Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. INTRODUCCION
IV. DESARROLLO DEL PROYECTO
E n el presente informe se encuentran condensados todos los
resultados obtenidos al utilizar MATLAB como
compilador principal en el reconocimiento de imágenes
A. Captura:
para la identificación y conteo óptimo de cuatro Como primer procedimiento se disponen las siguientes
denominaciones diferentes de monedas colombianas condiciones para la captura fotográfica:
$100,$200, $50 y $500. Además se presentan los resultados
adquiridos al aplicar cada uno de los comandos o sentencias
que son indispensables para el funcionamiento del software 1. La superficie de captura debe ser de un material
desarrollado; también se habla acerca de los problemas que se oscuro (preferiblemente negro) y de un material no
presentaron durante la creación del código fuente principal. reflectivo y sin poros.
Por otro lado se describen los procedimientos implementados
2. Para la captura se usara una cámara digital
para la creación de la interface de usuario la cual se contempla configurada con una resolución fija de 5Megapixels.
como una alternativa para la implementación del software 3. Se utilizara de igual modo una base metálica con el
dentro de un aplicativo comercial hipotético. fin de estandarizar la distancia de captura entre la
cámara digital y la superficie.
4. Las imágenes capturadas deben ser transferidas
II. MARCO TEORICO
manualmente al PC vía USB y ubicadas en la carpeta
dispuesta para su lectura en el código fuente.
MATLAB cuenta con un gran número de comandos y
sentencias que se utilizan para la detección de objetos o B. Primera etapa: filtrado de la imagen.
patrones dentro de una imagen, con estos comandos es posible
alterar las imágenes de modo que algunas de sus propiedades 1. La primera etapa para realizar el filtrado de la imagen
se resalten o se atenúen, entre las propiedades que se pueden es transformar a escala de grises.
modificar por medio de sentencias que recorren la imagen se
encuentran, contraste, brillo, nivel de grises y binarización. 2. Seguidamente se realiza la binarización de la imagen
con cálculo de umbral automático y discriminación
Universitaria de Investigación y Desarrollo e-mail: renzzophd@hotmail.co
de áreas insignificantes en la imagen usando el fragmentos de imagen por separado e identificando áreas
comando bwareaopen. En este caso se discriminaron validas, el proceso es mucho más específico y
las áreas menores a 30 pixeles clasificándolas como discriminativo.
“ruido”.
1. El primer paso para realizar una sectorización
3. El siguiente procedimiento corresponde a el llenado o efectiva esta en declarar las dimensiones totales de la
relleno de secciones de área incompletas por medio imagen usando una variable diferente de la que se usa
de algoritmos de conglomerado de pixeles, y usando inicialmente en la lectura de la misma.
la sentencia imfill(x, ‘holes’); siendo x la imagen a
rellenar.Fig.1 muestra un ejemplo claro de una 2. Luego se deben ubicar los centroides de todas las
imagen procesada con los filtros anteriormente imágenes y establecer una extracción cartesiana de
mencionados. los fragmentos de imagen correspondientes a cada
moneda. Este procedimiento se realiza con la ayuda
4. A continuación se procede al etiquetamiento y de las propiedades de área y centroide de la imagen;
conteo de elementos conectados en la imagen por en el que el área ayuda a establecer el número de
medio del comando [L NUM] =bwlabel este monedas que existen en la imagen, es decir el número
comando retorna una matriz L de igual tamaño que la de veces que se debe ejecutar la sentencia de
imagen a analizar y NUM entrega el número de sectorización; por otro lado el centroide servirá como
elementos conectados en la imagen. El referencia cartesiana para delimitar el fragmento a
etiquetamiento se hace promedio del análisis de extraer. Dicho proceso esta descrito puntualmente en
conglomerado de pixeles similares. Este proceso se el Anexo.1.
realiza básicamente con el fin de establecer las áreas
que se encuentran en la imagen. 3. Como paso final se debe habilitar cada una de las
imágenes sectorizadas para su respectivo análisis de
5. Seguidamente se realiza el cálculo de áreas y proporcionalidad de áreas. Con este fin, se debe
cancroides de los objetos considerados como áreas en binarizar la imagen de nuevo, ya que para su
la imagen a través de visualización sectorizada fue necesario observar la
regionprops(L,’Area’,’Centroid’), con estos imagen en escala de grises. De igual modo se
parámetros será posible crear proporciones para la eliminan áreas insignificantes que se toman en la
discriminación de monedas en pasos posteriores. El sectorización y que hacen parte de otras figuras en la
área será dada como una magnitud que indica el imagen. Fig.2 muestra un ejemplo de una área
número de pixeles que ocupa un objeto en la imagen, extraída de la imagen estudiada en este se pueden
por el contrario el centriode se usara únicamente especular las magnitudes cartesianas que se usaron
como referencia de un punto central del objeto. para determinar el tamaño de la muestra.
6. Con el fin de obtener mayor precisión en el cálculo D. Discriminación por proporcionalidad de áreas:
de proporciones es adecuado usar una imagen como
referencia dentro de la imagen la cual debe ubicarse Esta sin duda es la parte más compleja del software en
en la parte superior izquierda de la imagen, ya que la la que se utilizara la estrategia de crear rangos
lectura matricial de la misma se realiza en dirección, dinámicos de discriminación de áreas por medio de una
izquierda-derecha. Teniendo en cuenta esto, es serie de condicionamientos anidados que finalmente
preciso establecer el área de dicho objeto con el imprimirán un mensaje final referente al número de
propósito de crear una proporcionalidad referencia- monedas encontradas, el valor de cada una de ellas y la
moneda; este cálculo se realiza por medio de la sumatoria de las mismas.
lectura de las posiciones del vector Area de
regionprops asi:
areareferencia = prop(1).Area;
C. Sectorización:
VI. REFERENCIAS
1. E-books: