Beruflich Dokumente
Kultur Dokumente
OBJETIVO GENERAL:
Esto debe mejorar con la ayuda de una cmara trmica que captura una imagen
detectando el calor (Fuego y cierta combinacin de tonalidades) en un cierta rea
determinada.
OBJETIVOS ESPECFICO:
JUSTIFICACIN:
Las soluciones como tal sera la toma panormica del rea verde en problemas
para trabajar en ello por medio de cmaras trmicas en el cual ya es un trato
directo con la imagen y as lograr solucionar de inmediato.
Qu es la visin humana?
Qu es la visin artificial?
La visin artificial es una disciplina cientfica que incluye mtodos para adquirir,
procesar y analizar imgenes del mundo real con el fin de producir informacin
que pueda ser tratada por una mquina.
Enfocado al proyecto:
Para este rubro se llega a la conclusin que existen diversos formatos y los ms
usados para as lograr llegar a un almacenamiento correcto de cada tipo de
imagen captada. Las imgenes digitales se pueden guardar en distintos formatos.
Cada uno se corresponde con una extensin especfica del archivo que lo
contiene.
Los ms utilizados en la actualidad son: BMP, GIF, JPG, TIF y PNG .
Un dato relevante es que son econmicos pero ofrecen buena calidad de trabajo,
Otra de las grandes ventajas es que los sensores CMOS es que son ms
sensibles a la luz, por lo que en condiciones escasas de iluminacin se comportan
mucho mejor y los amplificadores de seal se encuentran en la propia celda, por lo
que hay un menor consumo a igualdad de alimentacin, esto facilitar la
extraccin de imgenes de diversas reas afectadas. En la velocidad, el CMOS es
claramente superior al CCD debido a que todo el procesado se realiza dentro del
sensor. Estas permiten grabar vdeos a velocidades de hasta 1000 fps.
MUESTREO:
Consiste en una subdivisin de la imagen analgica en porciones. Trabajando con
imgenes en 2D. Slo estudiaremos particiones que envuelven polgonos
regulares: tringulos, cuadrados y hexgonos. Estos polgonos representan
sensores sensibles a la intensidad de luz.
En el modelo matemtico de una imagen, un pxel se identifica con su centro,
como puntos (x,y) del plano, donde (x,y) son las tpicas coordenadas cartesianas.
Dependiendo de los distintos tipos de mallado, la distribucin de los pxeles es
distinta
>> imshow(imageSub2);%muestra imagen del sub muestreo de la imagen
CUANTIFICACIN:
Es la salida de sensores es un valor (amplitud) dentro de una escala (color). De
igual forma puede ser, o bien un nico valor (escala de grises) o bien un vector
con tres valores por polgono (RGB) que se corresponden con la intensidad de
color rojo (R), verde (G) y azul (B).
Las imgenes en escala de grises con slo 2 colores: blanco y negro (0 y 1,
respectivamente), se llaman imgenes binarias A este proceso se le llama
cuantificacin .Un polgono de color constante se le llamar pxel.
DIGITALIZACIN DE LA IMAGEN:
Son fotos electrnicas tomadas de una escena o escaneadas de documentos
fotografas, manuscritos, textos impresos e ilustraciones. Dentro de ellas se realiza
un muestreo de la imagen digital y se confecciona un mapa de ella en forma de
cuadrcula de puntos o elementos de la figura (pxeles).
RANGO DINMICO:
Aqu entra la diferencia tonal entre la parte ms clara y la ms oscura de una
imagen. Cuanto ms alto sea el rango dinmico, se pueden potencialmente
representar ms matices y correlaciona en forma automtica con la cantidad de
tonos reproducidos.
Contiene la capacidad ms importante en los documentos de tono continuo que
exhiben tonos que varan ligeramente, y en el caso de las fotografas puede ser el
aspecto ms importante de la calidad de imagen.
De igual forma posee una cantidad limitada de tonos representados. La imagen
inferior posee un rango dinmico ms estrecho, pero una mayor cantidad de tonos
representados. Observe la falta de detalle en las sombras y los toques de luz en el
marco superior.
RESOLUCIN:
La resolucin total expresa el nmero de pxeles que forman una imagen de mapa
de bits. La calidad de una imagen tambin depende de la resolucin que tenga el
dispositivo que la capta. En el caso de las cmaras, el nmero de pxeles que
contenga una fotografa depende de la configuracin y, como mximo, de cuntos
pxeles utilice el sensor CCD de la cmara para captar la imagen.
Comando:
r=imread('IncendioForestal.jpg');
subplot(3,3,4);
imshow(r);
title('IMAGEN 2');
r=imread('IncendioForestal.jpg');
planeR=r(:,:,1);
BW=edge(planeR,'prewitt');
subplot(3,3,5);
imshow(BW);
title('PREWITT');
r=imread('IncendioForestal.jpg');
planeG=r(:,:,2);
BW2=edge(planeG,'canny');
subplot(3,3,6);
imshow(BW2);
title('CANNY');
Nos referimos cuando existe una interaccin entre ms de un pxel, tal que para
cualquier par de pxeles del conjunto, existe un camino digital que los une.
Recordemos que un componente conexa es un conjunto de pxeles tal que para
cualquier par de pxeles del conjunto, existe un camino digital que los une.
PUNTO SIMPLE:
RECTA DIGITAL:
Dada una imagen digital binaria con una relacin de vecindad definida (t-
adyacencia), un camino digital ( t-camino) de un pxel p a otro pxel q se define
como una sucesin de pxeles Ppq={pi ; i=0,...,n} (del mismo color, todos distintos),
tal que:
p =p, p =q
Imgenes binarias
0n Para todo i=1,...,n-1, pi tiene exactamente dos vecinos en P p Q que son pi-1
y pi+1
p0 y pn tienen exactamente un vecino que son p1 y pn-1, respectivamente. La
longitud de un camino digital con n+1 pxeles es n.
CURVATURA:
Definimos curva digital como un conjunto de pxeles tal que al eliminar cualquiera
de ellos, se convierte en un camino digital.
CONVEXIDAD:
Se define de la siguiente manera, es la formacin o la estructura que tiene la
imagen, pero viendo ms a fondo los trazos que lleva en base al conjunto de los
pxeles teniendo como seguimiento un camino digital de igual forma.
1.12.1 LIMPIEZA
Se aplica el filtro gaussiano, el ruido y filtro de la media.
Filtro gaussiano.
imagen2=imnoise(imagen1,'gaussian');
Ruido.
imagen2=imnoise(imagen1,'gaussian');
gaussian=fspecial('gaussian');
filtro=imfilter(imagen2,gaussian);
Filtro de la media.
imagen2=imnoise(imagen1,'gaussian');
average=fspecial('average');
media2=imfilter(imagen2,average);
[imagen2, avegare] = tamao de la mscara (por defecto 3x3).
Comando:
y=imread('fogata.jpg');
title('SALT AND PEPPER');
x=imnoise(y,'gaussian',0.03);
subplot(2,2,2);
imshow(x);
title('GAUSSIAN');
1.12.2 COPIA
imwrite(imagen1,'copia_imagen.jpg');
La imagen original guardada en imagen1 se guarda en un archivo que se
generar por nombre copia_imagen.jpg y se muestra.
imagen2=imread('copia_imagen.jpg');
1.12.3 INVERSIN
1.12.4 ROTACIN
g1=imrotate(imagen1,90,'crop')
El 90 indica los grados a rotar y el crop indica la funcin.
Comando:
f=imread('IncendioForestal.jpg');
imshow(f);
b=imrotate(f,360);
subplot(3,2,1);
imshow(b);
title('IMAGEN 1');
b=imrotate(f,35);
subplot(3,2,2);
imshow(b);
title('IMAGEN 35 GRADOS');
b=imrotate(f,140);
subplot(3,2,3);
imshow(b);
title('IMAGEN 140 GRADOS');
b=imrotate(f,273);
subplot(3,2,4);
imshow(b);
title('IMAGEN 273 GRADOS');
1.12.5 ESPEJO
Para hacer esto la imagen debe estar en escala de grises para transformar l matriz
h=flipdim(imagen2,2);
El 2 indica la forma en que se invertir si de arriba abajo o de izquierda a derecha.
Comando:
x=imread('fogata.jpg');
pic = flipdim(x ,3);
subplot(3,3,1);
imshow(pic);
title('IMAGEN ORIGINAL');
pic=flipdim(x,2);
subplot(3,3,2);
imshow(pic);
title('ESPEJO');
1.12.6 BRILLO
imagen1=imagen1+55;
Multiplica con las matrices
imagen1=imagen1*1.6;
Aumenta el valor del pixel
Comando:
a=imread('cigarroincendio.jpg');
imshow (a);
pause(2);
imshow (a-100)
imshow (a*5)
title('brillo ');
pause(2)
1.12.7 DESPLAZAMIENTO
LEFT:[[Q0=P1]]
DOWN:[[Q0=P3]]
RIGHT:[[Q0=P5]]
UP:[[Q0=P7]]
DOWNR:[[Q0=P4]]
Las operaciones de desplazamiento, aplican tanto a imgenes en escala de gris
como a color.
LOGTRANS:[[Q0=clog(1+P0)]]
El resultado de las transformaciones logartmicas es la compresin/expansin de
niveles de gris, lo que resulta en un realzado de la imagen.
c=imadd(a,x);
imshow(c),title('Operacion Suma')
pause(2)
z=imsubtract(a,x);
imshow(z),title('Operacion Resta')
pause(2)
e=immultiply(a,x);
imshow(e),title('Operacion Multiplicacion')
pause(2)
a=imread('fogata.jpg');
s=imdivide(a,x);
imshow(s),title('Operacion divisin')
pause(2)
1.12.11 OPERACIONES LGICAS:
Las imgenes deben tener la misma resolucin, adems de que deben estar en
binario.
B=and(imbinaria,im2binaria)
Las operaciones son AND, OR, NOT y XOR.
Comando:
a=imread('fogata.jpg');
subplot(3,3,1);
imshow(a);
title('IMAGEN 1');
fgris=rgb2gray(a);
subplot(3,3,2);
imshow(fgris);
title('GRIS');
fbinario=im2bw(fgris,T);
subplot(3,3,3);
imshow(fbinario);
title('BINARIA');
Comando:
f=imread('fogata.jpg');
subplot(3,3,1);
imshow(f);
title('ORIGINAL IMAGE');
planeR=f(:,:,1);
subplot(3,3,2);
imhist(planeR);
title(' HISTOGRAMA 1');
Se disea una CLUT para crear una expansin (Color Look Up Table) en el
mnimo se le asocia un cambio de longitud (se excluye el 2% de los valores en
ambos extremos), distribuyendo linealmente el resto entre ambos mrgenes.
Como resultado del realce la imagen aparece ms ntida y mejor contrastada.
1.14 ECUALIZACIN:
Se trata de que en una imagen se logra es una transformacin que pretende
obtener para una imagen un histograma con una distribucin uniforme. Se dice
que existe el mismo nmero de pixeles para cada nivel de gris del histograma de
una imagen monocroma.
En teora, la aplicacin de esta operacin debera transformar el histograma en
otro con una forma perfectamente uniforme sobre todos los niveles de gris. En la
prctica esto no se va a poder conseguir pues se estara trabajando con funciones
de distribucin discretas en lugar de continuas.
En la transformacin, todos los pixels de un mismo nivel de gris se transformarn
a otro nivel de gris, y el histograma se distribuir en todo el rango disponible
separando en lo posible las ocupaciones de cada nivel.
1.15 UMBRALIZACIN:
Comando:
f=imread('fogata.jpg');
imshow(f);
subplot(2,2,1);
imshow(f);
title('IMAGEN');
t=graythresh(f);
p=im2bw(f,t);
subplot(2,2,2);
imshow(p;
title('UMBRALIZACION 1');
CONCLUSIN:
ste proyecto se hizo con la finalidad de dar a conocer algunos de los procesos
que se llevan a cabo para el tratamiento de imgenes y de la mano con ello
obtener resultados que nos pueden servir para aplicarlos al tema que es
Aplicacin del tratamiento de imgenes para el problema de deforestacin por
incendios.
Con ste trabajo se obtuvo lo esperado ya que mediante la investigacin de los
temas de aplicacin del tratamiento de imgenes se podr encontrar la manera de
poder usarlos y encontrar la solucin para lograr la reduccin de la deforestacin.
En base a libros, presentaciones, vdeos, etc, indagamos para as lograr de la
manera ms apropiada la aplicacin sobre nuestro proyecto haciendo uso del
software de MatLab, algunas instrucciones no entendamos, tuvimos que
buscarlas
para llegar a concluir con l.
Es un proyecto muy interesante en el cual nos gustara dar seguimiento en base a
la ayuda del ingeniero encargado de esta materia la cual es Tratamiento de
Imgenes. Este proyecto sera interesante llevarlo a la implementacin en un
caso real debido a que en la actualidad hay demasiada prdida de reas verdes
por causa de la deforestacin por incendios.
CIBERGRAFIA:
Laura Florian Cruz, Freddy Carranza (AthoTpicos en procesamiento
grfico.2006Archivo PDF.pndice E. Tratamiento de imgenes en MATLAB
Procesamiento de imgenes con MATLAB, Archivo PDF. Gines Garca
MateosDept. de informtica y sistemas, Universidad de Murcia.
Procesamiento de imgenes.Tema 2. Procesamiento global de
imgenesPresentacin de Power Point.
Ingeniera biomdica, Tratamiento de imgenes.Operaciones bsicas con
imgenes.Archivo PDF.
Videos de Youtube sobre tratamiento de imgenes.
REFERENCIAS: