ROBTICA INDUSTRIAL. 3 INGENIERA TCNICA INDUSTRIAL.

PRCTICA 3: TRATAMIENTO DE IMGENES

OBJETIVOS Aclarar, prcticamente, los conceptos sobre el tratamiento de imgenes, vistos en clase de teora. Resolucin de problemas tpicos en el tratamiento de imgenes. INTRODUCCIN Uno de los campos ms importantes en el mundo de la robtica es el de la visin artificial. La visin artificial es un trmino general que abarca desde el nivel ms bajo (el hardware), con los dispositivos de captura, hasta los niveles superiores, en el tratamiento de las imgenes, que se encargan de extraer la informacin til de las imgenes capturadas, en funcin de la aplicacin sobre la cual se est trabajando. En esta prctica, nos centraremos en los niveles superiores a los que hacamos referencia anteriormente, mostrando en cada caso, los resultados de aplicar distintos tipos de algoritmos a distintas imgenes de prueba. EJERCICIOS A REALIZAR EN EL LABORATORIO El tratamiento de imgenes podramos dividirlo en 2 partes: 1. Acondicionamiento de la imagen. En esta parte, aplicamos una serie de tcnicas y algoritmos para obtener una imagen, donde aparezcan, lo ms claramente posible, los datos ms relevantes de la imagen. Los algoritmos a los que nos referimos son los usados para eliminar ruidos, detectar contornos, ajustar intensidad y ecualizar el histograma, procesado de regiones de inters, etc. 2. Anlisis de la imagen. Partiendo de una imagen acondicionada mediante los algoritmos del punto anterior, le aplicaremos otros algoritmos que extraigan la informacin que nos sea de utilidad segn sea el caso. Ejercicios de acondicionamiento de imgenes. En la ventana Launch Pad abrimos la opcin Image Processing Toolbox y a continuacin hacemos doble clic sobre la opcin Demos. Aparecer una nueva ventana con mltiples demos, listadas en el lado inferior derecho de la ventana. Las que a nosotros nos interesan y vamos a ver son: 1. Noise-reduction filtering (filtros de reduccin de ruidos). Al ejecutar esta demo, nos aparecer una nueva ventana en la cual se nos permite seleccionar una imagen, un tipo de ruido junto con la densidad del mismo, as como el tipo de filtro que vamos a usar para eliminar el ruido y el tamao de la matriz de convolucin que usaremos. Seleccionaremos distintas combinaciones de estos parmetros y observaremos los resultados que vamos obteniendo. Cada vez que se realiza una seleccin hay que pulsar el botn correspondiente para aplicar los cambios (add noise o apply filter).

2. Intesity Adjustment and Histogram Equalization (Ecualizacin y ajuste de la intensidad del histograma). Esta demo nos permite observar los efectos de ajustar los valores de intensidad y la correccin gamma a imgenes. Tambin nos permitir realzar una ecualizacin del histograma. La demo nos mostrar tanto el histograma original como el resultante de la modificacin de los parmetros antes mencionados. Cuando realizamos transformaciones en la intensidad, estas se muestran en los ejes de transformacin, donde el ejex representa la intensidad de entrada del pxel y el eje-y la intensidad de salida del pxel.

3. Region-of-Interest Processing (Procesamiento de una regin de inters). Esta demo ilustra el uso de operaciones sobre una regin de inters para el procesamiento de porciones seleccionadas de imgenes. Primero seleccionaremos una imagen del men de la izquierda, a continuacin, mueve el puntero del ratn sobre la imagen del lado izquierdo, veras que el cursor cambia a una forma de cruz. Haz clic sobre puntos en la imagen para seleccionar los vrtices de la regin de inters. Selecciona el punto final con un dobleclic, shift-clic, o con el clic derecho. Cuando hayamos completado nuestra seleccin, la regin se mostrar en el centro como una imagen binaria. A partir de ese momento las operaciones que realicemos se aplicarn exclusivamente al rea seleccionada.

4. Edge Detection (Deteccin de aristas). Esta demo es ms compleja que las anteriores, en ella se utiliza la funcin EDGE para aplicar diferentes mtodos de deteccin de aristas a distintas imgenes. Utiliza los mens para seleccionar una imagen y un mtodo de deteccin de imgenes. Podemos controlar los parmetros para los diferentes mtodos. En funcin del mtodo que estemos utilizando, podremos modificar unos parmetros u otros. Por defecto, la funcin EDGE computa automticamente el umbral a usar. Para especificar manualmente un umbral diferente (para intentar detectar ms o menos aristas), haz clic en el botn central (debajo de la opcion threshold automatic) e introduce el valor que desees. Si usamos el mtodo de Canny, se usan dos umbrales, le alto es el valor que especifiquemos y el bajo es 0.4 veces el umbral alto. Para los mtodos de Sobel y Prewitt, podemos elegir si detectar las aristas horizontales, verticales o ambas. Para los mtodos Laplacian of Gaussian y Canny, podemos especificar sigma, el parmetro que controla la extensin de la funcin gausiana. El tamao del filtro es activado automticamente por EDGE, basndose en el valor de sigma.

Ejercicios de anlisis de imgenes. En este apartado slo vamos a ver dos ejemplos: Watershed Segmentation e Image Transform Gallery. En el primero de los ejemplos veremos la utilidad de la segmentacin, concretamente usando la tranformacin watershed, la cual encuentra valles en una imagen, de forma que vemos la imagen como una superficie con montaas (alta intensidad) y valles (baja intensidad). En el segundo ejemplo se vern transformaciones espaciales de una imagen. Para ver estos ejemplos se seguirn los pasos que se indican en la demo hasta completar ambos ejemplos.

EJERCICIOS PROPUESTOS. APLICACIN DE MATRICES DE CONVOLUCIN Como ejercicios propuestos vamos a trabajar con matrices de convolucin que nos permitirn realizar transformaciones sobre las imgenes de una manera sencilla. Las transformaciones que vamos a ver son las siguientes: 1. Vamos a realizar un zoom de una parte de una imagen previamente cargada. Para ello realizaremos los siguientes pasos. a. Cargar la imagen cameraman.tif. (I=imread(cameraman.tif)) b. Extraer una porcin de la imagen de tamao 40x40, comenzando por la fila 60 y columna 80, de la imagen original. c. Aadir una fila de ceros entre cada dos filas de la imagen original, y adems pondremos dos lneas de ceros ms, una al principio y otra al final. d. Hacer la misma operacin pero con las columnas. e. Aplicar como matriz de convolucin m = [1/4 1/2 1/4; 1/2 1 1/2; 1/4 1/2 1/4] f. Representar las imgenes resultantes. 2. Vamos a eliminar el ruido de una imagen. Para ello realizaremos los siguientes pasos. a. Cargar la imagen cameraman.tif. (p.e. I=imread(cameraman.tif)) b. Anadir ruido a la imagen, simplemente estableciendo un valor de densidad de ruido (entre 0 y 1) y mediante la generacin de un nmero aleatorio, introducirlo en la imagen. El ruido puede consistir en un punto blanco (255) o en una negro (0). Realizar esta seleccin con otro nmero aleatorio. c. Aplicar como matriz de convolucin m = [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9] d. Representar las imgenes resultantes.