RESUMEN

Enseñanza del Procesamiento de Imágenes en Ingeniería usando Python

I. INTRODUCCIÓN
El Procesamiento de Imágenes (PI), es la ciencia de manipulación de imágenes usando computadores para realizar
procedimientos específicos según las aplicaciones y requerimientos del usuario, como: filtrado, recorte, segmentación, compresión
y reconocimiento.

Es un área para desarrollar y mejorar algoritmos para aplicaciones en: robótica, comunicaciones, sensores remotos, biomedicina,
automatización industrial, sistemas de inspección, navegación, mediciones ópticas, entre otras.
El estudio del PI se realiza mediante el uso de un software especializado
Softwares comerciales como:
 Photoshop,
 CorelDraw,
 Ulead Photoimpact,
Plataformas no comerciales tales como:
 IPLab
 Applets interactivos independientes

Para la enseñanza del tratamiento digital de imágenes existen paquetes comerciales para aplicación de laboratorios de PI, como
por ejemplo MATLAB y Khoros, con desventajas como:
 Elevado costo de licencias para su instalación en un aula de clase
 Después de su uso, los estudiantes se vuelven expertos en la herramienta más no en el procesamiento de imágenes.

Para que los estudiantes puedan comprender claramente los conceptos y algoritmos del PI deben tener como prerrequisito el
conocimiento de:
 Algebra lineal,
 Análisis multivariado
 Procesamiento de señales

En la Universidad de los Llanos se ha planteado el uso de Python en el curso de PI.

Python es un lenguaje de programación de alto nivel, interpretado y multipropósito, cuyo creador es Guido Van Rossum. Python
puede ser utilizado en diversas plataformas y sistemas operativos, entre los que se puede destacar:
 Windows,
 Mac OS X
 Linux.
 Smartphone
 sistemas embebidos

Para la enseñanza de PI, además de la herramienta de software es importante usar el Aprendizaje Basado en Proyectos (ABPr),
que permite a los estudiantes la definición del propósito de la creación de un producto final, identificar su mercado, investigar,
crear un plan de trabajo, diseñar y elaborar un producto.
Los proyectos desarrollados en el curso buscan brindar la solución a necesidades del entorno.
El software desarrollado en cada proyecto de curso está basado en QT4 y Python 2.7, permitiendo que los
resultados se puedan aplicar no solo en el área de procesamiento de imágenes, sino también en otras áreas
del conocimiento, especialmente en Ingeniería y Ciencias – Física.
Proyectos institucionales de la Universidad de los Llanos:
 Diseño e Implementación de un Laboratorio Virtual Remoto para prácticas de Mecánica – Cinemática en la Universidad de
los Llanos.
 Diseño e implementación de un sistema asistido por computador de la prueba de Ronchi en la Universidad de los Llanos –
SAPRULL.

II. ELECTIVA DE PROFUNDIZACIÓN EN PROCESAMIENTO DE IMÁGENES

El curso de PI de la Universidad de los Llanos está organizado en los módulos; Estos se estudian en 17 semanas con una
intensidad de seis horas semanales, dos de teoría, dos de práctica de programación y dos de tutoría.

 Programación en Python
 Fundamentos de la Imagen Digital
 Introducción al Procesamiento Digital de Imágenes
 Tipos de Imágenes – Imágenes a Color
 Adquisición de Imagen y video
 Detección de objetos en movimiento
 Interfaz Gráfica de Usuario en Python
 Ingeniería de la Formación de Imagen
 Operaciones con Píxeles
 Segmentación de Imágenes: Bordes y Contornos
 Representación y Descripción: Operadores Morfológicos
 Instrumentos Ópticos: Análisis de imágenes para definición de frente de onda
 Transformadas de la Imagen y Sensores Remotos.
Cada módulo del curso está dispuesto de una estructura que incluye:

 Introducción: Descripción de las aplicaciones y beneficios de la temática

 Esquema del módulo: Temas incluidos

 Objetivos del módulo: Qué debe poseer al finalizar el modulo

 Cuerpo Principal: Procedimientos fundamentales de la temática explicada en el modulo

 Desarrollo y aplicación en Python: Desarrollo de algoritmos y programas en python

 Resumen: Aspectos fundamentales tratados en el modulo

 Taller en Clase – Evaluación: Se realiza taller que permite avanzar en la temática del proyecto final del curso

En el curso se plantean tres evaluaciones parciales teórico-prácticas (consiste en un examen escrito 50%) y un proyecto final (mini
proyecto 50%).
Algunos de los mini proyectos que se han trabajado en el curso son:
a) Determinación característica de la ecuación de movimiento de un objeto en caída libre y plano inclinado mediante PI
b) Calificador de exámenes tipo Saber-Pro usando PI
c) Guía de vehículo a control remoto mediante barra de luces y detección de color.
En el curso se utiliza el modelo ARCS (Atención, Relevancia, Confianza y Satisfacción, modelo desarrollado por John M. Keller
reportado como uno de los más efectivos en el desarrollo de materiales de enseñanza atractivos en el estudio de las secuencias en
control de robots y en Tratamiento digital de Imágenes.
III. RESULTADOS DEL APRENDIZAJE BASADO EN PROYECTOS
La aplicación práctica de los conceptos se realiza mediante la realización de un proyecto final y tres mini proyectos, normalmente
de cierta envergadura y en grupo. Los proyectos inician con una pregunta generadora, que no tiene respuesta simple basada solo
en información, sino que requiere del pensamiento crítico para su resolución.
Los proyectos se fundamentan en que son:
 Centrados en el estudiante
 Dirigidos por el estudiante
 Definidos claramente
 Tienen contenido significativo para los estudiantes,
 Son directamente observables en su entorno
 Se enfocan en problemas del mundo real
 Son investigaciones de primera mano
 Son sensibles a la cultura local
 Buscan obtener productos tangibles
 Con oportunidades de retroalimentación y evaluación por parte de expertos
Durante todo el semestre los estudiantes de ingeniería desarrollan aplicaciones prácticas de lo aprendido en sus cursos y grupos de
estudio, brindando solución a necesidades del entorno. Para el desarrollo de las aplicaciones en software se utilizaron las librerías
de python: opencv, numpy, pyqt, sys, os y matplotlib.
Algunos desarrollos realizados por los estudiantes en el curso han sido:
1. Contador de varillas en camiones de acerías según tipo,
2. Reconocimiento de Huella digital,
3. Detección de espacios libres en un parqueadero,
4. Detección de Movimiento para el desarrollo de alarmas de un sistema domótico,
5. Detección de paso de vehículos en una vía (Clasificación auto, camión o motocicleta),
6. Reconocimiento de Iris,
7. Reconocimiento de caracteres para Lenguaje de señas
8. Cálculo del tamaño de frutales mediante visión artificial,
9. Reconocimiento de caracteres en Placas de Vehículos,
10. Detección de vegetación mediante un vehículo en campo y
11. Detección y caracterización de patrones de Ronchi en Espejos Curvos

De los cuales se mencionan a continuación algunos resultados.

A. Diseño e implementación de un sistema de adquisición y análisis de información de Ronchigramas, mediante tratamiento

digital de imágenes(Marla Prieto)
Proceso en el que se involucran las fases de diseño, construcción y prueba; en esta última etapa se ejecuta un test (La prueba de
Ronchi) [25], en donde el análisis de patrones de interferencia se hace de manera cualitativa y no cuantitativa.
En la Fig. 1 se aprecia la interfaz gráfica de usuario desarrollada, que permite realizar cuatro procedimientos fundamentales:
 Control de Movimiento, con los subprocesos: centro de curvatura y foco.
 Adquisición de imágenes y video.
 Pre procesamiento, con los subprocesos: Umbralización, Filtros espaciales, Transformación de la imagen, algoritmos de
umbralización, guardar datos finales.
 Procesamiento: Análisis de ronchigramas.

Fig. 1. Interfaz gráfica de Usuario ANGMAR –Image Processing V1.0. Fuente: Autores

B. Reconocimiento de Huella Dactilar como Mecanismo de Seguridad (Natalia Barbosa)

El proyecto presenta la implementación de un sistema biométrico como mecanismo de seguridad
Fig. 2), usando procesamiento digital de imágenes y algunos algoritmos matemáticos, el proceso realizado sobre las imágenes
consiste en: segmentación, filtrado, eliminación de ruido, gestión de la cavidad y binarización, esqueletización, etiquetado,
eliminación de etiquetas inválidas, y comparación.

Fig. 2. Terminaciones (izquierda) y Bifurcaciones (derecha).

Fig. 3. Se utiliza un dispositivo Digital 4500 FingerPrint Reader

Fig.3. a) Adquisición de huella dactilar con dispositivo digital FingerPrint

Reader. Desarrollo de algoritmos en python: b) preprocesamiento – filtrado,
c) segmentación, d) operaciones morfológicas - cierre, e) esqueletización, f)
Etiquetado de minucias, Terminación (Blanco), bifurcación (Gris).
Fig.4, se compara si el número de minucias coincide con respecto a la cantidad de minucias de alguna huella de la base, se acepta
como correspondiente, de lo contrario se rechaza.

Fig. 4. Etiquetado de minucias correctas, Terminación (Blanco), Bifurcación (Gris).

C. Cálculo del tamaño de frutales mediante visión artificial (Diego Rojas, Alan Herrera)
Fig.5, Con el fin de obtener el volumen de una fruta en particular. Las etapas básicas funcionales del sistema desarrollado son:
a) adecuación de iluminación, ruido de captura y la oclusión de la escena,
b) adquisición de imagen,
c) filtrado y corrección de la imagen,
d) segmentación del objeto,
e) procesamiento y obtención de parámetro dimensional.

Fig.5. Opción Captura de imagen. Fuente: Diego Rojas, Alan Herrera.

D. Manejo de un Video Juego por Visión Artificial (Andrés Zambrano, Cristian Torres)
Fig.6. En esencia se realiza una conexión entre Python y el Videojuego, que permite realizar la emulación de las teclas en la
ejecución del videojuego.

Fig. 6. a) Timón, b) Giro a la derecha, c) Giro a la izquierda, d) Acelerar, e) Frenar. Fuente: Autores.
En la Fig. 7, se aprecia la interfaz gráfica de usuario desarrollada para la conexión entre Python y el juego Need of Speed, en
donde se puede maniobrar el videojuego mediante el volante diseñado para tal propósito.

Fig. 7. a) Interfaz Gráfica, b) Ejecución de la Aplicación. Fuente: Andrés Zambrano, Cristian Torres.

E. Reconocimiento de Gestos Manuales Mediante Visión Artificial con Python y Opencv. Juan Reinoso.
En la Fig. 8, se aprecian los resultados obtenidos en el desarrollo de la aplicación, en la que se resalta la definición de los números
de uno a cinco mediante el lenguaje de señas.

Fig. 8. a) Interfaz Gráfica, fondo de la escena, reconocimiento de los números: b) uno, c) dos, d) tres, e) cuatro, f) cinco. Fuente: Juan Reinoso

F. Método de Evaluación de un Laboratorio de Movimiento Uniformemente Acelerado. Autores

En la Fig. 9, se aprecia la interfaz gráfica desarrollada para el estudio de movimiento uniformemente acelerado mediante el uso de
tratamiento digital de imágenes.

Fig.9. Menú Principal software para la evaluación de un Laboratorio de Movimiento Uniformemente Acelerado. Fuente: Autores.
Fig. 10, la visualización de los procedimientos de procesamiento.

Fig.10. Procedimientos de procesamiento software para la evaluación de un Laboratorio de Movimiento Uniformemente Acelerado. Definición de centroides.
Superior: Frame del Video adquirido, Inferior izquierda: Detección del objeto e Inferior derecha: Detección de centroides Fuente: Autores.

Fig. 11 las gráficas resultantes de regresión que entrega el software desarrollado.

Fig.11. Software para la evaluación de un Laboratorio de Movimiento Uniformemente Acelerado. Gráficos obtenidos de posición, velocidad y aceleración respecto
al tiempo. Fuente: Autores.

III. EVALUACIÓN DE LA METODOLOGÍA DE ENSEÑANZA- APRENDIZAJE

El Aprendizaje Basado en Proyectos busca que el estudiante se involucre de manera activa en su proceso de aprendizaje, respondiendo de esta
manera al qué, cómo y para qué se aprende.
El curso de procesamiento de imágenes es una electiva profesional, que se ha dictado a los estudiantes de séptimo semestre de
ingeniería de sistemas e ingeniería electrónica de la Universidad de los Llanos, Con el fin de obtener la apreciación de los
estudiantes del curso, se plantearon diez preguntas que permitieran reconocer la valoración del alumno sobre la metodología de
enseñanza – aprendizaje impartida.
El grupo de encuestados está conformado por 37 estudiantes que han asistido a la asignatura durante los últimos 3 semestres.
TABLA I: Los encuestados consideran en su totalidad, que al cursar la electiva de PI lograron adquirir habilidades para
desarrollar proyectos de ingeniería de una manera analítica y propositiva.

Tabla II, reflejan que para la mayoría de los encuestados se promovieron las aptitudes 1, 6 y 7, evidenciando que los estudiantes
consideran como factor importante la formulación y desarrollo de proyectos innovadores. Por su parte los factores relacionados
con el trabajo en grupo y a nálisis crítico, tienen falencias y debe incentivarse.
Tabla III; en esta pregunta dos personas dieron un valor de tres, veinte contestaron 4, y quince consideraron como
respuesta un muy alto, demostrando la satisfacción por parte de los estudiantes con la metodología de enseñanza.

Tabla IV: en la que los resultados reflejaron que en lo referente a auto aprendizaje y aprendizaje compartido cinco personas se
autoevaluaron con un valor medio, veintitrés dan como respuesta un valor alto y nueve de los encuestados se otorgan un valor
de muy alto; estos resultados establecen la motivación de los estudiantes por el trabajo individual al involucrarse con proyectos.

IV. CONCLUSIONES
 El principal beneficio es que se provee un aprendizaje práctico, sin dejar a un lado los conceptos teóricos y matemáticos de
la asignatura.
 Con la metodología planteada el estudiante relaciona los contenidos formativos con aplicaciones prácticas
reales.
 El lenguaje de programación Python es una excelente opción para el aprendizaje del procesamiento digital de imágenes
dejando a un lado la caja negra del software comercial y permitiendo la manipulación de códigos y algoritmos esenciales.
 La integración de Python y Qt4 permite el desarrollo de herramientas poderosas para el desarrollo de aplicaciones en
software, que han sido útiles en el desarrollo aplicaciones.