Descripcin de la Interfaz:

Cuadro de
Imagen 1

Cuadro de
Imagen 2

Figura 4. Interfaz realizado en Guide-Matlab

Botn Encender Cmara: Este botn nos permite activar la cmara con la
que se capturar la imagen, dentro de este botn se encuentran los determinados
valores de contraste, brillo, saturacin, etc., de la cmara.

Botn Capturar: Este botn nos permite capturar la imagen que deseamos
procesar, al capturar una imagen, inmediatamente esta se mostrar en Cuadro de
Imagen 1.

Botn Procesar: Este botn nos permite procesar la imagen capturada

anteriormente, el procesamiento que se realizar, se basar en el color y el tamao
del objeto para lograr su distincin.

Zona de Conteo: En esta zona se realizar el conteo de todas las lentejas y

sparkies detectados, primero se separa de lentejas y sparkies, para luego ser
separados por color.

Zona de Imgenes Segmentadas: Esta zona consta de un botn para

cada color de lenteja y sparkie, al presionar cualquiera de los botones, se mostrar
en el Cuadro de Imagen 2 solo los objetos pertenecientes a la etiqueta de dicho
botn, esto sirve para que e usuario pueda observar ciertas diferencias entre objeto
y como se lleg a ser tomado en cuenta para dicha etiqueta.

Botn Valor Agregado: Este botn se encarga de analizar uno por uno los
objetos encontrados y elegir aquellos que poseen mayor masa, se utiliz erosin y
dilatacin, as como el uso de mscaras para llegar al resultado mostrado.
Ejemplos de los Resultados Obtenidos:
Ejemplo 1:

Figura 5. Captura de lentejas y sparkies, prueba 1.

Se observa en la figura 5 que fueron ingresados al recinto lentejas de color amarillo

(2), rosadas (2), celestes (2); as como sparkies de color morado (2), rosados (2) y
naranjas (2).

A continuacin, se realizar el procesamiento:

Figura 6. Resultados de la imagen procesada

En la figura 6 se puede observar que el procesamiento de la imagen fue realizado

con xito, pues como se aprecia en la zona de conteo, se detectaron los sparkies
rosado, naranja y morado; as como las lentejas amarillo, rosado y celeste.
En el segundo cuadro de la figura 6, se encuentra la imagen correspondiente al
botn Lenteja Amarillo de la zona de imgenes segmentadas, pues nos muestra la
imagen solo de las lentejas amarillas de la captura realizado anteriormente.

Ejemplo del Valor Agregado 1:

Figura 7. Captura de imagen objetos parecidos por color

Al momento de realizar diversas pruebas, se observ que entre lentejas y sparkies

existen colores muy parecidos, tales como los amarillos, rojos y verdes, como se
puede observar en la figura 7. Para este caso, el valor agregado creado, se encarga
de separar solamente sparkies de lentejas, sin importarle el color, y pinta un punto
verde sobre las lentejas. El resultado se muestra a continuacin:

Figura 8. Resultados del Valor Agregado

En la figura 8, se aprecia en la zona de conteo que la deteccin de objetos no se

realiz correctamente, pues no detect un sparkie verde; sin embargo, gracias a
nuestro valor agregado, el cual se encarga de separar lentejas de sparkies,
mediante erosin y dilatacin, el error se pudo corregir, pues se observa que las
lentejas fueron seleccionadas con un punto verde, dando un total de 6 lentejas y 6
sparkies.

Ejemplo 2:

Figura 9. Captura de lentejas y sparkies, prueba 2.

Se observa en la figura 9 que fueron ingresados al recinto lentejas de color amarillo

(2), rosada (1), celeste (1) y rojo (1); as como sparkies de color morado (1), rosados
(1), naranjas (1), verde (1) y amarillo (2).

A continuacin, se realizar el procesamiento:

Figura 10. Resultados de la imagen procesada

En la figura 10 se puede observar que el procesamiento de la imagen fue realizado
con xito, pues como se aprecia en la zona de conteo, se detectaron los sparkies
rosado, naranja, amarillo y verde; as como las lentejas rojo, amarillo, rosado y
celeste.

En el segundo cuadro de la figura 10, se encuentra la imagen correspondiente al

botn Lenteja Naranja de la zona de imgenes segmentadas, pues nos muestra la
imagen solo de las lentejas amarillas de la captura realizado anteriormente.

Ejemplo del Valor Agregado 2:

Figura 11. Captura de imagen objetos parecidos por color

Se puede observar que los colores rojos son muy parecidos entre as; sin embargo,
este problema se puede solucionar mediante nuestro Valor Agregado:

Figura 12. Resultados del Valor Agregado

En la figura 12, se aprecia en la zona de conteo que la deteccin de objetos no se
realiz correctamente, pues una lenteja se reconoci como sparkie; sin embargo,
gracias a nuestro valor agregado, el cual se encarga de separar lentejas de
sparkies, mediante erosin y dilatacin, el error se pudo corregir, pues se observa
que las lentejas fueron seleccionadas con un punto verde, dando un total de 5
lentejas y 6 sparkies.

DIAGRAMA DE BLOOUES

Figura1. Diagrama de bloques del procesamiento.

DESCRIPCIN:
ACTIVACIN DE LA CMARA WEB:

En este proceso, el software activa la cmara web (ubicada en la parte

interior y superior de un recinto) mediante un parmetro llamado imaqtool
se adquiere el formato de la imagen en este caso
YUY2_640x480.Asimismo, el registro de sesin guarda dinmicamente
cada accin que realiza en la herramienta de adquisicin de imgenes y la
funcionalidad de lnea de comandos correspondiente para las acciones en
un objeto videoinput se refleja en el registro, que se aprecia en la
siguiente lnea de cdigo.

vid=videoinput('winvideo',2,'YUY2_640x480');
Figura 2. Enfoque de la cmara web hacia los objetos (sparkies y lentejitas
de chocolate).

CAPTURA UNA IMAGEN:

Con el parmetro getsnapshot se captura la imagen y con el comando imwrite
se guarda la imagen a la direccin deseada con la eleccin de un formato, en este
caso es el formato JPEG.

PROCESAMIENTO:

Una vez adquirida la imagen, esta captura por defecto, se presenta en el modelo de
color YCbCr. Por lo cual, se pasa al modelo de color RGB, asimismo se contiene
la imagen en el tipo de dato uint8 (enteros de 8 bits en el rango de [0 a 255]) para
poder mostrar la captura de la imagen.

Para obtener la cantidad de objetos de un mismo color y de un mismo tipo. Se

empieza por conseguir un umbral de seis valores RGB, un rango de dos valores por
cada color, desde valores ms oscuros a valores ms claros. Una vez detectado el
rango de esos valores, cada valor detectado con ese umbral ser cambiado al color
blanco (255) y lo dems a negro (0).

Por otro lado, se realiza el etiquetado para saber cuntos objetos hay. Adems, se
calcula el nmero de pixeles blancos para asumir el rea del objeto. Por lo cual, se
realiza un umbral de tamao para tener la mnima tasa de error y finalmente
obtener el objeto (Sparkie o lentejita de chocolate).
 Figura 3. Imagen binarizada

SALIDA:
En este bloque, se muestra la cantidad de los objetos que contienen la misma
caracterstica (tipo y color).
 FACULTAD DE INGENIERA

Carrera de Ingeniera Electrnica

Carrera de Telecomunicaciones y Redes

LABORATORIO 2

TEMA

SEGMENTACIN DE OBJETOS Y CLASIFICACIN POR

COLOR Y TAMAO

CURSO

PROCESAMIENTO AVANZADO DE SEALES E IMAGENES

PROFESOR

Dr. Guillermo Leopoldo, Kemper Vsquez

INTEGRANTES

Arroyo, Jos. U201020649

Figueroa, Jordy. U201112687

Len, Jonathan. U201011165

Lima, 17 de febrero de 2017