PRÁCTICA  4


TÍTULO

Segmentación, localización y reconocimiento de piezas

OBJETIVO

El objetivo de la práctica es mostrar al alumno un método para el reconocimiento de varias piezas existentes en el módulo servidor de imágenes, determinando las características más significativas para dicho reconocimiento.

IMÁGENES DE PRUEBA

Las imágenes de trabajo, disponibles en el bloque del menú ("Imágenes/Cargar Prácticas/ImagenPractica4"),
son diversas imágenes reales, captadas del módulo servidor de imágenes con las siguientes condiciones de partida:

Las cuatro piezas existentes en el módulo servidor de imágenes están depositadas sobre unas cajas rectangulares solidarias a su vez con una plataforma circular que gira con un selector de cuatro posiciones. La piezas pueden desplazarse con respecto a su caja rectangular pequeñas cantidades, por lo que se recomienda que se ajusten las cantidades de "Giro" y "Elevación" de forma que se visualice correctamente la pieza sin que aparezcan en la imagen los bordes de la caja (puede ser útil aproximarse primero con un "Zoom" de unos 800). No es necesario que todas las piezas se adquieran con las mismas condiciones de "Giro" y "Elevación".

Hay que trabajar con dos conjuntos de imágenes:

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 y según las condiciones previamente fijadas. Se puede trabajar con el Modo en Red: se toman las imágenes y se almacenan en la memoria del computador; o con el Modo Local: las imágenes se almacenan en el disco duro. Por comodidad y dado en alto número de imágenes necesarias, si se trabaja en Modo en Red, puede ser recomendable repetir la práctica por separado para cada pieza (así se evitan problemas de almacenamiento de imágenes en la memoria del computador).
    • 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
    • Valor del tinte (imagen en color) o del nivel de gris (imagen en blanco y negro).
    • En cualquier momento del desarrollo de la práctica se puede solicitar información de los datos de almacenamiento al Panel de Reconocimiento (Icono con 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.
    • 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

    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.

    • 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
      • La característica que mejor separa la Pieza 1 de la Pieza 3 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 1 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 2 de la Pieza 3 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 2 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 3 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
    • 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
      • La característica que mejor separa la Pieza 1 de la Pieza 3 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 1 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 2 de la Pieza 3 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 2 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris
      • La característica que mejor separa la Pieza 3 de la Pieza 4 es:
    Área Perímetro CDG X CDG Y Compacidad Nivel de gris


    IDENTIFICADOR
    PASSWORD

    Menu principal
    Menu practicas
    Para cualquier consulta: jsebas@etsii.upm.es