Академический Документы
Профессиональный Документы
Культура Документы
Contenido
1. Cuestionario ................................................................................................................................... 2
2. Respuestas al cuestionario ........................................................................................................... 10
3. Respuestas razonadas. ................................................................................................................. 11
3.1. Capítulo 1: Introducción ........................................................................................................... 11
3.2. Capítulo 2: Elementos de un sistema de visión por computador ............................................ 11
3.3. Capítulo 3: Imágenes digitales .................................................................................................. 12
3.4. Capítulo 4: Transformaciones matemáticas ............................................................................. 12
3.5. Capítulo 5: Preprocesamiento de imágenes ............................................................................ 12
3.6. Capítulo 6: Extracción de características .................................................................................. 14
3.7. Capítulo 7: Segmentación de imágenes ................................................................................... 15
3.8. Capítulo 8: Transformaciones morfológicas y descripción de objetos .................................... 16
3.9. Capítulo 9: Reconocimiento de objetos ................................................................................... 17
1
Fundamentos y aplicaciones de la Visión por Computador
1. Cuestionario
1. El desarrollo de una aplicación basada en la visión por computador la podemos dividir
en las siguientes fases:
a. Dos fases: Detección de texturas y detección de formas
b. Dos fases: Obtención de las características de la imagen y análisis de formas,
reconocimiento y localización de objetos
c. Tres fases: reconocimiento de bordes, análisis de formas y localización de
objetos
d. Cuatro fases: adquisición de la imagen, extracción de características,
segmentación y descripción de objetos
2
Fundamentos y aplicaciones de la Visión por Computador
1 0 -1
0 1 1
1 1 0
3
Fundamentos y aplicaciones de la Visión por Computador
-1 -1 -1
1/9 -1 9 -1
-1 -1 -1
4
Fundamentos y aplicaciones de la Visión por Computador
10. Supongamos que tenemos una figura de 3x3 con la siguiente configuración de pixeles:
11. Supongamos que tratamos de obtener el negativo de una imagen en blanco y negro. Lo
podríamos conseguir manipulando el contraste, y en concreto con la siguiente función:
a. Inversa
b. Cuadrada
c. Cúbica
d. Logarítmica
5
Fundamentos y aplicaciones de la Visión por Computador
13. Para reducir el ruido de una imagen se ha decidido utilizar un filtro paso bajo con la
siguiente configuración:
1 2 1
2 4 2
1 2 1
Al aplicar este filtro a la primera fila una imagen cuyas primeras filas son las
siguientes
0 2 5 10 10 8 6 6 6
0 1 4 8 10 8 6 4 4
0 0 5 8 8 7 6 4 5
-1 0 1 -1 -2 -1
-2 0 2 0 0 0
-1 0 1 1 2 1
a. Roberts
b. Prewitt
c. Sobel
d. Frei-Chen
6
Fundamentos y aplicaciones de la Visión por Computador
7
Fundamentos y aplicaciones de la Visión por Computador
22. Por ejemplo en la imagen siguiente se han elegido tres puntos semillas con niveles de
gris uno, cinco y nueve.
2 0 7 6 6
0 1 6 7 7
1 1 5 8 7
0 6 7 0 5
2 9 8 2 3
4 7 8 1 6
Si la diferencia entre dos píxeles se toma menor o igual a dos se obtienen las
siguientes regiones:
a. Puede aplicarse aunque la imagen cambie en el tiempo
B B B B B
B B B B B
B B B B B
A A A A A
A A A A A
A A A A A
b.
A A B B B
A A B B B
A A B B B
D D B B B
D D C C C
D D C C C
c.
A A B B B
A A B B B
A A B B B
A A B B B
C C C C C
C C C C C
d.
A A B B C
A A B B C
A A B B C
A A B B C
A A B B C
A A B B C
8
Fundamentos y aplicaciones de la Visión por Computador
25. Cuando no se conocen todos los objetos que se van clasificar se suele utilizar una
algoritmo de agrupamiento de datos. En las relaciones de algoritmos que se dan a
continuación, sólo hay una de ellas en que son todos de agrupamiento de datos:
a. Distancias encadenadas, max-min, k-medias e Isodata
b. Bayes, max-min y determinantes
c. Discriminantes, densidad normal, distancias encadenadas e Isodata
d. Minimo coste, Rayleigh, distancias encadenadas, k-medias y Hough.
9
Fundamentos y aplicaciones de la Visión por Computador
2. Respuestas al cuestionario
1. b)
2. d)
3. a)
4. c)
5. d)
6. b)
7. c)
8. d)
9. b)
10. d)
11. a)
12. d)
13. b)
14. d)
15. c)
16. a)
17. b)
18. b)
19. c)
20. b)
21. b)
22. c)
23. c)
24. b)
25. a)
10
Fundamentos y aplicaciones de la Visión por Computador
3. Respuestas razonadas.
3.1. Capítulo 1: Introducción
1. El desarrollo de una aplicación basada en la visión por computador puede
dividirse en dos etapas:
a. En la primera el objetivo es procesar la imagen de tal manera que el
resultado sea el conjunto de las características que definen el problema a
resolver: diferentes zonas de color, presencia o no de objetos en
movimiento, texturas, forma de los objetos.
b. La segunda etapa utiliza las características obtenidas en la primera etapa
para obtener descripciones más abstractas: análisis de las formas,
reconocimiento y localización de objetos
Por lo tanto la respuesta es la b).
3.2. Capítulo 2: Elementos de un sistema de visión por
computador
2. Teóricamente al tomar con una cámara la imagen, sólo debería aparecer
enfocado el plano perpendicular al eje óptico, pero podemos ver en la realidad
que también aparece enfocado una cierta zona por delanta y otra por detrás del
objeto enfocado, por lo que si un objeto está fuera de foco por menos de un
cierto margen, el desenfoque es indetectable, y la imagen aparece nítida.
Para aumentar esta profundidad de campo lo podemos hacer aumentando el
número F, disminuyendo las distancias focales o aumentando la distancia al
objeto enfocado, según la fórmula d=∂ND2/(f2-∂ND).
3. La lente fina es aquella en la que todo rayo que entra paralelo al eje óptico pasa
por el foco posterior de la lente y todo rayo que pasa por el foco anterior sale
de la lente paralelo al eje óptico, es decir, será la respuesta a)
11
Fundamentos y aplicaciones de la Visión por Computador
3.3. Capítulo 3: Imágenes digitales
6. Conectividad 8, es decir, la respuesta b)
3.4. Capítulo 4: Transformaciones matemáticas
8. Al ir multiplicado por 1/9, este filtro al convolucionarlo con la imagen lo que
vamos a obtener es un realce de los bordes de toda la imagen, obteniendo un
resultado cuya apariencia es el realce de toda la imagen en general. Es decir, la
respuesta correcta sería la d)
10. Cuando se amplia o hace zoom de una imagen aumenta el número de pixeles
de la misma, por lo que habrá una cierta cantidad de ellos que no tendremos
información de tonalidad de grises de los mismos. Por ello habrá que calcular
qué valores habrá que darles para que la imagen no se deforme y se parezca lo
más posible a la original, pero más grande. Esto se logra por medio de la
interpolación que es necesaria porque, en el caso general para un píxel, no se
va a obtener de la imagen original un valor entero en la imagen destino. Esta
transformación no se realiza de la imagen inicial a la final, sino al revés; dado
un píxel de la imagen final se localizan los píxeles de la inicial, que se utilizan
para calcular el nuevo nivel de gris. La interpolación puede entenderse como
12
Fundamentos y aplicaciones de la Visión por Computador
3.5. Capítulo 5: Preprocesamiento de imágenes
11. Para obtener el negativo de una imagen en blanco y negro, sería cambiar los
blancos por negro y en la misma proporción los grises. Para ello, la forma más
sencilla sería realizar una conversión del contraste por medio de la función
inversa p = 255 – m. Es decir, la respuesta serí a la a)
13. Tras realizar los cálculos, obtenemos que la solución es la fila de la respuesta
b)
14. La respuesta correcta es la d) ya que son filtros para eliminar ruido que se
aplican en el dominio de la frecuencia, bajo la expresión A = 1/ 1 ,
por lo que para la frecuencia unidad el filtro tomaría el valor 1/√2, y tiene
como característica principal que su respuesta es bastante plana para las
distintas frecuencias de filtrado, por lo que son muy utilizados como filtros en
el dominio de la frecuencia.
13
Fundamentos y aplicaciones de la Visión por Computador
3.6. Capítulo 6: Extracción de características
15. Este operador es el de Sobel, luego la respuesta correcta es la c)
14
Fundamentos y aplicaciones de la Visión por Computador
3.7. Capítulo 7: Segmentación de imágenes
19. Los métodos utilizados en la segmentación de imágenes basado en la detección
de bordes pueden ser los basados en el gradiente, pero tienen en cuenta
solamente la información local del entorno de vecindad de cada píxel. La
transformada de Hough se basa en la información que suministra toda la
imagen. Esta transformada busca formas geométricas en toda la imagen
encontrando los parámetros de aquella que contenga a más puntos en ella.
Por lo tanto es un método de segmentación basado en la detección de bordes,
luego la respuesta correcta es la c).
15
Fundamentos y aplicaciones de la Visión por Computador
3.8. Capítulo 8: Transformaciones morfológicas y
descripción de objetos
1. La apertura es una combinación de erosiones y dilataciones en las que lo pri-
mero es una erosión y la última una dilatación, siempre con el mismo elemento
estructural. Se conoce como apertura porque al empezar por una erosión tiende
a romper las piezas en sus partes constitutivas; en cambio, el cierre primero
realiza la dilatación y después la erosión. Por ello, la apertura suaviza los
16
Fundamentos y aplicaciones de la Visión por Computador
3.9. Capítulo 9: Reconocimiento de objetos
2. El clasificador Bayesiano es un enfoque estadístico para el reconocimiento de
patrones. En el caso de poblaciones conocidas, se supone que los valores de las
características siguen unas distribuciones de probabilidad que son conocidas.
Para obtener estos valores se haría pasar una cierta cantidad de muestras por el
sistema, se obtendrían los valores numéricos de las características y por último
su media y desviación típica. Se tendrían así las probabilidades de la
característica. Pero si lo que se quiere es clasificar un objeto desconocido se
compararían los valores de las probabilidades a priori y se asignaría el nuevo
objeto a la clase que tuviera un valor más alto. La clasificación vendría dada
por el valor más alto de las probabilidades. Es decir que la probabilidad a
posteriori es igual a la probabilidad a priori.
También es importante y hay que tener en cuenta la relación entre el número de
objetos de cada clase que pueden existir; ya que no será lo mismo que sean 2
unidades que tres millones. Si no fuera posible realizar las mediciones
adecuadas para obtener este valor, podemos asignar todos los objetos a la clase
que haya en mayor cantidad.
Si multiplicamos las probabilidades a priori de que aparezca una pieza
determinada y de que para ese tipo la característica tenga ese valor llegamos a
la ecuación de Bayes.
De acuerdo con lo dicho anteriormente, la respuesta correcta sería la b) ya que
la fórmula de Bayes tiene en cuenta la relación entre las prioridades a priori y
posteriori y además la relación entre el número de objetos de cada clase que
puedan existir
17
Fundamentos y aplicaciones de la Visión por Computador
18