Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Luis Manco Luis Payares IMTR 3013 - Visión Artificial Prof. A. Marrugo
Fecha: 23/03/2021
Dept. mecánica y mecatrónica Universidad tecnológica de bolívar
Procedimiento
1. Introducción
La práctica consistió en la implementación del imagen importada a la que se le aplicó un
código de detección de esquinas, haciendo filtro gaussiano
utilización de la diferencia cuadrática, que
funciona como una ventana gaussiana,
teniendo un valor mínimo para un valor
adecuado del desplazamiento, comparando
diferencias cuadráticas de un trozo de una
imagen consigo misma.
2. Marco teórico
La detección de esquinas es un acercamiento
usado en los sistemas de visión por
computadora para extraer ciertos tipos de
rasgos e inferir el contenido de una imagen.
La detección de esquinas frecuentemente se
usa en la detección de movimiento, análisis de
imagen, rastreo en video, modelado 3D y
reconocimiento de objetos entre otros. La Imagen 1.
detección de esquinas se solapa con un tema
más abarcador: la detección de puntos de
interés.
Una esquina puede definirse como la
intersección de dos bordes. También puede
definirse como un punto en el que hay dos
direcciones de bordes dominantes y diferentes
en una vecindad local del punto.
Un punto de interés es un punto en una imagen
que tiene una posición bien definida y puede
ser detectado de forma robusta. Esto significa
que un punto de interés puede ser una esquina
pero también puede ser, por ejemplo, un punto
aislado de intensidad local máxima o mínima,
final de líneas, o un punto en una curva donde
la curvatura es localmente máxima.s. [1]
Imagen 2.
esta imagen es una representación del valor En esta parte del código utilizamos trocitos de
absoluto mostrando el gradiente en X para ver la imagen de 13x13 con la finalidad de
los bordes verticales escoger los valores más grandes como
potenciales esquinas utilizando la "Harmonic
Mean" o media armónica.
Imagen 4.
Imagen 6.
Esta imagen es una representación del valor
absoluto mostrando el gradiente en X para ver
los bordes Horizontales. Se hace supresión del no máximo, haciendo que
todo lo que esté por encima de cierto valor
ponerlo a uno y lo que esté por debajo ponerlo a
0, en este caso se utilizó un elemento tipo disco
Imagen 7.
Imagen 9.
umbralizar la imagen por que solo queremos
los picos más fuertes y se pone a 0 todo lo que Luego esta imagen del dilate nos muestra
está en el borde, visualizamos los pixeles o donde esos picos tocan las mesetas o donde se
puntos candidato hacen igual, que es donde están los máximos
de esos picos locales
Imagen 8.
Imagen 10.
. 5. Referencias
Imagen 11., usando un umbral de 1x10^9 [1] Detector de esquinas. (2020, 14 de mayo).
Wikipedia, La enciclopedia libre. Fecha de
consulta: 19:08, mayo 4, 2021 desde
https://es.wikipedia.org/w/index.php?title=Detect
Usamos un umbral tan grande por que al igual or_de_esquinas&oldid=126060778.
que en la imagen anterior cuando usábamos
umbrales un poco más pequeños, se
presentaba mucho ruido en la imagen y más
picos tocaban las mesetas, lo cual marcaba
puntos que no presentaban esquinas en la
imagen