Scribd
Cargar
32 vistas5 páginas

Tarea 16 de Abril

El documento describe un proceso para seleccionar una imagen y aplicar técnicas de procesamiento de imágenes, incluyendo conversión a escala de grises, creación de máscaras Gaussianas, convolución, diferencia de Gaussianas, normalización, binarización y detección de líneas mediante la transformada de Hough. Se utilizan métodos manuales para cada etapa, asegurando un control total sobre el proceso. Finalmente, se muestran los resultados en diferentes subgráficas, incluyendo la imagen original, la imagen binarizada y las líneas detectadas.

Cargado por

Jorge Espinosa
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
32 vistas5 páginas

Tarea 16 de Abril

El documento describe un proceso para seleccionar una imagen y aplicar técnicas de procesamiento de imágenes, incluyendo conversión a escala de grises, creación de máscaras Gaussianas, convolución, diferencia de Gaussianas, normalización, binarización y detección de líneas mediante la transformada de Hough. Se utilizan métodos manuales para cada etapa, asegurando un control total sobre el proceso. Finalmente, se muestran los resultados en diferentes subgráficas, incluyendo la imagen original, la imagen binarizada y las líneas detectadas.

Cargado por

Jorge Espinosa
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

% --- Selección de imagen desde el buscador ---

[archivo, ruta] = uigetfile({'*.jpg;*.png;*.bmp'}, 'Selecciona una imagen');


if isequal(archivo,0)
disp('No se seleccionó ninguna imagen');
return
end

i = imread(fullfile(ruta, archivo));

% --- Conversión a escala de grises (fórmula manual) ---


if size(i,3) == 3
R = double(i(:,:,1));
G = double(i(:,:,2));
B = double(i(:,:,3));
i = 0.2989 * R + 0.5870 * G + 0.1140 * B; % fórmula NTSC
else
i = double(i);
end

% --- Crear máscaras Gaussianas a mano ---


tam = 5; % tamaño kernel
s1 = 1; % sigma1
s2 = 2; % sigma2
r = floor(tam/2);
[x, y] = meshgrid(-r:r, -r:r);

G1 = exp(-(x.^2 + y.^2)/(2*s1^2));
G1 = G1 / sum(G1(:));

G2 = exp(-(x.^2 + y.^2)/(2*s2^2));
G2 = G2 / sum(G2(:));

% --- Expandir imagen manualmente ---


[fil, col] = size(i);
img_expand = zeros(fil + 2*r, col + 2*r);
img_expand(1+r:end-r, 1+r:end-r) = i;

% --- Convolución manual con G1 ---


conv1 = zeros(fil, col);
for a = 1:fil
for b = 1:col
reg = img_expand(a:a+2*r, b:b+2*r);
conv1(a,b) = sum(sum(reg .* G1));
end
end

% --- Convolución manual con G2 ---


conv2 = zeros(fil, col);
for a = 1:fil
for b = 1:col
reg = img_expand(a:a+2*r, b:b+2*r);
conv2(a,b) = sum(sum(reg .* G2));
end
end

% --- Diferencia de Gaussianas (DoG) ---


DoG = conv2 - conv1;

% --- Normalización manual ---


DoG_min = min(DoG(:));
DoG_max = max(DoG(:));
DoG_norm = (DoG - DoG_min) / (DoG_max - DoG_min);

% --- Binarización manual por umbral ---


umbral = mean(DoG_norm(:));
binaria = zeros(fil, col);
for a = 1:fil
for b = 1:col
if DoG_norm(a,b) > umbral
binaria(a,b) = 255;
else
binaria(a,b) = 0;
end
end
end

% --- Transformada de Hough manual básica ---


theta = -90:1:89; % grados
rho_max = ceil(sqrt(fil^2 + col^2));
rhos = -rho_max:1:rho_max;
acum = zeros(length(rhos), length(theta));

% Binarizar imagen lógica


for x = 1:fil
for y = 1:col
if binaria(x,y) == 255
for ang = 1:length(theta)
t = deg2rad(theta(ang));
rho = round(x*cos(t) + y*sin(t));
idx_rho = rho + rho_max + 1;
acum(idx_rho, ang) = acum(idx_rho, ang) + 1;
end
end
end
end

% --- Detección de picos manual (valor umbral alto) ---


umbral_hough = max(acum(:)) * 0.5;
[rr, cc] = find(acum > umbral_hough);

% --- Mostrar resultados ---


figure('Name','Resultado Completo','NumberTitle','off')
subplot(2,2,1)
imshow(uint8(i))
title('Imagen en escala de grises')

subplot(2,2,2)
imshow(uint8(binaria))
title('Imagen Binarizada (DoG)')

subplot(2,2,3)
imshow(imadjust(rescale(acum)),[],...
'XData',theta,'YData',rhos)
xlabel('\theta'), ylabel('\rho')
axis on, axis normal
colormap(gca, hot)
title('Espacio de Hough')

% --- Dibujo de líneas detectadas ---


subplot(2,2,4)
imshow(uint8(i))
title('Líneas detectadas (Hough)')
hold on

for k = 1:length(rr)
rho = rhos(rr(k));
t = deg2rad(theta(cc(k)));

% Si la línea no es vertical
if abs(sin(t)) > 1e-4
x1 = 1;
y1 = (rho - x1*cos(t))/sin(t);
x2 = col;
y2 = (rho - x2*cos(t))/sin(t);

% Solo dibuja si los puntos están dentro del rango visible


if y1 >= 1 && y1 <= fil && y2 >= 1 && y2 <= fil
plot([x1 x2], [y1 y2], 'g', 'LineWidth', 1.5)
end
else
% Línea casi vertical
y1 = 1;
y2 = fil;
x = round(rho / cos(t));
if x >= 1 && x <= col
plot([x x], [y1 y2], 'g', 'LineWidth', 1.5)
end
end
end

También podría gustarte