PRACTICA 17

Las imágenes utilizadas son reales, en color RGB24, de 480 columnas y 360 filas. Al estar desconectado en la actualidad el módulo servidor de imágenes, están disponibles en el menú: Imágenes/Cargar Prácticas/ImagenPractica7.

Las imágenes fueron adquiridas con los siguientes datos:

• Imagen de la PIEZA_VERDE, con las siguientes condiciones de captación: Giro=280 ; Elevación=245 ; Zoom=800, 850, 900, 950, 1000 ; Color=RGB24
• Imagen de la PIEZA 3: Giro=40 ; Elevación=0 ; Zoom=1000 ; Color=RGB24 o BN
• Imagen de la PIEZA 2: : Giro=40 ; Elevación=0 ; Zoom=1000 ; Color=RGB24 o BN

• Generación y reducción del ruido
• Generación de ruido aleatorio ("AlgoritmosBN/Ruido/Generación/Aleatorio")
• Mediana del entorno de vecindad ("AlgoritmosBN/Ruido/Reducción/Mediana")
• Media del entorno de vecindad ("AlgoritmosBN/Ruido/Reducción/Media")
• Opening ("AlgoritmosBN/Morfología/Opening")
• Closing ("AlgoritmosBN/Morfología/Closing")

• Tratamiento de imágenes en color
• Conversión de una imagen de representación RGB a representación HSI ("AlgoritmosColor/ConversiónColor/RGBaHSI")
• Selección de un canal de una imagen en color ("AlgoritmosColor/CanalesColor/SeparaCanales")

• Algoritmos de segmentación. La mayoría de estos algoritmos (todos menos el de umbralización) poseen dos entradas: una para la imagen objeto de análisis y otra para una imagen de referencia. En el desarrollo de la práctica siempre se seleccionará la opción de trabajar sin imagen de referencia (No obstante recordar que para que el bloque se ejecute siempre tiene que haber una imagen en cada entrada, por lo que se recomienda duplicar la imagen de entrada). La salida de cada bloque es la imagen umbralizada (sólo dos niveles: 0 y 255). Cuando se genera un umbral automático, el umbral seleccionado se puede visualizar en la consola.
• Umbralización ("AlgoritmosBN/Segmentación/Umbralización") por umbral
• Algoritmo Otsu ("AlgoritmosBN/Segmentación/Otsu")
• Algoritmo de Conservación de los Momentos ("AlgoritmosBN/Segmentación/Momentos")
• Algoritmo Concavidad del Histograma ("AlgoritmosBN/Segmentación/Concavidad")
• Algoritmo Concavidad Ponderada del Histograma ("AlgoritmosBN/Segmentación/ConcavidadPonderada")
• Algoritmo Maximización de la Entropía ("AlgoritmosBN/Segmentación/ Entropía")

• Para evaluar la bondad de los algoritmos de segmentación, y su justificación, se emplearán:
• La diferencia cuadrática entre la imagen segmentada por el algoritmo y una imagen teórica de segmentación.
• El histograma de una imagen ("Imágenes/Histograma")

• Por comodidad en el desarrollo de la práctica, se recomienda también el uso de los siguientes algoritmos:
• Selección entre varias imágenes de entrada ("Imágenes/Manipulación/Selección")
• Guardar una imagen en un buffer de trabajo local ("Imágenes/ Manipulación/GuardaEnBuff")
• Leer una imagen de un buffer de trabajo local ("Imágenes/Manipulación/LeeDeBuff")
• Diferencia entre dos imágenes ("AlgoritmosBN/DosImágenes/Diferencia").

• Imagen de la PIEZA_VERDE, con distintos zoom: 800, 850, 900, 950, 1000
• Imagen de la PIEZA_VERDE con zoom 900, filtrada (opening + closing + mediana + media)
• Imagen de la PIEZA_VERDE con zoom 900, con ruido adicional (considerar un ruido aleatorio en 2000 pixeles)
• Imagen de la PIEZA_VERDE con zoom 900, con ruido adicional (considerar un ruido aleatorio en 2000 pixeles), filtrada (opening + closing + mediana + media)
• Imagen de la PIEZA_3
• Imagen de la PIEZA_2

• Generación de las imágenes en blanco y negro a partir de la imágenes en color. El proceso será capturar la imagen en color, convertirla a representación HSI, para posteriormente seleccionar el tercer color (I= Intensidad o brillo). En la imagen de PIEZA_3 y PIEZA_2, se puede adquirir directamente en Blanco y Negro
• Generación de la imagen de segmentación ideal, obtenida empleando la información colorimétrica (sólo para la PIEZA_VERDE). Una opción es obtener la imagen G-(R+B)/2, con un umbralización posterior (la selección del umbral la realizará el alumno), según la impresión visual.
• Filtrado secuencial de la imagen (opening + closing + mediana + media)
• Segmentación automática de la imagen, mediante los distintos métodos propuestos
• Evaluación de los algoritmos de segmentación:
• Cálculo del histograma para justificar los resultados obtenidos
• Error cuadrático entre la imagen obtenida por la segmentación y la imagen ideal, obtenida por segmentación cromática (sólo para las imágenes que provienen de la PIEZA_VERDE)
• Para las imágenes que provienen de PIEZA_3 y PIEZA_2, la evaluación de la bondad de la selección se hará por criterios visuales.

MÉTODO DE EVALUACIÓN