Sistema de identificación y administración vehicular para el parqueadero de Uniandes Tulcán

I

UNIVERSIDAD REGIONAL AUTÓNOMA DE LOS ANDES UNIANDES

FACULTAD DE SISTEMAS MERCANTILES

CARRERA DE SISTEMAS INFORMÁTICOS

Tesis de grado previo a la obtención del título de ingeniero en sistemas e

informática

Tema: Sistema de identificación y administración vehicular para el

parqueadero de Uniandes Tulcán.

Autor: Carlos Alexis Sánchez Guerrero.

Asesor: Ing. Marco Revelo A. Msc.

II

CERTIFICACIÓN DEL ASESOR

En mi calidad de Asesor de la Tesis de Grado, previo a la obtención del título de Ingeniero

en Sistemas en Informática; Certifico que el señor Sánchez Guerrero Carlos Alexis,

elaboro su trabajo de grado sobre el tema: sistema de identificación y administración

vehicular para el parqueadero de Uniandes Tulcán

,

investigación de UNIANDES.

El sistema de Implementación de Identificación y administración vehicular para el

parqueadero de UNIANDES Tulcán, cuya característica principal es la de brindar

herramientas tecnológicas para el parqueadero de UNIANDES Tulcán; a través de la

investigación tecnológica dentro del área de la automatización y control, además de

aportar con conocimientos adquiridos a los estudiantes de UNIANDES Tulcán.

Como asesor de tesis apruebo la respectiva tesis de grado, para que sea sometida a la

revisión de lectores y defensa de la misma, por parte del jurado calificador que se designe.

Atentamente,

………..

ING. MARCO REVELO A. MSC.

III

DECLARACIÓN DE AUTORÍA

Yo Carlos Alexis Sánchez Guerrero, egresado de la facultad de Sistemas Mercantiles

Carrera de Sistemas e Informática de la Universidad Regional Autónoma de los Andes “UNIANDES” Tulcán, declaro en forma libre y voluntaria que el presente Trabajo de

grado, que versa sobre el Tema: Sistema de Identificación y Administración Vehicular para el Parqueadero de UNIANDES Tulcán, así como las expresiones vertidas en la Tesis son de mi autoría. Además doy potestad a la universidad para que emplee el trabajo

de culminación de estudio como bibliografía para futuras investigaciones relacionadas con

el tema planteado.

En consecuencia asumo la responsabilidad de la originalidad y el cuidado respectivo al

remitirme a las fuentes bibliográficas respectivas para fundamentar el contenido expuesto.

Atentamente,

………..

Carlos Alexis Sánchez Guerrero

IV

DEDICATORIA

A mis padres, porque creyeron en mí y porque me brindaron todo su apoyo para salir

adelante, dando ejemplos dignos de superación y entrega, porque en gran parte gracias a

ustedes, hoy culmino una de mis metas propuestas, ya que estuvieron impulsándome en los

momentos más difíciles de mi carrera, y porque el orgullo que sienten por mi hizo que

llegue hoy donde estoy.

A mi mujer, mis hermanos. Gracias por haber fomentado en mí el deseo de superación y

anhelo de triunfo en la vida.

Mil palabras no bastarían para agradecerles su apoyo, su comprensión y sus consejos en los

V

AGRADECIMIENTO

Antes que a todos quiero agradecer a Dios por darme las fuerzas necesarias en los

momentos en que más las necesité y bendecirme con la posibilidad de caminar a su lado

durante toda mi vida. También quiero agradecer a los profesores de la Universidad Regional Autónoma de los Andes “UNIANDES” que tuvieron la atención de

responder las encuestas de esta investigación. Quiero darles las gracias a todos los

profesores que hicieron de mí un buen profesional y la guía para ser mejor persona. En

particular a mi profesor guía de la tesis, el Ing. Marco Revelo A. Msc. Quien me orientó

durante todo el trabajo de tesis y especialmente por sus consejos durante todo el período de

VI

ÍNDICE GENERAL.

Certificación del asesor ... II Declaración de autoría ... III Dedicatoria ... IV Agradecimiento ... V

Resumen ejecutivo ... XXI Abstract ... XXII

Introducción ... 1

1.1 Antecedentes de la Investigación ... 1

1.2 Planteamiento del Problema ... 1

1.3 Formulación del Problema ... 2

1.4 Delimitación del Problema ... 2

Objeto de investigación y campo de acción ... 2

Identificación de la línea de investigación ... 2

1.5 Objetivos ... 2

1.6 Idea a defender ... 3

1.7 Variables ... 3

1.7.1 Variable independiente. Sistema de identificación y administración vehicular .... 3

1.7.2 Variable dependiente. Ingreso y salida de vehículos del parqueadero de la Uniandes Tulcán ... 3

1.8 Justificación del tema ... 3

1.9 Breve explicación de la metodología investigativa a emplear. ... 4

1.9.1 Observación Científica. ... 4

1.9.2 Validación de Expertos. ... 4

1.9.3 Método histórico – lógico. ... 4

1.9.4 Método Analítico – Sintético. ... 4

1.9.5 Método Inductivo – Deductivo. ... 4

1.9.6 Método Sistémico. Este método permite aplicar la teoría de sistemas de información en la elaboración y estructuración de esta tesis de grado. ... 5

1.9.7 Técnicas e instrumentos de investigación. ... 5

1.9.8 Metodología de la ingeniería del software ... 5

1.10 Resumen de la estructura de la tesis ... 6

1.11 Elementos de novedad, aporte teórico y significación práctica. ... 7

CAPÍTULO I. MARCO TEÓRICO ... 8

VII

1.1.1 Primera generación ... 8

1.1.2 Segunda generación ... 8

1.1.3 Tercera generación ... 9

1.1.4 Cuarta generación ... 9

1.1.5 Quinta generación ... 9

1.1.6 Sexta generación ... 9

1.2 Análisis de las distintas posiciones teóricos sobre procesos informáticos ... 10

1.2.2 Procesamiento digital de imágenes (PDI). ... 11

1.3. Orígenes del procesamiento digital de imágenes ... 13

1.3.1 Aplicaciones del procesamiento de imágenes ... 13

1.3.2. Componentes de un sistema PDI. ... 15

1.3.3. Herramientas para el PDI. ... 15

1.4 Fundamentos del procesamiento de imágenes digitales relaciones entre píxeles 16 1.4.1 Conectividad ... 16

1.4.2 Distancia ... 17

1.4.3 Ruido en imágenes ... 17

1.5 Captura y digitalización de imágenes ... 18

1.5.1 Captura de imágenes ... 18

1.6 La digitalización ... 211

1.7 El muestreo ... 211

1.7.1 La cuantización ... 221

1.8 Operaciones básicas entre píxeles ... 222

1.8.1 Operaciones aritméticas ... 222

1.8.2 Operaciones lógicas ... 244

1.8.3 Transformaciones geométricas ... 244

1.8.4 Interpolación ... 244

1.8.5 Amplificación y Reducción de imágenes ... 255

1.8.6 . Correlación de Matrices ... 256

1.8.7 Introducción a la segmentación ... 266

1.8.8 Segmentación basada en Umbralizado ... 277

1.8.9 Segmentación basada en Regiones ... 288

1.8.10 Crecimiento de Regiones ... 288

1.9 Introducción a los clasificadores………..29

1.9.1 Características discriminantes………..30

1.9.2 Proceso de clasificación ... 31

1.9.3 Métodos de clasificación de patrones ... 332

VIII

1.11 Conclusiones parciales del capítulo I ... 35

CAPÍTULO II. MARCO METODOLÓGICO. ... 36

2.1. Caracterización de UNIANDES Tulcán. ... 36

2.2. Descripción del procedimiento metodológico para el desarrollo de la investigación. . 36

2.2.1. Modalidad de la investigación. ... 36

2.2.2. Tipos de Investigación ... 36

2.2.3. Población y muestra. ... 37

2.2.4. Métodos, técnicas e instrumentos de investigación. ... 39

2.2.5. Interpretación de los resultados. ... 41

2.3. Conclusiones parciales del Capítulo II. ... 45

CAPÍTULO III. DESARROLLO DE LA PROPUESTA ... 46

3.1. Título de la propuesta. ... 46

3.2. Propuesta del investigador. ... 46

3.2.1. Análisis de sistema ... 46

3.2.1.1. Análisis de los Requerimientos de Software ... 47

3.2.1.2. Diagrama de Flujo de Datos (DFD) ... 47

3.2.2. Diseño del sistema ... 49

3.2.2.1 Requerimientos de Entrada/Salida ... 49

3.2.2.2. Requerimientos de Hardware y Software ... 50

3.2.2.3 Requerimientos de Base de Datos (BD) ... 553

3.2.2.4. Diagrama físico ... 553

3.2.2.5. Diagrama Entidad – Relación ... 53

3.2.2.6. Diccionario de Datos ... 54

3.2.3. Implementación del sistema ... 56

3.2.3.1 Código de la pantalla de inicialización Sistema Detección vehicular “SISDEV” ... 56

3.2.3.2. Código Fuente pantalla principal Sistema detección vehicular “SISDEV”... 57

3.2.3.4 Código de la clase conexión a la Base de datos sqlserver ... 60

3.3.4. Pruebas ... 61

3.3.4.1. Caja Negra ... 61

3.3.5. Resultados de la Validación de la propuesta... 64

Análisis de Resultados ... 65

3.4. Conclusiones parciales del Capítulo III ... 69

Conclusiones generales y recomendaciones ... 70

Conclusiones generales ... 70

Recomendaciones ... 70

IX ÍNDICE DE FIGURAS.

Fig. 1.1 Imagen de rayos gamma ... 13

Fig. 1.2 Imágenes con rayos X; (a) Mano; (b) Arma de fuego ... 14

Fig. 1.3 Imágenes de banda visible; (a) Detección del nivel del líquido; (b) Conteo de ... 14

Fig. 1.4 Imagen de banda de radio; (a) Resonancia ... 14

Fig. 1.5 Vecindad N4(p). ... 16

Fig. 1.7 Conectividad de píxeles. ... 17

Fig. 1.8. Distancia euclidiana para una imagen de 5 por 5. ... 17

Fig. 1.10 Diferentes ruidos afectando a una imagen; (a) Original; (b) Gaussiano; (c) ... 18

Fig. 1.11. Dispositivos de captura; (a) cámara digital; (b) escáner; (c) video cámara digital. ... 200

Fig. 1.12 Imagen con baja resolución ... 211

Fig. 1.14 Suma de Imágenes. ... 232

Fig. 1.15 Resta de Imágenes. ... 233

Fig. 1.16 Multiplicación de una imagen por si misma. ... 233

Fig. 1.17 Operación lógicas de imágenes binarias (and, or y not) ... 244

Fig. 1.18 Ampliación y reducción de imágenes. ... 255

Fig. 1.19 Dos imágenes del mismo tamaño para determinar su correlación. ... 266

Fig. 1.20 Segmentación por umbralización de la placa de un automóvil (a) imagen original; ... 288

Fig. 1.21 Segmentación por Regiones de la placa de un automóvil; (a) imagen en grises; ... 309

Fig. 1.22 Proceso de clasificación de objetos en una imagen. ... 332

Fig. 1.23 Extracción del primer carácter de la placa... 33

Fig N° 3.1. Ingeniería del Software ... 46

Fig N° 3.2. Ingeniería del Software ... 46

Fig N° 3.3. Diseño ... 48

Fig N° 3.4. Login. ... 49

Fig N° 3.5. ... 49

Fig Nº 3.6. Diagrama Lógico. ... 50

Fig N°3.8 Diccionario de datos tabla dbo.T_Users ... 53

X

Fig N°3.10. Diccionario de datos tabla dbo.Tregistro ... 55

Fig N°3.11 Diccionario de datos tabla dbo.Tvehiculo. ... 56

Fig N°3.12. Pantalla Principal a prueba con caja negra ... 61

Fig N°3.13. Pantalla Inicial Sistema de Registro de Usuarios a prueba con caja negra. .. 663

Fig N°3.14 Registro de vehículo a prueba con caja negra. ... 63

ÍNDICE DE TABLAS. Tabla.1 Procesos PDI. ... 112

Tabla Nº. 1 Población y muestra ... 38

Tabla Nº. 2 Población y muestra ... 39

Tabla Nº. 3. ... 41

Tabla Nº. 4. ... 41

Tabla Nº. 5. ... 442

Tabla Nº. 6. ... 443

Tabla Nº. 7. ... 43

Tabla Nº. 8. ... 43

Tabla Nº. 9. ... 44

Tabla N° 10 Análisis requisitos de Software. ... 50

Tabla N° 11 Análisis requisitos de Base de Datos... 52

Tabla N° 12 Resultados de la prueba de caja negra ... 62

Tabla N° 13. Resultados de la prueba de caja negra ... 63

XI

RESUMEN EJECUTIVO

El presente trabajo de investigación destaca la importancia de los sistemas informáticos, en

especial cuando se requiere dar una mejor administración, de la información, además no

se requiere de mayor conocimiento debido a su simplicidad por lo que está alcanzando un

muy alto nivel de aceptación en todo el mundo.

Con el sistema se pretende realizar reconocimiento de placas vehiculares usando

herramientas digitales aplicadas al reconocimiento de las mismas, partiendo de una

comparación gráfica con patrones digitales visuales almacenados en una base de datos para

obtener la identificación de un determinado vehículo y su información básica relevante

además de una regularización horaria ordenada que proporcione información de

propietario, y horas de ingreso obteniendo así datos que faciliten el ingreso y salida de un

vehículo del parqueadero de UNIANDES Tulcán.

El sistema informático, se encamina hacia el mejoramiento de la calidad de atención a

autoridades, docentes y estudiantes y con ello alcanzar la excelencia, que es el objetivo que

toda institución debería perseguir. Todo lo que se ha planteado, por parte del investigador

se lo puede lograr, pues existe la predisposición de todos quienes están involucrados en el

proceso educativo que oferta la Universidad Autónoma de los Andes UNIANDES.

Descriptores: sistemas informáticos, herramientas digitales, revisión de placas de

vehículos.

XII ABSTRACT

This research highlights the importance of computer systems, especially when required to

better management of the information, and does not require more knowledge because of its

simplicity so is reaching a very high level of acceptance worldwide.

With the system is to perform recognition of license plates using digital tools applied to

recognition of the same, from a visual comparison with digital visual patterns stored in a

database for identification of a particular vehicle and its basic relevant information plus

orderly adjustment time to provide owner information, hours of admission and obtaining

data to facilitate entry and exit of the parking of a vehicle UNIANDES Tulcán.

The computer system is directed toward improving the quality of care authorities, teachers

and students and thereby achieve excellence, which is the goal that every institution should

pursue. All that has been raised, by the researcher can achieve, as there is the willingness

of all those involved in the educational process offered by the University of the Andes

1 INTRODUCCIÓN

1.1 Antecedentes de la Investigación

Los estudios dentro del campo de detección vehicular no se ha podido observar ya que por

el momento se han desarrollado aplicaciones de procesamiento de imágenes. Pero a nivel

general los trabajos de investigación en Procesamiento Digital de Imágenes (PDI), se han

realizado en diferentes áreas como: Diseño y Traficación, Detección facial entre otros.

En la bibliografía se ha encontrado investigaciones orientadas a temas similares de Iván

Danilo García Santillán, (2008), “Visión Artificial y Procesamiento Digital de Imágenes

usando Matlab, Ibarra Ecuador.

Se trata de una clase de procesamiento de señales que puede tomar fotografías o

fotogramas de vídeo y someterlos a un procesado de perfil bajo con el fin de extraer

determinadas características o parámetros, o bien para elaborar nuevas imágenes

procesadas como material de salida. En un sentido más amplio, la visión artificial puede

ser considerada como una forma más genérica del procesamiento de imágenes, más

cercana a la interpretación de imágenes, cuya finalidad es procesar, comprender y descifrar

características o rastrear objetos, con un objetivo claro, en una imagen o una secuencia de

imágenes de vídeo.

Se visitó la biblioteca de Uniandes Tulcán y no se encontraron trabajos de tesis similares.

1.2 Planteamiento del Problema

En la actualidad la Universidad Autónoma de Los Andes Tulcán, no cuentan con un

Sistema Informático que controle el ingreso vehicular y permita llevar un registro de uso

del parqueadero y así, de esta manera, emitir los respectivos informes, en el caso de que

existiera una sustracción vehicular, siendo así, los administradores no pueden llevar un

registro eficiente de ingreso vehicular ni elevar las correspondientes seguridades de ingreso

2

Esto produce en trabajadores como en propietarios malos entendidos, provocando pérdida

de recursos y descontento en empleados, así como en los empleadores.

Al no disponer de un sistema informático de reconocimiento de placas vehiculares se

desconoce el ingreso de personas no deseadas en la institución, la mala utilización del

parqueadero y además se desconoce el porcentaje de uso del parqueadero y si abastece

adecuadamente al número de usuario.

1.3 Formulación del Problema

¿Cómo contribuir al mejoramiento del control e identificación del ingreso y salida de

vehículos en UNIANDES Tulcán?

1.4 Delimitación del Problema

Lugar. La presente tesis, se implementó en la Universidad Autónoma Regional de los Andes de la ciudad de Tulcán, ubicada en las calles Seminario y Las Palmas.

Tiempo. El tiempo estimado en el desarrollo de la tesis, ha sido aproximadamente de cinco meses; es decir, desde el mes de marzo a agosto del 2014.

Objeto de investigación y campo de acción Objeto de investigación. Procesos Informáticos

Campo de Acción. Software de aplicaciones

Línea de investigación. Desarrollo de Software y programación de sistemas

Identificación de la línea de investigación

La línea de investigación de la presente tesis de grado es: Desarrollo de software y

programación de sistemas, tecnologías de información y comunicación.

1.5 Objetivos Objetivo General

Implementar un sistema de identificación y administración vehicular, que contribuya al

3 Objetivos Específicos

 Fundamentar teóricamente sobre tecnologías PDI y seguridad informática.  Diagnosticar el estado actual del control del parqueadero de la UNIANDES.

 Determinar los elementos constitutivos del Sistema basado en tecnología PDI para la

Universidad Regional Autónoma De Los Andes Uniandes extensión Uniandes.  Validar el Sistema Propuesto por la vía de expertos.

1.6 Idea a defender

Con la implementación de un sistema de identificación y administración vehicular, se

mejorará el ingreso y salida de vehículos del parqueadero de la Uniandes Tulcán.

1.7 Variables

1.7.1 Variable independiente. Sistema de identificación y administración vehicular 1.7.2 Variable dependiente. Ingreso y salida de vehículos del parqueadero de la

Uniandes Tulcán

1.8 Justificación del tema

Esta tesis de grado se desarrolla debido a que se torna indispensable que los

administrativos de una institución tengan en conocimiento el ingreso y control de

vehículos.

Uno de los beneficios más importantes de utilizar los métodos PDI para la identificación

vehicular, es que la información administrada es intransferible.

El sistema permite a los administradores del parqueadero, determinar el número de

vehículos ingresados con características y datos de los conductores y automotores.

Consecuentemente de lo expuesto la investigación y realización de este proyecto

4

sin dejar de tomar en cuenta el alto grado de investigación sobre tecnología PDI aplicable a

la detección vehicular poco o nada estudiado y explotado en nuestro país.

1.9 Breve explicación de la metodología investigativa a emplear.

La presente tesis de grado se lleva a cabo bajo los paradigmas cuantitativo y cualitativo,

teniendo en cuenta algunos tipos de investigación, tales como descriptiva, correlacional,

bibliográfica, de campo y aplicada. Además se emplearán diferentes métodos de

investigación de carácter empírico y teórico del conocimiento. Estos métodos permiten

buscar y encontrar datos reales de manera práctica. En estos métodos se encuentran:

1.9.1 Observación Científica.

Este método se lo aplica en nuestra tesis de grado ya que permite examinar directamente

los hechos o fenómenos que se presenten en UNIANDES Tulcán, con la finalidad de ver y

analizar la usabilidad y seguridad de la misma.

1.9.2 Validación de Expertos.

En la tesis de grado, este método se lo va a utilizar porque ayuda a resolver problemas e incógnitas que surjan en la misma, mediante expertos en el área de Sistemas y las TIC’s.

Entre los principales métodos teóricos a emplearse, se tienen:

1.9.3 Método histórico – lógico.

El método lógico ayuda con la causa y efecto de la tesis de grado y el método histórico

ayuda a recopilar información del pasado, del presente y fututo sobre la usabilidad y

seguridad del parqueadero.

1.9.4 Método Analítico – Sintético.

Este método permite realizar la extracción de las partes de un todo, con el objeto de

estudiar y examinar por separado la usabilidad y seguridad del parqueadero de UNANDES

5 1.9.5 Método Inductivo – Deductivo.

En la tesis de grado se va a usar este método porque lo deductivo permite realizar la

formación de hipótesis, investigación de leyes científicas, y las demostraciones.

Y el inductivo permite encontrar principios desconocidos a partir de los conocidos y

también elevar el nivel de conocimiento.

1.9.6 Método Sistémico.

Este método permite aplicar la teoría de sistemas de información en la elaboración y

estructuración de esta tesis de grado.

1.9.7 Técnicas e instrumentos de investigación.

Las técnicas para recopilación de datos, a utilizarse son la encuesta y la entrevista. Para la

encuesta se utiliza el cuestionario o test y para la entrevista se emplea la guía de entrevista.

1.9.8 Metodología de la ingeniería del software

Para la presentación del proyecto, se aplicará como metodología la del ciclo de vida clásico

del software, la misma que tiene las siguientes etapas o fases:

1.9.8.1 Análisis de sistemas de información.

En nuestra tesis de grado en esta fase se realiza la especificación lógica funcional del

nuevo sistema, se analizan los requisitos del mismo para la gestión del sistema biométrico.

1.9.8.2 Diseño de sistemas de información.

En esta etapa, se realiza la especificación física funcional del sistema biométrico dactilar,

determinando los componentes necesarios para su implementación.

1.9.8.3 Implementación del sistema de información.

En esta fase se desarrollan los elementos constitutivos necesarios para el sistema de

detección vehicular generador de informes, utilizando tecnologías adecuadas para su

6 1.9.8.4 Pruebas.

En esta etapa se desarrollarán las pruebas de funcionamiento pertinentes al sistema

detección vehicular, generadora de informes, detección de placa.

1.10 Resumen de la estructura de la tesis.

De acuerdo al Manual de Investigación 2013 de la UNIANDES, se establece la siguiente

estructura de tesis de grado:

Portada de la Tesis:

Introducción

 Antecedentes de la investigación.  Planteamiento del problema.  Formulación del problema.  Delimitación del problema.

 Objeto de Investigación y campo de acción.  Identificación de la Línea de Investigación.

 Objetivos: objetivo general y objetivo (s) específico (s)

 Hipótesis, Idea a Defender, Preguntas Científicas (dependiendo de la modalidad)  Justificación del tema

 Breve explicación de la metodología investigativa a emplear.

 Resumen de la estructura de la tesis: breve explicación de los capítulos de la tesis.  Elementos de novedad, aporte teórico y significación práctica, en dependencia del

alcance de la tesis.

Capítulo I. Marco Teórico. Este capítulo contiene los referentes teóricos sobre los Sistemas de procesamiento digital de imágenes para módulos generadores de detección

vehicular de UNIANDES Tulcán.

7

Capítulo III. Desarrollo de la propuesta. Contiene elementos de la propuesta, relacionada con el análisis, diseño, implementación y pruebas del sistema de detección vehicular para

módulo PDI de la UNIANDES Tulcán.  Conclusiones generales.

 Recomendaciones  Bibliografía  Anexos

1.11 Elementos de novedad, aporte teórico y significación práctica.

El presente trabajo es novedoso, porque se presenta un sistema informático que no está

llevándose a cabo en la actualidad, una metodología de la investigación científica y más

una metodología actual de proyectos que ayudan a elevar la cultura emprendedora,

fortaleciendo la creatividad y la innovación en los funcionarios de las empresas

encuestadoras, se utilizarán herramientas libres y en sí el proyecto porque es nuevo, el

mismo que no se ha aplicado nunca en esta institución.

El aporte teórico son los temas nuevos como sistemas informáticos, herramientas digitales,

revisión de placas de vehículos, entre otros.

La Significación Práctica del sistema de procesamiento digital de imágenes está presente

en la vida cotidiana. Extendidos en forma de sistemas de seguridad, climatización,

simulación de presencia, tele medicina, ocupan un lugar cada vez más importante, con un

futuro ilimitado para la imaginación. En este proyecto investigativo el gran aporte entra en

la identificación y control es decir: reconocer, informar, analizar etc. el acceso de un

vehículo en UNIANDES Tulcán.

En la actualidad UNIANDES Tulcán, no posee un sistema de detección vehicular

generador de PDI, por lo que dificulta la correcta detección y administración vehicular al

parqueadero, la Novedad de la propuesta No solo es un sistema PDI. Sino que es una

aplicación capaz de identificar un vehículo en movimiento a través de la placa, realizando

procesamiento digital de imágenes, conjuntamente con la visión artificial que intenta

8

CAPÍTULO I. MARCO TEÓRICO

1.1 Origen y evolución de los procesos informáticos

Se dice que el Ábaco chino, ha sido la base para las máquinas chinas, éste era una tablilla

dividida en columnas en la cual la primera, contando desde la derecha, correspondía a las

unidades, la siguiente a la de las decenas, y así sucesivamente. A través de sus

movimientos se podía realizar peticiones de adición sustracción y luego de multiplicación

y división

“En el siglo XVII l científico Blas pascal inventó una máquina calculadora. Ésta solo servía para hacer sumas y restas, pero este dispositivo solo sirvió como base para que Leibniz, en el siglo XVIII, desarrolla una máquina que, además que realizar operaciones de adición y sustracción, podía efectuar operaciones de producto y cociente. Ya en el siglo XIX se comercializaron las primeras máquinas de calcular.” (Burato Carina, 2010, pág. 27)

Frente a este invento, se puede destacar que al principio nadie se imaginaba que se iba a

constituir, en el inicio de un inmenso desarrollo dentro de la ciencia y tecnología, pero la

máquina calculadora en sí ya era un avance significativo, lo que dio como resultado que se

haya renovado con otro invento que logró hacer las cuatro operaciones.

1.1.1 Primera generación

Las computadoras fueron desarrollándose conforme ha pasado el tiempo, expresa: “Eran de

un tamaño tan grande que ocupaban espaciosos salones en las universidades donde fueron desarrolladas.” (López, 2012, pág. 14) Y es que su capacidad de almacenamiento en la

memoria era muy reducida, como en el caso de la ENIAC que almacenaba 1kB,

sumamente pequeño para los que se conoce en la actualidad

1.1.2 Segunda generación

La característica principal en cuanto a los equipos es la inclusión de transistores. Respecto

a la programación o software, siguen dominando los sistemas de tarjeta o cinta perforada

para la entrada de datos. Otro gran logro de esta época es el desarrollo del primer lenguaje

de alto nivel, el FORTRAN el cual es muy apropiado para trabajos científicos,

9

1.1.3 Tercera generación

Lo siguiente fue la integración a gran escala de transistores en microcircuitos llamados

procesadores o circuitos integrados monolíticos LSI, así como la proliferación de lenguajes

de alto nivel y la introducción de sistemas operativos.

1.1.4 Cuarta generación

En esta generación ya aparece el chip, se crea el primer microprocesador o Chip de 4 bit,

que en un espacio de aproximadamente 4 x 5 mm contenía 2250 transistores. Este primer

microprocesador fue bautizado como el 4004.

“Esta generación se caracterizó por grandes avances tecnológicos realizados en un tiempo

muy corto. En 1977 aparecen las primeras microcomputadoras, entre las cuales, las más

famosas fueron las fabricadas por Apple Computer, Radio Shack y Commodore Business Machines.” (García, 2013, pág. 30)

Prosigue el avance dentro de la informática y es aquí donde nos damos cuenta que el

microchip, ha ayudado a manejar más rápido la información

1.1.5 Quinta generación

Hay dos grandes avances tecnológicos que quizás sirvan como parámetro para el inicio de

dicha generación: la creación en 1982 de la primera supercomputadora con capacidad de

proceso paralelo, diseñada por Seymouy Cray.

La característica principal sería la aplicación de la inteligencia artificial. Las computadoras

de esta generación contienen una gran cantidad de microprocesadores trabajando en

paralelo y pueden reconocer voz e imágenes.

1.1.6 Sexta generación

Aparentemente, ésta sería la última generación dentro de los computadores más, el futuro

es incierto ya que no se sabe qué nos traerá el avance tecnológico.

“Esta generación cuenta con arquitecturas combinadas Paralelo y Vectorial, con cientos de

10

creado computadoras capaces de realizar más de un millón de millones de operaciones

aritméticas de punto flotante por segundo las redes de área mundial) seguirán creciendo

desorbitadamente utilizando medios de comunicación a través de fibras ópticas y satélites,

con anchos de banda impresionantes.

1.2 Análisis de las distintas posiciones teóricos sobre procesos informáticos

Para la elaboración de la propuesta de la tesis de grado, es necesario basarse en los

siguientes fundamentos teóricos:

1.2.1 Sistemas de Información.

En la actualidad para muchas organizaciones, los sistemas de información son el corazón

de las actividades cotidianas y objeto de gran consideración en la toma de decisiones, las

empresas consideran con mucho cuidado las capacidades de sus sistemas de información

cuando deciden ingresar o no en nuevos mercados o cuando planean la respuesta que darán

a la competencia. Al establecer los sistemas de información basados en computadoras

deben tener la certeza de que se logren dos objetivos principales: que sea un sistema

correcto y que este correcto el sistema. Con lo cual las etapas más importantes para el

desarrollo de un correcto sistema se basa en las etapas de: análisis, diseño, pruebas e

implementación, las cuales se detallan a continuación.

“El hardware incluye computadoras o cualquier tipo de dispositivo electrónico inteligente, que consisten en procesadores, memoria, sistemas de almacenamiento externo. El software incluye al sistema operativo, firmware y aplicaciones, siendo especialmente importante los sistemas de gestión de bases de datos”. (Rioja, 2010, pág. 27)

 Análisis

En esta fase los analistas de sistemas recopilar la mayor cantidad de información

deprendiendo de los requerimientos que disponga en usuario final.

 Diseño

El diseño de un sistema indica los datos de entrada, aquellos que serán calculados y los que

deben ser almacenados. Así mismo, se escriben con todo detalle los procedimientos de

11  Pruebas

Durante la fase de prueba de sistemas, el sistema se emplea de manera experimental para

asegurarse de que el software no tenga fallas, es decir que funciona de acuerdo con las

especificaciones y en la forma en que los usuarios esperan que lo haga.

 Implementación

Es el proceso de verificar e instalar nuevo equipo, entrenar a los usuarios, instalar la

aplicación y construir todos los archivos de datos necesarios para que sea utilizado.

1.2.2 Procesamiento digital de imágenes (PDI).

La visión artificial (o visión por computador) es una disciplina compleja que involucra

otras ciencias e incluye estudios de física, matemáticas, ingeniería eléctrica, computación.

El continuo desarrollo de nuevos algoritmos, funciones y aplicaciones, hacen de esta

disciplina y del procesamiento digital de imágenes (PDI) una tecnología perenne y en

constante evolución. La visión artificial intenta emular la capacidad que tienen algunos

seres vivos para ver una escena y entenderla; conjuntamente con el PDI, han

experimentado una rápida evolución en las dos últimas décadas. (Santillán, 2008)

Los procesos del PDI pueden ser subdivididos en seis áreas principales y están agrupados

de acuerdo a la complicación y delicadeza que lleva su implementación.

Estas son: captura y adquisición, pre-procesamiento, segmentación, descripción,

reconocimiento e interpretación. No todas las aplicaciones requieren de todos los procesos

y depende de la complejidad del problema que se va a resolver. Los resultados obtenidos

en este tipo de aplicaciones dependen de la calidad de la imagen original, por lo que se

deben tomar todas las precauciones necesarias para tener una iluminación adecuada y

12

El procesamiento digital de imágenes (PDI) se refiere a procesar las imágenes del mundo

real de manera digital por medio de un computador. Es un tema muy amplio, en el que se

incluyen estudios de física, matemáticas, ingeniería eléctrica, computación.

Estudia los fundamentos conceptuales de la adquisición y despliegue de imágenes y con

detalle los fundamentos teóricos y algorítmicos del procesamiento como tal. Tiene además,

como objetivo mejorar el aspecto de las imágenes y hacer más evidentes en ellas ciertos

detalles que se desean hacer notar.

Tabla.1 Procesos PDI. Fuente: Libros de informática

La captura o adquisición es el proceso a través del cual se obtiene una imagen digital utilizando un dispositivo de captura como una cámara digital, video cámara, escáner,

satélite, etc.

El reprocesamiento incluye técnicas tales como la reducción del ruido, realce del contraste, realce de ciertos detalles, o características de la imagen.

La segmentación es el proceso que divide una imagen en objetos que sean de nuestro

interés de estudio.

La descripción es el proceso que obtiene características convenientes para diferenciar un tipo de objeto de otro, como: la forma, el tamaño, área, etc.

El reconocimiento es el proceso que identifica los objetos, como por ejemplo: una llave, un

13

La interpretación es el proceso que asocia un significado a un conjunto de objetos reconocidos (llaves, tornillos, herramientas, etc.) y trata de emular la cognición.

1.3. Orígenes del procesamiento digital de imágenes

La historia del PDI se remonta a la década de los 60 y está directamente ligada con el

desarrollo y evolución de las computadoras. Su progreso ha ido de la mano con el

desarrollo de las tecnologías de hardware, ya que requiere un alto poder y recursos

computacionales para almacenar y procesar las imágenes. De igual manera el desarrollo de

los lenguajes de programación y los sistemas operativos han hecho posible el crecimiento

continuo de aplicaciones relacionadas al procesamiento de imágenes, tales como: imágenes

médicas, satelitales, astronómicas, geográficas, arqueológicas, biológicas, aplicaciones

industriales, entre otras.

1.3.1 Aplicaciones del procesamiento de imágenes

Existe una amplia gama de áreas donde el PDI se utiliza de manera rutinaria para la

resolución de ciertos problemas, dependiendo de la fuente de energía, sean estas: rayos

gamma, rayos X, banda ultravioleta, banda infrarroja, banda visible, microondas, radio,

ultrasonido.

Algunos ejemplos de aplicaciones son:

Imágenes de rayos gamma. Imágenes médicas y observaciones astronómicas.

Fig. 1.1 Imagen de rayos gamma

Imágenes de rayos X.- Aplicaciones en la medicina, astronomía e industriales.

14

(a) (b)

Fig. 1.2 Imágenes con rayos X; (a) Mano; (b) Arma de fuego

Imágenes de banda visible.- Inspección de objetos industriales, identificación de billetes, conteo, reconocimiento automático de placas de vehículos.

Fig. 1.3Imágenes de banda visible; (a) Detección del nivel del líquido; (b) Conteo de billetes; (c) Reconocimiento automático de Placas.

Fuente. Libros de informática

Imágenes de banda de radio.- Aplicaciones en medicina y astronomía.

Fig. 1.4 Imagen de banda de radio; (a) Resonancia Magnética de la rodilla.

15 1.3.2 Componentes de un sistema PDI.

Entre los componentes principales para un sistema de procesamiento digital de imágenes

tenemos los siguientes:

- Sensores.

- Digitalizadores.

- Hardware especializado en el PDI.

- Computadora.

- Software.

- Dispositivos de almacenamiento: memoria, discos.

- Monitores: despliegue y visualización.

- Hardcopy: impresión, diapositivas, fotografías.

- Acceso a la Red: transmisión por cables ópticos, UTP, wireless, etc.

1.3.3 Herramientas para el PDI.

En la actualidad existe una gran cantidad de herramientas de software libre y comercial

destinadas al procesamiento digital de imágenes. A continuación se presenta algunas de las

más utilizadas en nuestro medio.

 Adobe Photoshop.- Es la herramienta líder en el tratamiento de imágenes digitales por su gran popularidad, facilidad y resultados obtenidos.

http://www.adobe.com/es/products/photoshop/photoshop

 Matlab(Image Processing Toolbox y Image Acquisition Toolbox).- Paquetes específicos de Matlab sobre adquisición y procesamiento de imágenes digitales.

http://www.mathworks.com/access/helpdesk/help/toolbox/images/images.shtml

 Mathematica.- Paquete específico de Matemática sobre procesamiento de imágenes digitales.

http://www.wolfram.com/products/applications/digitalimage/

 Micromorph.- Software de análisis de imágenes y morfología matemática para Windows.

16

1.4 Fundamentos del procesamiento de imágenes digitales relaciones entre píxeles

Un píxel p con coordenadas (x,y) tiene cuatro vecinos, dos horizontales y dos verticales,

cuyas coordenadas son: (x+1,y), (x-1,y), (x,y-1), (x,y+1). A este conjunto de píxeles se

llama vecindad 4 de p y se denota por N4(p), ver la figura 1.5. Nótese que para cada uno de

estos píxeles hay una distancia de 1 (uno) desde p y que en los bordes de la imagen algunos

de estos píxeles quedarán fuera de la imagen. (Santillán, 2008).

Fig. 1.5 Vecindad N4(p). Fig. 1.6 Vecindad ND(p). Fuente. Libros de informática Fuente. Libros de informática

Existen también 4 vecinos diagonales de p con coordenadas: (x+1,y+1), (x+1,y-1),

(x-1,y-1), (x-1,y+1) y se les denota por ND(p), ver la figura 1.6. Conjuntamente, N4(p) y ND(p)

forman la vecindad 8 de p denotada por N8(p). (Santillán, 2008).

1.4.1 Conectividad

La conectividad es un concepto importante utilizado para establecer los límites de objetos

en regiones dentro de una imagen digital. Para determinar si dos píxeles están conectados

se determina si son adyacentes en algún sentido, sea ND(p) o N4(p) por ejemplo, y si sus

niveles de gris satisfacen algún criterio de similitud (si son iguales o parecidos). Por

ejemplo, en una imagen binaria con valores de 1 y 0, dos píxeles pueden ver vecinos

N4(p), pero se dice que están conectados sólo cuando tienen el mismo valor. En la figura

1.7 se observa la conectividad de píxeles en una imagen binaria. El píxel 6 está conectado

17

Fig. 1.7 Conectividad de píxeles. Fuente. Libros de informática

1.4.2 Distancia

La distancia o transformada de distancia proporciona una medición de la separación

existente entre dos puntos dentro de una imagen. Dados dos píxeles p y q con coordenadas

(x,y) y (s,t), respectivamente, se puede definir una función de distancia D si se cumple: D(p,q) ≥ 0

D(p,q)=0, si p=q

D(p,q)=D(q,p)

Las funciones de distancia comúnmente usadas son: distancia euclidiana y distancia tablero

de ajedrez.

Distancia euclidianaentre p y q: D ( p,q)= .

En la figura 1.8 se muestra la distancia euclidiana para una imagen de 5 por 5. (Ortíz,

2013)

Fig. 1.8. Distancia euclidiana para una imagen de 5 por 5.

1.4.3 Ruido en imágenes

Todas las imágenes tienen cierta cantidad de ruido, la cual se puede deber a la cámara,

18

Generalmente el ruido se manifiesta como píxeles aislados que toman un nivel de gris

diferente al de sus vecinos. Los algoritmos de filtrado permiten eliminar o disminuir este

ruido.

El ruido puede clasificarse en los siguientes tipos:

Gaussiano. Produce pequeñas variaciones en la imagen; generalmente se debe a diferentes ganancias en la cámara, ruido en los digitalizadores, perturbaciones en la transmisión. Se

considera que el valor final del píxel sería el valor ideal más una cantidad correspondiente

al error que puede describirse como una variable aleatoria gaussiana. (Ortíz, 2013)

Impulsional (sal y pimienta). El valor que toma el píxel no tiene relación con el valor ideal, sino con el valor del ruido que toma valores muy altos o bajos (puntos blancos y/o

negros) causados por una saturación del sensor o por un valor mínimo captado, si se ha

perdido la señal en ese punto. (Santillán, 2008)

Multiplicativo. La imagen obtenida es el resultado de la multiplicación de dos señales. (Barriuso, 1991).

En la figura 1.10 se muestran los diferentes ruidos afectando a una imagen.

Fig. 1.10 Diferentes ruidos afectando a una imagen; (a) Original; (b) Gaussiano; (c) Multiplicativo; (d) Sal y Pimienta.

Fuente. Libros de informática

19

El proceso de captura se refiere a la adquisición de la imagen del mundo físico. La imagen

puede ser capturada o generada de varias maneras: fotográficamente, con elementos

químicos; o a través de dispositivos electrónicos como el computador, escáner, cámara

digital o video-cámara digital.

a) La cámara digital.- Hay cámaras de toda forma, tamaño, precio y funciones. Algunas características de las cámaras sobre las cuales se deben investigar antes de su adquisición

son:

Resolución.- Número de píxeles que contienen las imágenes. La mayoría de cámaras comerciales generan imágenes de 640x480 píxeles que son adecuadas para muchas

aplicaciones. En la mayoría de cámaras es posible elegir entre dos o más resoluciones.

(Wikipedia, Alta definición, 2014).

Memoria.- En general, cuanto mayor sea la memoria es mucho mejor. A usted le interesa alojar en la memoria tantas fotografías como sea posible antes de proceder a su descarga en

la computadora. Las cámaras pueden incluir memoria interna fija, así como tarjetas de

memoria intercambiables.

El formato de las imágenes capturadas serán del tipo JPG, por lo que podrán ser exportadas

a la mayoría de los programas de tratamiento. (Wikipedia, Alta definición, 2014).

Compresión de Archivos.- La mayoría de cámaras permite elegir el grado de compresión de las imágenes para su almacenamiento en la memoria. A menor compresión, mayor

calidad de imagen pero también será menor el número de imágenes que es posible

almacenar en la memoria.

Sistema de Transferencia.- Es importante conocer la calidad de operación del sistema de transferencia de una cámara para el traspaso de imágenes a la PC. La mayoría cuentan con

conexión USB.

20

gran utilidad para transferir imágenes a una PC cuando solo se cuenta con su versión

impresa.

Un escáner puede concebirse como una cámara digital, pero en lugar de servirse como

aquella, de un CCD (Charge Coupled Device - dispositivo de carga acoplado) rectangular

para captar una imagen completa en un solo paso, el escáner emplea un CCD con una sola

fila de píxeles fotosensibles. Este CCD lineal registra el valor lumínico de cada una de las

líneas o filas de una imagen. Al terminar una línea remite la información de inmediato a la

PC para poder proceder la lectura de la línea siguiente.

Los principales aspectos que debe considerar al adquirir un escáner son: resolución e

intensidad de color.

La resolución del escáner depende en parte de la velocidad y precisión del motor que impulsa pausadamente al CCD a lo largo del documento. Los escáner de alta resolución

ofrecen un mayor grado de detalle en las porciones más claras y más oscuras de una

imagen. Algunas resoluciones de escáner son: 300, 600, 1200, 2400, 4800, 9600 dpi (dots

per inch – puntos por pulgada).

En la mayoría de escáner de bajo costo la intensidad de color es de 24 bits, lo cual significa que puede digitalizar hasta 16.7 millones de colores, cantidad similar a la

perceptible por el ojo humano. Los escáner más complejos operan a razón de 30 o 36 bit

por píxel, de manera que pueden distinguir entre miles de millones de colores. (Wikipedia,

Alta definición, 2014).

Fig.1.11. Dispositivos de captura; (a) cámara digital; (b) escáner; (c) video cámara digital.

Fuente. Sitio web

Un sistema básico de captura de imagen contiene un lente y un detector. En la fotografía

21

píxel representa un punto de color en la imagen terminada. Una cámara capaz de producir

imágenes de 640x480 píxeles cuenta con un CCD de 300000 píxeles. (Santillán, 2008).

Como vimos anteriormente, la calidad de la imagen escaneada es determinada por el

tamaño del píxel (resolución espacial) y por la profundidad de píxel (resolución de brillo).

Esto está relacionado con los pasos básicos en el proceso de la captura digital.

1.6 La digitalización

Es el proceso de paso del mundo continuo (o analógico) al mundo discreto (o digital). Una

vez digitalizada una imagen bidimensional, ésta queda constituida por un conjunto de

elementos básicos llamados píxeles. Cada píxel ofrece cierta información sobre una región

elemental de la imagen, como el color o brillo, y la posición. En imágenes en blanco y

negro esta información es el brillo. En imágenes en color, la información corresponde a la

intensidad de cada una de las componentes de un modelo de color como: RGB, CMYK,

HSI, etc.

En la digitalización normalmente se distinguen dos procesos: el Muestreo y la

cuantización.

1.7 El muestreo

Es el proceso de obtener la imagen. Esto implica que la imagen se muestrea en una matriz

con m filas y n columnas. El muestreo determina el tamaño del píxel y el valor del brillo. Cuando un dispositivo de captura muestrea la imagen fotográfica, divide la imagen en

píxeles. El tamaño de los píxeles depende del número de foto celdas. En la figura 2.6 y 2.7

se muestran ejemplos de muestreos con diferentes valores para m y n. (Wikipedia,

Resolución de imagen, 2014).

22 1.7.1 La cuantización

Es el proceso de asignar valores a los elementos de la matriz, cada valor representa al valor

de la variable física en ese punto.

A efectos de representación visual se asume que el valor más pequeño del rango de valores

corresponde a un nivel de gris negro y que el valor más grande al nivel de gris blanco.

Dentro de este intervalo, cuantos más valores se puedan discriminar, mayor cantidad de

matices se podrán representar. (Santillán, 2008)

La pregunta obvia que surge al hablar de Muestreo y Cuantización es: ¿Cuáles son los

valores adecuados de número de muestras y número de niveles distinguibles? La respuesta,

también obvia, lo mejor es tener el mayor número posible de muestras (para obtener la

mejor aproximación a la función imagen continua) y el mayor número posible de niveles

(para poder percibir todos los detalles). Sin embargo, hay que considerar que cuantas más

muestras y más niveles, más datos a procesar por el ordenador y más tiempo de

computación necesario para obtener los resultados. (Ortíz, 2013).

1.8 Operaciones básicas entre píxeles

Las operaciones que podemos realizar entre los píxeles son:

1. Operaciones aritméticas

2. Operaciones lógicas

3. Operaciones geométricas

1.8.1 Operaciones aritméticas

Las operaciones aritméticas más usadas en el procesamiento de imágenes son: suma, resta,

multiplicación y división. Para que se pueda llevar a cabo una operación aritmética, ambas

imágenes deben ser del mismo tamaño (ancho y alto). En la figura

23

Fig. 1.14 Suma de Imágenes. Fuente. Sitio web

La resta de imágenes consiste en restar de una imagen el valor correspondiente de otra

imagen. También requiere que ambas imágenes sean de igual tamaño.

En la figura 1.15 se muestra la resta de dos imágenes, la cual se realiza de la forma C(x, y) = A(x, y) − B(x, y).

Fig. 1.15 Resta de Imágenes.

La multiplicación de imágenes se puede llevar a cabo entre dos imágenes del mismo

tamaño, multiplicando elemento a elemento cada uno de los píxeles de la imagen, de la

forma C(x, y) = A(x, y) · B(x, y). (Santillán, 2008)

En la figura 1.16 se muestra la multiplicación de dos imágenes.

Fig. 1.16 Multiplicación de una imagen por si misma.

Cuando se multiplica cada uno de los píxeles de una imagen por un escalar, se le conoce

como escalamiento, el cual se realiza de la siguiente forma B(x, y) = a · A(x, y).

Cuando el escalar o constante es menor a 1, se oscurece la imagen; y si es mayor, aumenta

24

La división de imágenesconsiste en una división de elemento a elemento, como las demás

operaciones vistas anteriormente. La división entre imágenes, se realiza de la forma C(x, y)

= A(x, y) ÷ B(x, y). (Barriuso, 1991).

1.8.2 Operaciones lógicas

Las principales operaciones lógicas utilizadas en el procesamiento de imágenes son: AND,

OR, NOT, las cuales se aplican sólo a imágenes binarias. En la figura 1.17 se muestran las

operaciones lógicas aplicadas a dos imágenes binarias.

Fig. 1.17 Operación lógicas de imágenes binarias (and, or y not)

1.8.3 Transformaciones geométricas

Las transformaciones geométricas modifican las relaciones espaciales entre píxeles. A

continuación se presentan algunas de ellas.

1.8.4 Interpolación

La interpolación es el proceso en el cual se estiman los valores de una imagen en una

sección específica, por ejemplo, cuando se amplía una imagen, en la nueva imagen existen

más píxeles que en la imagen original. (Vitutor, 2012).

Métodos de interpolación: interpolación por el vecino más próximo, interpolación bilineal

e interpolación bicúbica. Los tres métodos de interpolación funcionan de forma similar. Se

asigna el valor del píxel interpolado calculando el promedio ponderado del conjunto de

píxeles hallados en la vecindad de dicho punto.

25

- Vecino más próximo (nearest). Al píxel interpolado se le asigna el valor del píxel que corresponde. Es el método por defecto si no se especifica alguno.

- Interpolación bilineal (bilinear). El valor del píxel interpolado es el promedio ponderado de los píxeles en la vecindad 2x2 más cercana.

- Interpolación bicúbica (bicubic). El valor del píxel interpolado es el promedio ponderado de los píxeles presentes en la vecindad 4x4 más cercana.

Nótese que el número de píxeles considerado aumenta la complejidad del cálculo, es por

eso que la interpolación bilineal es más lenta que el método del vecino más próximo; y el

método bicúbico es más lento que el método bilineal. Por otro lado, si se considera un

mayor número de píxeles en el cálculo, se tendrán mejores resultados en la imagen

resultante. (Santillán, 2008).

1.8.5 Amplificación y Reducción de imágenes

Para el cambio de tamaño de una imagen (sea amplificación o reducción) se utiliza el

comando imresize. Este comando permite especificar: el tamaño de la imagen de salida

(procesada), el método de interpolación utilizado y el filtro a usar para evitar el efecto

alias. El efecto alias se presenta al reducir el tamaño de una imagen debido a que se

presenta una pérdida de información.

En las figuras 1.18 se presenta un ejemplo de amplificación y reducción de imágenes

usando los métodos de interpolación descritos anteriormente.

Fig. 1.18 Ampliación y reducción de imágenes. Fuente. Sitio web

26

La correlación es una operación en la cual el valor de un píxel de salida se calcula como la

suma ponderada de los píxeles vecinos. La correlación se utiliza para encontrar el parecido

entre píxeles de una imagen. Si los píxeles son iguales o parecidos, se dice que están

altamente correlacionados entre sí. La correlación permite hallar patrones, el cual calcula el

coeficiente de correlación entre dos matrices del mismo tamaño. (Barriuso, 1991).

Fig. 1.19 Dos imágenes del mismo tamaño para determinar su correlación.

El coeficiente entre dos matrices es un número real comprendido entre el rango [-1 y 1] y

se dice que las matrices están altamente correlacionadas si el coeficiente tiende a estos

límites (-1 o 1); y una baja correlación, si tienden a cero. (Vitutor, 2012).

1.8.7 Introducción a la segmentación

La segmentación es un proceso que consiste en dividir una imagen digital en regiones

homogéneas o similares con respecto a una o más características (como por ejemplo el

brillo, el color, tamaño, longitud, forma) con el fin de facilitar su posterior análisis y

reconocimiento automático. Es una de las áreas más importantes y complejas de la visión

artificial, la cual ha sido estudiada extensamente y continúa siendo tema de discusión.

(Elizondo, 2005)

Algunos ejemplos de problemas de segmentación son: localizar los ojos de una persona

dentro de la imagen de una fotografía, separar los caracteres dentro de una imagen de un

texto, localizar los vehículos en una calle dentro de una imagen, detectar ciertos tipos de

células en imágenes médicas, o en general, cuando se trata de separar ciertos objetos de un

fondo en una imagen cualquiera.

El proceso de segmentación de una imagen depende del problema que se desee resolver y

determina el eventual éxito o fracaso del análisis y reconocimiento. En la mayor parte de

los casos, una buena segmentación dará lugar a una solución correcta, por lo que se debe

27

Los diferentes objetos (regiones de píxeles) que aparecen en una imagen pueden

localizarse atendiendo ciertas propiedades o características.

Los algoritmos de segmentación de imágenes generalmente se basan en dos propiedades

básicas de los niveles de gris de la imagen: Discontinuidad y Similitud.

Dentro de la primera categoría se intenta dividir la imagen basándonos en los cambios

bruscos en el nivel de gris. Las áreas de interés en esta categoría son la detección de

puntos, líneas y bordes en la imagen. Las áreas dentro de la segunda categoría están

basadas en las técnicas de umbrales, crecimiento de regiones, y técnicas de división y

fusión. En este apartado trataremos solamente las técnicas basadas en umbrales y regiones.

Sin embargo, cada uno de estos enfoques por separado resulta insuficiente para segmentar

y describir los objetos de la mayoría de los problemas reales. Por ello, suelen usarse

combinaciones de varios de los métodos propuestos y también realizarse modificaciones

para ajustar estos métodos al problema particular que se trate. No existe un método

universal de segmentación. Está íntimamente ligada con la tarea que se va a resolver y

termina cuando satisface los objetivos del observador, es decir, cuando se hayan detectado

todos los objetos de interés para la aplicación. (Erik Cuevas, 2010).

1.8.8 Segmentación basada en Umbralizado

La umbralización es un proceso que permite convertir una imagen de niveles de gris o en

color en una imagen binaria, de tal forma que los objetos de interés se etiqueten con un

valor distinto de los píxeles del fondo.

La umbralización es una técnica de segmentación rápida, que tiene un coste computacional

bajo y que incluso puede ser realizada en tiempo real durante la captura de la imagen

usando un computador personal.

Si bien hay diferentes métodos para hallar un umbral, la mayoría de ellos no dan buenos

resultados cuando se trabaja con imágenes del mundo real, debido a la presencia de ruido,

histogramas planos o una iluminación inadecuada. Por el contrario, el método de Otsu fue uno de los mejores métodos de selección de umbral para imágenes del mundo real, sin

embargo, necesita mucho más tiempo para seleccionar el umbral óptimo. La importancia

del método de Otsu radica en que es automático, es decir, no necesita supervisión humana

28

En la figura 1.20 se muestra la segmentación basada en umbralización de la placa de un

automóvil, utilizando un umbral de 128 para el cálculo.

Fig. 1.20 Segmentación por umbralización de la placa de un automóvil (a) imagen original;(b) Segmentación con umbral de 128.

1.8.9 Segmentación basada en Regiones

La segmentación por regiones es utilizada para separar los objetos de interés. En este caso,

la imagen es particionada en diferentes regiones, quedándose cada una relacionada en

ciertas características y conjuntos de píxeles conectados. Así, a partir de la segmentación

de la imagen en regiones, pueden ser realizadas las medidas sobre cada región y las

relaciones entre las regiones adyacentes pueden ser establecidas.

Sea R la región correspondiente a la imagen que se va a segmentar. Vamos a ver el proceso

de segmentación como un proceso en el cual dividimos la región R en n subregiones R1, R2, . . . ,Rn, tal que: (Erik Cuevas, 2010).

La ecuación indica que la segmentación debe ser completa, es decir, que todo píxel debe

estar en una región.

1.8.10 Crecimiento de Regiones

Como el nombre indica, el crecimiento de regiones es un procedimiento mediante el cual

se agrupan píxeles o subregiones en regiones mayores. El procedimiento más sencillo se

denomina agregación de píxeles, que comienza a partir de un conjunto de píxeles semilla

(puntos de partida), de forma que a partir de cada semilla se crecen regiones añadiendo

píxeles a dicha semilla de entre aquellos píxeles vecinos que tienen propiedades similares.

El resultado de la segmentación dará lugar, como mucho, a tantas regiones como semillas

haya. Sin embargo, puede darse el caso de que dos de esas semillas correspondan a píxeles

de la misma región. En este caso el crecimiento desde una de las semillas absorberá a la

29

Dos problemas fundamentales en el crecimiento de regiones son: por un lado, la selección

de las semillas que representen adecuadamente a las regiones de interés; y por otro, la

elección de las propiedades adecuadas que permitan ir añadiendo píxeles durante el

proceso de crecimiento.

La selección de los puntos de partida en muchos casos depende de la naturaleza de la

imagen que se va a segmentar. Por ejemplo, en aplicaciones militares con imágenes de

infrarrojos, los blancos de interés normalmente desprenden calor, por lo que corresponden

a píxeles claros frente a fondo oscuro. En este caso, los píxeles claros son una elección

natural para las semillas.

La selección del criterio de similitud depende no sólo del problema considerado, sino

también del tipo de imagen disponible. En cualquier caso siempre hay que tener en cuenta

la conectividad durante el proceso de crecimiento para que el resultado tenga significado

dentro de su contexto.

Un ejemplo del criterio de similitud empleado para el crecimiento puede ser que el valor

absoluto de la diferencia entre los niveles de gris del píxel candidato y la semilla, no

exceda el diez por ciento de la diferencia entre el mayor nivel de gris de la imagen

completa y el menor. Además los píxeles agregados a la región deben tener conectividad

tipo ocho con respecto a los píxeles ya incluidos en la región.

Se pueden emplear criterios adicionales que incrementen la potencia del algoritmo de

crecimiento de regiones, como el tamaño y la forma de la región crecida. La utilización de

criterios estadísticos acerca de las regiones de interés es de suma importancia, visto que

estas informaciones pueden hacer que los objetos existentes en la escena sean segmentados

con mayor eficiencia.

En la figura 1.21 se muestra un ejemplo de la segmentación basada en Regiones de la placa

de un automóvil para la extracción de los seis caracteres que la componen para su posterior

30

Fig. 1.21 Segmentación por Regiones de la placa de un automóvil; (a) imagen en grises; (b) Imagen binarizada; (c) Segmentación de la imagen por Regiones; (d) Extracción de los seis caracteres.

1.9 Introducción a los clasificadores

El resultado de la etapa de clasificación suele corresponder al último objetivo de un

sistema de visión artificial. Es aquí donde un sistema de reconocimiento de caracteres

clasifica una imagen como una letra determinada, o un sistema de reconocimiento

biométrico facial identifica la imagen de un individuo como tal o cual persona.

Los algoritmos de clasificación tienen la misión de distinguir entre objetos diferentes de un

conjunto predefinido llamado universo de trabajo (colección de clases), perteneciendo los

diferentes tipos de objetos a algunas de estas clases.

Un clasificador toma un conjunto de características como entrada al proceso y produce

como salida una clase etiquetada. Por ejemplo, distinguir entre tipos de rostros, llaves,

monedas, etc.

1.9.1 Características discriminantes

Las características discriminantes o rasgos son las componentes o etiquetas que permiten

discriminar a qué clases puede pertenecer un objeto del universo de trabajo.

Criterios para la selección de características discriminantes

En general, se busca el conjunto mínimo de características que permiten determinar de

manera unívoca a qué clase pertenecen todos los objetos del universo de trabajo. Una mala

elección puede hacer que el sistema sea caro y lento.

Algunas propiedades que deben poseer las características discriminantes para el

reconocimiento automático son:

Economía.- El mecanismo adecuado para el cálculo o la obtención de las características (sensores, dispositivos, etc.) debe tener un coste razonable.

31

Independencia.- Las características no deben estar correlacionadas entre ellas.

Fiabilidad.- Implica que objetos de la misma clase deben tener vectores de características con valores numéricos similares.

Capacidad discriminante.- Los vectores de características de clases distintas tienen que tener valores numéricos distintos.

1.9.2 Proceso de clasificación

Una vez determinadas las características discriminantes o rasgos para un problema

concreto, la clasificación de un objeto comienza por la obtención de su patrón. El siguiente

paso consiste en determinar la proximidad o grado de pertenencia de este patrón a cada una

de las clases existentes, asignando el objeto a aquellas clases con las que el grado de

semejanza sea mayor. A este efecto se definen las funciones discriminantes o funciones de

decisión como aquellas funciones que asignan grados de semejanza de patrón a cada una

de las diferentes clases.

Por ejemplo, en un sistema que controla una cinta transportadora por la que circulan

monedas y llaves, se desea que cuente cuántas unidades hay de cada tipo.

El problema consiste en la determinación de aquellas características discriminantes de los

objetos que van a permitir su reconocimiento. En este caso se propone usar el número de

agujeros presentes en cada objeto (uno en la llave y ninguno en la moneda) y la desviación

típica de las distancias del perímetro al centro del objeto (siempre cerca de cero en la llave

y con un valor mayor en las monedas). En la figura 1.22 se muestra el proceso de