Segmentación de la imagen - Revision history

Victorm at 09:07, 25 June 2014

2014-06-25T09:07:40Z

Anonymous: /* Segmentación de color */

2011-12-15T19:58:57Z

‎Segmentación de color

Anonymous: /* Segmentación de color */

2011-12-15T19:56:36Z

‎Segmentación de color

Anonymous: /* Segmentación de color */

2011-12-02T19:08:34Z

‎Segmentación de color

Anonymous at 19:04, 2 December 2011

2011-12-02T19:04:51Z

Anonymous at 19:04, 2 December 2011

2011-12-02T19:04:35Z

Anonymous at 19:03, 2 December 2011

2011-12-02T19:03:45Z

Anonymous at 18:59, 2 December 2011

2011-12-02T18:59:58Z

Anonymous at 18:59, 2 December 2011

2011-12-02T18:59:33Z

Anonymous at 18:58, 2 December 2011

2011-12-02T18:58:31Z

@@ Line 1: / Line 1: @@
-== Introducción ==
+=Introducción=
 La segmentación de una imagen es un proceso que suele ser el segundo paso para analizar una imagen digital y tiene lugar normalmente después del pre-procesamiento de la imagen. Una secuencia típica de un sistema de tratamiento de imagen podría ser: Captura de la imagen → Pre-procesamiento → Segmentación → Extracción de características → Post-procesado.
@@ Line 7: / Line 7: @@
 En los ejemplos que se mostrarán a continuación se van a emplear las técnicas incluidas en el primer grupo, esto es, aquellas basadas en características de color de los píxeles que forman la imagen, concretamente las basadas en umbral.
-== Segmentación de color ==
+=Segmentación de color=
 La primera etapa en el análisis de la imagen suele consistir por lo general en una separación de regiones o partes constituyentes de la misma que sean de interés para la aplicación que se desarrolla. A estas partes se les suele dar el nombre de ''segmentos'' (blobs). Actualmente existen muchos algoritmos de segmentación de imagen y siguen apareciendo más y más cada día, por lo que hacer una clasificación de los mismos puede ser bastante difícil.

@@ Line 13: / Line 13: @@
 Sea cual sea el método de segmentación utilizado, todos ellos suelen comenzar realizando un ''filtrado'' previo de la imagen a procesar. El filtrado se usa para eliminar información no útil que puede afectar al procesamiento posterior. Habitualmente esta información no útil suele recibir el nombre de '''ruido'''. Eliminar el ruido de una imagen no es tarea fácil y la mayor parte de las veces no se consigue por completo sin que se pague un precio computacionalmente alto por ello. En los ejemplos que se mostrarán a continuación se hará uso del filtrado para mejorar la calidad de la segmentación.
-De todos los métodos empleados en segmentación, el más simple es, sin lugar a dudas, el de '''umbralización''' o '''umbral'''. En este método, se utiliza el valor del píxel (valor del color) para realizar la separación de los objetos en la imagen. Aquellos píxeles con valores de color por encima y por debajo de unos márgenes serán considerados como parte del segmento a seleccionar y el resto serán descartados. Este será el punto de partida de este apartado.
+De todos los métodos empleados en segmentación, el más simple es, sin lugar a dudas, el de '''umbralización''' o '''umbral'''. En este método, se utiliza el valor del píxel (valor del color) para realizar la separación de los objetos en la imagen. Aquellos píxeles con valores de color por encima y por debajo de unos márgenes serán considerados como parte del segmento a seleccionar y el resto serán descartados.
-Como ejemplo de partida, tomaremos el siguiente código que se muestra a continuación. Este código ha sido tomado de [http://www.lirtex.com/robotics/fast-object-tracking-robot-computer-vision/ aquí].
+Como ejemplo de partida, tomaremos el siguiente código que se muestra a continuación. Este código ha sido tomado y adaptado de [http://www.lirtex.com/robotics/fast-object-tracking-robot-computer-vision/ aquí].
 <geshi lang=C lines=0>#include <opencv/cvaux.h>

@@ Line 9: / Line 9: @@
 == Segmentación de color ==
-La segmentación de la imagen se podría definir como la división de la imagen en regiones con características similares.A cada una de estas regiones que comparten
+La primera etapa en el análisis de la imagen suele consistir por lo general en una separación de regiones o partes constituyentes de la misma que sean de interés para la aplicación que se desarrolla. A estas partes se les suele dar el nombre de ''segmentos'' (blobs). Actualmente existen muchos algoritmos de segmentación de imagen y siguen apareciendo más y más cada día, por lo que hacer una clasificación de los mismos puede ser bastante difícil.
-ciertas propiedades se las denomina regiones de interés u objetos, por lo que la segmentación no es más que la separación de objetos en una imagen.
 <geshi lang=C lines=0>#include <opencv/cvaux.h>

← Older revision		Revision as of 19:08, 2 December 2011
Line 12:		Line 12:
	ciertas propiedades se las denomina regiones de interés u objetos, por lo que la segmentación no es más que la separación de objetos en una imagen.		ciertas propiedades se las denomina regiones de interés u objetos, por lo que la segmentación no es más que la separación de objetos en una imagen.

		+	<geshi lang=C lines=0>#include <opencv/cvaux.h>
		+	#include <opencv/highgui.h>
		+	#include <opencv/cxcore.h>
		+	#include <stdio.h>
		+
		+	#include <stdio.h>
		+	#include <stdlib.h>
		+	#include <string.h>
		+	#include <assert.h>
		+	#include <math.h>
		+	#include <float.h>
		+	#include <limits.h>
		+	#include <time.h>
		+	#include <ctype.h>
		+
		+	int hmin = 150, smin = 84, vmin = 130, hmax = 358, smax = 256, vmax = 255;
		+	unsigned int img_width, img_height;
		+
		+	int main(int argc, char* argv[])
		+	{
		+
		+	// Default capture size - 640x480
		+	img_width = 640;
		+	img_height = 480;
		+	CvSize size = cvSize(img_width,img_height);
		+
		+	// Open capture device. 0 is /dev/video0, 1 is /dev/video1, etc.
		+	CvCapture* capture = cvCaptureFromCAM( 0 );
		+	if( !capture )
		+	{
		+	fprintf( stderr, "ERROR: capture is NULL \n" );
		+	getchar();
		+	return -1;
		+	}
		+
		+	// Create a window in which the captured images will be presented
		+	cvNamedWindow( "Camera", CV_WINDOW_AUTOSIZE );
		+	//cvNamedWindow( "HSV", CV_WINDOW_AUTOSIZE );
		+	//cvNamedWindow( "EdgeDetection", CV_WINDOW_AUTOSIZE );
		+
		+	// Detect a red ball
		+	//CvScalar hsv_min = cvScalar(150, 84, 130, 0);
		+	//CvScalar hsv_max = cvScalar(358, 256, 255, 0);
		+
		+	cvCreateTrackbar( "H_min", "Camera", &hmin, 360, 0 );
		+	cvCreateTrackbar( "S_min", "Camera", &smin, 256, 0 );
		+	cvCreateTrackbar( "V_min", "Camera", &vmin, 256, 0 );
		+
		+	cvCreateTrackbar( "H_max", "Camera", &hmax, 360, 0 );
		+	cvCreateTrackbar( "S_max", "Camera", &smax, 256, 0 );
		+	cvCreateTrackbar( "V_max", "Camera", &vmax, 256, 0 );
		+
		+	IplImage * hsv_frame = cvCreateImage(size, IPL_DEPTH_8U, 3);
		+	IplImage* thresholded = cvCreateImage(size, IPL_DEPTH_8U, 1);
		+
		+	while( 1 )
		+	{
		+	// Get one frame
		+	IplImage* frame = cvQueryFrame( capture );
		+	if( !frame )
		+	{
		+	fprintf( stderr, "ERROR: frame is null...\n" );
		+	getchar();
		+	break;
		+	}
		+
		+	CvScalar hsv_min = cvScalar(hmin, smin, vmin, 0);
		+	CvScalar hsv_max = cvScalar(hmax, smax, vmax, 0);
		+
		+	// Covert color space to HSV as it is much easier to filter colors in the HSV color-space.
		+	cvCvtColor(frame, hsv_frame, CV_BGR2HSV);
		+	// Filter out colors which are out of range.
		+	cvInRangeS(hsv_frame, hsv_min, hsv_max, thresholded);
		+
		+	// Memory for hough circles
		+	CvMemStorage* storage = cvCreateMemStorage(0);
		+	// hough detector works better with some smoothing of the image
		+	cvSmooth( thresholded, thresholded, CV_GAUSSIAN, 9, 9 );
		+	CvSeq* circles = cvHoughCircles(thresholded, storage, CV_HOUGH_GRADIENT, 2,
		+	thresholded->height/4, 100, 50, 10, 400);
		+
		+	for (int i = 0; i < circles->total; i++)
		+	{
		+	float* p = (float*)cvGetSeqElem( circles, i );
		+	printf("Ball! x=%f y=%f r=%f\n\r",p[0],p[1],p[2] );
		+	cvCircle( frame, cvPoint(cvRound(p[0]),cvRound(p[1])),
		+	3, CV_RGB(0,255,0), -1, 8, 0 );
		+	cvCircle( frame, cvPoint(cvRound(p[0]),cvRound(p[1])),
		+	cvRound(p[2]), CV_RGB(255,0,0), 3, 8, 0 );
		+	}
		+
		+	cvShowImage( "Camera", frame ); // Original stream with detected ball overlay
		+	//cvShowImage( "HSV", hsv_frame); // Original stream in the HSV color space
		+	cvShowImage( "After Color Filtering", thresholded ); // The stream after color filtering
		+
		+	cvReleaseMemStorage(&storage);
		+
		+	// Do not release the frame!
		+
		+	//If ESC key pressed, Key=0x10001B under OpenCV 0.9.7(linux version),
		+	//remove higher bits using AND operator
		+	if( (cvWaitKey(10) & 255) == 27 ) break;
		+	}
		+
		+	// Release the capture device housekeeping
		+	cvReleaseCapture( &capture );
		+	cvDestroyWindow( "mywindow" );
		+	return 0;
		+	}}</geshi>

	Pendiente de redacción.		Pendiente de redacción.

← Older revision		Revision as of 19:04, 2 December 2011
Line 1:		Line 1:
−
	== Introducción ==		== Introducción ==

← Older revision		Revision as of 19:03, 2 December 2011
Line 1:		Line 1:
		+	== Instalación de la biblioteca ==
		+
		+	Para realizar la instalación de cualquier aplicación o biblioteca en GNU/Linux lo más cómodo suele ser utilizar los paquetes correspondientes. Los usuarios de Ubuntu pueden usar '''Synaptic''' (''Sistema/Administración/Gestor de paquetes Synaptic'') que es la interfaz gráfica por defecto en estos momentos para gestionar los paquetes, aunque también se puede instalar desde la línea de comandos de un terminal:
		+
	== Introducción ==		== Introducción ==

← Older revision		Revision as of 18:59, 2 December 2011
Line 1:		Line 1:
−	~~== Segmentación de la Imagen ==~~
−
	=== Introducción ===		=== Introducción ===