Reconocimiento De Patrones

yo

TAREA 1. Reconocimiento de patrones en
imágenes

Alumnos: Daniel Cuellar
Andrés García
Profesor: Miguel Carrasco
Fecha de Entrega: 9 de septiembre 2011

1. Aspectos Teóricos del problema

I mágenes Binarias
Una imagen binaria, es aquella que está compuesta por valores binarios, es decir, valores 0
o 1. La transformación de una imagen en escala de grises a una imagen binaria sepuede
lograr mediante una operación lógica sobre un umbral definido por nosotros. Lo que esta
transformación representa, es una reducción de información de la imagen.
El valor 0 corresponde al color negro y el valor 1 corresponde al color blanco.

C entro de masa
También llamado centro de gravedad, es el punto geométrico de un área donde se ejercen
todas las fuerzas externas.
Momento:

=⋅
,∈

Centro de masa:

( ,̅ ) = (
̅

,

)

M omento s d e HU
Es un descriptor de una figura los cuales son invariantes a la traslación, rotación y escala.
Esto quiere decir que si la figura se aumenta sus dimensiones o si tiene algún ángulo de
rotación, el momento de HU será el mismo.
Momentos de HU:

ϕ =η

+η

= (η
= (η

− 3η ) + (3η

= (η
η

−η ) +4

+ η ) +(η

=

,=

2

+1

−η )

−η )

Momentos centrales

(i − ı) + (j − ȷ)
̅
̅

=
,∈

A ngulo de orientación de la elipse
La característica de la elipse en un objeto dentro de una imagen se utiliza para obtener la
orientación de la figura. Para ver la orientación se utiliza el ángulo de rotación interno de
la elipse y varía entre los 0° y 360°.

=

1
2

(

−

)

Complejidad de forma
La complejidad de forma es una característica invariante al tamaño de un área que y es una
forma parecida de expresar la distancia promedio desde el punto de centro de masa al
borde.
Se obtiene dividiendo el área de la región por la distancia promedio desde el centro de masa
de la figura con los bordes.
Área de la región: A
Distancia promedio:
Complejidad de forma:

=∑∈

=

R endimiento d el clasificador
El rendimiento nos muestra el desempeño generado por el clasificador de los descriptores
escogidos. Este parámetro lo obtenemos del resultado de la división entre los resultados
buenos con la cantidad total de muestras.
Rendimiento del clasificador:

=

Siendo Ti los resultados buenos y N la cantidad total de muestras.

3

2. Descripción dela solución.

1 . C argar imagen
Como primer paso cargamos la imagen señalada en la tarea con el comando
“I=imread(‘sopa_letras.jpg’)”.
Para transformar la imagen en binaria, definimos la condición lógica de que los pixeles
deben tener un valor menor a 127. Al tener esta condición el fondo es negro y las letras
quedaran blancas.

2 . O btener sub imágenes de la imagen binaria
Paradescomponer la imagen binaria en subimágenes utilizamos el comando “bwlabel”, el
cual determina los componentes con valor 1 que están unidos por conectividad 8 en una
imagen binaria de dos dimensiones. El comando nos entrega una matriz señalando con un
número específico las figuras que encontró.
I2=bwlabel(I,8);

3 . O btener cad a letra de la imagen
Para obtener cada letra encontrada en laimagen utilizamos un comando llamado
“regionprops” en la matriz obtenida en el paso anterior. Esta instrucción de matlab tiene
muchas opciones como: poner opciones, la que utilizamos es “Image” la cual obtenemos
una estructura con las distintas imágenes de las figuras encontradas en la matriz. Al tener
las letras separadas podemos ver sus características sin tener problema alguno.

4 . Extracción de características
Ya obtenida cada letra por separado obtenemos sus características según lo solicitado en el
enunciado, la cuales serán: los 5 primeros momentos de HU, ángulo de orientación de la
elipse y complejidad de forma. Estos datos los obtenemos utilizando con los códigos vistos
en clases. Todas las características se ingresan en una matriz de 36 filas ( una de cada letra)
y 7...