Sistema de Vision Por Computadora

Sistemas de Visión por Computadora

INTRODUCCIÓN

Actualmente se desarrollan sistemas de visión por

computadora, para utilizarse como herramientas de trabajo en

diversas áreas tales como: medicina, vigilancia, control de

calidad, inspección industrial, robótica, espacio, radares, etc.,

en estas áreas existen actividades que requieren una gran

cantidad de tiempo para resolver un problema específico, sin

embargo estos sistemas ayudan en la reducción de tiempo para

llevar a cabo dichas actividades. Los sistemas desarrollados son

considerados herramientas de gran utilidad donde la inspección

visual es difícil, tediosa o peligrosa para un humano.

La visión por computadora es una tecnología que está

creciendo, y consiste básicamente de los siguientes

dispositivos: dispositivos para capturar imágenes, sistemas de

iluminación que aseguren la calidad de la imagen,

V


computadoras y software que pueda hacer la manipulación de

las imágenes adquiridas, de tal forma que se pueda hacer el

reconocimiento de las características en la imagen.

Es por todo esto que el desarrollo del contenido de esta

monografía está organizado de la siguiente manera: En el

capítulo I se habla del concepto e historia de sistemas de visión

por computadora, en el capítulo II se aborda los principales

elementos que conforma un sistema de visión por computadora,

en el capítulo III se describen las diferentes etapas que

conforman un sistema de visión por computadora y por último

en el capítulo IV se mencionan algunas áreas de aplicación de

un sistema de visión por computadora en la actualidad.

VI


ÍNDICE GENERAL

Pági

naIntroducción…………………………………………………………

………………………….

V

Índice

general…………………………………………………………………

VI

Lista de

figuras…………………………………………………………………

IX

Capítulo I:

Introducción…………………………………………………………

11

1.1

Historia……………………………………………………………

12

1.2 Concepto de visión por

computadora……………………………………..

15

1.3 Visión humana y visión por

computadora……………………………….

17

Capítulo II: Elementos de un sistema de visión por

computadora………….

21

2.1

Imagen……………………………………………………………

22

2.2

Iluminación………………………………………………………

26

VII


2.3

Ópticas……………………………………………………………

28

2.4

Cámaras……………………………………………………………

31

2.5 Tarjetas de

adquisición…………………………………………………………

39

Capítulo III: Etapas de un sistema de visión por

computadora………………

41

3.1 Captación de

imagen…………………………………………………………….

42

3.2 Procesamiento de

imágenes……………………………………………………

43

3.2.1 Realce de la

imagen…………………………………………………….

44

3.2.2 Detección de

bordes……………………………………………………

45

3.2.3 Eliminación de

ruidos…………………………………………………

46

3.3

Segmentación……………………………………………………

48

3.3.1 Técnica basada en

umbralización………………………………….

51

3.3.2 Técnica basada en

bordes…………………………………………….

52

3.3.3 Técnica orientada a

regiones………………………………………..

53

3.4 Representación y

descripción…………………………………………………

5

43.5 Reconocimiento e

interpretación……………………………………………

55

3.5.1 Elementos de análisis de

imágenes………………………………..

56

3.5.2 Patrones y clases de

patrones………………………………………..

57

3.5.3

Interpretación………………………………………………

57

Capítulo IV:

Aplicaciones…………………………………………………………

59

4.1

Medicina……………………………………………………………

59

VIII


4.2 Control de calidad en la

industria…………………………………………..

61

4.3

Robótica……………………………………………………………

64

4.4 Identificación de

personas……………………………………………………..

67

4.5 Seguridad y

vigilancia…………………………………………………………

69

Conclusión……………………………………………………………

………………………….

70

Bibliografía……………………………………………………………

………………………….

71

LISTA DE FIGURAS

Págin

a

Figura 1.1: Visión por computadora versus visión

humana……………………. 20

Figura 2.1: Elementos de un sistema de

visión……………………………………… 21

Figura 2.2: Una imagen analógica y su conversión a una imagen

digital…. 22

Figura 2.3: Proceso de digitalización de una

imagen……………………………… 23

Figura 2.4: Cuatro representaciones de una misma imagen con

distintas

IX


resoluciones…………………………………………………………

24


distintas profundidad de

bits…………………………………………….. 25

Figura 2.6: Ejemplo de

iluminación……………………………………………………. 27


óptica…………………………………………………………….. 29

Figura 2.8: Sensor

CDD…………………………………………………………………….

35

Figura 2.9: Sensor

CMOS…………………………………………………………………..

36

Figura 2.10: Tarjetas

digitalizadoras…………………………………………………….. 40

Figura 3.1: Etapas de una aplicación basada en la visión por

computadora………………………………………………………………….

.. 41

Figura 3.2: Captación de

imagen………………………………………………………… 42

Figura 3.3: Ejemplo de realzado de la

X


imagen………………………………………. 44

Figura 3.4: Ejemplo de obtención de los bordes de una

imagen…………….. 46

Figura 3.5: Ruido

Gaussiano……………………………………………………………….

47

Figura 3.6: Ruido Sal y

Pimienta………………………………………………………… 47

Figura 3.7: Ejemplo de eliminación de

ruido……………………………………….. 48

Figura 3.8: Ejemplo de segmentación de

imágenes……………………………….. 496

Figura 3.9: Segmentación por

umbralización……………………………………….. 51

Figura 3.10: Segmentación basada en

bordes……………………………………….. 52

Figura 3.11: Segmentación orientada a

regiones…………………………………… 53

Figura 3.12: Imagen de un poisedon y una sirena en la misma

escena........ 54

Figura 3.13: (a) Ejemplo de etiquetado de una

imagen………………………….. 55

Figura 3.13: (b) Ejemplo de reconocimiento de objetos.

………………………… 55

XI


Figura 3.14: Reconocimiento e

interpretación……………………………………… 58

Figura 4.1: Ejemplo de aplicación en la

medicina…………………………………. 59

Figura 4.2: Ejemplo de imágenes tomadas por Rayos

“X”………………………. 60


ultrasonido……………………………………………………… 60

Figura 4.4: Ejemplo de control de

calidad……………………………………………. 63

Figura 4.5: Figura: 4.4: Robots trabajando en la

industria………………………. 67

Figura 4.6: Ejemplo de reconocimiento de

caras…………………………………… 68

Figura 4.7: Ejemplo de identificación por huella

digital…………………………. 69

Figura 4.8: Ejemplo de seguridad y vigilancia a través de

captación

de imágenes por

cámaras……………………………………………………. 69

XII


CAPÍTULO I: INTRODUCCIÓN

Uno de los sentidos más importantes de los seres humanos es la

visión. Ésta es empleada para obtener la información visual del

entorno físico. Según Aristóteles, “Visión es saber que hay y

donde mediante la vista”, de hecho, se calcula que más de 70%

de las tareas del cerebro son empleadas en el análisis de la

información visual.

El refrán popular de “una imagen vale más que mil palabras”

tiene mucho que ver con los aspectos cognoscitivos de la

especie humana. Casi todas las disciplinas científicas emplean

un conjunto de gráficos para transmitir conocimiento. Se podría

hacer mediante texto, pero para la especie humana resulta

mucho más eficiente procesar imágenes que procesar texto.

11


La visión humana es el sentido más desarrollado y el que menos

se conoce debido a su gran complejidad. Es una actividad

inconsciente y difícil de saber cómo se produce.

El uso de nuestro sistema de visión está integrado a un

sofisticado sistema de control que incluye desde el ajuste del

sistema de lentes del ojo para focalizar la imagen en la retina,

hasta los cálculos precisos que realiza para saber donde caerá

la pelota en un partido de fútbol.

Para construir un sistema de visión artificial, se tiene que

recurrir a los elementos equivalentes a la visión natural para

construir con artefactos, máquinas, equipos y sistemas que

“vean” y actúen en función de lo que ven. Como ejemplo se

puede pensar en un operador de fábrica cuya función es retirar,

de la línea de producción, todos los productos con defectos; y

sustituido por una máquina que haga exactamente lo mismo.

12


1.1 HISTORIA

Los sentidos son los medios de los que dispone el ser humano

para interactuar con el entorno que le rodea y la visión es uno

de los mecanismos sensoriales de percepción más importante

en el ser humano. Debido a la importancia del sentido de la

vista humana y con la aparición de las primeras computadoras,

una de las primeras aplicaciones en la que se investigó fue en la

visión por computadora.

Los primeros trabajos relacionados con la visión por

computadora datan de la década de 1950. El entusiasmo inicial

fue tan grande debido principalmente a una gran confianza en

las posibilidades de las computadoras y porque para el hombre

la acción de ver es una tarea sencilla, e igual debería suceder

para las computadoras. Años después, ese entusiasmo

13


desapareció debido a los limitados avances y a las pocas

aplicaciones existentes.

Aunque en los años sesenta se desarrollaron algoritmos que son

utilizados hoy en día, como los detectores de bordes de Roberts

(1965), Sobel (1970) y Prewitt (1970), su funcionamiento estaba

muy limitado a un reducido número de imágenes y casos. Es por

ello que en los años setenta hubo un abandono progresivo en la

investigación.

A partir de la década de los ochenta se empieza a hacer

hincapié en la extracción de características. Así se tiene la

detección de texturas (Haralik (1979)), y la obtención de la

forma a través de ellas (Witkin (l98l)). En ese mismo año, 1981,

se publican artículos sobre visión estéreo (Mayhew y Frisby),

detección del movimiento (Horn), interpretación de formas

(Steven) y líneas (Hanade); o los detectores de esquinas de

Kitchen y Rosendfeld (1982). Quizá el trabajo más importante

14


de esa década es el libro de David Marr (Visión: a computacional

investigation into the human reprentation and processing of

cisual information, 1982) donde se abordaba por primera vez

una metodología completa del análisis de imágenes a través de

la computadora.

A partir de esta década la visión por computadora toma de

nuevo interés y empieza a ser una de las principales líneas de

investigación en muchas universidades. Como confirmación de

este nuevo interés aparece en revistas especializadas, aumenta

el número de congresos dedicados a la visión por computadora,

aparecen asignaturas en los planes de estudio de las

universidades, etc.

Los principales motivos de este crecimiento se debe en gran

parte a un enfoque más realista del problema a resolver, al

desarrollo de las computadoras (aumento de la capacidad de

15


cálculo y disminución del precio) y hardware especializado en el

procesamiento y tratamiento de imágenes.

1.2 CONCEPTO DE VISIÓN POR COMPUTADORA

El término “Visión por Computadora” dentro del campo de la

Inteligencia Artificial puede considerarse como el conjunto de

todas aquellas técnicas y modelos que permiten el

procesamiento, análisis y explicación de cualquier tipo de

información especial obtenida a través de imágenes digitales.

A continuación se enumeran diferentes conceptos de visión por

computadora, que es lo mismo decir visión artificial o visión por

computador.

16


Ciencia que estudia la interpretación de las imágenes

mediante computadores.

Ciencia que desarrolla la base teórica y algorítmica

mediante la que se extrae y analiza información útil sobre

el mundo / entorno, a partir de una imagen.

“Visión es un proceso que produce, a partir de imágenes

del mundo externo, una descripción que es útil para el

observador y que está libre de información irrelevante”.

La Visión Artificial describe la deducción automática de las

estructuras y propiedades de un mundo tridimensional,

posiblemente dinámico, a partir de una o varias imágenes

bidimensionales de él.

17


En resumen, la visión por computadora es la ciencia que estudia

la interpretación de imágenes mediante computadores, que

pretende los siguientes objetivos:

Procesar las imágenes.

Reconocer los objetos presentes: Mesa, sillas, asientos,

respaldos.

Inspeccionar los objetos: Correctos e incorrectos.

Localizar objetos.

1.3 VISIÓN HUMANA Y VISIÓN POR COMPUTADORA

El hombre ha imitado muchas veces, en la construcción de sus

artefactos, a la naturaleza, la visión por computadora intenta

copiar la manera cómo los seres humanos perciben la

información visual por medio de usar cámaras fotográficas que

actúan como globos oculares y computadoras para procesar la

información de una “manera inteligente” al igual que el cerebro

humano. Las cámaras con sus ópticas hacen las veces del globo

18


ocular, mientras la computadora realiza las tareas de

procesamiento, emulando el comportamiento del cerebro.

Cuando se establecieron en la década de los 50, los objetivos de

la Inteligencia Artificial, se suponía que con la llegada del siglo

XXI habría máquinas que serían capaces de describir, con

información de alto nivel, las escenas capturadas. Con el paso

del tiempo se vio que aquel anhelo se iba desvaneciendo.

Hoy en día, todavía no hay una teoría de la visión. No se

conocen los mecanismos que el cerebro utiliza para obtener la

información de la percepción.

El cerebro es capaz, de manera inconsciente, de determinar la

distancia a los objetos, de reconocerlos en diferentes

posiciones, aunque se encuentren rotados y con información

parcialmente oculta. En definitiva, el cerebro presenta una

19


sofisticación en la percepción que ni ahora ni en mucho tiempo

habrá posibilidad de implementar artificialmente.

Lo que sí hace la visión por computadora es construir nuevos y

más sofisticados algoritmos que sean capaces de obtener

información de bajo nivel visual. Y aunque todavía se esté años

luz de la percepción visual de los seres vivos, la visión artificial

es muy eficaz en tareas visuales repetitivas para el hombre. Por

ejemplo, en el campo de la inspección de productos en la

industria o en contar células en una imagen de microscopía o en

determinar la trayectoria de un vehículo en una autopista, etc.

Resumiendo, las principales ventajas de la visión humana

respecto a la de computadora y viceversa (véase la figura 1.1),

son:

20


Sistema humano:

Mejor reconocimiento de objetos.

Mejor adaptación a situaciones imprevistas.

Utilización de conocimiento previo.

Mejor en tareas de alto nivel de proceso.

Sistema por computadora:

Mejor en la medición de magnitudes físicas.

Mejor para la realización de tareas rutinarias.

Mejor en tareas de bajo nivel de proceso.

Condiciones especiales de adquisición de imágenes.

Objetos muy pequeños o muy grandes.

Detalles con alta resolución.

Cuerpos muy cercanos o muy alejados.

Entornos muy oscuros o muy iluminados.

21


Entornos peligrosos.

Tareas rutinarias y repetitivas.

Aumento de la objetividad.

Elevado número de imágenes a visualizar.

Dotar de percepción visual a sistemas autónomos.

Sustitución del ser humano por rentabilidad.

Figura 1.1: Visión por computadora versus visión humana.

22


CAPÍTULO II: ELEMENTOS DE UN SISTEMA

DE

VISIÓN POR COMPUTADORA

En este capítulo se definen y describen los elementos básicos

que conforma el sistema de visión por computadora. Para

desarrollar una aplicación que requiera el análisis de imágenes

por computadora se tiene disponible un amplio conjunto de

elementos que van desde las fuentes de luz necesarias para

iluminar los objetos hasta los algoritmos encargados de

clasificarlos. En la figura 2.1 se muestra los elementos de un

sistema de visión.

23

ESCENA

COMPUTADORA

TARJETA DE ADQUISICION

SENSOR PARA CAPTURA DE LA IMAGENSISTEMA DE

ILUMINACION


Figura 2.1: Elementos de un sistema de visión.

2.1 IMAGEN

Una imagen es un registro de valores organizados en forma

bidimensional, generalmente representando intensidad de

radiación electromagnética.

Para que una imagen analógica (una imagen natural captada

con una cámara, en blanco y negro, en escala de grises, o a

color, pueda ser procesada mediante una computadora, es

preciso someter a la imagen analógica (ver figura 2.2 (a)) a un

proceso de discretización, tanto espacialmente como en

intensidad para obtener la imagen digital (ver figura 2.2 (b)). En

donde la unidad mínima de información es el píxel.

24


(a) Imagen analógica (b) Matriz numérica tras la

digitalización

Figura 2.2: Una imagen analógica y su conversión a una imagen digital.

La transformación de una imagen analógica a otra discreta se

llama digitalización y es el primer paso en cualquier aplicación

de procesamiento de imágenes digitales. El proceso de

digitalización (véase figura 2.3) consta de dos partes: muestreo

y cuantificación.

El muestreo consiste en una subdivisión de la imagen analógica

en porciones, es la parte encargada de integrar en puntos la

información que se halla en un área determinada. Estos puntos

en los que se integra el área son los elementos más pequeños

en que se divide una imagen: los píxeles.

25


La cuantificación consiste en codificar digitalmente el color

integrado en cada píxel. La meta de la cuantificación es cambiar

la resolución de color de una imagen (número de bits en la

representación del color) con una distorsión mínima.

Figura 2.3: Proceso de digitalización de una imagen.

La resolución de una imagen, o también denominada resolución

espacial, se refiere a la cantidad de píxeles de una imagen por

pulgada (ppi). Dicho con un ejemplo práctico, si una imagen

tiene una resolución de 100 ppi, significa que contiene 10,000

píxeles en una pulgada cuadrada (100 píxeles de ancho por 100

píxeles de alto). Cuanto mayor sea la resolución de las

imágenes mayor número de píxeles contendrán y por tanto

mayor calidad se obtiene.

26


La resolución más adecuada para una imagen depende de lo

que se vaya a hacer con dicha imagen. A continuación se

muestra un ejemplo (ver figura 2.4) de la misma imagen pero

con diferentes resoluciones, manteniendo el rango de niveles de

intensidad entre 0 y 128.

(a) 200X330 píxeles (b) 100X160 píxeles (c) 50X80 píxeles (d)

25X40 píxeles


distintas resoluciones.

La profundidad de píxeles, es el número de bits de información

almacenados por píxel. La profundidad de píxeles determina

cuanta información de color (o nivel de gris) existe para cada

píxel de la imagen. Un píxel con una profundidad de bits de 1

tiene dos valores posibles: 0 y 1, por ejemplo blanco y negro.

27


Con una profundidad de 8 bits hay 256 valores posibles y con

una profundidad de 24 bits se obtienen 16,7 millones de valores

posibles.

En la figura 2.5 se muestran cuatro imágenes que tienen todas,

una resolución de 200x320 píxeles, pero donde la profundidad

de bits varía. La figura 2.5 (a) tiene 64 niveles de gris, que son 6

bits de profundidad, la figura 2.5 (b) posee 32 niveles de gris (5

bits de profundidad), la figura 2.5 (c) solamente tiene 8 niveles

de gris (3 bits) y la figura 2.5 (d) tiene 2 niveles de grises, que

en realidad serán el blanco y el negro.

(a) Imagen con 6 bits de (b) Imagen con 5 bits de (c) Imagen con 3 bits de (d) Imagen con 1 bits deProfundidad Profundidad Profundidad Profundidad


distintas profundidad de bits.

28


2.2 ILUMINACIÓN

La iluminación es importante durante el procesamiento de

imágenes, ya que una iluminación deficiente hace más difícil de

interpretar a dicho objeto en una escena.

La iluminación juega un papel primordial dentro del proceso de

visión, ya que una iluminación deficiente hace más difícil de

interpretar al objeto en una escena (pues simplifica

considerablemente el análisis y la interpretación de la escena).

Las imágenes recibidas por las cámaras no pueden estar,

generalmente, en un ambiente de iluminación no adecuada,

esto es, donde las condiciones de iluminación no hayan sido

estudiadas. En estos casos, la propia sombra de otro objeto que

interfiera hará peligrar el éxito del montaje.

Los sistemas de visión por computadora trabajan, normalmente,

con iluminaciones estructuradas (adecuadas). El espacio

29


captado por las cámaras está aislado del resto, en donde no hay

contaminación lumínica, no hay sombras inesperadas, no

existen objetos que interseccionen a los escenarios que se

desean capturar. La iluminación se diseña para que sea capaz

de resaltar los objetos de interés. La iluminación depende

básicamente de la naturaleza de las superficies donde se va a

reflejar y del tipo de fuente luminosa (Ver figura 2.6).

Figura 2.6: Ejemplo de iluminación

Técnicas de iluminación

Existen muchas técnicas de iluminación y resulta difícil de

generalizar sobre los distintos tipos de iluminación, ya que suele

30


depender de cada caso concreto. A continuación se presentan

las principales técnicas:

Iluminación direccional

Iluminación difusa

Iluminación a contraluz

Iluminación estructurada

Iluminación polarizada

Aspectos a considerar en la iluminación

Variación de la iluminación en pequeños periodos de

tiempo.

Alimentación continúa, alimentación alterna en alta

frecuencia y sincronización.

Variación de la iluminación en largos periodos de tiempo.

Arranque y autocalibración.

Temperatura y disposición física.

Fuentes luminosas de alta precisión.

31


Mantenimiento, coste y facilidad de recambio.

2.3 ÓPTICAS

La óptica es el elemento del sistema de visión que permite

concentrar los rayos luminosos del entorno sobre el plano

sensor. Una vez definido el sistema de iluminación, la elección

de la óptica influirá en la calidad de la imagen recibida y del

tamaño de los objetos.

Figura 2.7: Ejemplo de óptica.

32


Características de las ópticas

Enfoque. Actuando sobre el enfoque se puede conseguir

una imagen más o menos nítida. Las ópticas comerciales

se pueden clasificar por el enfoque en: ópticas fijas, ópticas

variables y ópticas motorizadas. Estas últimas disponen de

un motor de forma que se puede enfocar o bien de forma

automática o bien de forma teleoperada.

Iris o apertura. El dispositivo de apertura está formado

de láminas muy delgadas dispuestas de tal manera que en

el centro se forma un círculo por el que puede entrar la luz.

Abriendo o cerrando el iris entrará más o menos luz,

haciendo que la imagen sea más clara o más oscura.

Cerrando el iris también se aumenta la profundidad de

campo y se disminuyen las aberraciones de la lente, sin

embargo se tendrá que iluminar más la escena. El iris

puede ser manual, automático (autoiris) o motorizado. Las

ópticas con auto iris tienen un motor, al igual que las

33


motorizadas, pero ésta no se controla por un usuario a

distancia, sino por la propia cámara. La cámara regulará el

auto iris abriéndolo o cerrándolo en función de la cantidad

de luz que esté recibiendo.

Zoom. Las ópticas con zoom permiten, mediante dos

conjuntos de lentes que se pueden acercar o separar,

hacer que la escena aparezca más próxima. De esta

manera se puede fijar en detalles que a simple vista no se

aprecian, pudiendo tener una vista general de la escena o

en detalles concretos, realizando una magnificación de la

imagen. El efecto de aumentar el zoom es la disminución

del ángulo de vista. Las ópticas pueden ser con o sin zoom

y éstas pueden ser manuales o motorizadas.

Parámetros de las ópticas

34


A la hora de comprar una óptica en el mercado para un sistema

de visión hay que tener claro las necesidades del proyecto. El

precio de la óptica puede variar en función de sus

características y calidades. Los principales parámetros en la

elección de una óptica son:

Distancia focal f.

Número F.

Angulo de vista.

Rosca.

2.4 CÁMARAS

Las cámaras de video han tenido una rápida evolución en los

últimos años, desde las primeras cámaras de video que iban

35


equipadas con tubos Vidicon hasta las más modernas cámaras

provistas de sensores CCD y CMOS.

Hay dos tipos principales de cámaras que se utilizan en

sistemas de visión por computadoras: Cámaras Matriciales y

Cámaras Lineales.

Cada uno de estos tipos de cámaras se describirá por separado

y se consideran generalmente tecnologías completamente

distintas. Sin embargo hay muchas características que se

superponen en ambos tipos de cámaras.

Cámaras Matriciales

Término que se refiere a que el sensor de la cámara cubre un

área o que está formado por una matriz de píxeles.

Una cámara matricial produce una imagen de un área,

normalmente con una relación de aspecto de 4 a 3. Esta

36


relación viene de los tiempos de las cámaras Vidicon y de los

formatos de cine y televisión. Actualmente existen muchas

cámaras que ya no mantienen esta relación y que no siguen los

formatos de la televisión.

Cámaras Lineales

El concepto de barrido lineal se asocia a la construcción de una

imagen línea a línea, utilizando un sensor lineal de forma que la

cámara se desplaza con respecto al objeto a capturar, o bien el

objeto se desplaza con respecto a la cámara. La utilización de

cámaras lineales sin ser compleja requiere de una mayor

experiencia en los entornos de visión que la utilización de

cámaras matriciales.

La tecnología de cámaras lineales hace mucho tiempo que fue

desarrollada para aplicaciones de inspección de materiales

fabricados en continuo, como papel, tela, planchas metálicas,

37


etc. Sin embargo en la actualidad se está imponiendo en

muchos otros procesos productivos y de inspección, que

requieren alta resolución y / o alta velocidad a un precio

competitivo.

Las cámaras lineales utilizan sensores lineales que acostumbran

a tener entre los 512 y 8192 elementos (píxeles), con una

longitud lo más corta posible, y con una gran calidad con el fin

de obtener la mejor sensibilidad y prestaciones.

Con la tecnología de cámaras lineales es posible capturar

objetos de grandes dimensiones en una sola pasada, mientras

que con cámaras matriciales este mismo objeto debería ser

dividido en una secuencia de imágenes parciales.

CCD versus CMOS

38


El sensor de imagen de la cámara se encarga de transformar la

luz en señales eléctricas. Cuando se fabrica una cámara, existen

dos tecnologías de sensor de imagen disponibles:

- CCD (Dispositivo de acoplamiento de carga)

- CMOS (Semiconductor de óxido metálico complementario)

Los sensores CCD se fabrican usando una tecnología

desarrollada específicamente para la industria de cámaras,

mientras que los sensores CMOS se basan en una tecnología

estándar ampliamente utilizada en los chips de memoria como

por ejemplo, dentro de una PC.

Tecnología CCD

Los sensores CCD (ver figura 2.8) llevan utilizándose en las

cámaras desde hace más de 20 años y presentan muchas

39


ventajas de calidad, entre las cuales cabe destacar una mejor

sensibilidad a la luz que los sensores CMOS. Esta mayor

sensibilidad a la luz se traduce en mejores imágenes en

situaciones de luz escasa.

Sin embargo, los sensores CCD son caros ya que están

fabricados siguiendo un proceso no estandarizado y más

complejo para ser incorporados a una cámara. Además, cuando

existe un objeto muy luminoso en la escena (como, por ejemplo,

una lámpara o la luz solar directa), el CCD puede tener

pérdidas, provocando rayas verticales por encima y por debajo

del objeto.

Figura 2.8: Sensor CDD.

40


Tecnología CMOS

Los recientes avances en los sensores CMOS (ver figura 2.9) los

acercan a sus homólogos CCD en términos de calidad de la

imagen, pero siguen siendo inadecuados para cámaras donde

se exige la máxima calidad de imagen posible.

Una de las limitaciones actuales de los sensores CMOS es su

menor sensibilidad a la luz. En condiciones de luz normales esto

no supone ningún problema, mientras que en situaciones de

escasa luz se vuelve manifiesto. El resultado es una imagen

muy oscura o una imagen con apariencia granular.

Figura 2.9: Sensor CMOS.

41


Elección de una cámara

Muchos son los aspectos que pueden influir en la elección de

una cámara a otra. Sin embargo, algunas consideraciones han

de tenerse en cuenta para no arrepentirse de la compra o para

no gastarse más dinero del que realmente hace falta.

Normalmente, la elección de la cámara va íntimamente ligada a

la de la óptica.

Las características técnicas son las más importantes y las que

siempre se tendrá presente a la hora de adquirir una cámara. A

continuación se enumeran algunas de ellas.

Formato de video

EI formato de la señal es importantísimo ya que tanto las

cámaras como las digitalizadoras y, a veces, los monitores

deben ser del mismo formato. El formato cambia de un país a

otro.

42


En Europa se tiene el sistema PAL (Phase Alternating Line, en

español línea alternada en fase) o CCIR (Comité Consultivo

Internacional de Radiocomunicaciones) que será siempre al que

se haga referencia. En los países francófonos se emplea el

sistema SECAM (Color secuencial con memoria) y en el

continente Americano y Japón el sistema NTSC (National

Television System(s) Committee).

Otro tipo de cámaras que no sigue ninguno de estos formatos

son las llamadas cámaras digitales que envían la información al

digitalizador en formato digital codificado según el formato de

cada fabricante, aunque se está extendiendo el protocolo IEEE

1394 o FireWire. Si se adquiere una cámara de este tipo hay

que tener en cuenta que son mucho más caras y que no todos

los computadores tienen este puerto, aunque ofrecen

numerosas ventajas.

Resolución

43

http://es.wikipedia.org/wiki/Idioma_espa%C3%B1ol


Una imagen en el sistema CCIR está formada por 576 filas y 768

columnas, sin embargo, el tamaño del CCD puede ser mayor o

menor. La norma es que cuantos más píxeles disponga el CCD

mayor será la calidad de la imagen. Otro factor a tener en

cuenta, en la resolución, es el número de bits con que se

digitaliza el píxel. Lo normal en cámaras digitales es emplear 8

bits, aunque existen cámaras de hasta 16 bits por píxel.

2.5 TARJETAS DE ADQUISICIÓN

El nombre tarjeta digitalizadora (véase figura 2.10) no es

correcto del todo, ya que ésta incluye operaciones de

procesamiento e incluso permiten recibir señal de vídeo digital.

Sin embargo, este término es ampliamente aceptado por

razones históricas, pues al principio estas tarjetas no hacían

44


más que digitalizar la imagen y era el computador el encargado

de procesarlas.

Una tarjeta digitalizadora o frame grabber tiene como propósito

principal muestrear, en tiempo real, la salida estándar de una

cámara de vídeo, pasando la información a la computadora. La

información es almacenada temporalmente y una vez allí la

información es procesada siguiendo las directrices de un

programa.

Dependiendo de la aplicación, la tarjeta puede ser programada

para capturar y almacenar cuadros individuales, recoger una

cierta secuencia de cuadros o quizás leer de manera continua la

imagen de vídeo y realizar una tarea determinada en tiempo

real. Algunas tarjetas tienen características avanzadas como

puede ser captura síncrona de las imágenes.

45


Las digitalizadoras con capacidades para el procesamiento en

tiempo real derivan sus prestaciones de los procesadores

digitales de señal (DSP). Éstos pueden realizar procesamientos

básicos sobre la señal de una manera encadenada y en tiempo

real.

Figura 2.10: Tarjetas digitalizadoras.

46


CAPÍTULO III: ETAPAS DE UN SISTEMA DE

VISIÓN POR COMPUTADORA

El desarrollo de una aplicación basada en la visión por

computadora se puede dividir en seis etapas, tal como lo

muestra el esquema de la figura 3.1, en donde las flechas

coloreadas indican el orden en las etapas, mientras que las

flechas sin colorear significan que en cada etapa se actualiza el

conocimiento del problema con la información que se extrae en

la misma. Aunque el orden que se marca es secuencial, a veces

y dependiendo de los objetivos del problema no se tiene que

pasar por todas las etapas o incluso realizar una realimentación

si es necesario.

Cada una de las etapas que conforman el sistema de visión se

describen a continuación.

47

Extracción de características

Preprocesamiento

Adquisición de Imagen

Segmentación

Descripción de objetos

Reconocimiento

Conocimiento del problema


Figura 3.1: Etapas de una aplicación basada en la visión por computadora.

3.1 CAPTACIÓN DE IMÁGENES

La primera etapa del proceso es la adquisición de la imagen, es

decir la adquisición de una imagen digital. Para la adquisición

digital de imágenes se necesitan dos elementos. El primero de

ellos es un dispositivo físico sensible a una determinada banda

del espectro de energía electromecánica (como las bandas de

rayos X, ultravioleta, visible o infrarrojo) y que produzca una

señal eléctrica de salida proporcional al nivel de energía

detectado.

El segundo, denominado digitalizador, es un dispositivo para

convertir la señal de salida del sistema sensible a forma digital.

48


Ésta es transmitida hasta el computador, ya sea para su

monitorización o procesamiento.

Figura 3.2: Captación de imagen.

3.2 PROCESAMIENTO DE IMÁGENES

Una vez preparada la escena para ser capturada por las

cámaras de visión por computadora, se deberá de tratar el

aspecto tanto de cuantificación como de codificación que sufre

la señal de vídeo al ser introducida en la computadora. Esta

etapa, trata de obtener una nueva imagen que o bien mejore su

calidad o bien destaque algún atributo primario de los objetos

capturados.

49


Esta etapa pretende mejorar o realzar las propiedades de la

imagen para facilitar las siguientes operaciones del sistema de

visión por computadora, tales como las etapas de

segmentación, extracción de las características y finalmente la

interpretación automática de las imágenes.

En el primer aspecto se tratarán de corregir las posibles faltas

de iluminación uniforme, la eliminación del ruido o de aumentar

el contraste en la imagen. Mientras en el segundo, su objetivo

es realzar los bordes de los objetos, regularizar sus colores,

destacar sus texturas, etc.

A continuación se describen las principales técnicas de

procesamiento de imágenes:

3.2.1 REALCE DE LA IMAGEN

50


El objetivo principal del realce (ver figura 3.3) es el de destacar

los detalles finos de una imagen o intensificar detalles que han

sido difuminados, bien sea por error bien por efecto natural del

método de adquisición de la imagen.

El realce tiene un efecto opuesto a la eliminación de ruido, ya

que se trata de resaltar aquellos píxeles que presentan un nivel

de gris distinto al de sus vecinos. Por ello, si la imagen es

ruidosa, el efecto del ruido se multiplicará, por lo que antes de

resaltar la imagen habrá que eliminar el ruido de la misma.

Figura 3.3: Ejemplo de realzado de la imagen.

3.2.2 DETECCIÓN DE BORDES

51


Una vez que la imagen ha sido procesada se está en disposición

de detectar los objetos presentes en ella. Para ello se buscan en

la imagen características que definen al objeto que se desea

encontrar.

Una de las informaciones más útiles que se encuentran en una

imagen la constituyen los bordes, ya que al delimitar los objetos

definen los límites entre ellos y el fondo, y entre los objetos

entre sí.

Un borde es la frontera entre dos regiones con niveles de gris

relativamente distintas. Su causa principal es originada por la

intersección de varios objetos, con diferentes niveles de

reflectancia, que al ser proyectados sobre la cámara generan

discontinuidades de intensidad en los píxeles correspondidos

(véase la figura 3.4).

52


Sin embargo, estas discontinuidades también aparecen de

forma no deseada por la presencia del ruido, por el efecto de

sombras sobre los propios objetos o por una iluminación no

uniforme dentro de la escena.

(a) Imagen de entrada para (b) Imagen de salida con los bordes

detectar los bordes

Figura 3.4: Ejemplo de obtención de los bordes de una imagen.

3.2.3 ELIMINACIÓN DE RUIDOS

53


Todas las imágenes tienen una cierta cantidad de ruido, valores

distorsionados, etc., debidos a diversos motivos, como al sensor

de la cámara que captura la imagen o al medio de transmisión

de la señal. El ruido se manifiesta generalmente en píxeles

aislados que toman un valor de gris diferente al de sus vecinos

y es una información no deseada que contamina la imagen

(véase la figura 3.7(a)). Básicamente, el ruido se puede

clasificar en dos tipos:

Gausiano: El ruido se superpone a los puntos de la imagen

de forma aditiva. Su valor sigue una distribución normal.

a) Imagen original b) Imagen con ruido gaussiano

Figura 3.5: Ruido Gaussiano.

54


Impulsional (sal y pimienta): Se caracteriza por la aparición

de píxeles con valores arbitrarios normalmente detectables

porque se diferencian mucho de sus vecinos más

próximos.

a) Imagen original b) Imagen con ruido sal y pimienta

Figura 3.6: Ruido Sal y Pimienta.

a) Imagen original con ruido . b) Resultado después de

eliminarle el ruido.

Figura 3.7: Ejemplo de eliminación de ruido.

55


3.3 SEGMENTACIÓN

En cualquier imagen se encontrarán presentes uno o varios

objetos. El objetivo de la segmentación es separar dichos

objetos y distinguirlos entre sí (véase figura 3.8). Después de

esta separación estará el proceso de descripción individualizada

de los objetos encontrados y su reconocimiento e

interpretación.

La segmentación se basa en tres propiedades:

1. Similitud. Cada uno de los píxeles de un elemento tiene

valores parecidos para alguna propiedad.

2. Discontinuidad. Los objetos destacan el entorno y tienen

por tanto unos bordes definidos.

3. Conectividad. Los píxeles pertenecientes al mismo objeto

tienen que ser contiguos, es decir, deben estar agrupados.

56


Figura 3.8: Ejemplo de segmentación de imágenes.

Estas suposiciones no son fáciles de cumplir, pero son

fundamentales para una buena segmentación. Respecto a la

similitud, los objetos deberían presentar una apariencia

uniforme.

Esto no va a ser posible debido a diversos factores como la

iluminación, pequeñas variaciones en el material de los objetos,

al sensor de la cámara, etc. Respecto a la discontinuidad, los

bordes no tienen por que estar bien definidos. Y por último, se

puede dar el caso de ocultamientos parciales de un objeto por

57


parte de otro lo que dificultará el cumplimiento de la

conectividad de todos los puntos del objeto.

Las técnicas de segmentación se basan en la búsqueda de las

partes uniforme de la imagen o justo lo contrario, aquellas

partes donde se produce un cambio. Tanto si se elige una u otra

forma para la segmentación, o una combinación de ambas, al

final lo que se obtendrán serán regiones.

Una región es un conjunto de píxeles en los que existe un

camino entre cualquier pareja de sus píxeles, y todos los píxeles

del camino pertenecen a la región, además de presentar

propiedades o características comunes.

58


3.3.1 TÉCNICA BASADA EN UMBRALIZACIÓN

La umbralización es una técnica de segmentación ampliamente

utilizada en las aplicaciones industriales. Se emplea cuando hay

una clara diferencia entre los objetos a extraer respecto del

fondo de la escena. Los principios que rigen son la similitud

entre los píxeles pertenecientes a un objeto y sus diferencias

respecto al resto. Por tanto, la escena debe caracterizarse por

un fondo uniforme y por objetos parecidos. La técnica más

utilizada es la segmentación por análisis del histograma.

La umbralización consiste en elegir un valor de la intensidad y

convertir todo lo que es superior a ese valor a 1 y lo que es

inferior a 0.

59


Figura 3.9: Segmentación por umbralización.

3.3.2 TÉCNICA BASADA EN BORDES

La localización de las fronteras de los objetos en la escena,

emplearán las técnicas de detección de los bordes. Sin

embargo, esta etapa no es definitiva para poder segmentar los

objetos presentes en la imagen. La presencia de ruido, el efecto

de las sombras, la falta de iluminación uniforme y un largo

etcétera de causas, produce que los contornos no sean del todo

continuos y cerrados sobre los objetos.

Se requiere otra etapa de post-procesamiento. Esta nueva fase

emplea los resultados de la detección de bordes para elaborar

las fronteras de los objetos. Se trata de agrupar los píxeles

etiquetados como bordes, de la etapa anterior (de detección de

bordes), empleando la propiedad de conectividad.

60


Figura 3.10: Segmentación basada en bordes.

3.3.3 TÉCNICA ORIENTADA A REGIONES

La estrategia a emplear en este tipo de segmentación está

basada en los criterios de similitud y continuidad de los píxeles

que forman una región. Las regiones se forman mediante

píxeles que tengan conectividad y presenten alguna propiedad

de similitud y discrepancia respecto al resto de los píxeles que

no pertenecen a la región.

61


Figura 3.11: Segmentación orientada a regiones.

3.4 REPRESENTACIÓN Y DESCRIPCIÓN

A la salida del proceso de segmentación habitualmente se

tienen los datos de píxel en bruto, que constituyen bien el

contorno de una región o bien todos los puntos de una región

determinada.

La descripción en la visión consiste en extraer características de

un objeto para reconocerlo. Por lo general los descriptores

deben ser independientes del tamaño de la localización y

62


orientación del objeto y deben contener suficiente información

de discriminación para distinguir un objeto del otr Existen

ambigüedades en las que un descriptor no puede distinguir un

objeto de otro como se observa en la figura 3.9, en la que se

visualiza una imagen de poisedon y también la forma de una

sirena.

Figura 3.12: Imagen de un poisedon y una sirena en la misma escena.

3.5 RECONOCIMIENTO E INTERPRETACIÓN

El reconocimiento es el proceso que asigna una etiqueta a un

objeto basándose en la información proporcionada por sus

descriptores. La interpretación implica asignar significado a un

conjunto de objetos reconocidos. La interpretación trata de

63


asignar significado a un conjunto de entidades etiquetadas. El

etiquetado o coloreado consiste en asignar un valor único a

cada región.

Figura 3.13 (a): Ejemplo de etiquetado de una imagen.

Figura 3.13 (b): Ejemplo de reconocimiento de objetos.

3.5.1 ELEMENTOS DE ANÁLISIS DE IMÁGENES

64


El análisis de imágenes es un proceso que consiste en

descubrir, identificar comprender los patrones que son

relevantes en el rendimiento de un trabajo basado en imágenes.

Uno de los principales objetivos del análisis de imágenes por

computadora consiste en dotar a una máquina, en algún

sentido, de la capacidad de aproximación, similar a la de los

seres humanos.

Resulta conceptualmente útil dividir el espectro de técnicas de

análisis imágenes en tres áreas básicas. Estas áreas son:

1. Procesado de bajo nivel

Trata de un tipo de funciones a las que se puede considerar

como reacciones automáticas, y que no requieren inteligencia

por parte del sistema de análisis de imágenes.

2. Procesado de nivel intermedio

65


Se refiere a la labor de extracción y caracterización de los

componentes de la imagen que se obtiene de un proceso a bajo

nivel.

3. Procesado de alto nivel

Comprende el reconocimiento y la interpretación, estos dos

procesos tienen un gran parecido con lo que normalmente se

conoce como conocimiento inteligente.

3.5.2 PATRONES Y CLASES DE PATRONES

Un patrón es una descripción estructural o cuantitativa de un

objeto o de alguna otra entidad de interés en una imagen. Una

clase de patrones es una familia de patrones que comparten

algunas propiedades comunes.

66


3.5.3 INTERPRETACIÓN

La interpretación es el proceso que dota a un sistema de visión

de reconocer e interpretar a un objeto.

La potencia de un sistema de visión artificial se determina por

su capacidad de extraer información con significado de una

escena dentro de un amplio margen de condiciones de visión y

usando un mínimo de conocimiento sobre los objetos que se

están observando.

67


Figura 3.14: Reconocimiento e interpretación.

CAPÍTULO IV: APLICACIONES

En este capítulo se describen algunas de las muchas

aplicaciones del sistema de visión por computadora en el

mundo actual.

4.1 MEDICINA

68


La comunidad médica utiliza muchas aplicaciones en las que

aparece el procesamiento de imágenes, entre las que se

incluyen radiografías, ultrasonidos, etc.

Figura 4.1: Ejemplo de aplicación en la medicina.

Análisis de imágenes tomadas por rayos “X”.

Figura 4.2: Ejemplo de imágenes tomadas por Rayos “X”.

Análisis de imágenes tomadas por ultrasonidos.

69


Figura 4.3: Ejemplo de ultrasonido.

4.2 CONTROL DE CALIDAD EN LA INDUSTRIA

Hoy en día, en muchos procesos de fabricación, los límites de

detección de defectos han superado la percepción del ojo

humano; por esta razón las empresas del mundo moderno han

visto la necesidad de crear un sistema que permita controlar en

forma precisa y acertada la calidad de sus productos. Es así

como nace la visión por computadora.

70


La visión por computadora, como se ha definido anteriormente

es un sistema informatizado que captura la imagen de un objeto

determinado en una línea de producción y procede a la

identificación de diferentes parámetros para el control de

calidad, como el color, la textura, la forma, la estructura interna

y externa del producto.

Los sistemas de visión por computadora completan tareas de

inspección con un alto nivel de flexibilidad y repetibilidad, nunca

se cansan, ni se aburren, ni se distraen y pueden ser puestos a

trabajar en ambiente donde los inspectores humanos no podrían

trabajar bajo condiciones de seguridad. Mientras los sistemas de

visión por computadora exceden a los operadores humanos en

términos de ambiente de trabajo, sí dependen de la forma en

que el ojo humano interactúa con el cerebro para procesar

imágenes y tomar decisiones.

71


Para un inspector humano, los ojos proporcionan información

del ambiente que lo rodea, el cerebro interpreta lo que los ojos

ven, basado en experiencias previas con objetos similares.

Basándose en esta interpretación, se toman decisiones y

acciones. En forma similar, los sistemas de visión por

computadora ven al objeto, lo interpretan y toman decisiones.

La visión por computadora se está convirtiendo rápidamente en

un factor clave en el desarrollo de la calidad total dentro de los

diferentes procesos de automatización industrial.

Su implementación en una empresa genera un aumento en el

nivel de producción y una reducción en los costos de

fabricación, elevando los niveles de competitividad en el

mercado nacional e internacional.

La visión por computadora permite inspeccionar el proceso de

producción sin fatigas ni distracciones, facilitando la

72


cuantificación de las variables de calidad traduciéndose en un

mejoramiento continuo (véase figura 4.3).

Figura 4.4: Ejemplo de sistema de visión para el control de

calidad.

Algunas de las tareas que realiza el sistema de visión por

computadora en esta área son las siguientes:

Verificación de etiquetas.

Inspección de contenedores.

Inspección de motores.

73


Inspección de cristales.

Control de calidad de comida.

Inspección de soldaduras.

Inspección de circuitos impresos.

Inspección madera, tela, fundiciones, papel.

4.3 ROBÓTICA

Un robot es un manipulador controlado por computadora,

diseñado para mover materiales, piezas, herramientas u otros

dispositivos especializados a través de una serie de pasos

programados.

La robótica se define como el conjunto de conocimientos

teóricos y prácticos que permiten concebir, realizar y

automatizar sistemas basados en estructuras mecánicas

74


poliarticuladas, dotados de un determinado grado de

“inteligencia” y destinados a la producción industrial o al

sustitución del hombre en muy diversas tareas. Un sistema

robótica puede describirse como “Aquél que es capaz de recibir

información, de comprender su entorno a través del empleo de

modelos, de formular y de ejecutar planes, y de controlar o

supervisar su operación”. La robótica es esencialmente

pluridisciplinaria y se apoya en gran medida en los progresos de

la microelectrónica y de la informática, así como en los de

nuevas disciplinas tales como el reconocimiento de patrones y

de inteligencia artificial.

La robótica es un componente esencial de la automatización de

la fabricación, que afectará la mano de obra humana a todos

niveles, desde los trabajadores más especializados hasta los

técnicos profesionales y directores de producción. Los futuros

robots pueden encontrar aplicaciones fuera de la fábrica, por

ejemplo en bancos, restaurantes e incluso en sus propios

75


hogares. Es posible, y quizá probable, que la robótica llegue a

ser un campo como el de la tecnología informática actual, que

invada nuestra sociedad.

Objetivos de la robótica:

1. El aumento de la productividad.- Esto se consigue,

fundamentalmente, optimizando la velocidad del trabajo

del robot, que reduce el tiempo parcial a cargo del

manipulador y aumenta el rendimiento total en línea de

producción.

2. Potenciar la flexibilidad en la adaptación a series de

producción cortas.

3. Conseguir una rápida amortización de la inversión, como

consecuencia de la sustitución de la mano de obra, mejor

uso y mayor duración de las herramientas, menores

76


pérdidas de material residual, pocas averías y

mantenimiento reducido.

4. Mejorar la capacidad de los productos fabricados, dada la

precisa repetividad de los movimientos del robot y la

posibilidad de incrementar un control de calidad.

5. Realizar trabajos en condiciones hostiles y peligrosas,

tales como las que se llevan a cabo en ambientes con

temperaturas elevadas, contaminación, gases tóxicos,

materiales inflamables o radiactivos y en los entornos

submarinos o espaciales.

Área de la robótica donde se aplica el sistema de visión por

computadora (véase figura 4.4):

Guiado de robots industriales

Navegación de robots móviles.

77


Figura: 4.5: Robots trabajando en la industria.

4.4 IDENTIFICACIÓN DE PERSONAS

Consiste en identificar o verificar automáticamente la identidad

de las personas basándose en sus características físicas o sus

pautas de comportamientos. Por ejemplo el reconocimiento del

iris, las huellas dactilares, la cara o la voz, etc.

Reconocimiento de la cara

Permite determinar la identidad de una persona, al comparar

una imagen de su cara con imágenes de referencia

almacenadas en una base de datos, en la que también se

78


almacena la identidad de las personas asociadas a cada imagen

de referencia. Esta comparación se realiza analizando

elementos estructurales presentes en las caras.

Figura 4.6: Ejemplo de reconocimiento de caras.

Huellas dactilares

Las huellas dactilares son los surcos o líneas que existen en las

yemas de los dedos. Estas líneas poseen diseños únicos en cada

persona y por lo tanto se utilizan como un método de

identificación de identidad. Un escáner óptico captura una

imagen de los surcos y estrías de nuestra huella dactilar, y

compara los puntos en que terminan o se bifurcan los surcos

con los de la imagen que tiene archivada.

79

http://www.ded.co.uk/products_oem_thermal_kiosk_ekn.html%00%E5%A1%B9%EF%92%81%E1%B4%BB%E4%A1%BF%E2%B2%AF%E5%B6%82%E8%97%84%E6%8C%A7%00%00%EA%AE%A5


Figura 4.7: Ejemplo de identificación por huella digital.

4.5 SEGURIDAD Y VIGILANCIA

Consiste a la detección y seguimiento de personas a través de

cámaras (véase figura 4.6), de esta forma el sistema de visión

capta todas las imágenes en los establecimientos donde se

encuentra instalada ya sea en bancos, tiendas comerciales o en

cualquier otro negocio, empresa o industria.

80


Figura 4.8: Ejemplo de seguridad y vigilancia a través de captación de imágenes por cámaras.

CONCLUSIONES

En este trabajo se presentó una breve introducción al tema de

sistema de visión por computadora siguiendo con una

descripción de los elementos en que se compone, así como las

etapas que lo conforman, concluyendo con una explicación de

las principales aplicaciones del mismo.

Es preciso reconocer que hoy por hoy la visión por computadora

a veces no es la mejor solución a un problema. Existen muchas

ocasiones en las que el problema es tan complejo que la

solución humana es lo mejor, la solución humana es menos

estructurada que la solución artificial y muchos problemas de

visión por computadora requieren un nivel de inteligencia

mucho mayor que el que la máquina pueda ofrecer. No obstante

el sistema de visión humana puede describir automáticamente

una textura en detalle, un borde, un color, una representación

81


bidimensional de una tridimensional, ya que puede diferenciar

entre imágenes de diferentes personas, firmas, colores, etc.,

puede vigilar ciertas zonas, etc. Aun a pesar de las limitaciones

expuestas, cada día es mayor el número de aplicaciones de la

visión artificial.

BIBLIOGRAFÍA

Referencias Bibliográficas:

1. González, Rafael y Woods, Richard, 1992. Tratamiento

digital de imágenes. Ed. Addison-Wesley/Díaz de Santos.

2. Pajares Martinsanz Gonzalo, De La Cruz García Jesús M.,

2002. Visión por computador imágenes digitales y

aplicaciones. Ed. Alfaomega.

3. González Jiménez, Javier, 2000. Visión por computador.

Ed. Paraninfo.

4. Sánchez Calle, Ángel, 2005. Aplicaciones de la Visión

artificial y la biometría informática. Ed. Dikydson

Referencias de Internet:

82


1. Http://Iris.Usc.Edu/Vision-Notes/Rosenfeld/Contents.Html

2. Http://Turing.Iimas.Unam.Mx/~Elena/Teaching/CV-

Mast.Html

3. Http://Www.Debevec.Org/Research/IBL/

4. Http://Ccc.Inaoep.Mx/%7Elabvision/

5. Http://Www.Diinf.Usach.Cl/~Dmery/Visiona/Visiona.Pdf

6. Http://Www.Des.Udc.Es/~Adriana/Tercerciclo/

Cursoimagen/Curso/Web/Indice.Html

83

Sistema de Vision Por Computadora

Documents

Transcript of Sistema de Vision Por Computadora