Ir al contenido principal

Entradas

Mostrando las entradas etiquetadas como Visión computacional

Reporte Final - Detección de mentiras - python

Para este proyecto el objetivo fue detectar las iris de las personas, esto con el fin de detectar mentiras según la posición. Liga al repo Introducción  Dicen que poder los gestos es algo muy bueno, sobre todo cuando se trata de negocios, estar a punto de   hacer un testamento, sabes donde exactamente estuvieron tus hijos la noche pasada, tu novia, platicar con tu maestra y preguntarle sobre el examen final.... todo esto se puede saber con las preguntas adecuadas y sabiendo interpretar el lenguaje corporal, un poco mas especifico, el lenguaje del ojo. "Los ojos nos hablan, pero a veces sabemos interpretar lo que nos están diciendo. Con un entrenamiento adecuado podremos detectar hasta el más sutil de los detalles." Con un entrenamiento adecuado... eso te lleva a pensar, porque gastar 5, 10, 15, 20 años de mi vida intentando detectar esos detalles si puede hacer un programa en días que haga lo mismo y con el mismo fin. Bueno obviamente un siste...

Tarea#9 Vision(LAB) - Detección de esquinas

Para esta entrada se nos encargo hacer un python que fuera capaz de detectar esquinas en una imagen. Liga al repo . Se convierte la imagen orignal a escala a grises. El procedimiento es muy parecido al filtro promedios, primero obtenemos todos los vecinos(tambien los diagonales para mas precisión) del pixel actual, los ordenamos de menor a mayor y sacamos la media. Este valor se lo asignamos a una nueva imagen, esto para no planchar los pixeles actuales y el procedimiento calcule medias que no deben ser. Después se recorre toda la imagen pixel por pixel y se hace una diferencia de pixeles; la imagen de grises menos la filtrado y el resultado se lo planchamos o lo asignamos al pixel de la imagen, siempre respetando las posiciones. Esta diferencia hará que las esquinas de las imagenes se "corten", por lo tanto se mostraran solo unos puntos(pequeñísimos pixeles) muy difusos; en algunos casos tambien pintaran pixeles que representan lo...

Deteccion de poligonos

Para esta entrada se nos encargo detectar polígonos en una imagen. Nos basamos en el algoritmo de las diapositivas de la Dra. ''' Dado los segmentos de línea S que pertenecen a un mismo objeto • Segmento por segmento, haz lo siguiente • Calcula el largo del segmento L (i.e., distancia euclideana de sus puntos finales). • Calcula su pendiente (desde los puntos finales) • Calcula el punto intermedio del segmento (xm, ym). • Calcula el vector de traslado perpendicular al segmento S para acercar el punto intermedio una distancia L / 2 hacia en interior el objeto. • Aplica este mismo vector de traslado a todos los pixeles de S para obtener los votos. • El pico es el centro del polígono y la manera en que se distribuyen revela información sobre el polígono. ''' Texto tomado de aqui De esos pasos lo mas difícil es detectar los segmentos de cada objeto detectado, para esto lo primero que hacemos es calcular la tangente de los pixeles y si "casi...

Tarea#7 Vision(LAB) - Histogramas de una imagen - Python

Que tal para esta entrada se nos encargado detectar los histogramas de una imagen tomada por nosotros esto para poder detectar posibles agujeros en la misma. Procedimiento 1 .- Se recorre toda la imagen y se suman sus filas como sus columnas y esta sumatoria de guarda para después calcular los mínimos. 2.- Con las sumatorias ya hechas procedemos a calcular los mínimos locales. Aquí hacemos uso de un umbral que es el promedio de los pixeles vecinos este umbral lo puedes calcular a prueba y error pero para imagenes donde no existe mucha claridad en la imagen se recomiendo usar uno entre 30-60 esto para eliminar los cruces donde no se encuentre nada. Y siempre comparando que la sumatoria actual sea menor a la anterior y menor a la que sigue. Si cumplen con estas condiciones se marca como mínimo local. Mínimos locales de la imagen, Se hace lo mismo para calcular columnas como filas. 4.- Guardamos las lineas y columnas; buscamos en donde se cruzan y guardamos el pixel...

Tarea #7 - Deteccion de Agujeros

Para esta entrada se nos encargo hacer un python que detectara agujeros en una imagen. Para esto lo primero que hacemos es sacar por medio de histogramas los mínimos locales cuando hay un cambio de color muy drástico. Lo primero que se hizo fue sumar todas la filas y columnas y guardarlas para después graficarlas y guardarlas, ya teniendo las sumatorias(en "x" y en "y"). Con las listas de las sumatorias, lo siguiente que se hizo fue una rutina que sacara los locales mínimos de cada lista, para esto nos basamos en comparar contra el elemento anterior y elemento siguiente mas aparte si pasaba la condición de un umbral lo agregamos como mínimo local, esto para descartar posibles ruidos en la imagen. Una vez que ya tenemos las lineas en donde ocurre un mínimo local tenemos que checar en donde se cruzaba y tomar esos pixeles como posibles centros a nuestros agujeros. Se agrego una condición que solamente agarrara los mínimos locales mas chicos, obviamente ...

Tarea #6 - Visión(LAB) - Rellenar elipses

Para este entrada se nos encargó detectar elipses y dibujar un elipse nuevo y sacar el porcentaje que ocupa este nueva elipse comparada con la original. Sacamos primero los pixeles tipo borde y una vez teniéndolos, tomamos al azar 2 pixeles sacamos sus gradiente, después calculamos la pendiente de cada pixel y una vez teniendo esos datos calcular la pendiente es fácil porque simplemente despejas de la formula de la recta-tangente. Se procede al metodo de votación para sacar el centro, y a partir de ahi dibujar la elipse con las coordenas obtenidas. Código Resultados Imagen Original Imagen Obtenida El punto amarillo es el posible centro de la elipse, aun tiene problemas con la votación pero es algo que se puede arreglar porque la forma que hace la lineas es muy "sencilla". Para obtener el area sola basta hacer BFS empezando del punto central del elipse, sumar pixeles y sacar promedio, pero esa parte no alcance a sacarla Re...

Tarea #4 - Visión(LAB) - Detectar diagonales - Python

Que tal para esta entrada tenemos que hacer un .py que detectara la lineas diagonales de una imagen. Para esta tarea me base en la tarea anterior(detectar lineas rectas) pero con unas cuantas modificaciones sencillas. Se trabaja de la misma manera, calcular los gradientes "X" y "Y" para cada pixel y con ello calcular su  angulo(THETA) y por ultimo(RHO). Una vez que tengas THETA y RHO estos se acumulan en una lista y si otro pixel tiene una pareja identica esta se va incrementando en uno, al final tendremos una lista CASI proporcional al tamaño de la imagen de la cual solo seleccionaremos las mas votas(que significa que es una recta). Para esta tarea cambie el diccionario que tenia por una lista porque lo estaba usando de una manera tonta que lo unico que lograba era que hiciera mas comparasiones de las normales. Los diccionarios son mas rapidos que las listas, siempre y cuando se usen correctamente, su desvantaja es que ocupan mas memoria. Resultados: ...

Tarea #3 - Vision(LAB) - Detección de lineas - Python

Que tal, para esta entrada se nos encargo hacer un .py que fuera capaz de detectar lineas horizontales y verticales y pintarlas de color rojo. Para hacer esto se uso el algoritmo de Hough, el cual dice que se recorre toda la imagen pixel por pixel, cuando se detecta un pixel tipo borde, se calcula su RHO y su THETA y se agregan a un lista, si otro pixel vuelve a tener los mismo valores entonces se va acumulando(votando) al final los pixeles mas votados son lo que forman una linea recta. Para hacer esto se tiene que tomar en cuanta varias cosas, por ejemplo y lo principal, el calculo de RHO y THETA, que los libros nos dicen, mas bien nos muestran la sig. formula. formula para RHO donde "x" y "y" son la coordenada del pixel actual y THETA es el ángulo que se forma del Punto de origen(tu lo eliges) hasta el pixel actual y se calcula con la siguiente formula. formula para THETA Con esta formula la teoría nos dice que por cada pixel tendremos finitas l...

Tarea #2 - LAB Visión - Sal y Pimienta - Procesamiento de imagenes - Python

Que tal para esta entrada se nos encargo  modificar  o agregar a nuestro código, una rutina que agregara degradación por adición de ruido(Sal y pimienta) base a dos parámetros: Intensidad = que tanto porcentaje de la imagen se le agregara sal y pimienta Polarización = que tan negros/blancos se pone un pixel seleccionado. y otra rutina que quitara filtrara ese ruido. Antes de comenzar Mi programa se esta empezando a poner " FEO " son demasiados métodos y por cada tarea esta creciendo considerablemente, pese a esto, esta sera la ultima entrada que estaré modificando este código, el las siguientes trabajare por clases.  El los avances de la tarea están en mi  github . Un poco de teoría Les comparto información de relevante que me ayudo a despejar dudas, al final de la entrada en el apartado de REFERENCIAS pondré los links de TODA esta información. El RUIDO en las imágen...

Tarea #1 VIsión Computacional - Python, Convolución discreta

Que tal para esta entrada se nos encargo hacer lo siguiente: Objetivo 1) subrutina para aplicar una máscara de convolución discreta, de preferencia centralizado al pixel en cuestión; 2) con esa subrutina, calcular por lo menos un gradiente horizontal y un gradiente vertical, posiblemente más o también diagonales, con la posibilidad de combinarlos al tiempo de calcularlos a uno solo o combinando entre múltiples matrices de gradiente una vez terminada la aplicación de todas las máscaras de gradiente: a) normalización de la matriz resultante de la manera que perciben factible y útil a [0, 255]; b) binarización que deje los bordes como zonas blancas y el resto negro Antes de empezar Si están en blanco de que se tiene que hacer (como nosotros al principio) les recomiendo entrar a las siguientes ligas y se refresquen un rato, están muy bien explicadas. http://docs.gimp.org/es/plug-in-convmatrix.html  (español) http://www.songho.ca/dsp/convolution/convolution2d_exampl...