Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autor: Yomar Alfonso Realpe Calderón Allí se observa los patrones que coinciden de la imagen 2 con la plantilla central tomada
Director: Julián Adolfo Ramírez de la imagen 1 con una área de interrogación 4 pixeles menor que el tamaño total de la
imagen y en total con 16 áreas de interrogación en toda la imagen.
Técnica PIV (Particle Image Velocimetry)
Flujo Óptico
La velocimetría por imágenes de partículas (PIV) por sus siglas en inglés es una técnica
robusta no invasiva que busca el estudio del comportamiento superficial de fluidos y la El flujo óptico (FO) se define como el movimiento aparente de un patrón de brillo, ya que
estimación de su velocidad mediante la caracterización de partículas en las imágenes. esto es lo que observamos realmente cuando un objeto se desplaza, por lo que el flujo óp-
tico y el campo de movimiento son iguales solo si el objeto irradiado no cambia su irra-
diancia en el plano de la imagen mientras se mueve por la escena (fotogramas o imágenes
Imágenes y la correlación cruzada directa desde un punto de vista matricial consecutivas). El método utilizado en este proyecto es el algoritmo de Lucas y Kanade
(Método piramidal) que es un método de mínimos cuadrados. Este algoritmo permite la
Ya que los sensores CCD de las cámaras son un conjunto matricial de pixeles que adquie- extracción de las dos componentes de velocidad utilizando una función ventana para to-
ren valores de intensidad lumínica entonces las imágenes son matrices de tamaño NxN pi- mar los valores de los gradientes espaciales y temporal de dos imágenes consecutivas de
xeles, restringidas a una escala de grises respectivamente con una escala de 0 a 255 ente- un entorno de vecindad del punto de estudio. la estimación del flujo óptico es por bloques,
ros sin signo, siendo 0 negro y 255 blanco. La correlación cruzada consiste en dividir la es decir, estima el vector de movimiento para el bloque de pixeles, siendo la imagen resul-
imagen consecutiva o segunda imagen en áreas de interrogación un poco mas pequeñas tado la suma de niveles calculados. En primer nivel se encuentra la imagen original
que el tamaño total de la imagen de mxm pixeles según el corrimiento de muestreo desea- (cálculo de variación entre los fotogramas), en el segundo nivel se traza este resultado y
do y acorde a la densidad de partículas en las imágenes para el sistema, además de tomar en niveles sucesivos, con barrido de pixeles, se calcula el flujo de movimiento deseado.
una plantilla del área central de tamaño nxn pixeles de la primera imagen con la única res-
tricción que N>m≥n. A continuación se muestra la ecuación de correlación cruzada directa
utilizada:
Siendo RAB (x, y) el mapa matricial que almacena los picos máximo de correlación entre
las imágenes y x y y son los corrimientos de muestreo que deben cumplir la siguiente res- Aplicando el algoritmo de flujo óptico propuesto, para el ejemplo anteriormente mencio-
tricción para la buena correlación de las imágenes: nado, aclarando que para esta técnica es recomendable utilizar las imágenes en escala de
grises ya que como se trabaja con gradientes y vecindades en subregiones determinadas
por la ventana escogida, si usamos imágenes binarizadas se perderá características impor-
tantes.
En la imagen anterior se grafica el resultado del calculo del flujo óptico de las dos imáge-
nes con una ventana de gradientes de 27 pixeles y un factor arbitrario de graficado de 50,
escogida de ese tamaño ya que la característica que muestra esta ventana es la mas apro-
pia a nivel de vecindades para mostrar la realidad del movimiento del flujo con el menor
error posible en las imágenes usadas en el ejemplo, también muestra donde existe mayor
intensidad de movimiento al aumentar la cantidad de vectores y su densidad alrededor de
esas zonas especificas de las imágenes.
Ahora con una imagen real de 200x200 pixeles tomada bajo un ambiente controlado, co-
mo la que se muestra a continuación se procederá a aplicar los algoritmos.