Instituto Politcnico Nacional Unidad Profesional Interdisciplinaria en Ingeniera y Tecnologas Avanzadas Asignatura: Visin Artificial

Sistemas de Visin Artificial

Prof. Leonel Corona Martnez Por: Reyes Franco Ludwing Mauricio

Agosto 20 del 2013

 Sistemas de Visin Artificial OBJETIVOS: 1. Caracterizar una imagen donde se visualicen las letras iniciales de un nombre en escala de grises para darle un tratamiento de inversin de color, as como obtener sus histogramas. 2. Aplicar tratamiento a una imagen a color para obtener su inversin de color, las tres capas, roja, verde y azul, as como sus histogramas. INTRODUCCION Se define como un campo de la Inteligencia Artificial que, mediante la utilizacin de las tcnicas adecuadas, permite la obtencin, procesamiento y anlisis de cualquier tipo de informacin especial obtenida a travs de imgenes digitales. La visin artificial la componen un conjunto de procesos destinados a realizar el anlisis de imgenes. Estos procesos son: captacin de imgenes, memorizacin de la informacin, procesado e interpretacin de los resultados. Con la visin artificial se pueden: Automatizar tareas repetitivas de inspeccin realizadas por operadores. Realizar controles de calidad de productos que no era posible verificar por mtodos tradicionales. Realizar inspecciones de objetos sin contacto fsico. Realizar la inspeccin del 100% de la produccin (calidad total) a gran velocidad. Reducir el tiempo de ciclo en procesos automatizados. Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de produccin. Las principales aplicaciones de la visin artificial en la industria actual son: Identificacin e inspeccin de objetos. Determinacin de la posicin de los objetos en el espacio. Establecimiento de relaciones espaciales entre varios objetos (guiado de robots) Determinacin de las coordenadas importantes de un objeto. Realizacin de mediciones angulares. Mediciones tridimensionales.

Escala de grises Una escala de grises es una escala empleada en la imagen digital en la que el valor de cada pxel posee un valor equivalente a una graduacin de gris. Las imgenes representadas de este tipo estn compuestas de sombras de grises, que van desde el negro ms profundo variando gradualmente en intensidad de grises hasta llegar al blanco. Escala cromtica o de color
Es una apreciacin subjetiva nuestra. Por tanto, podemos definirlo como, una sensacin que se produce en respuesta a la estimulacin del ojo y de sus mecanismos nerviosos, por la energa luminosa de ciertas longitudes de onda. El color es pues un hecho de la visin que resulta de las diferencias de p ercepciones del ojo a distintas longitudes de onda que componen lo que se denomina el "espectro" de luz blanca reflejada en una hoja de papel. Estas ondas visibles son aquellas cuya longitud de onda est comprendida entre los 400 y los 700 nanmetros; ms all de estos lmites siguen existiendo radiaciones, pero ya no son percibidos por nuestra vista. Lo que ocurre cuando percibimos un objeto de un determinado color, es que la superficie de ese objeto refleja una parte del espectro de luz blanca que recibe y absorbe las dems. La luz blanca est formada por tres colores bsicos: rojo intenso, verde y azul violeta. Por ejemplo, en el caso de objeto de color rojo, ste absorbe el verde y el azul, y refleja el resto de la luz que es interpretado por nuestra retina como color rojo. Este fenmeno fue descubierto en 1666 por Isaac Newton, que observ que cuando un haz de luz blanca traspasaba un prisma de cristal, dicho haz se divida en un espectro de colores idntico al del arco iris: rojo, anaranjado, amarillo, verde, azul, ail y violeta. A continuacin se muestra como se da tratamiento a una imagen importada a Matlab para lograr cambiar su escala de colores a escala de grises, obtener sus histogramas, as como destacar cada una de sus capas de color.

Practica 1
Cdigo %Reyes Franco Ludwing Mauricio %ESCALA DE GRISES %LECTURA DE IMAGEN I = imread('nombre.png'); II=I; I = I(:,:); nbins=0:1:255; %COMPLEMENTO DE IMAGEN K = 255-imread('nombre.png'); KK = K; K = K(:,:); %VISUALIZACION EN ESCALA DE GRISES subplot(2,2,1) J = mat2gray(II); imshow(J) %HISTOGRAMA NORMALIZADO subplot(2,2,2) I = double(I); [n,xcen]=hist(I,nbins); bar(xcen,n/sum(n)) title('Histograma Normalizado') xlabel('Valor de 8 bits') ylabel('Frecuencia normalizada') grid on %VISUALIZACION COMPLEMENTO DE IMAGEN EN ESCALA DE GRISES subplot(2,2,3) J2 = mat2gray(KK); imshow(J2) %HISTOGRAMA NORMALIZADO DEL COMPLEMENTO DE IMAGEN

subplot(2,2,4) K = double(K); [n,xcen]=hist(K,nbins); bar(xcen,n/sum(n)) title('Histograma Normalizado') xlabel('Valor de 8 bits') ylabel('Frecuencia normalizada') grid on

La imagen a emplear es la siguiente:

Al realizar el tratamiento se esta considerando una escala de 8 Bits para la gama de grises, la imagen queda de la siguiente manera:

Practica 2 Cdigo: %Reyes Franco Ludwing Mauricio %imagen leida A= imread('C:\Users\Public\Documents\color\pajaro.png'); C=A; D=A;E=A; %A = A(:,:); nbins=0:1:255; %tratamiento de imagen figure(1); imshow(A); figure(2); A = double(A); [n,xcen]=hist(A,nbins); bar(xcen,n/sum(n)) figure(3); B=255-A; B=mat2gray(B); imshow(B) figure(4); hist(A); figure(5); hist(B); figure(6); C(:,:,1)=0; C(:,:,2)=0; imshow(C); figure(7); D(:,:,2)=0; D(:,:,3)=0; imshow(D); figure(8); E(:,:,1)=0;

E(:,:,3)=0; imshow(E); As entonces, se muestran a continuacin las siguientes imgenes:

Conclusin: Los sistemas de visin artificial son muy tiles, cuando se habla se gestin de calidad o control. En este caso, la practica me ayud a comprender un poco ms, el tratamiento de una imagen, la cual nos puede brindar un sin fin de informacin acerca de lo que se esta percibiendo, como la composicin de la luz, los niveles o escalas de color y as utilizar esta informacin para disear por ejemplo un sistema de control automtico a base de visin artificial.