Escolar Documentos
Profissional Documentos
Cultura Documentos
Contenido 1
Lista de Figuras 2
Lista de Tablas 3
Referencias bibliográficas 15
1
List of Figures
2
List of Tables
3
Chapter 1
• Se implemento en C++ un programa para segmentar moluscos del fondo por medio
de HSV
• Para encontrar los contornos se uso métodos de gradientes por medio de Canny.
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.
• 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.
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.
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.
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.
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.
HSV, en donde la parte circular del cono representa la tonalidad, la altura representa la
saturación y el radio circular representa el brillo.
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.
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]
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.
Todo ello esta siendo trabajado en Matlab, utilizando el Toolbox para el Procesamiento
de Imágenes.
Anexo A 11
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
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:
• Mantenimiento de la máquina.
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
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.
[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.
[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