Informe técnico Nro 5 de Avance de Proyecto

Roy Pérez Pinto, Roxana Flores Quispe, Alexander

Rodriguez Velasquez

Arequipa, 21 febrero de 2011

Contents

Contenido 1

Lista de Figuras 2

Lista de Tablas 3

1 Informe técnico Nro 5 de Avance del Proyecto 1

1.1 Informacion General . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Componentes, Subcomponentes y Actividades . . . . . . . . . . . . . . . 1
1.3 Actividades Realizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3.1 Actividad 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3.2 Actividad 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Acciones no Contempladas Originalmente . . . . . . . . . . . . . . . . . 2
1.5 Actividades no Realizadas o no concluidas . . . . . . . . . . . . . . . . . 2
1.6 Sugerencias y contribuciones Futuras . . . . . . . . . . . . . . . . . . . 2
1.7 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

A Desarrollo de la actividad de espacios de color 4

A.1 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
A.2 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
A.3 Sistemas de Colores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
A.3.1 Sistemas Monocromático . . . . . . . . . . . . . . . . . . . . . . 5
A.3.2 Escala de Grises . . . . . . . . . . . . . . . . . . . . . . . . . . 5
A.3.3 Espacio de Color HSV . . . . . . . . . . . . . . . . . . . . . . . 6
A.3.4 Espacio de color RGB . . . . . . . . . . . . . . . . . . . . . . . 7
A.4 Algoritmo de conversion de RGB a HSV . . . . . . . . . . . . . . . . . . 11

B Desarrollo de la actividad de concepción del prototipo de la “máquina” 12

B.1 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
B.2 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
B.3 Diagrama de Flujo de la “La Máquina” . . . . . . . . . . . . . . . . . . . 12

Referencias bibliográficas 15

1
List of Figures

A.1 Imágen Monocromática . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

A.2 Circulo Cromático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
A.3 Sistema de Color HSV . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
A.4 (a) Esquema del cubo RGB mostrando los colores primarios y secundar-
ios en los vértices (b) cubo de color RGB . . . . . . . . . . . . . . . . . 7
A.5 Esquema que muestra como los pixeles de una imagen de color RGB son
formados desde sus correspondientes pixeles de las tres componentes de
la imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
A.6 Imagen original . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
A.7 Componente Red de la Imagen original . . . . . . . . . . . . . . . . . . 9
A.8 Componente Green de la Imagen original . . . . . . . . . . . . . . . . . 10
A.9 Componente Blue de la Imagen original . . . . . . . . . . . . . . . . . . 10

B.1 Diagrama de Flujo de “La Máquina” de codificación . . . . . . . . . . . 13

2
List of Tables

1.1 Definición del Proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.2 Actividades a ser realizadas . . . . . . . . . . . . . . . . . . . . . . . . 1

A.1 Tipos de datos en RGB . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

B.1 Códigos de exportación de moluscos Conchas de Abanico . . . . . . . . 14

3
Chapter 1

Informe técnico Nro 5 de Avance del

Proyecto

1.1 Informacion General

El presente informe Nro 5 corresponde al desarrollo del proyecto especificado en la
tabla 1.1.

Table 1.1: Definición del Proyecto

Unidad Ejecutora Chatsford S.A.C.
Nombre del Proyecto Mejora del proceso de Selección y codificación de
conchas de abanico utilizando técnicas de visión artificial
Numero de contrato 139
Periodo Del 17/02/11 al 21/02/11

1.2 Componentes, Subcomponentes y Actividades

Detallar los componentes, subcomponentes y actividades planeadas a ser realizadas
durante el período del informe. Estas actividades son las que en acuerdo de la reunión an-
terior al informe de fecha 11 de febrero del presente, se establecieron para ser realizadas.

Table 1.2: Actividades a ser realizadas

Componente Subcomponente Actividad
Visión Artificial Análisis actividad 1: Espacios de color
Diseño Maquina Inicio actividad 2: Concepción del prototipo de máquina

1.3 Actividades Realizadas

1.3.1 Actividad 1
• Se hizo el estudio de Sistemas de Color y se implementó en matlab varios de ellos
Informe técnico 2

• Se implemento en C++ un programa para segmentar moluscos del fondo por medio
de HSV

• Además se implementó en C++ un modelo para segmentar moluscos de concha de

abanico por medio de técnicas de Kmeans. Las cuales comprenden a su vez técnicas
de histogramas de colores en RGB.

• Para encontrar los contornos se uso métodos de gradientes por medio de Canny.

• Se programó en Matlab un script para convertir escalas de color RGB y HSV a

escala de grises.

• Se programó en Matlab un script para convertir escalas de color RGB a HSV.

1.3.2 Actividad 2
• Se diseñó un diagrama de flujo de la concepción, obtenida del problema, para la
máquina de codificación de moluscos de conchas de abanico.

• Se desarrolló una descripción del diagrama de flujo, esto para detallar la concepción
del problema, y la propuesta del grupo para afrontar el mismo.

1.4 Acciones no Contempladas Originalmente

No aplica.

1.5 Actividades no Realizadas o no concluidas

No aplica.

1.6 Sugerencias y contribuciones Futuras

• Para los procesos de segmentación es importante probar con los distintos espacios
de color, ya que cada uno de ellos resalta una característica propia del objeto, por
eso se debe probar con los distintos sistemas y cada componente de los mismos para
determinar que características puede resaltar cada uno, puesto que cada Sistema de
Color está compuesto por distintos aspectos o componentes que pueden ayudar a
elegir cual usar para un determinado dominio. Así por ejemplo si se desea separar
el zonas brillosas, se tendría que trabajar con un sistema de colores que trabaje con
brillo como un componente, esto ayudará a conseguir resultados optimos.

• De igual modo para la extracción de características de color es impresindible traba-

jar y probar en los diferentes espacios de color.
Informe técnico 3

• Por otro lado, el intercambio de ideas con especialistas, tales como electrónico,
mecánico, electrico, biólogo; es necesario para mejorar la concepción del problema
y tener una visión mas amplia de la máquina a construir.

1.7 Conclusiones
• Los sistemas de color nos ayudan a identificar por medio de sus componentes zonas
de las imágenes que con otros sistemas de color distintos no podríamos separar.

• No todos los sistemas de color van a resultar buenos para una segmentación de un
tipo específico de dominio. Por este motivo se hacen pruebas con distintos espacios
de color

• En las pruebas que se realizaron con HSV para hacer la segmentación vista en el
informe anterior, se logro separar las partes brillantes del molusco de las partes más
opacas, determinando así las partes que lo componen.

• El diseño de la máquina propuesto plantea la meta de globalizar los conceptos de

mecánica eléctrica y computacional, pues ello apoyará en procesos netamente in-
dustriales con ámbito en la biología para ser más explicitos la pesquería.

• El presente Proyecto no sólo abarca un problema de visión computacional, sino

también enfoca problemas de otras ramas de la ingeniería, todo esto en favor de la
automatización.
Appendix A

Desarrollo de la actividad de espacios de

color

A.1 Resumen
En este documento se presenta una descripción de los principales espacios de color
con los que se puede trabajar, así como algunos ejemplos de las principales utilidades que
se les puede dar a cada uno de ellos.

A.2 Introducción
En el campo del procesamiento de imágenes los espacios de color tienen una impor-
tancia cada vez más significativa. Mientras que algunos espacios de color nos pueden
ayudar a visualizar mejor los contornos en algunas imágenes, otros nos ayudan a mostrar
el contenido, teniendo cada espacio de color sus propias particularidades.
Por otro lado la representación de los colores varía según los dispositivos empleados
para su captura, dependiendo de varios factores como por ejemplo modelos o espacios
de color fiables que permitan una correspondencia de color precisa y predecible entre los
diferentes dispositivos [LaCie Group, ].
Nosotros estamos acostumbrados a trabajar sobre espacios de color RGB(Red -rojo,
Green -verde, Blue - azul), esto por lo general lo usan en pantallas, cámaras y escáneres,
algunos otros trabajan con CMYK(Cyan, Magenta, Yellow y Key), usados generalmente
en impresoras, trazadores gráficos y dispositivos de salida. Pero estos no son los úni-
cos espacios de color, sino que existen muchos otros, por lo que hablaremos de los más
importantes en el presente documento.

A.3 Sistemas de Colores

Los sistemas de colores son estandares que van a permitirnos hacer una representación
de un objeto en el espacio por medio de la combinación de sus componentes. Estos
sistemas ayudan a descomponer un objeto en varios componentes que pueden resaltar
partes de la imagen que es de interés.
Algunos de los principales Sistemas de Colores se presentan a continuación:
Anexo A 5

A.3.1 Sistemas Monocromático

Estos sistemas de colores se basan en la utilización de un solo color para representar
los objetos, siendo el más conocido es el Blanco y el Negro que representa la ausencia de
color, aunque tambien se puede usar cualquier color con el negro.
En la Figura A.1 podemos ver un ejemplo de un patrón monocromático, que consiste
de blanco y la ausencia de color, osea el negro. También pudo haberse tomado el color
rojo y negro o cualquier otra tonalidad con negro.

Figure A.1: Imágen Monocromática

Fuente: [Gon, 2004]

En especial este tipo de sistemas son usados en las etapas de busqueda de contornos
y bordes por la poca y compacta información que contienen, ademas que delimitan un
objeto por medio de la presencia o ausencia de color.

A.3.2 Escala de Grises

Este tipo de transformación se lleva a cabo eliminando el tono y la saturación, mientras
se mantiene la iluminación [Gon, 2004].
La imagen en escala de grises es una matriz de 2 dimensiones, cada píxel almacena
una magnitud del color gris correspondiente a una determinada posición en la imagen
utilizando un sistema de coordenadas de ’x’ (fila) y ’y’ (columna), comenzando en la
esquina superior izquierda.
Si lo vemos en el círculo cromático la escala de grises se encuentra en la parte casi
central del circulo cromático, en esta zona la matriz es casi nula como se puede ver en la
figura A.2.
Este tipo de escalas es muy utilizado en el procesamiento de imágenes, en la etápa de
segmentación ya que por tener una información compacta de la representación del objeto
es mas facil trabajar sobre las partes que contiene dicho objeto. Si por ejemplo en la
detección de anomalías en imágenes o para construír histogramas que ayudan a definir
zonas en una imagen.
Anexo A 6

Figure A.2: Circulo Cromático

Fuente: [Gon, 2004]

A.3.3 Espacio de Color HSV

El modelo HSV (del inglés Hue, Saturation, Value /Tonalidad, Saturación, Valor),
también llamado HSB (Hue, Saturation, Brightness-Tonalidad, Saturación, Brillo), define
un modelo de color en términos de sus componentes constituyentes en coordenadas cilín-
dricas [Ang, 2005]:

Tonalidad, el tipo de color (como rojo, azul o amarillo). Se representa como un grado
de ángulo cuyos valores posibles van de 0 a 360 (aunque para algunas aplicaciones se nor-
malizan del 0 al 100%). Cada valor corresponde a un color. Ejemplos: 0 es rojo, 60 es
amarillo y 120 es verde.

Saturación. Se representa como la distancia al eje de brillo negro-blanco. Los valores

posibles van del 0 al 100%. A este parámetro también se le suele llamar "pureza" por la
analogía con la pureza de excitación y la pureza colorimétrica de la colorimetría. Cuanto
menor sea la saturación de un color, mayor tonalidad grisácea habrá y más decolorado
estará. Por eso es útil definir la insaturación como la inversa cualitativa de la saturación.

Valor del color el brillo del color. Representa la altura en el eje blanco-negro. Los
valores posibles van del 0 al 100%. El 0 siempre es negro. Dependiendo de la saturación,
100 podría ser blanco o un color más o menos saturado. El modelo HSV fue creado en
1978 por Alvy Ray Smith. Se trata de una transformación no lineal del espacio de color
RGB, y se puede usar en progresiones de color. Nótese que HSV es lo mismo que HSB
pero no que HSL o HSI.

En la figura A.3, se puede ver el cono cromático correspondiente a un sistema de color

Anexo A 7

HSV, en donde la parte circular del cono representa la tonalidad, la altura representa la
saturación y el radio circular representa el brillo.

Figure A.3: Sistema de Color HSV

Fuente: [Ang, 2005]

Este modelo fue creado para aportar tanto información sobre el color en sí como so-
bre la cantidad y brillo del mismo, representando todo a la vez en un mismo diagrama
cromático. Se pueden usar para segmentar zonas que tienen distintos constrastes, brillos,
resaltándolo de las partes opacas o de colores opacos.

A.3.4 Espacio de color RGB

Una imagen de color RGB es un arreglo de pixeles de MxNx3, donde cada pixel de
color es un triplete correspondiente a sus componentes verde, rojo y azul, su espacio está
definido en un cubo cuyos vértices son estos tres colores primarios, a su vez cuando las
tres coordenadas están en cero se percibe el color negro y cuando todas están en uno (o
equivalente al valor 255) se percibe el color blanco, y a través de la diagonal formada
entre el blanco y el negro se representa la escala de grises, tal como se muestra en la
figura A.4.

Figure A.4: (a) Esquema del cubo RGB mostrando los colores primarios y secundarios
en los vértices (b) cubo de color RGB
Fuente: [Gonzalez et al., 2004]
Anexo A 8

Los otros colores se forman de manera similar, es decir por la mezcla y/o adición de
los tres colores luz primariosy es el más común en sistemas de proceso digital de imagen
(escanners, cámaras, monitores).
Así, también una imagen RGB puede ser vista como una pila de tres imágenes en
escala de grises, como se muestra en la figura A.5, que cuando alimentan por ejemplo
a las entradas de color de un monitor, produce una imagen de color sobre la pantalla
[Gonzalez et al., 2004].

Figure A.5: Esquema que muestra como los pixeles de una imagen de color RGB son
formados desde sus correspondientes pixeles de las tres componentes de la imagen
Fuente: [Gonzalez et al., 2004]

La clase de datos de las componentes de la imagen determinan sus rangos de valores,

tal como lo podemos ver en la tabla A.1.

Table A.1: Tipos de datos en RGB

CLase Rango
Double 0-1
Uint8 0 - 255
Uint16 0 - 65535
Fuente: [Gonzalez et al., 2004]

El número de bits usados para representar los valores del pixel de las componentes
de la imagen determinan la profundidad de una imagen RGB. Así por ejemplo si cada
componente de la imagen tiene 8 bits, entonces la profundidad de la imagen es de 8 bits;
puesto que generalmente el número de bits en cada componente es la misma.

A.3.4.1 Componentes RGB para el Argopecten Purpuratus

De la base de imagenes “DBScallopCodificacion”, presentada en el informe Tecnico
Nro 4, se ha tomado algunas imagenes para extraer sus componentes RGB, tal como se
muestran en las figuras A.6, A.7, A.8, A.9 .
Anexo A 9

Figure A.6: Imagen original

Fuente: Elaboración Propia

Figure A.7: Componente Red de la Imagen original

Fuente: Elaboración Propia
Anexo A 10

Figure A.8: Componente Green de la Imagen original

Fuente: Elaboración Propia

Figure A.9: Componente Blue de la Imagen original

Fuente: Elaboración Propia

Todo ello esta siendo trabajado en Matlab, utilizando el Toolbox para el Procesamiento
de Imágenes.
Anexo A 11

A.4 Algoritmo de conversion de RGB a HSV

v o i d RGBtoHSV ( f l o a t r , f l o a t g , f l o a t b , f l o a t ∗h ,
f l o a t ∗ s , f l o a t ∗v )
{
f l o a t min , max , d e l t a ;
min = MIN( r , g , b ) ;
max = MAX( r , g , b ) ;
∗v = max ;
d e l t a = max − min ;
i f ( max ! = 0 )
∗ s = d e l t a / max ;
else {
/ / r = g = b = 0 / / s = 0 , v no d e f i n i d o
∗s = 0;
∗h = −1;
return ;
}
i f ( r == max )
∗h = ( g − b ) / d e l t a ; / / e n t r e a m a r i l l o y magenta
e l s e i f ( g == max )
∗h = 2 + ( b − r ) / d e l t a ; / / e n t r e c y a n y a m a r i l l o
else
∗h = 4 + ( r − g ) / d e l t a ; / / e n t r e magenta y c y a n
∗h ∗= 6 0 ; / / d e g r e e s
i f ( ∗h < 0 )
∗h += 3 6 0 ;
}
Appendix B

Desarrollo de la actividad de concepción

del prototipo de la “máquina”

B.1 Resumen
En el presente documento se describe el diseño del flujo que tendrá el prototipo de “la
máquina” de codificación.

B.2 Introducción
Según [Caguana and Sánchez, 2009] la creación de una máquina consta de varias eta-
pas, al igual que un producto software, entre ellas estan:

• Análisis del problema que solucionará la máquina

• Diseño y bosquejo del flujo de la máquina

• Construcción de los materiales y sistemas de alimentación.

• Construcción de los circuitos mecanicos-electrónicos.

• Pruebas de precisión y Eficiencia.

• Mantenimiento de la máquina.

En el presente informe nos centraremos en la segunda etapa, diseñando un flujo de

los procesos a cumplir por “La Máquina” de codificación. Describiendo en la siguiente
sección los procesos concebidos en la etapa de análisis del problema.

B.3 Diagrama de Flujo de la “La Máquina”

En la figura B.1, se puede observar el flujo que tendrá el molusco de concha de abanico
(Argopecten Purpuratus), al ingresar a “La Máquina” de codificación.
Anexo B 13

Figure B.1: Diagrama de Flujo de “La Máquina” de codificación

Fuente: Elaboración Propia

La figura B.1 nos indica el ingreso e inicio del flujo a desarrollarse en “La Máquina”,
los moluscos de concha de abanico a ingresarse están sin valva y previamente lavados (1),
en (2) se utilizará un sistema de visión artificial para seleccionar los moluscos limpios y
los que aún falta lavar, de acuerdo a esta selección las fajas transportadoras de la máquina
llevarán los moluscos a una maquina de lavado (3), donde usando procedimientos mecáni-
cos se procederá al lavado, para posteriormente examinar nuevamente su limpieza.

Luego de examinar su limpieza, procedemos a pesar los moluscos (4), esto con una
balanza de precision elevada debido a que el molusco pesa entre 7 y 35gr.. De acuerdo al
peso del molusco se procederá a su codificado (5), en esta etapa se podría usar un sistema
experto de acuerdo a la reglas de formación de códigos (6):
Anexo B 14

Table B.1: Códigos de exportación de moluscos Conchas de Abanico

Código Unidades/Libra Peso

Min Max Min Max
10/20 – 20 22.7 Más
20/30 21 30 15.1 22.6
30/40 31 40 11.4 15
40/60 41 60 7.6 11.3
60/80 61 80 5.7 7.5
Fuente: FAO

Según la tabla B.1 se puede observar que existen 5 tipos de codificación, según el ex-
perto de la empresa Chatsford, la misma solo produce códigos de los primeros 3 y en oca-
siones el cuarto. El mismo experto tambien pidió la posibilidad de configurar parametros
para producir más códigos del tipo 2 ó 3 esto debido a que la empresa tiene mas utilidades
vendiendo estas que las de tipo 1.

Dicho requerimiento podria desarrollarse concibiendo reglas adicionales que serán

habilitadas por el usuario de la máquina, esto debido a que la empresa tiene mayor re-
conocimiento si exporta códigos de mejor calidad.

Con dicho requerimiento la empresa buscará lograr reconocimiento y mayores utili-

dades.
Bibliography

[Gar, ] Algoritmos de Aprendisaje Knn y Kmeans. Universidad Carlos III de Madrid.

[Ham, ] Learning the k in k-means. University of California, San Diego.

[Ser, 2002] (2002). Espaces couleur et traitement d’images. CMM-Ecole des Mines de
Paris, Internal Note N-34/02/MM.

[Gon, 2004] (2004). Digital Image Processing Using Matlab. Prentice Hall.

[Ang, 2005] (2005). Segmentación de imágenes en color utilizando histogramas bi-

variables en espacios color polares luminancia/saturación/matiz. Revista Com-
putación y Sistemas, No. 4, June 2005.

[Caguana and Sánchez, 2009] Caguana, P. C. G. and Sánchez, C. A. M. (2009). Diseño

y construccion de una máquina automática para la fabricación de prefabricados de
hormigón.

[Gonzalez et al., 2004] Gonzalez, R. C., Woods, R. E., and Eddins, S. L. (2004). Digital
Image Processing Using MATLAB. Prentice Hall.

[LaCie Group, ] LaCie Group. Libro blanco de la gestión del color, espacios de color y
conversión de colores.

15