VISION

COMPUTACIONAL
Introducció n
• En los humanos, el sistema de visión provee
de información detallada acerca del entorno
que puede ser utilizada en una gran variedad
de formas, tales como el reconocimiento de
objetos y formas, comunicarse, guiar
movimientos, identificar personas, reconocer
gestos, encontrar rutas, manipular objetos y
una gran variedad de tareas mas.
Introducció n (cont.)
• La visión por computadora es una área que
intenta aprovechar este sistema.
• Considerando el sistema visual como un
dispositivo que almacena una banda de
radiación electromagnética como una
entrada y utiliza esto para obtener
conocimiento acerca de los objetos que se
encuentran en el entorno, que emiten y
reflejan estas radiaciones, es posible obtener
información de gran interés
Introducció n (cont.)
• “La visión humana es una tarea de
procesamiento de información, es el proceso
de describir con las imágenes lo que esta
presente en el mundo real y dónde se
encuentra.” (Marr 1982)
Definició n
• Visión es un proceso que produce, a partir de
imágenes del mundo externo (escenas), una
descripción que es útil para el observador y
que está libre de información irrelevante
(Marr,1976)
• Ciencia que desarrolla las bases teóricas y
algorítmicas para obtener información sobre
el mundo real a partir de una o varias
imágenes (Haralick, 1992)
Definició n (cont.)
• Disciplina que desarrolla sistemas capaces de
interpretar el contenido de escenas naturales
(Castleman, 1996)
• La Visión computacional, que ha emergido
como una disciplina propia basada
principalmente en las matemáticas y ciencias
de la computación, consiste en hacer que un
computador vea. Esto, sin embargo, es
todavía un problema no resuelto... (Faugeras,
2001)
Definició n (cont.)

• El objetivo de la visión computacional (VC) es

tomar decisiones útiles acerca de los objetos
físicos reales del mundo (de escenas) en base
a imágenes adquiridas digitalmente. (Shapiro,
2000)
• Por lo tanto, la tarea de la VC es la
construcción de descriptores de la escena en
base a características relevantes contenidas
en una imagen.
Definició n (cont.)
• Los términos en inglés machine vision,
computational vision, image understanding,
robot vision, scenes analysis y hasta image
analysis están siendo desplazados por
computer vision.
Componentes de una escena
• Objetos
• Formas
• Superficies
• Colores
• Movimientos
• Iluminación
• Reflejos
• Texturas
Obtenció n de la imagen
• Una imagen es un registro de valores
organizados en forma bidimensional,
generalmente representando intensidad de
radiación electromagnética.
• Cuantización espacial
• Cuantización numérica
• Cuantización espectral
Obtenció n de la imagen (cont.)
• Uno de los objetivos de la obtención de
imágenes es asegurar que la escena obtenida
sea real, que no sea producto de distorsiones
propiciadas por el equipo de captura o por
variaciones de movimiento al momento de
obtenerla.
Procesos sobre la imagen
• Transformar una descripción icónica (registro
de la señal o imagen) en una interpretación
simbólica.
• Extraer propiedades invariantes en la imagen:
tamaño, posición, color, forma, textura
• Proveer información útil y relevante para las
acciones que realiza el observador: manipulación,
seguimiento, evitar obstáculos, reconocimiento,
etc.
Procesos que se llevan a cabo
• Sensar: Obtener propiedades como
materiales, forma, iluminación y relaciones
espaciales.
• Codificar información: Obtener información
para entender el mundo 3-D, incluye la
geometría, textura, movimiento e
identificación de objetos.
Procesos que se llevan a cabo (cont.)
• Representaciones: que podrían ser usadas
para almacenar descripciones de objetos, sus
partes, propiedades y relaciones.
• Algoritmos: Métodos que permitan procesar
información de las imágenes y construir
descripciones del mundo y sus objetos.
Marco de representació n para visió n
• De acuerdo con Marr, el marco de
representación debe contener:
• Imágenes de entrada: representar valores de
intensidad en cada punto de la imagen.
Reflactancia de superficies, iluminación, puntos de
vista.
• Esquema basico 2-D: Se encarga de hacer explicita
la información de la imagen bidimensional, en
forma de cruces con cero, formas, terminaciones y
discontinudades, segmentos de bordes, lineas
virtuales, grupos, bordes.
Marco de representación para visión
(cont.)
• Esquema intermedio 2-D: Hace explicita la
orientación y profundidad de las superficies
visibles y el contorno de discontinuidades.
Orientación de la superficie, distancia desde
el observador, discontinuidades en
profundidad y en orientación de la superficie.
• Esquema 3-D: Describe formas y su
organización espacial utilizando
representaciones modulares jerárquicas.
Volúmenes, superficies.
Esquema de la visió n

Modelo

Segmentación
Segmentación yy Correspondencia
Correspondencia oo Interpretación
Interpretación
Captura caracterización
caracterización clasificación
clasificación
Aplicaciones
• Las aplicaciones computacionales en análisis de imágenes
son prácticamente ilimitadas. Algunos ejemplos de son:
• Clasificación y segmentación
• Imágenes estéreo 3-D
• Proyecto de navegación de robots
• Consultas a bases de datos de imágenes.
• Inspección de agujeros en barras transversales.
• Examinar el interior de una cabeza humana (MRI)
• Procesamiento de paginas de texto escaneadas
• Determinar la cantidad de la cubierta de nieve usando
imágenes satelitales.
• Análisis de una escena de piezas.
Problemas que enfrenta
• Él obtener el éxito en el desarrollo de
aplicaciones en visión computacional es
generalmente difícil. Las implementaciones
han tenido que aceptar ciertas restricciones
del entorno para comprometer la flexibilidad
del sistema.
• Esto es debido a que el entorno real tiene
una gran cantidad de variaciones en las
imágenes de entrada.
Problemas que enfrenta (cont.)
• La apariencia de los objetos puede cambiar
significativamente al tener cambios de
iluminación, presencia de otros objetos, los
cuales podrían ser inesperados.
• Los problemas de oclusión obstaculizan el
reconocimiento de objetos
Hardware y software
• La computación con imágenes tiene mas de 30
años, inicialmente los laboratorios realizaban
investigaciones utilizando grandes equipos de
cómputo o adquiriendo equipo de cómputo
con propósitos especiales.
• En la actualidad el decremento en los precios
de memoria con gran capacidad y procesadores
de propósito general de alta velocidad han
hecho que el computo de imágenes en
computadoras personales sea posible.
Hardware y software (cont.)
• Existen gran cantidad de software que
permite realizar muchas de las operaciones
sobre imágenes (matlab).
• Existen scanners o camaras digitales que
pueden ser utilizados para procesar imágenes
propias.
• Existen librerías de software que contienen
subrutinas de procesamiento de imágenes
(opencv).
Hardware y software (cont.)
• Existen empresas que venden dispositivos de
entrada para visión por computadora,
proveen librerías para procesamiento de
imágenes y aplicaciones que implementan
interfaces graficas para el usuario.
• Existe hardware que permite incrementar la
velocidad de las operaciones sobre imágenes.
• Se han definido lenguajes de programación
con imágenes y operaciones con imágenes
como lenguajes primitivos.
Ejemplos
• VISOMAPS: Sistema de inspección industrial mediante visión por computador.
• Componentes: camara de tv, placa preprocesadora, ordenador.
• Cuatro entradas de vídeo multiplexadas
• Detección y sincronización automática con la pieza o bien sincronización
externa
• Resolución de 336 x 286 píxeles
• Tratamiento de imágenes de grises (256 niveles) binarios o contornos
• Posibilidad de discriminación de colores
• Tiempo de procesado: dependiendo del número de parámetros y ventanas a
considerar (tiempos típicos entre 80ms y 200ms)
• Posibilidad de definir ventanas de coordenadas fijas sobre la imagen, o bien
ventanas que se posicionan y siguen automáticamente el objeto (tracking)
• Posibilidad de simulación del test de desarrollo para validar estrategias y
obtener los tiempos de procesado de cada test
• Facilidad de depuración de errores en el desarrollo de inspecciones
Ejemplos (cont.)

http://www.maps.es/fntesp/visio.htm
 Ejemplos (cont.)
AutoNOMOS: Vehiculos
roboticos

En las siguientes imágenes se

muestra el prototipo del carro
autónomo, desarrollado en la
universidad Freie de Berlin con
colaboración de investigadores
del IRSI de la Universidad de
Guadalajara.

Ver video 1
Ver video 2