Академический Документы
Профессиональный Документы
Культура Документы
DIEGO CHUQUITARCO
ANDRES CRIOLLO
STALIN QUIMBITA
DANIEL SALAZAR
DAVID TORRES
Fecha: 10 - 01 -2018
2. OBJETIVOS
2.1. General
2.2. Específicos
3. INTRODUCCIÓN
El sistema visual humano utiliza una amplia gama de fuentes de información, tales como las sombras,
proporciones, longitudes, color, curvatura e intensidades. De las anteriores, las variaciones en intensidad de
los bordes se cuentan entre las más importantes. Aún si una imagen carece de información tridimensional,
textura o sombras podemos reconocer el objeto utilizando sus orillas o silueta.
La detección de bordes es una herramienta fundamental en el procesamiento de imágenes y en visión por
computadora, particularmente en las áreas de detección y extracción de características, que tiene como
objetivo la identificación de puntos en una imagen digital en la que el brillo de la imagen cambia drásticamente
o, más formalmente, tiene discontinuidades.
4. DESARROLLO:
Borde
Cualquier discontinuidad que sufre alguna función de intensidad sobre los puntos de la misma. Los bordes
caracterizan generalmente los límites de los objetos y serán útiles en la segmentación e identificación de
objetos en escenas. (Universidad Miguel Hernández, 2010, pp. 2-9)
Causado por:
Gráfico 2. Borde
Extracción de bordes
Estrategias
Características exigibles
Precisión: El borde detectado debe estar cerca del borde real. Buena localización.
Robustez: Pequeños cambios en la imagen (ruido) no afectan al resultado final.
Robustez frente a la orientación del borde.
El módulo Frei y Chen se utiliza para detectar bordes en una imagen. La técnica de detección de bordes Frei
y Chen es menos sensible al ruido que otros operadores de borde.
El valor de píxel final es la relación entre la multiplicación de cuatro kernels con la vecindad de los píxeles
circundantes y la suma cuadrada de todos los píxeles. (Sucar)
El detector de borde Frei-Chen parece funcionar mejor es porque su construcción incluye un factor de
normalización, así como otros factores que están destinados a excluir todas las demás características, excepto
los bordes.
Se puede añadir un factor de normalización al filtro Sobel al tener una tercera máscara que es equivalente a la
novena máscara Frei-Chen y se utiliza para normalizar los gradientes.
Esto podría ayudar a reducir el número de bordes no detectados y la cantidad de ruido que surge del hecho de
que el filtro Sobel calcula gradientes absolutos en lugar de los relativos.
Máscaras Frei-Chen
El detector de borde Frei-Chen funciona en una huella de 3 × 3 texel, pero aplica un total de nueve máscaras de
convolución a la imagen. Las máscaras de Frei-Chen son máscaras únicas, que contienen todos los vectores de
base. Esto implica que un área de imagen de 3 ×
3 se representa con la suma ponderada de nueve máscaras de Frei-Chen que se pueden ver a
continuación:(Daniel Rákos, 2011)
Las máscaras de convolución utilizadas por Frei Chen se muestran a continuación.
Donde, Frei chen � = √2 el gradiente es el mismo para bordes verticales, horizontales y diagonales
El operador de Prewitt proporciona una buena detección de bordes verticales y horizontales, mientras que el
operador de Sobel es mejor en la detección de bordes diagonales. El operador de Frei Chen intenta llegar a un
equilibrio entre ellos aplicando las máscaras mostradas a continuación:
5. FUNDAMENTO MATEMÁTICO
El operador Frei Chen es una aproximación discreta al cálculo del gradiente. Para ello se proponen dos kernels
para la detección de bordes horizontales y verticales. (Luis M. Fuentes, 2013)
O incluyendo la normalización:
6. APLICACIONES
La detección de bordes es un proceso fundamental en la industria de la metrología ya que
define las fronteras de la característica a ser medida. La precisión en la detección del borde
mejora la precisión en los procesos en curso y los procedimientos de control de calidad.
(Universidad Miguel Hernández, 2010)
Las aplicaciones de esta herramienta se usan en el análisis de fotografías digitales y a la
automatización de tareas relacionadas con ellas.
7. CONCLUSIONES:
El operador isotrópico o de Frei-Chen intenta llegar a un compromiso entre Prewitt
y Sobel, dado que mientras que Prewitt detecta mejor los bordes verticales, Sobel
mejora su localización en los bordes diagonales.
El fundamento para la detección de los bordes está en la aplicación del operador
derivada en un entorno de vecindad. Si se construye una imagen sintética con franjas
de alto contraste y se adquiere una fila de la imagen, se observará una fuerte variación
de la intensidad en el entorno de los bordes de las franjas.
Experimentalmente se ha encontrado que todos los operadores tienen resultados
similares, y que la respuesta se va deteriorando de acuerdo con la cantidad de ruido
presente en la imagen. Cabe recalcar que la técnica Frei Chen necesita un
considerable consumo computacional
8. RECOMENDACIONES:
Acudir a varias fuentes de consulta a fin de garantizar la veracidad de la
información extraída y establecer un patrón de trabajo fundamentado y
consistente.
Si no quiere tener un alto coste computacional para detectar un borde es preferible
elegir el operador de Sobel
9. BIBLIOGRAFÍA:
10. ANEXOS: