Hay que trabajar con dos conjuntos de imágenes:
-
Imágenes tomadas con la misma resolución: 480x320. Para cada pieza, se toman diversas
imágenes con dicha resolución, desplazando la posición de "Giro" y
"Elevación" 10 unidades con respecto a la posición inicial, y cumpliendo
todas ellas las condición de que se visualice correctamente la pieza sin que aparezcan en
la imagen los bordes de la caja. Hay que adquirir por cada pieza al menos cinco imágenes.
-
Imágenes tomadas con distinta resolución. A las piezas captadas previamente, hay que
añadir para cada pieza dos nuevas imágenes: una tomada con resolución 640x480
y otra tomada con resolución 320x240. Las condiciones de "Giro" y
"Elevación" serán las expresadas inicialmente.
Provisionalmente, y mientras la cámara esté estropeada, las imágenes están en "Imágenes/CargarPracticas/ImagenPráctica4".
La nomenclatura de las imágenes es nombreX_R_Y, donde nombre={"tornillo", "arandela", "tornillo alargado" y "tuerca"},
X es el tipo={1,2,3,4}, R es la resolución horizontal, y Y es el orden de muestra.
ALGORITMOS UTILIZADOS
Se emplean los siguientes algoritmos:
- Lee las imágenes captadas del Servidor de Imágenes ("Imágenes/CargarImágenes/ ImagenCámara") (Modo trabajo en Red)
- Lee las imágenes ya grabadas ("Imágenes/CargarPrácticas/ImagenPráctica4")
- Lee las imágenes almacenadas en el disco duro ("Imágenes/CargarImágenes/…") (Modo trabajo Local).
- Opening de una imagen ("AlgoritmosBN/Morfologia/Opening")
- Closing de una imagen ("AlgoritmosBN/Morfologia/Closing")
- Definir un área de interés en la imagen ("Imágenes/Manipulación/AreaInterés")
- Umbralizar una imagen ("AlgoritmosBN/Segmentación/Umbralización")
- Obtener la inversa de una imagen ("AlgoritmosBN/UnaImagen/Inversa")
- Determinación de las características de los objetos existentes en la imagen ("AlgoritmosBN/Segmentación/Blobs")
DESCRIPCIÓN DE LA PRÁCTICA
Los pasos a realizar son los siguientes:
-
El alumno debe captar las imágenes reales desde el Servidor de Imágenes,
según las condiciones previamente fijadas, o leerlas directamente del sistema.
-
Las imágenes captadas deben de ser filtradas, para evitar el efecto del ruido, y
también deben de ser homogenizadas, a fin de conseguir zonas más homogéneas.
Se recomienda la utilización consecutiva de dos filtros: "Closing"
y "Opening".
-
Las imágenes reales suelen poseer algunas filas y columnas de información no
válida, por lo que es necesario definir una "Área de Interes", en el
que por ejemplo se le quiten las 10 primeras y últimas filas y columnas, rellenando
esta zona con un valor neutro, por ejemplo 128. A ésta imagen final la denominamos
IMAGEN_TRABAJO.
-
Para segmentar la pieza dentro de la imagen, se debe umbralizar con un nivel.
Se recomienda utilizar un valor cercano a 80 (el mismo para todas las piezas).
El resultado de este algoritmo es una imagen que vale 255 cuando se supera el umbral (el fondo)
y de 0 cuando no se supera el umbral (el objeto). Para un adecuado tratamiento de la
información es necesario Invertir esta imagen, designando con el valor 255 al objeto.
-
Las características de los objetos presentes en la imagen se realiza mediante el bloque
"Blobs". Esta algoritmo suministra valores numéricos de las características
de los objetos presentes en la imagen. Los objetos (o blobs) pueden ser agrupados de las siguientes
formas:
-
Obteniendo todos los objetos presentes en la imagen, cuyo tamaño supere un umbral
(Esta opción no es la recomendada, pues no modifica el panel de reconocimiento).
-
Obteniendo el máximo objeto presente en la imagen. (Esta opción es una de las
recomendadas, pues si modifica el panel de reconocimiento)
-
Obteniendo la unión de todos los objetos presentes en la imagen, cuyo tamaño supere
un umbral. (Esta opción es una de las recomendadas pues si modofica el panel de
reconocimiento). Se recomienda un valor de 100 para el mínimo tamaño que debe tener
un objeto.
A fin de realizar un correcto almacenamiento de los datos calculados es necesario suministrarle
al bloque información de la pieza y del experimento realizado (se almacenan sólo
unos datos por cada pieza y por cada experimento, perdiéndose los anteriores).
El algoritmo necesita dos imágenes: la primera la imagen segmentada (el objeto debe estar
al valor 255), y la segunda una imagen con información de intensidad (en este caso la
IMAGEN_TRABAJO).
Las características calculadas por el bloque, son las siguientes:
- Área
- Perímetro
- Mínima X
- Mínima Y
- Máxima X
- Máxima Y
- Centro de gravedad eje X
- Centro de gravedad eje Y
- Relación de compacidad
- Excentricidad
- Valor del tinte (imagen en color) o del nivel de gris (imagen en blanco y negro).
- Relación Invariante 1 (Invar_1)
- Relación Invariante 2 (Invar_2)
- Eje Principal de Inercia
- Longitud
- Anchura
-
En cualquier momento del desarrollo de la práctica se puede solicitar información
de los datos de almacenamiento al Panel de Reconocimiento (Icono con una linterna). Se representa
para un determinado experimento de una determinada pieza el valor de todas las
características calculadas, así como para todos los experimentos de la pieza
seleccionada la media, la desviación típica (supuesta una distribución
Gaussiana) y el recorrido de los datos. Es necesario cuando se almacenado nuevos datos pulsar
el botón "Actualiza Datos". El botón "Borra Datos", borra
los datos del experimento de la pieza seleccionada. El boton "Graba Datos" almacena en modo texto
los datos almacenados.
-
Generación del "Coeficiente de Separación entre Clases para cada
Característica". Este coeficiente, que deberá ser realizado manualmente
por el alumno, suministra información de como dos Clases de objetos son separables
con una determinada característica, adquiriendo un mayor valor cuanto más
separadas sean sus distribuciones. Así para dos Clases i , j con
distribuciones Gaussianas en la característica k :
Oi
( Mik, s
ik)
;
Oj( Mjk, s
jk)
Se define el "Coeficiente de Separación entre las Clases i , j con la
característica k como:
La característica más adecuada para separar dos objetos es la que maximiza
el coeficiente de separación entre clases.
MÉTODO DE EVALUACIÓN
- Los alumnos deberán de entregar un documento resumen del trabajo desarrollado, justificando los pasos
seguidos y las conclusiones obtenidas.
- El documento deberá contener una tabla en la que se detalla los resultados obtenidos con las distintas
características calculadas tanto para la imágenes con la misma resolución, como para las imágenes con distinta
resolución
- El documento deberá de contener igualmente un juicio comparativo sobre cuales son las características más
adecuadas para el reconocimiento de cada par de piezas, tanto para la imágenes con la misma resolución, como
para las imágenes con distinta resolución
- Los alumnos deberán de mandar el documento en pdf y las áreas de trabajo generadas para la ejecución de
la práctica por mail a jose.sebastian@upm.es
Igualmente el alumno deberá contestar a las siguientes preguntas, según los datos obtenidos
al realizar el reconocimiento de las diversas piezas y según el "Coeficiente de
Separación entre Clases para cada Característica". Para cada pregunta só
lo se admite una respuesta válida, aunque se ponderará de distinta forma las respuestas
incorrectas. Al no estar activo la versión remota, el contenido de dichas preguntas deberá de incluirse
en el documento generado
-
IMÁGENES CON LA MISMA RESOLUCIÓN
-
La característica que mejor separa la Pieza 1 de la Pieza 2 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 1 de la Pieza 3 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 1 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 2 de la Pieza 3 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 2 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 3 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
- IMÁGENES CON DISTINTA RESOLUCIÓN
-
La característica que mejor separa la Pieza 1 de la Pieza 2 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 1 de la Pieza 3 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 1 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 2 de la Pieza 3 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
- La característica que mejor separa la Pieza 2 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2
-
La característica que mejor separa la Pieza 3 de la Pieza 4 es:
Área
Perímetro
CDG X
CDG Y
Compacidad
Nivel de gris
Excentricidad
Invar_1
Invar_2