Procesamiento de imágenes y reconocimiento
Clasificado en Diseño e Ingeniería
Escrito el en 
español con un tamaño de 3,27 KB
Procesamiento de imágenes
Los filtrados en el dominio espacial actúan sobre el propio plano de la imagen y las de filtrado en el dominio de la frecuencia actúan sobre los mismos valores de los píxeles de la imagen, pero proyectados en un espacio transformado en el que la característica frecuencial esté presente.
Dominio Espacial
Consiste en el desplazamiento del origen de dicho entorno de vecindad píxel a píxel y aplicando un operador T para cada posición (x,y) para de esa forma obtener la imagen transformada.
Máscara
Es una pequeña distribución bidimensional en los que los valores de los coeficientes determinan la naturaleza del proceso.
Filtro paso bajo
El emborronamiento o alisamiento se alcanza en el dominio de Fourier atenuando un rango específico de componentes de altas frecuencias en la transformada de una imagen.
Filtro paso alto
Se realza la imagen, que este filtro atenúa las frecuencias bajas sin distorsionar la información de las frecuencias altas en el dominio de Fourier.
Detector de bordes Canny
- Obtención del gradiente: en este paso se calcula la magnitud y orientación del vector gradiente en cada píxel.
- Conseguir el adelgazamiento del ancho de los bordes, obtenidos con el gradiente, hasta lograr bordes de un píxel de ancho.
- Utilizar un doble umbral, que pretende reducir la posibilidad de aparición de bordes falsos.
Segmentación
Subdivide la imagen en sus regiones u objetos constituyentes, de tal manera que los píxeles de esas regiones posean propiedades o atributos similares, como niveles de fris, contraste, texturas. Se basan en dos propiedades:
- Discontinuidad: el proceso se realiza dividiendo la imagen por cambios abruptos en intensidad, como es el caso de la detección de bordes en una imagen.
- Similitud: se logra mediante la partición de una imagen en regiones que son similares de acuerdo a un conjunto de criterios predefinidos.
Esquema general de reconocimiento
- Extraer características de la imagen.
- Obtener una representación de las mismas.
- Construir un clasificador a partir de ejemplos conocidos.
- Clasificar nuevas muestras.
Reconocimiento
Basado en apariencia
Usar una representación completa del objeto. El modelo contiene parámetros que generan las posibles apariencias del objeto. Intentar alinear el modelo con la imagen (matching), recuperando el valor de los parámetros que da lugar a la apariencia del objeto en la imagen. Hay que tener en cuenta cambios de perspectiva, color, tamaño.
Basado en características
A partir de una serie de ejemplos, se determinan características propias del objeto en distintas condiciones. Hay que buscar puntos interesantes: esquinas, blobs, etc. Se calcula algún descriptor (Sift). En la imagen se considera que está el objeto si aparecen suficientes características en posiciones coherentes.
Sift
Es un detector de puntos diseñado para encontrar el mismo punto en diferentes imágenes incluso si el punto está en distintas posiciones. Las características del Sift son invariantes a la escala, rotación, cambios de iluminación, ruido.