468-1059-1-pb

Tecno. Lgicas., ISSN 0123-7799, Edicin Especial, octubre de 2013, pp. 591-603

Introduccin a la Visin Artificial

mediante Prcticas de Laboratorio

Diseadas en Matlab

Introduction to Artificial Vision through Laboratory Guides Using

Matlab

Vernica Londoo-Osorio1

Jhovana Marn-Pineda2

Eliana I. Arango-Zuluaga3

1 Facultad de Minas, Departamento de Energa

Elctrica y Automtica, Universidad Nacional de

Colombia Sede Medelln, Medelln-Colombia

[email protected]




[email protected]




[email protected]

[592] Londoo et al. / Introduccin a la Visin Artificial mediante Prcticas de Laboratorio Diseadas en Matlab

Tecno Lgicas

Resumen

En este trabajo se presenta el diseo de dos prcticas de visin artifi-

cial para un curso que tiene el objetivo de introducir al estudiante en las

diferentes reas de profundizacin de su carrera. Por tanto, las prcticas

diseadas motivan y proporcionan contenidos adecuados al estudiante,

adems de incentivar la investigacin en el rea de procesamiento de

imgenes. Se presenta una primera prctica introductoria, que explora los

comandos bsicos para el procesamiento de imagen mediante la progra-

macin de una interfaz grfica de usuario en Matlab; y una segunda

prctica en la que se utiliza un algoritmo de reconocimiento de imagen,

que compara las caractersticas de color de imgenes faciales o de objetos.

Se discuten los resultados, dificultades y recomendaciones para el desa-

rrollo de cada sesin de prctica. Se muestran las respuestas a encuestas

realizadas a los estudiantes para comprobar su nivel de aceptacin del

diseo y del contenido de las prcticas, as como su motivacin para conti-

nuar profundizando en el rea. Por ltimo, se realizan comparaciones con

prcticas diseadas en otras universidades.

Palabras clave

Prcticas de laboratorio; procesamiento de imagen; visin artificial;

interfaz grfica de usuario (GUI); educacin en ingeniera.

Abstract

This paper presents the design of two laboratory guides in artificial

vision for a course which aims to introduce students to the different areas

of specialization of his career. Therefore, the designed practices motivate

and provide relevant content to the student, and to encourage research in

the area of image processing. The first guide presents an introductory

practice that explores the basic commands for image processing by

programming a GUI in Matlab, and a second practice in which you use an

image recognition algorithm, which compares the color characteristics of

facial or objects images. The discussion of the results, challenges and

recommendations for the development of each practice session are

explained. The survey answers of the students are displayed. This survey

allows checking their level of acceptance for the design and content of

practice and motivation to continue studying in the image processing

area. Finally, comparisons with laboratory guides that were designed in

other universities are made.

Keywords

Laboratory guides; image processing; computer vision, graphical

user interface (GUI); engineering education.

Tecno. Lgicas., Edicin Especial, octubre de 2013 [593]

1. INTRODUCCIN

Uno de los objetivos principales de la educacin en la ingenie-

ra es preparar a los estudiantes para la prctica profesional, de

tal manera que estn capacitados para afrontar los retos que pue-

den presentarse en el ejercicio de su carrera. Adems, en la aplica-

cin prctica de los conceptos tericos, pueden hallarse problemas

para los cuales es necesario buscar alternativas de solucin utili-

zando las competencias desarrolladas en el aula de clase. Por

tanto un buen enfoque educativo debe incluir, adems de la reso-

lucin de problemas tericos que suelen despreciar muchas de las

variables y obtener soluciones que funcionan slo en la simulacin,

el planteamiento de aplicaciones reales que desarrollen en el

alumno una mentalidad crtica y las habilidades para solucionar

problemas prcticos (Feisel & Rosa, 2005).

Otro de los objetivos de la educacin superior actualmente es

la formacin de profesionales con capacidades y competencias para

la investigacin y la innovacin, debido a su importancia para el

crecimiento econmico del pas. Los espacios de prctica con recur-

sos accesibles, que fomentan el descubrimiento autnomo y la

transmisin de conocimiento, permiten alcanzar este objetivo (Gil

& Valds, 1996).

Especficamente, en la temtica de procesamiento de imgenes

y visin artificial, muchos de los cursos contienen una gran carga

terica, dejando de lado la prctica que proporcionara herramien-

tas adecuadas para el diseo de aplicaciones. Por ejemplo, en el

caso de la adquisicin de imgenes pueden surgir perturbaciones

reales, que no se observan en el trabajo con imgenes ideales, y

afectan la capacidad de procesamiento de imgenes del algoritmo.

Una perturbacin puede ser un cambio de luz en el entorno, ante

el cual es necesario tener elementos para capturar una imagen

adecuada, esto es, tener experiencia en el uso de la cmara para

capturar imgenes tiles para un algoritmo de visin artificial

(Sebastin et al., 2003).

Otro ejemplo de la necesidad del trabajo prctico en los cursos

de visin artificial, se encuentra en la elaboracin de la base de

datos que se utilizar para las comparaciones, ya que se deben

tener en cuenta las fuentes de ruido, que podran acarrear errores


Tecno Lgicas

en los resultados de comparacin entre las imgenes capturadas y

las almacenadas en la base de datos (Gmez, 2009).

En el curso de Seales y sistemas lineales se hace necesario el

diseo de prcticas introductorias a las diferentes reas de la

carrera, que motiven y proporcionen contenidos adecuados al

estudiante para definir su rea de profundizacin, adems de

incentivar la investigacin. En el caso del rea de procesamiento

de imgenes y visin artificial, es necesaria la introduccin del

tema en prcticas de corta duracin, que resuman el contenido

terico-prctico, que se quiere presentar al estudiante. Este tipo de

prcticas no se han encontrado en la documentacin consultada,

en su lugar, se presentan cursos completos de un semestre de

dedicacin con sus respectivas prcticas de laboratorio (Gonzlez,

2009; Snchez, 2007).

El objetivo de este trabajo es presentar dos aplicaciones prcti-

cas en visin artificial como herramienta de aprendizaje para el

curso de Seales y sistemas lineales. En la siguiente seccin se

describe el contenido de las prcticas. La seccin 3 presenta los

resultados obtenidos al desarrollar las prcticas en clase y aplicar

las encuestas a los estudiantes. La cuarta seccin presenta una

discusin de los resultados obtenidos y una comparacin con traba-

jos de otros autores. Finalmente en la quinta seccin se obtienen

las conclusiones del trabajo realizado.

2. DISEO DE LAS PRCTICAS DE LABORATORIO

La elaboracin de prcticas de laboratorio se inicia tomando en

cuenta los recursos existentes en los laboratorios y su facilidad de

acceso por parte de los estudiantes. Cada una de las prcticas

contiene una parte inicial de fundamentacin terica, puesto que

los alumnos deben adquirir conocimientos previos de cmo el pro-

grama procesa y descompone las imgenes, adems de introducir

algunos comandos bsicos de Matlab. A continuacin se describe el

procedimiento que se sigue en cada una de las prcticas.


2.1 Prctica 1: Programacin de una GUI (Interfaz Grfica de

Usuario)

En el diseo de esta prctica se plantea el logro de los siguien-

tes objetivos: Utilizar correctamente los comandos de procesa-

miento de imgenes de la herramienta Matlab, reconocer el mto-

do adecuado para procesar una imagen concreta dependiendo de la

aplicacin e implementar una GUI para el procesamiento de im-

genes en Matlab. El enunciado comienza con un documento terico

que contiene los fundamentos sobre el tratamiento de imgenes en

Matlab: Tipos de modelos de clasificacin de las imgenes, forma

de almacenamiento, Toolbox utilizados y ejemplos de comandos

importantes.

Posteriormente, se le solicita al estudiante que realice la pro-

gramacin en Matlab de una GUI (Fig. 1) que permita las siguien-

tes funciones: Capturar la imagen usando la cmara del compu-

tador, abrir y cerrar la imagen capturada y procesar la imagen

segn las funciones bsicas solicitadas en el enunciado.

Fig. 1. Interfaz grfica de usuario (GUI) propuesta a los estudiantes.

Fuente: Autores

Para realizar la captura de imgenes desde el Matlab el estu-

diante debe incluir los comandos en la GUI que le permitan acti-

var la cmara, mostrar en una ventana grfica la imagen previa a

la captura, capturar la imagen y apagar la cmara. En el docu-

mento terico se han incluido los comandos necesarios para obte-

ner el formato de la cmara, el tamao de la imagen (nmero de

pixeles) y por tanto la resolucin de la imagen. Tambin se ha


Tecno Lgicas

recomendado al estudiante realizar las capturas en un entorno

suficientemente iluminado, con un fondo homogneo y a la misma

distancia; con el fin de evitar perturbaciones que pueden acarrear

errores al realizar comparaciones. Para disminuir el efecto de las

perturbaciones, existen filtros que ayudan a mejorar las imgenes

y son tiles en caso de requerir un anlisis ms preciso.

Las funciones de procesamiento de imgenes que el estudiante

debe implementar en su GUI, se pueden observar en la Fig. 1.

Esto le permite conocer algunas funciones bsicas que se aplican a

las imgenes para obtener buena informacin acerca de lo que se

va a procesar y buenos resultados en las comparaciones de algo-

ritmos de visin artificial. Adems, obtiene elementos para con-

cluir que, los resultados de la aplicacin de los comandos de proce-

samiento, son influenciados por factores como el entorno, el objeto

de anlisis, entre otros.

Por simplicidad en la programacin de las funciones, cada una

de ellas se aplic en la imagen de intensidad o escala de grises y

no en la imagen RGB (Formato Red-Green-Blue para las imgenes

a color). Debido a que una imagen en formato RGB est formada

por tres matrices, cada una con la informacin de las intensidades

de cada color en el rango de 0 a 256. Por el contrario las imgenes

de intensidad tienen solo una matriz con el mismo rango.

En la teora inicial de la gua, se explica la forma aplicacin de

cada una de las funciones en la imagen capturada, se listan algu-

nas sugerencias que permiten obtener mejores resultados y se

presentan los ejemplos ilustrativos que se observan en la Fig. 2.

Esta figura demuestra de izquierda a derecha y de arriba hacia

abajo, los resultados al aplicar algunas de las funciones de proce-

samiento de imgenes: Escala de grises, binarizacin, negativo,

dilatacin, histograma, ecualizacin de la imagen, transformada

de Fourier y erosin.

2.2 Prctica 2: Aplicacin de Visin Artificial para Seleccionar

Objetos

Los sistemas de visin artificial de la industria estn orienta-

dos a realizar tareas de inspeccin, clasificacin, control de calidad

y control de procesos. Estos sistemas utilizan el procesamiento de


imgenes para detectar las caractersticas de inters de los obje-

tos, tales como: Defectos, dimensiones, formas y colores. En esta

prctica se plantea una aplicacin a nivel industrial de clasifica-

cin de objetos por comparacin de colores, con uso del modelo

RGB, para pasar de la teora de visin artificial, a la aplicacin,

integrando la captura de imgenes.

Fig. 2. Resultados de las funciones propuestas en la primera prctica.

Fuente: Autores

En el diseo de la prctica se ha tenido en cuenta que alumno

desarrolle habilidades para: Realizar un programa de clasificacin

de objetos mediante el uso de los comandos de la primera prctica,

analizar las tres capas del modelo RGB y ejemplificar el uso de la

visin artificial.

La primera tarea que el estudiante debe ejecutar es la captura

de las imgenes de la base de datos, aplicando lo desarrollado en

la primera prctica. La base de datos se usa para comparar con las

imgenes capturadas y debe contener imgenes de objetos de la

misma clase y tamao que los de la imagen a identificar, pero de

diferentes colores. Para evitar las perturbaciones, se recomienda

utilizar iluminacin homognea, fondo claro y la misma distancia

de captura.

La segunda tarea es la realizacin del programa que captura la

imagen a clasificar y la compara con la base de datos, usando un

algoritmo basado en el modelo RGB para obtener el resultado de

clasificacin. El algoritmo propuesto facilita el entendimiento de

las tcnicas de visin artificial en esta prctica introductoria.


Tecno Lgicas

El programa debe comenzar por la descomposicin de las im-

genes del modelo RGB en las tres matrices (Red, Green, Blue) que

lo componen. A continuacin se halla la sumatoria de los valores

de intensidad en las columnas y filas de cada matriz, obteniendo

un valor para cada color. Luego se realiza la comparacin entre los

valores de cada color de la imagen capturada y los de las imgenes

de la base de datos, teniendo en cuenta un rango de tolerancia que

se define segn el criterio de seleccin del objeto, la importancia de

los colores y el tamao. Si los valores de la imagen capturada se

encuentran dentro del rango de tolerancia establecido, en relacin

con los valores de las imgenes de la base de datos, se clasifica

como un objeto permitido.

En la Fig. 3 se observa un ejemplo de imgenes de la base de

datos que contiene las imgenes de un pltano verde y uno madu-

ro, y la imagen a comparar, que para este caso en un pltano ma-

duro. Adems se muestran las dos posibles respuestas en cuadros

de avisos del programa ante la comparacin de una imagen captu-

rada.

Fig. 3. Imagen capturada comparada con las imgenes en la base de datos y posi-

bles respuestas del programa ante una comparacin. Fuente: Autores

3. RESULTADOS DE LA APLICACIN DE LAS PRCTICAS

Las prcticas se realizaron en el curso de Seales y sistemas

lineales, del programa en Ingeniera de Control en la Universidad

Nacional de Colombia - Sede Medelln. En general se observ una

gran motivacin por parte de los estudiantes para el aprendizaje

de las tcnicas de visin artificial usando los comandos de Matlab

ya que se mostraron propositivos acerca del tema, completando en

muchos casos lo solicitado con sus propias ideas y entregando

buenos resultados de la implementacin de cada prctica.


En el desarrollo de la primera prctica se observ que para su

desarrollo adecuado son necesarios los conocimientos previos de

elaboracin de una GUI en Matlab que permiten disear la GUI

que se est solicitando. Tambin se pudo observar que los ejemplos

ilustrados del documento terico facilitan la realizacin de la prc-

tica a los estudiantes.

En la segunda prctica, es fundamental entender la combina-

cin de matrices que hacen un color para restringir adecuadamen-

te los rangos de tolerancia en la comparacin de las imgenes. En

general, los estudiantes implementaron el algoritmo de compara-

cin propuesto y obtuvieron los resultados esperados aunque con

algunas dificultades debido a que el algoritmo de comparacin

empleado no asla las perturbaciones en la adquisicin de las

imgenes, tales como: luz, posicin de la cmara, fondo, entre

otras. Para mejorar los resultados se recomienda hacer uso de

filtros especficos dependiendo de la aplicacin. Otra observacin

obtenida del desarrollo de las prcticas, es recomendar a los estu-

diantes la utilizacin de estructuras de programacin sin condicio-

nales anidados para garantizar una comparacin completa entre

los valores para cada color.

Adicionalmente, para obtener mayor precisin y disminuir la

sensibilidad ante perturbaciones, se presentan ejemplos a los

estudiantes en los que se han considerado otras caractersticas de

las imgenes del objeto a comparar, como por ejemplo, el tamao,

centro de masa, rea, permetro; el objetivo de esta informacin es

fomentar el inters para profundizar en el tema.

Con el fin de retroalimentar la experiencia de los estudiantes

con las prcticas y conocer sus opiniones acerca de la realizacin

de las prcticas de visin artificial en el curso de Seales y siste-

mas lineales, se hizo una encuesta con 4 preguntas y un espacio

abierto para sugerencias y observaciones.

Las preguntas realizadas y sus respuestas en forma grfica, se

pueden observar en la Fig. 4. En general, los resultados de las

encuestas se valoran como muy positivos, los estudiantes reflejan

una gran motivacin e inters por el tema, adems en los comen-

tarios abiertos, resaltan como aspecto positivo el uso de herra-

mientas que se encuentran a su alcance para dicho proceso, como

por ejemplo el uso de las cmaras web de sus propios computado-


Tecno Lgicas

res en la captura de imgenes, lo cual fue posible debido al objetivo

introductorio de las mismas. Tambin resaltan el hecho de que es

se logra incentivar el inters en esta rea de la carrera, debido a

que se realiz un acercamiento prctico.

3. La realizacin de las prcticas de visin

artificial cumpli con sus objetivos?

4. Cmo valorara su nivel de motivacin

para continuar profundizando en visin

artificial o procesamiento de seales despus

de la elaboracin de las prcticas?,

Fig. 4. Resultados grficos de las encuestas. Fuente: Autores

4. ANLISIS Y COMPARACIONES

Las dos prcticas presentadas en este trabajo ofrecen una in-

troduccin general al desarrollo de aplicaciones en visin artificial

con Matlab, debido a que se utiliza una metodologa que permite al

estudiante adquirir con rapidez el manejo de los comandos y m-

todos bsicos. Este diseo de prcticas, contrasta con las que se

pueden encontrar en la web, ya que al ser diseadas para una

asignatura completa de visin artificial, cada prctica detalla un

0

5

10

15

1 2 3 4 5

1. En una escala de 1 a 5, valore

su capacidad actual para

elaborar un cdigo de

procesamiento de imagen con los

comandos aprendidos.

0

5

10

15

20

1 2 3 4 5

2. En una escala de 1 a 5 que tan

adecuado considera usted incluir

prcticas de visin artificialen la

asignatura Seales y Sistemas

lineales

Si

No

No tenia

objetivos

Alto

Lo suficiente

Poco


tema especfico visto en clase y no presentan una visin tan gene-

ral del tema (Gonzlez, 2009; Snchez, 2007). Como se plante

inicialmente, el objetivo de las prcticas diseadas es introductorio

y motivacional, dirigido a los estudiantes de un curso que ofrece

una visin general de las diferentes reas de la carrera, con el fin

de promover su futura profundizacin en los temas estudiados.

Como se observa en los resultados de las encuestas, se logr moti-

var a los estudiantes para profundizar en el rea.

Al realizar las comparaciones con las prcticas elaboradas pa-

ra cursos de visin artificial en otras universidades (Gonzlez,

2009; Snchez, 2007; Fernndez et al., 2005), se observaron algu-

nas ventajas especficas que se detallan a continuacin. Los ejem-

plos ilustrativos permiten al estudiante adquirir los elementos

para implementar sus propios cdigos en Matlab. La teora nece-

saria para la realizacin de la prctica es la parte inicial de la

gua; contiene el significado de los parmetros y los resultados de

los comandos realizados, con el objetivo de facilitar las compara-

ciones y orientar a los alumnos; esto facilita la obtencin de resul-

tados por parte de los estudiantes y permite que la gua sea una

referencia que se puede consultar para el desarrollo de futuras

aplicaciones.

Otra de las diferencias, es que las guas diseadas contienen

las imgenes de cada paso, lo que facilita el entendimiento de la

funcin de cada uno de los comandos. Por ltimo, al disear la

gua de laboratorio para ser resuelta con recursos de fcil acceso a

los estudiantes, se facilita su implementacin y se motiva la pro-

fundizacin del estudiante en el rea de trabajo. Algunas de las

prcticas de la bibliografa, usan equipos especializados que no

estn disponibles para los estudiantes y pueden desmotivar la

realizacin de futuros proyectos en el rea (Fernndez et al.,

2005).

5. CONCLUSIONES

Durante la elaboracin e implementacin de cada una de las

prcticas se pudo observar que los estudiantes mejoran sus habili-

dades propositivas y argumentativas ya que se ven enfrentados


Tecno Lgicas

con sistemas reales que requieren de su anlisis y capacidad de

solucin de problemas.

Segn se evidencia en las encuestas realizadas, el trabajo

prctico en visin artificial por medio de las guas diseadas, pro-

porciona una apropiacin del conocimiento, promueve el inters

por la profundizacin en el tema y por la investigacin. Adems se

resalta como aspecto positivo el uso de herramientas que se en-

cuentran al alcance de los estudiantes. Las guas ofrecen una

aproximacin sencilla a la visin artificial, a travs del algoritmo

para reconocer objetos, el cual permite identificar los fundamentos

que permitirn al estudiante continuar su profundizacin para

desarrollos posteriores de aplicacin industrial.

El desarrollo de las prcticas permiti comprobar a los estu-

diantes que cuando se trabaja con visin artificial es muy impor-

tante considerar las perturbaciones que se presentan en el medio

ya que ellas pueden afectar en gran medida los resultados. Una de

las principales dificultades que se observ, es la seleccin adecua-

da del entorno de captura de las imgenes, con luz homognea y

fondo claro que permita elaborar una correcta base de datos.

La comparacin por colores se puede realizar con cualquier ob-

jeto y es una aplicacin para demostrar una forma de seleccionar

objetos. A nivel industrial se utilizan diversos anlisis de color,

tamao y forma, usando filtros especficos de procesado de imge-

nes debido a que se requiere ms precisin en el objeto identifica-

do. En el caso de la prctica diseada, el uso del algoritmo sencillo

est justificado, ya que el objetivo es introducir al estudiante en el

manejo de la visin artificial.

6. AGRADECIMIENTOS

Este trabajo ha sido desarrollado dentro del Grupo de

Automtica de la Universidad Nacional GAUNAL, en la lnea de investigacin en Modelado y control de fuentes de potencia

elctrica, bajo el proyecto MPPT Vectorial.


7. REFERENCIAS

Feisel, L.D., & Rosa, A. J. (2005). The Role of the Laboratory in Under-

graduate Engineering Education. Rev. Journal of Engineering Educa-

tion, 94(1), 121130. Fernndez C., eco R. & Asuncin M. (2005). Webcams como equipo de

prcticas en asignaturas de visin artificial y reconocimiento de pa-

trones. En Congreso Internacional Virtual de Educacin Universidad

Miguel Hernndez, Elche (Alicante), Espaa.

Gmez, C. (2009). Diseo y desarrollo de un sistema de reconocimiento de

caras. Universidad Carlos III de Madrid, Proyecto de fin de carrera.

Gil, D. & Valds, P. (1996). La orientacin de las prcticas de laboratorio

como investigacin: un ejemplo ilustrativo. Rev. Enseanza de las

Ciencias. 14 (2), 155-163.

Gonzlez, Y. (2009). Material de prcticas de laboratorio para el curso de

Visin Industrial, Departamento de Matemticas e Informtica, Uni-

versidad de las Islas Baleares, Recuperado el 2 de julio de 2013, de

http://dmi.uib.es/~ygonzalez/VI/Material_del_Curso/ Contenido_ Prac-

tico.html

Snchez, A. (2007). Prcticas de laboratorio para el curso de Visin Artifi-

cial de Ingeniera informtica, Escuela Superior de Ciencias Experi-

mentales y Tecnologa, Universidad Rey Juan Carlos, Recuperado el 2

de julio de 2013, de http://www.escet.urjc.es/~visiona /ejercicios.html

Sebastin, J.M., Garca, D. & Snchez, F.M. (2003). Remote Access Edu-

cation Based on Image Acquisition and Processing through the Inter-

net. IEEE Transactions on Education, 46, 142-148.

468-1059-1-pb

Documents