INFORME DE PRÁCTICAS

FORMATO
FR-FAC-PAC-GLB-018 Versión: 03 Fecha: 23/01/2018

Asignatura: Grupo Nº:

PROCESAMIENTO DE IMÁGENES
Carrera: INFORMATICA Integrantes
Nivel y paralelo: QUINTO LUIS TOAPANTA
Fecha de práctica:
Fecha presentación informe:02-02-2019
Nº Práctica: 5 Informe Nº:5

TÍTULO DE LA PRÁCTICA: Identificación, conteo y extracción de características de

objetos

1. OBJETIVOS:
Desarrollar la interface que implemente los algoritmos para identificar, contar y
calcular las propiedades de los objetos en una imagen binaria.
2.1 OBJETIVOS ESPECÍFICOS NIVEL
• Implementar un algoritmo de etiquetamiento ALTO
• Implementar el algoritmo para contar objetos ALTO
• Implementar el algoritmo para extraer las ALTO
características de los objetos

2. INTRODUCCIÓN: En una imagen se puede contar objetos y extraer

características de los mismos, mediante la aplicación de métodos apropiados.

En la presente práctica el estudiante desarrollará la aplicación para identificar, contar

y calcular las propiedades de los objetos en una imagen binaria.

3. METODOLOGÍA:
Carga de la imagen original
Aplicación algoritmo de etiquetamiento
Aplicación de algoritmo para contar objetos
Aplicación algoritmo para cálculo de las características de los objetos

4. RESULTADOS Y DISCUSIÓN:
INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018 Versión: 03 Fecha: 23/01/2018
INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018 Versión: 03 Fecha: 23/01/2018
 INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018 Versión: 03 Fecha: 23/01/2018

5. CUESTIONARIO DE INVESTIGACIÓN:
• ¿Cómo se resuelve la matriz de equivalencia?
Un sistema de ecuaciones lineales se puede representar en forma
matricial como:

Donde:
• A es la matriz de coeficientes de las incógnitas,
• X es la matriz columna con las incógnitas,
• B es la matriz columna con los términos independientes de las
ecuaciones De hecho, podemos representar el sistema
AX= b con una sola matriz:
A∗, llamada matriz ampliada o aumentada del sistema:

La matriz ampliada es una matriz por bloques: contiene a

la matriz A en el lado izquierdo y a la matriz b en el
derecho.
Por ejemplo, consideremos el sistema de ecuaciones

Su matriz ampliada es
 INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018 Versión: 03 Fecha: 23/01/2018

Consideremos ahora la matriz ampliada siguiente:

Es la matriz ampliada del sistema

Supongamos cierto el siguiente teorema:

Dos sistemas de ecuaciones lineales tienen la misma solución si, y
sólo si, sendas matrices ampliadas son equivalentes. (*)
Entonces, si las matrices ampliadas A∗ y Z∗ son equivalentes
(lo son), entonces ya tenemos la solución del sistema
asociado a la matriz A∗:

Por tanto, si demostramos el teorema anterior (*), una forma de

resolver un sistema con matriz ampliada A∗ es hallar una matriz
equivalente que nos proporcione rápidamente la solución del sistema,
como Z∗.

• ¿Cómo se realiza el conteo de objetos?

Cuando se hace una búsqueda de un objeto por color se busca su valor de
umbral y una vez encontrado, se modifica cambiándolo a un valor definido.
De esta forma aparecen valores homogéneos definidos en la imagen

De esta forma a cada valor homogéneo se le asigna un valor o etiqueta, de

esta forma se puede conocer el numero de objetos existentes en cada
cedula y de esta forma se identifica dentro del sistema, siendo identificados
todos los objetos totalmente.
Una vez en funcionamiento los métodos de procesamiento de imágenes
generan una salida especifica en una matriz de 3x3. Esta hace una
interacción con el juego del Tic Tac Toe, el cual toma la matriz y actualiza
su resultado.
• ¿Cuáles son las características de los objetos y cómo se las calcula?
Se parte de una imagen segmentada donde los objetos han sido
 INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018
delimitados y separados delVersión: 03
fondo, de Fecha:
manera23/01/2018
que los píxeles
pertenecientes a las regiones de interés han sido etiquetados con un uno
lógico y el resto con cero lógicos. El siguiente paso será etiquetar cada uno
de los objetos presentes en la imagen, separándolo respecto del fondo y de
las otras regiones. Esta etapa se realiza con la operación de
etiquetamiento y se fundamenta en la continuidad de los objetos en el
espacio, cuya propiedad se transforma en las imágenes discretas en
relaciones de conectividad entre píxeles adyacentes.
Partiendo de la esquina superior izquierda de la imagen, se rastrea hacia la
derecha y hacia abajo buscando píxeles con etiqueta uno lógico.
Cuando se encuentra el primer píxel con dicha etiqueta se le coloca la
etiqueta ‘1’, los vecinos que tengan propiedad de conectividad y que
posean el nivel lógico activo se les pondrá la misma etiqueta. Al seguir
rastreando en la imagen y al encontrarse con un píxel activado sin
vecindad con los anteriores se le asociará con la etiqueta 2 y así
sucesivamente. Una vez finalizada esta etapa, cada objeto de la imagen
tendrá un identificador numérico que le hace ser distinto respecto del fondo
y de los otros objetos.
• Métricas
Área A(i): es el número de píxeles que contiene el objeto (i). Si se pondera
cada píxel por su nivel de gris se le define como el peso del objeto W(i).

Perímetro P(i): es el número de píxeles que constituye el borde del

objeto, (i). También se suele utilizar la relación del perimétrico al
cuadrado del objeto entre su área.

Centro de gravedad (x;y): indicará su posición puntual en la imagen y

estará dado por.

Topológicas: son descripciones globales de los objetos invariantes a

rotaciones, escaladas, traslaciones o el número de componentes
conectados. Por ejemplo, el número de Euler que se calcula con la
diferencia del número de componentes conectados de la región menos el
número de agujeros de ésta.
Texturas: explica la composición de las superficies de los objetos en
términos de suavidad, rugosidad, granularidad, regularidad. Desde el
punto de vista físico, la interacción entre la luz y la materia, en la radiación
 INFORME DE PRÁCTICAS
FORMATO
FR-FAC-PAC-GLB-018 Versión: 03de carácter
Fecha:estadístico.
23/01/2018
reflejada, muestra ciertas repeticiones La imagen
resultante no es una repetición local del patrón de forma determinista, sino
probabilística y con una distribución en el espacio no exactamente regular.

6. CONCLUSIONES:

• El algoritmo de etiquetación recibe como entrada correspondiente a los objetos a

identificar cada uno de los píxeles de la imagen, en donde cada etiqueta
identifica el objeto al cual dicho pixel pertenece.

• Los resultados obtenidos con el algoritmo que implementamos fueron

satisfactorios y pudimos observar que resulta muy efectivo en condiciones en las
que los objetos a segmentar no están juntos en la escena.

7. RECOMENDACIONES:

• Se recomienda utilizar imágenes con objetos bien definidos ya que en escenas

con objetos demasiado cerca el algoritmo los toma como uno solo

8. BIBLIOGRAFÍA:

Gonzalez R, Woods R, (2008) Digital Image Processing