1. PROCESAMIENTO DE IMÁGENES Y VISION ARTIFICIAL
LABORATORIO No. 3
SEGMENTACION, RECONOCIMIENTO DE PATRONES Y VISION
ESTEREOSCOPICA
Prof. Mg. Ing. José C. Benítez P.
INDICACIONES:
- Si en el Informe del Laboratorio o en los scripts de Matlab se encuentra un ejercicio
copiado o parcialmente copiado la nota del Laboratorio será CERO.
- Los laboratorios presentados fuera del plazo establecido tendrán nota NS.
OBJETIVO:
Implementar algoritmos de segmentación de imágenes basado en
características, transiciones, homogeneidad y morfología matemática.
Analizar algoritmos de reconocimiento de patrones.
Generar una imagen 3D mediante varias técnicas.
Convertir una imagen 3D a 2D.
Analizar las aplicaciones la visión estereoscópica.
RESUMEN TEORICO
1. SEGMENTACION DE IMAGENES:
Una de las técnicas intermedias del procesamiento digital de imágenes es la
segmentación que consiste en el proceso de dividir una imagen digital en varias
partes (grupos de pixeles) u objetos. Es importante conocer los algoritmos que
existen para esta técnica por lo que se hace necesario implementar en MatLab
algoritmos de segmentación de imágenes basado en características, transiciones,
en homogeneidad y en morfología matemática.
La teoría requerida para el desarrollo de este tema se encuentra en la Experiencia
de Aprendizaje No. 11 del blog del curso.
2. RECONOCIMIENTO DE PATRONES:
Una de las técnicas de alto nivel del procesamiento digital de imágenes es el
reconocimiento de patrones, que consiste en extraer la información que permita
establecer propiedades de entre conjuntos de dichos objetos físicos o abstractos.
Existen descriptores de contornos y de regiones que son utilizados dentro de los
descriptores de formas. Haciendo uso del MatLab algunos descriptores y verificar
2. cuál es su utilidad. La teoría requerida para el desarrollo de este tema se encuentra
en la Experiencia de Aprendizaje No. 12 del blog del curso.
3. VISION ESTEREOSCOPICA Y APLICACIONES
Para analizar los conjuntos difusos, es importante extraer características de los
conjuntos difusos. Existen siete características de los conjuntos difusos. Haciendo
uso del MatLab, dado un conjunto difuso y elegida su característica, mostrar el
resultado de dicha característica. La teoría requerida para el desarrollo de este
tema se encuentra en la Experiencia de Aprendizaje No. 13 y 14 del blog del curso.
PROCEDIMIENTO
1. SEGMENTACION DE IMAGENES:
Mediante funciones de MatLab implementar algoritmos de segmentación de
imágenes basado en características, transiciones, homogeneidad y morfología
matemática.
2. RECONOCIMIENTO DE PATRONES:
Mediante funciones de MatLab implementar descriptores de contornos y de
regiones.
3. VISION ESTEREOSCOPICA
Haciendo uso de MatLab mediante algoritmos generar una imagen 3D y convertir
una imagen 3D a 2D.
INFORME FINAL
El Informe de Laboratorio es un documento gráfico en lo posible y es redactado en
Word con el desarrollo del laboratorio.
Niveles de Informe:
• Primer nivel: Observaciones. Imágenes con comentarios cortos. Redactar al ir
desarrollando el laboratorio. (Requiere desarrollar el laboratorio).
• Segundo nivel: Conclusiones. Redactar al terminar el laboratorio. (Requiere
haber desarrollado el laboratorio).
• Tercer Nivel: Recomendaciones. (Requiere la lectura de otras fuentes).
Dentro de su Carpeta Personal del Dropbox crear una carpeta para el Laboratorio 3
con el siguiente formato:
PDI_PaternoM_L3
Esta carpeta debe contener el Informe de Laboratorio, los códigos, las fuentes y
recursos utilizados.
Las fuentes deben conservar el nombre original de archivo y se debe agregar en su
nombre “_L3” al final.
3. CUESTIONARIO
Mostrar en el Informe de Laboratorio los resultados de los ejercicios del Laboratorio, los
Procedimientos y el Cuestionario.
El Informe de Laboratorio no contiene códigos, sólo las referencias a los números de
línea de los scripts.
Los ejercicios del cuestionario deben desarrollarse mediante funciones creadas por el
alumno para cada uno de los ejercicios, salvo que se trate de comparar resultados con
funciones de Matlab; en ese caso sólo mostrar resultados y describir sus observaciones
y conclusiones.
1. Realizar funciones en MatLab que implementen cada uno de los algoritmos de
segmentación de imágenes.
2. Realizar funciones en MatLab que implementen los algoritmos de reconocimiento
de patrones basados en descriptores de formas.
3. Realizar funciones en MatLab que generan una imagen 3D.
4. Realizar funciones en MatLab que conviertan una imagen 3D a 2D.
5. Analizar un proyecto de aplicación en Matlab de la visión estereoscópica.
FUNCIONES DE MATLAB:
roicolor, roifilt2, im2bw, graythresh, edge, fspecial, imadd, edge.
