DETECCION DE ESQUINAS · difuminado de la imagen que los de bordes Especialmente en la...
Transcript of DETECCION DE ESQUINAS · difuminado de la imagen que los de bordes Especialmente en la...
DETECCION DE ESQUINAS. ALGORITMO HARRISSISTEMAS DE VISIÓN EN MANUFACTURA.
ANDREAS OBED LLANES CORNEJO
GENERALIDADES•Tipos de esquinas presentes en la imagen: Geométricas,
Texturadas, Proyección de un vértice.
•Características de cualquier detector de esquinas y vértices:
•Todas las esquinas y vértices se deben de detectar
•No se deben de detectar falsas esquinas o vértices
•Debe de ser robusto frente al ruido
• La localización debe de ser precisa
• La detección debe de ser eficiente
GENERALIDADESLos detectores de esquinas y vértices son más sensibles al
difuminado de la imagen que los de bordes Especialmente en
la localización con precisión
Motivos del difuminado:
•Desenfoque, deficiente iluminación
•Función de extensión puntual (PSF), deficiencias de los
sensores.
•Tratamiento de suavizado: reducción de ruido.
GENERALIDADES
La detección de esquinas frecuentemente se usa en la
detección de movimiento, análisis de imagen, rastreo en
video, modelado 3D y reconocimiento de objetos entre
otros. La detección de esquinas se relaciona con el tema:
la detección de áreas de interés.
GENERALIDADES
Muchos detectores de bordes se basan en
operadores derivadas Intensidad Formas de
detección:
•Umbralización de la primera derivada
•Centro de gravedad de la primera derivada
•Máximo de la primera derivada
•Paso por cero de la segunda derivada
GENERALIDADES
Para encontrar o detectar esquinas, primeramente hay que
concentrarse en la extracción y el seguimiento de bordes. La
función de puntos o esquinas, ya que son discretos, fiable y
significativa.
La falta de conectividad de la función de puntos es una
limitación importante en nuestro obtener descripciones de nivel
superior, tales como superficies y objetos. Necesitamos la
información que está disponible a partir de los bordes
ALGORITMOHarris y Stephens mejoró el detector de esquinas de Moravec considerando el
diferencial del valor de la esquina directamente con respecto a la dirección, en lugar de
usar los parches cambiados. (Este valor de la esquina es a menudo
llamado autocorrelación, en trabajos en los que se describe este detector). Sin pérdida
de generalidad, se asumirá que se usa una imagen bidimensional de escala de grises.
Definiendo una imagen por I, tomando un parche de la imagen colocándolo sobre el
área (x,y), cambiándolo por (u,v). La suma ponderada de las diferencias cuadráticas es:
ALGORITMODonde el primer gradiente esta dado aproximadamente por:
Se puede reescribir de la siguiente manera
Donde:
ALGORITMOSe aplica un filtro gaussiano, de ventana circular por ejemplo:
La aproximación puede escribirse en forma matricial así:
Donde M es una matriz simétrica de 2x2, con los valores A, B C
definidos antes
ALGORITMOSi ambas curvaturas son pequeñas, de modo que la
función de autocorrelación local es plana, entonces la
imagen de ventana región es de intensidad
aproximadamente constante (es decir: cambios
arbitrarios del parche de imagen causan pocos
cambios en E). No tiene rasgos de interés.
Si una curvatura es alta y la otra baja, por lo que la
función de auto-correlación local está en forma de
reborde, entonces tenemos un borde.
Si ambas curvaturas son altas, de modo que la función
de autocorrelación locales es marcadamente con
punta: esto indica una esquina
Finalmente, la traza y el determinante de la matriz se formula de la
siguiente manera:
Las esquinas se encuentran con el máximo local de una región dado por:
ALGORITMO
Ejemplo 1:Por medio de MATLAB, definir una imagen a color en unavariable img.
Abrir la función que lleva el algoritmo, en el caso de este material, estaadjunta como esquina.
Ejemplo figurado:
Ejemplo 2:
Ver video de muestra, adjunto
EJEMPLO
BIBLIOGRAFIA• Detección de Esquinas y Vértices. Universidad Politecnica de Madrid.
Departamento de Automática, Ingeniería Electrónica e Informática Industrial.
José María Sebastián
http://www.dfists.ua.es/tavarca/ponencias/esquinas.pdf
• C. Harris and M. Stephens (1988). «A combined corner and edge
detecto
http://courses.daiict.ac.in/pluginfile.php/13002/mod_resource/co
ntent/0/References/harris1988.pdf
• https://www.youtube.com/watch?v=zcV0WUnQQNg