con 10 niveles para cada componente

Generación del cubo de calibración void CMainManager::GenerateCube() { … if(imageType == IMAGERGB) { … else { int colorProm[8]; for(Y=0;Y<256;Y=Y+2) for(Cr=0;Cr<256;Cr=Cr+2) for(Cb=0;Cb<256;Cb=Cb+2) { //Clean average for(i=0;i<8;i++) colorProm[i] = 0; for(Y2=Y;Y2<Y+2;Y2++) for(Cr2=Cr;Cr2<Cr+2;Cr2++) for(Cb2=Cb;Cb2<Cb+2;Cb2++) { YCrCb2RGB(Y2,Cr2,Cb2,&Rb,&Gb,&Bb); RGB2HSV(Rb,Gb,Bb,&fH,&fS,&fV); //Color 0 if ((fH>= val[0].Hmin && fH<= val[0].Hmax) && (fS>= val[0].Smin && fS<= val[0].Smax) && (fV>= val[0].Vmin && fV<= val[0].Vmax)) colorProm[0]= colorProm[0]+1; … } Y3 = Y >> 1; Cr3 = Cr >> 1; Cb3 = Cb >> 1; //Color 0 if (colorProm[0]>1) sYCrCb128[Y3][Cr3][Cb3] |= 0x01;//Set bit 0 else sYCrCb128[Y3][Cr3][Cb3] &= 0xFE; //Setbit1  …. } Blue Red Green White Orange Pink Yellow Cyan

EKVision

EK EKVision EKVision OVirtualRobotComm OFbkImageVectorData Notify() VisionData EKMain

loadEKCalib void EKVision::loadEKCalib() { char *path = "/MS/EKCALIB.ysp"; byte color; int i; FILE* fp = fopen(path, "r"); if (fp == 0) { OSYSLOG1((osyslogERROR, "can't open %s", path)); return; } for(i=0;i< ;i++){ fread(&color, 1, 1, fp); YCrCbCube[i]=color; } fclose(fp); } …

Obtener imagen de la camara OFbkImageVectorData* fbkImageVectorData= (OFbkImageVectorData*)event.Data(0); OFbkImageInfo* info = fbkImageVectorData->GetInfo(ofbkimageLAYER_H); byte* data = fbkImageVectorData->GetData(ofbkimageLAYER_H); OFbkImage yImage(info, data, ofbkimageBAND_Y); OFbkImage crImage(info, data, ofbkimageBAND_Cr); OFbkImage cbImage(info, data, ofbkimageBAND_Cb); for (int y = infoheader.height - 1 ; y >= 0; y--) { for (int x = 0; x < infoheader.width; x++) { Y = yImage.Pixel(x, y) >> 1; Cr= crImage.Pixel(x, y)>> 1; Cb= cbImage.Pixel(x, y)>> 1; cubito=YCrCbCube[128*128*Y+128*Cr+Cb]; imagen[x][y]=cubito; }

EncodeRuns int EKVision::EncodeRuns() { int cntX=0; int cntRLE=0; int RLEcolor; int len; int j; for(j=0;j<DEFAULT_HEIGHT;j++) { cntX=0; while(cntX<DEFAULT_WIDTH) { RLEcolor=imagen[cntX][j]; len=0; while(cntX<DEFAULT_WIDTH && imagen[cntX][j]==RLEcolor)) { len++; cntX++; } rmap[cntRLE].color = RLEcolor; rmap[cntRLE].length = len; rmap[cntRLE].parent = cntRLE; cntRLE++; } return cntRLE--; }

ConnectComponents

ExtractRegions R1 R2R3 R4 R5 R7 R6 R8 R9 R10

Separate Regions VerdeR[1] BlancoR[0] VerdeR[2] NaranjaR[0] VerdeR[0] VerdeR[3] VerdeR[4] VerdeR[5] VerdeR[6] VerdeR[7]

Reconocimiento de pelota Área mayor a pixels → pelota Área mayor a 5 pixels deben evaluarse:  Encontrar la coordenada en Y que limita superiormente el área la cancha (coorY)  Calcular la altura de la región candidata a pelota  El centroide de la región candidata debe estar debajo de un límite teórico definido por el límite de la cancha y la altura de la pelota

Reconocimiento de porterías Determinar la altura de la región candidata Sumar al la coordenada Y2 de la región candidata la mitad de la altura para obtener Yaux El limite superior de la cancha debe estar por encima de Yaux

Reconocimiento de postes Se calcula largo y ancho de la región amarilla candidata, el mayor (llamado lado) Se evalúan todas las regiones cyan:  El centroide en X de la región cyan este comprendida en un ancho de 3 veces el lado, centrado en centroide X de la amarilla.  El centroide en Y debe estar dentro de un alto comprendido entre: Si es poste Cyan-Amarillo: el limite superior en Y de la región amarilla y el valor de lado desde ese límite hacia arriba. Si es poste Amarillo-Cyan: el limite inferior en Y de la región amarilla y el valor de lado desde ese límite hacia abajo

EKVisionData struct EKVisionData { Objeto objetos[9]; }; struct Objeto { boolvisto; intx1; inty1; intx2; inty2; floatcen_x; floatcen_y; intarea; … }; Convención EK2006: 0Pelota 1Porteria Amarilla 2Porteria Azul 3Poste 1Rosa-Cyan 4Poste 2Rosa-Amarillo 5Poste 3Amarillo-Rosa 6Poste 4Cyan-Rosa 7Robot Rojo 8Robot Azul Convención EK2007: 0Pelota 1Porteria Amarilla 2Porteria Azul 3Poste 1Amarillo-Cyan 4Poste 2Cyan-Amarillo 5[] 6[] 7Robot Rojo 8Robot Azul