10 de febrero del 2023
Práctica 4:
Ajuste del Brillo
Instituto Tecnológico Superior de Irapuato. Carrera: Mecatrónica
Materia: Visión computacional. Prof. Gerardo Trejo Caballero
Edwin Giovanni Sanchez Meza LIS19110815
geovani_0728@outlook.com
I. RESUMEN
Durante la práctica se analizarán los fallos que tiene el
código visto en clase llamado “Square Tracing”, se buscara
la forma de resolver los fallos procesando imágenes que
deberían fallar con el código y comprobar que no fue así.
II. MARCO TEÓRICO
Imagen digital.
Una imagen digital puede definirse como una función
bidimensional f(i, j), donde i y j son las coordenadas
espaciales (plano), y la amplitud de fen cualquier par ordenado
(i, j)es llamada la intensidad o nivel de gris de la imagen en
ese punto. Cuando i, j, y los valores de intensidad de f son
todos finitos, es decir cantidades discretas, decimos que la
imagen es una imagen digital.
Pixeles.
Una imagen digital está compuesta por un número finito de
elementos, cada uno de los cuales tiene una ubicación
específica (coordenadas (i, j)) y un valor de intensidad
(amplitud f(i, j)). Estos elementos son llamados “elementos de
imagen” (del inglés picture elements).
Resolución.
El grado de detalles discernibles en ella, depende de dos
parámetros:
Resolución del nivel de intensidad: Se refiere al cambio más
pequeño discernible en el nivel de intensidad, aunque dichas
mediciones son un proceso muy subjetivo.
Resolución espacial: Es el detalle discernible más pequeño
de una imagen, por tanto, está asociado a la cantidad de
elementos presentes en el arreglo de sensores.
Escala de Grises.
En tratamiento digital de las imágenes, el término "escala de
grises" se aplica al modo de color en el que cada elemento
(píxel) se describe dentro de una serie limitada de valores de
un mismo tono neutro. En el caso de imágenes con una
profundidad de 8 bits, los valores posibles teóricos son 256.
Imagen Binaria
Este tipo de imágenes son comúnmente hechas desde un editor
o procesador de imágenes debido a que solo deben contar con
2 intensidades de color siendo 0 y 1 si tenemos una imagen de
2 bits, o 0 y 255 si tenemos una imagen de 8 bits.
Brillo.
El brillo de una imagen se entiende por la cantidad de claridad
que tiene la imagen y esto se deriva del color blanco, lo
podemos aumentar aumentando el numero de pixeles blancos
o de tono claro y podemos también disminuirlo eliminando la
claridad de los pixeles o eliminando pixeles blancos o claros.
Contorno de una Imagen.
Se denomina contorno a una variación muy contrastante entre
pixeles dentro de una imagen y se diferencia de los bordes
debido a que el contorno solo involucra a la parte exterior de
los objetos dentro de una imagen, por otro lado los bordes
pueden Identificarse también en los detalles que tenga el
mismo objeto.
III. OBJETIVOS.
Generales.
• Identificar los fallos en el código Square Tracing.
• Resolver los fallos detectados en el código.
Particulares.
• Diseñar un código que extraiga el contorno de una
figura encontrada dentro de una imagen binaria.
• Comparar el resultado con la imagen de entrada para
verificar que el contorno si se extrajo correctamente y
que los fallos se resolvieron.
IV. SOFTWARE UTILIZADO
Matlab.
 2

V. INTRODUCCIÓN encuentra en el contorno de la imagen ya que si retomamos el

ejemplo podemos notar que al detectar el primer pixel se
La extracción de contornos en una imagen nos ayuda para
dirige al renglón anterior y si no hay un renglón antes entonces
identificar formas que un sensor de captura recibe, esto se
puede aplicar en la industria para clasificar pieza en una el entorno de Matlab avisa que no existe esa posición y deja de
fábrica o para verificar la calidad de estas, solo se debe cuidar procesar. Para resolver este inconveniente agregue un
que el lugar de captura se encuentre aislado ya que si la contorno de valor 1 a la imagen para que no lo detecte como
imagen presenta ruido no se podrá extraer el contorno. parte de la figura y se lo quite al final para que la imagen de
entrada y de salida tengan las mismas dimensiones.
VI. DESARROLLO
Resultados obtenidos.
El proceso de Square Tracing consiste en hacer un barrido
de izquierda a derecha y de arriba abajo dentro de una imagen
binaria hasta encontrar el primer pixel, después de encontrar el
primer pixel comienzan una serie de reglas.
Si el pixel forma parte del objeto (la intensidad es cero)
entonces nos dirigimos al pixel que se encuentra a la
izquierda, de lo contrario se dirige al pixel que se encuentra a
la derecha, siempre recordando la dirección en la que se
analiza la figura hasta regresar al pixel en el que comenzó el
análisis.
Por ejemplo, el primer pixel siempre se encontrará en la
dirección de izquierda a derecha (→), entonces como el pixel
si forma parte de la figura nos dirigimos a la izquierda, que si
recordamos el sentido en el que estamos la izquierda seria
hacia arriba, ahora el pixel no formará parte de la figura por
lo que se dirige al pixel de la derecha, recordando el sentido
(↑) ahora si es nuestra derecha, nuevamente por lógica el pixel
no será parte del objeto entonces nos dirigimos a la derecha
retomando el sentido al que vamos (→) entonces nuestra Imagen 2. Imagen original binaria y en los extremos de la
derecha es ahora hacia abajo, analizamos nuevamente si este imagen.
pixel forma parte del objeto, de ser así entonces nos dirigimos
a la izquierda retomando el sentido al que vamos (↓) en esta
ocasión la izquierda es nuestra derecha, si el pixel no forma
parte del objeto entonces nos dirigimos a la derecha y si
ponemos atención a el ejemplo ya estaríamos llegando al pixel
en el que iniciamos, es aquí donde encontramos el primer fallo
del código ya que si la figura solo cuenta con un pixel en ese
renglón y el resto de la forma se encuentra debajo el código
terminaría y por resultado solo obtendremos ese pixel, la
forma de arreglarlo agregando una condición en la que
indicamos que si solo se ha rescatado un pixel debe seguir
analizando la imagen así cuando llegue al pixel principal y sea
un pixel que forma parte del objeto se dirigirá a la izquierda
recordando el sentido de análisis (←) la izquierda será abajo y
continuará sin problemas durante todo el contorno de la figura.
Imagen 3. Imagen original binaria agregando un contorno de
pixeles con valor 1.

(a) (b)
Imagen 1. Ejemplo del error cuando la figura tiene un pixel en el renglón
de inicio. (a)Imagen de entrada (b) imagen procesada
Otro fallo que pude identificar es cuando la figura se
 3

imagen y tiene un solo pixel en el renglón de inicio. Con esto

de comprueba que al utilizar el código podemos rescatar ahora
si el contorno de imágenes binaria que cuenten con estas
características lo cual no se podía realizar antes de la
modificación del código.

REFERENCIAS
T. Alter, R. Basri, Extracting Salient Curves from Images: An
Analysis of the Saliency Network, IJCV, vol 27(1), pp. 51-69,
Marzo 1998.

D. Ballard, C. Brown, Computer vision, New Jersey: Prentice

Hall, 1982.

D. Ballard, Generalizing the Hough Transform to Detect

Arbitrary Shapes, Pattern Recognition, vol. 13(2), pp. 111-
Imagen 4. Imagen de salida aún con el contorno de pixeles de 122, 1981.
valor 1.

Imagen 5. Imagen de salida sin el contorno de pixeles de valor 1.

VII. DISCUSIÓN.
El enfoque que se quiere llevar a cabo con la materia de visión
computacional es el de realizar procesos a imágenes digitales
que la computadora pueda percibir aunque nosotros como
seres humanos no las percibimos, por esto es que al contorno
necesario para corregir el segundo fallo le di un valor de 1 ya
que a simple vista no se nota la diferencia de intensidades
entre el contorno y la forma a rescatar pero el programa pudo
realizar la extracción del contorno sin problemas.
Podemos ver en la imagen 1 que efectivamente el error se dio
cuando intente procesar una imagen que tenia solo un pixel en
el renglón de inicio.

VIII. CONCLUSIÓN.
Los dos errores identificados en un inicio se pudieron corregir
a la perfección y se comprueba en la Imagen 5 en la cual se
puede apreciar el contorno de la figura completo, además de
que la figura procesada se encuentra en los extremos de la