“Visión Artificial: Percepción de Profundidad” Opción I ... · PDF filetratamiento de la información visual dependiendo de metas u objetivos ... en los cuales el ... son en

“Visión Artificial: Percepción de Profundidad”

Opción I: Tesis Profesional

Autor: Mario Gonzalo Chirinos Colunga

Asesor: José Ramón Atoche Enseñat

Departamento de Ingeniera Electrónica.

Instituto Tecnológico de Mérida.

Noviembre 2004

A la memoria de mi abuelo.

Agradecimientos

Este trabajo es la culminación de mis estudios de licenciatura, los cuales

aproveche plenamente gracias a la formación que me dieron mis padres y a su

empeño en que esta fuera más allá de lo aprendido en la escuela.

Mi interés por la visión por computadora surgió gracias a mi profesor y asesor de

tesis así como de otros proyectos José Ramón Atoche Enseñat, del cual he

aprendido mucho.

Los resultados de este trabajo mejoraron ampliamente gracias a los consejos de

los doctores Luís Alberto Muñoz Ubando, Arturo Espinosa Romero y Ricardo

Legarda Sáenz y a sus discusiones y platicas en las juntas de lunes dentro de la

facultad de matemáticas.

A mis tíos Dra. Patricia Colunga y Dr. Daniel Zizumbo, gracias por sus consejos

sobre la forma de redactar textos científicos así como su paciencia para revisar y

corregir parte de este documento.

Y muchas gracias a toda mi familia por toda su confianza y apoyo.

INDICE

1. Introducción. 1

1.1. Hipótesis. 5

1.2. Justificación. 5

2. Fundamento Teórico. 6

2.1. Formatos de Imagen. 6

2.2. Almacenamiento. 7

2.3. Filtros Lineales. 8

2.4. Tratamiento y Mejoramiento de Imagen. 9

2.4.1. Escala de Grises. 10

2.4.2. Contraste y Brillo. 10

2.4.3. Tolerancia Binaria. 11

2.4.4. Filtros Pasa Bajas (Eliminación de Ruido). 12

2.4.5. Filtros Pasa Altas (Detección de Contornos). 14

2.4.6. Filtro Pasa Bandas. 18

2.4.7. Histograma. 19

2.5. Percepción de Profundidad. 20

2.5.1. Geometría Epipolar. 23

2.5.2. Rectificación de Imágenes. 25

2.5.3. Algoritmos de Apareamiento Estereoscopio. 27

3. Procedimiento. 33

3.1. Introducción. 33

3.2. Algoritmo. 35

3.2.1. Apareamiento. 37

3.2.2. Mapa de Disparidad. 41

3.2.3. Mapa de Disparidad en Sub-pixel. 43

3.2.4. Filtro Iterativo de Mediana Condicional. 45

3.2.5. Oclusiones. 45

4. Resultados. 47

5. Conclusiones y Trabajos Futuros 52

6. Referencias. 53

Anexos. 56

Apéndice A. Algoritmos en C++. 56

Visión Artificial: Percepción de Profundidad Introducción

Instituto Tecnológico de Mérida 2004 1

1. Introducción.

El término “visión por computadora” dentro del campo de la Inteligencia Artificial

puede considerarse como el conjunto de todas aquellas técnicas y modelos

que nos permitan el procesamiento, análisis y explicación de cualquier tipo de

información obtenida a través de imágenes digitales. Desde sus inicios, los

desarrollos de la visión por computadora han estado inspirados en el estudio

del sistema visual humano, el cual sugiere la existencia de diferentes tipos de

tratamiento de la información visual dependiendo de metas u objetivos

específicos, es decir, la información percibida es procesada en distintas formas

con base en las características particulares de la tarea a realizar; así como en

psicología se estudian y desarrollan teorías sobre la percepción visual, la visión

por computadora propone varias técnicas y teorías que permiten obtener una

representación del mundo a partir del análisis de imágenes obtenidas desde

cámaras de video.

Debido a que la información visual es una de las principales fuentes de datos

del mundo real, resulta útil el proveer a una computadora digital del sentido de

la vista, que junto con otros mecanismos como el aprendizaje hagan de esta

una herramienta capaz de detectar y ubicar objetos en el espacio.

La meta de la visión por computadora es modelar y automatizar el proceso de

reconocimiento visual, esto es, “distinguir entre objetos con importantes

diferencias entre ellos”, como diferenciar un automóvil y una bicicleta en una

fotografía así como separar aves en vuelo del fondo en un video, o seguir la

trayectoria de objetos en imágenes aéreas.

El campo de la visión artificial esta aun en desarrollo, es una frontera

intelectual. Como cualquier otra frontera del conocimiento es excitante y a la



vez desorganizada. Muchas veces no hay una autoridad en el campo a la cual

se pueda acudir o hacer referencia, por lo que es necesario desarrollar

métodos innovadores. Algunas ideas muy útiles, por su simpleza u obviedad

carecen de sustento teórico y al mismo tiempo algunas teorías bien

desarrolladas son imprácticas en muchos casos por el tiempo de

procesamiento requerido, el cual impide que el análisis se haga en tiempo real.

Este es uno de los principales problemas, pues el análisis de imágenes utiliza

muchos recursos, por lo que cada vez se necesita de equipo más veloz para

lograr analizar la imagen en el tiempo requerido, es decir, antes de que la

siguiente imagen sea capturada, de forma que, dependiendo de la aplicación

existirán sistemas en los cuales el tiempo de análisis no sea tan prioritario

como en otros que necesiten procesar treinta imágenes por segundo, por

ejemplo el tiempo en la identificación de una huella digital no requiere ser tan

corto como el requerido para el análisis de imágenes en un sistema de rastreo

de objetos en movimiento.

La visión por computadora tiene una amplia variedad de aplicaciones, típicas

como inspección industrial o inteligencia militar y nuevas como interacción

humana, recuperación de imágenes de bibliotecas digitales, análisis de

imágenes médicas y la generación de escenas en graficas por computadora,

muy utilizadas en los videojuegos. El estudio de la visión por computadora así

como el desarrollo de nuevos métodos y teorías no siempre requiere del uso de

matemáticas profundas, pero si requiere de tener facilidad y estar abierto a una

muy amplia variedad de ideas matemáticas.

Uno de los tipos de información visual mas importante es la percepción de

profundidad, la cual percibimos gracias a la visión estereoscópica; ella nos



permite interactuar en un mundo tridimensional al juzgar las dimensiones de los

objetos que nos rodean.

Por medio de la visión por computadora podemos procesar la información

obtenida en un par de imágenes estereoscópicas, pues estas contienen una

gran cantidad de información geométrica de la escena capturada, y con ella

generar información útil para sistemas de navegación, robots, mapas

topográficos, modelos tridimensionales etc.

Auque existen otros métodos para obtener la profundidad de una escena, la

visón estereoscópica es un proceso de captura rápido, y un método no invasivo

pues a diferencia de los demás métodos no requiere de enviar una señal y

analizar la señal de regreso, con esto se logra una invasión mínima en el

ambiente que se desea recrear, el hardware involucrado es barato y fácil de

utilizar ya que solo involucra al aparato estereoscópico formado por las dos

cámaras para capturar la escena que se quiere reconstruir [1].

Alguno de los métodos utilizados para la obtención de profundidad son:

Dispositivos ultrasónicos: El principal problema con estos dispositivos es que la

medición obtenida es afectada por fenómenos extraños e impredecibles como

reflexiones múltiples de las ondas ultrasónicas sobre varios objetos lo que lleva

a una estimación errónea del tiempo de reflexión.

Dispositivos láser: Son aplicados a la medición y reconstrucción de objetos

relativamente pequeños y navegación autónoma. Estos sistemas son en

extremo precisos pero sufren de los mismos problemas que los dispositivos

ultrasónicos, son usados para un rango especifico de distancias y pueden ser

caros y algunas veces peligrosos.



Luz estructurada. Es método activo que emplea cámaras para adquirir la

imagen de un objeto iluminado por un patrón regular de luz, requiere de

dispositivos auxiliares como un emisor láser o un proyector, para proyectar un

patrón o patrones de luz en el objeto. Se utiliza para la medición precisa de

superficies de objetos en un rango cercano y de poca textura. La necesidad de

un proyector auxiliar hace que este método sea poco flexible, las mediciones

obtenidas por dispositivos activos pueden ser afectadas por reflexiones

inesperadas o interferencia y necesitan ser usadas con extremo cuidado.

El utilizar un aparato estereoscópico formado por dos cámaras de video, nos

permite obtener de una forma sencilla y no invasiva, la información necesaria

para la recreación tridimensional de la escena sin necesidad de aditamentos

externos que elevan el costo y reducen la flexibilidad del instrumento.

Para recuperar la mayor cantidad posible de información en una escena

estereoscópica se requiere de un método que logre generar un mapa de

profundidad detallado y sin ruidos, el cual es el objetivo de este trabajo, pues

los algoritmos que encuentran un mapa suave, sin errores que generen saltos

bruscos de profundidad, tienden a perder detalle y aquellos que obtienen un

mapa detallado tienden a ser ruidosos.

Para el desarrollo de este trabajo fue necesario aprender sobre técnicas

básicas en visión artificial. En el fundamento teórico se explican técnicas para

la manipulación de imágenes, su almacenamiento en memoria y filtros lineales,

y en al apéndice A se incluye su código fuente en C++. En la segunda parte del

fundamento teórico se explican los principios de la visión estereoscópica y sus

propiedades geométricas. En la parte final del fundamento teórico se describen

las clases de algoritmos de apareamiento estereoscópico y los resultados



obtenidos mediante su implementación. EL resto del documento describe el

método de apareamiento estereoscópico desarrollado, el cual genera mapas de

disparidad detallados y sin ruido. Seguido de los resultados obtenidos para

imágenes estereoscópicas reales y sintéticas.

El método desarrollado permite generar mapas densos de disparidad

detallados y sin ruido, mediante la modificación varias de técnicas como suma

de diferencias al cuadrado, ventana de correlación adaptativa, filtros de

mediana y obtención de disparidades en sub-píxel. La eficacia del algoritmo se

demuestra por la calidad de los mapas de disparidad obtenidos.

1.1 Hipótesis.

Por medio del perfeccionamiento de técnicas de apareamiento estereoscópico,

como son la correlación con ventana adaptativa y el refinamiento de mapas de

disparidad, se puede mejorar el detalle obtenido por los métodos actuales de

apareamiento estereoscópico.

1.2 Justificación.

Una de las principales motivaciones para la realización de este trabajo fue la

necesidad de la comunidad de oceanógrafos de recrear el modelo del suelo

marino y arrecifes para estudiarlo y obtener medidas precisas a partir de videos

submarinos, sin embargo, esta no es la única aplicación, las técnicas de

apareamiento estereoscópico son útiles para la generación de modelos

tridimensionales, manipulación de objetos con robots, mapas topográficos,

sistemas de navegación autónoma y otros.

Visión Artificial: Percepción de Profundidad Fundamento Teórico.


2. Fundamento Teórico

Para lograr el objetivo de esta tesis es necesario tener conocimiento básico de las

técnicas utilizadas en visión por computadora, como la forma de almacenar las

imágenes para su posterior análisis, los filtros básicos para el tratamiento de

imágenes y los métodos actuales de apareamiento estereoscópico.

2.1 Formatos de Imagen

El estándar para imágenes de colores son palabras de 24 bits, tres palabras juntas

de ocho bits cada una, las cuales representan los tres colores primarios [2], rojo

verde y azul (RGB por sus siglas en ingles). De forma que para el negro se tiene la

ausencia de color y se representa por: 0x00-0x00-0x00, el blanco contiene todas

las frecuencias y se expresa: 0xFF-0xFF-0xFF, el color rojo puro es: 0xFF-0x00-

x00, y así para el verde y azul, la combinación de los tres colores puede formar

una gama de 16,777,216 colores.

Formalmente se define como el uso las longitudes primarias, 564.16nm para el

rojo, 526.32nm para el verde y 444,44nm para el azul.

Existe otro estándar de colores para imágenes digitales, HSL (Hue, Saturation &

Light) [2] el cual indica el tono de color, su saturación y su brillantes, de igual

manera son tres palabras cada una con valores del 0 al 255, pero no todos los

filtros diseñados para estándar RGB responden de la misma manera para HSL.



RGB HSL Figura 2.1: Diferencia entre los canales de formato RGB y el HSL

2.2 Almacenamiento

Para poder manipular una imagen es necesario almacenar los datos en la

memoria de la computadora; una imagen digital es una matriz enorme en donde

cada casilla representa un píxel en la imagen y su valor contiene el color del píxel

correspondiente, por lo que la imagen se almacenara en forma de un arreglo

bidimensional de las mismas dimensiones de la imagen.

El primer código en el apéndice A genera un arreglo dinámico bidimensional en el

cual se almacena la imagen en memoria, las direcciones del arreglo pueden ser

accesadas de manera aleatoria.



2.3 Filtros Lineales [2].

Los filtros para el tratamiento de imágenes

digitales se basan en la convolución de la

imagen con un patrón de píxeles llamado

“Kernel”, máscara o ventana.

Para los filtros lineales este proceso es un

sistema lineal e invariante al desplazamiento.

Invariante al desplazamiento por que el núcleo o máscara se desplaza a través de

toda la imagen y el resultado de la convolución de la imagen con la máscara

depende del patrón en la máscara y no de la posición de esta. Sistema lineal por

que la convolución para la suma de dos imágenes, es la misma que la suma del

resultado de aplicar la convolución a las dos imágenes independientemente.

La mayoría de los sistemas lineales de imágenes cumplen tres importantes

propiedades.

Superposición: La respuesta a la suma de los estímulos es la suma de la

respuesta individual de cada estimulo. )()()( gRfRgfR +=+

Escalamiento: La respuesta a un impulso nulo es cero. Con esto y la

superposición, tenemos que la respuesta a un estimulo multiplicado por una

constante es la respuesta del estimulo original multiplicada por la constante:

)()( fkRkfR =

El tener la propiedad de superposición y la de escalamiento, lo hace un

sistema lineal.



Invariante al desplazamiento: la respuesta a un estimulo desplazado es

solo el traslado de la respuesta al estimulo. Esto significa que si por

ejemplo, la vista de una pequeña luz apuntando al centro de la cámara, es

un pequeño punto brillante, entonces si la luz es movida en la periferia,

debemos de ver el mismo punto brillante solo desplazado.

La respuesta de estos sistemas es obtenida por una convolución discreta en dos

dimensiones y se expresa de la siguiente forma:

( ) ( ) ( ) ),(','','),)(( yxhgyxhyyxxgyxhRx y

⋅⋅=−−=∑∑

Lo anterior representa la convolución de el núcleo o máscara (h(x,y), respuesta a un

impulso unitario) y la imagen (estimulo), los dos son arreglos en dos dimensiones,

que representan la estructura de los píxeles en la imagen.

2.4 Tratamiento y Mejoramiento de Imagen [3]

Uno de los primeros pasos en las aplicaciones de visión artificial es mejorar la

calidad de la imagen obtenida; en las imágenes con poca luz se observa

generalmente un granulado o ruido que cubre toda la imagen, en algunas

aplicaciones es útil el resaltar los bordes o las superficies uniformes de los objetos,

algunas aplicaciones biométricas como el análisis de radiografías o de huellas

digitales requieren de resaltar ciertas componentes de frecuencia y otras eliminar

o resaltar colores específicos, también es útil mejorar la iluminación o el contraste

de la imagen.



2.4.1 Escala de Grises.

En ciertas ocasiones es útil pasar una imagen a color (24 bits) a escala de grises

(8 bits) ya sea solo por estética o por que se requiere trabajar con menos memoria

utilizando palabras de solo ocho bits en vez de palabras de 24 bits, para agilizar el

tiempo de procesamiento al realizar operaciones binarias mas cortas. Para lograr

esto se requiere fusionar los tres canales de colores en uno solo que indique el

tono de gris de la imagen. Esto se hace promediando los tres valores de cada

píxel en la imagen original y poniendo el resultado en una imagen de 8 bits de un

solo canal que indica el nivel de gris de la imagen. En el apéndice A se encuentra

el código desarrollado para esta función.

Figura 2.2: Imagen a color (izquierda). Imagen en escala de grises (Derecha)

2.4.2. Contraste y Brillo.

Al modificar por igual el valor de cada canal de color en una imagen se aumenta o

disminuye su luminosidad, al modificar el contraste se separan más los valores de

colores en la imagen en base a un punto de balance, los valores por debajo del

punto de balance se toman como obscuros, y los que están sobre el como claros,



el contraste hace que los tonos claros tengan mas brillo y las partes obscuras lo

sean mas.

El código para contraste y brillo en el apéndice A modifica el brillo y el contraste de

una imagen de entrada en una imagen destino, con base al los paramentos de

entrada, contraste, brillo y punto de balance. Se modifica el valor de cada píxel en

cada canal de color, aumentando o disminuyendo la separación del color al punto

de balance y aumentando o disminuyendo brillo. El parámetro de contraste se

introduce en términos de porcentaje y el de brillo es un valor de –255 a +255 que

determina el valor que se sumara por igual a cada canal de color.

Figura 2.3: Modificar el brillo y contraste en una imagen es útil cuando se quiere separar del fondo los objetos que se encuentran en la imagen.

2.4.3 Tolerancia Binaria

Este filtro convierte la imagen en una imagen binaria, se parte la imagen mediante

un valor de tolerancia, cualquier valor por debajo del valor de tolerancia es tomado

como 0 y cualquier por arriba de este es tomado como 255, en el caso de escala

de grises como negro o blanco y en una imagen a color cada canal de color a cero

o a 255. EL condigo en C++ para este filtro se encuentra en el apéndice A



Figura 2.4: Imagen en escala de grises e Imagen binaria resultante

Figura 2.5: Imagen RGB e Imagen binarizada resultante en 8 colores.

2.4.4 Filtros Pasa Bajas (Difuminado - Eliminación de Ruido)

Generalmente una imagen tiene la propiedad de que el valor de un píxel es similar

el valor de sus vecinos, aunque la imagen sea afectada por el ruido podemos

asumir que esta propiedad se mantiene. El ruido puede hacer que haya

ocasionalmente píxeles faltantes o que un número aleatorio pueda ser añadido al

valor de los píxeles, para corregir esto se puede sustituir el valor de este píxel por

el valor promedio de sus píxeles vecinos.

Para hacer esto se realiza la convolución de una máscara redonda de radio r con

la imagen haciendo un promedio de los valores dentro del área de la máscara.

Un mejor modelo para el difuminado, consiste en hacer que la importancia de los

píxeles que conforman la máscara disminuya conforme se alejan de su centro.



Este filtro tiene una mejor respuesta, pues si bien un píxel es similar a sus vecinos

esta similitud disminuye con la distancia. Si se le da a la máscara la forma de una

campana gaussiana [2], la importancia de los píxeles vecinos para el promedio de

valores tendrá la forma de esta y mientras mas cerca del centro de la máscara el

efecto de difuminado será mayor pues el peso de los píxeles vecinos no caerá tan

rápido con la distancia.

El código de difuminado en el apéndice A es un filtro que difumina la imagen de

entrada, mediante la convolución con una máscara de radio igual al parámetro de

entrada “Kernel” en píxeles y el resultado lo almacena en una imagen destino. Al ir

desplazando la máscara, se promedia el valor de todos los píxeles en ella y se

remplaza el valor del píxel central con el promedio de los valores, entre mayor sea

el radio de la máscara el difuminado será mas intenso, este filtro produce el efecto

de que en apariencia la cámara esta desenfocada.

Figura 2.6: Reducción de ruido gaussiano mediante un filtro de difuminado por promedio.



2.4.5 Filtros Pasa Altas. (Detección de Contornos)

En una imagen se puede utilizar un filtro de paso alto para resaltar sus bordes,

pues estos son cambios bruscos de color y corresponden a altas frecuencias en la

imagen, esto es un método basado en las primeras derivadas. En este método

primero se miden los cambios de intensidad en todos los puntos de la imagen,

haciendo uso de la primera derivada, después se seleccionan como puntos de

bordes aquellos puntos en los que el cambio de intensidad rebasa algún umbral

preestablecido.

Una imagen puede representarse matemáticamente por una función f cuyo valor

en el punto (x, y) representa la iluminación existente en ese punto, el cambio de

iluminación de un punto en la imagen esta representado gráficamente por la

pendiente que allí tiene la superficie que representa a f, y normalmente resulta

diferente según sea la dirección considerada, la dirección en la que el cambio es

más intenso esta dada por el vector gradiente en ese punto.

El vector gradiente indica la dirección y magnitud del cambio máximo en la imagen

y esta dado por la primera derivada:

⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢

⎣

⎡

∂∂

∂∂

=⎥⎦

⎤⎢⎣

⎡=∆

yI

xI

GyGx

I

El cálculo del gradiente, por tanto, se basa en obtener las derivadas parciales para

cada píxel. En la figura 2.7 se pueden ver los operadores de Roberts, Prewitt,

Sobel y Frei-Chen para determinar las derivadas parciales. El requisito básico de

un operador de derivación es que la suma de los coeficientes de la máscara sea



nula, para que la derivada de una zona uniforme de la imagen sea cero. Como en

todos los métodos que utilizan máscaras, el procedimiento es realizar el producto

de los elementos de la máscara por el valor correspondiente a los píxeles de la

imagen encerrados por la máscara.

Figura2.7 Operadores de derivación.

Otro metodo para encontrar los contornos en una imagen es el SUSAN (“Smallest

Univalue Segment Assimilating Nucleus”) [4], del cual se presenta un desarrollo

mas a fondo por ser el que genera mejores resultados. En este modelo se hace la

convolución R(r0) entre la imagen y una máscara circular para asegurar una

respuesta isotropica, la máscara se centra en cada píxel de la imagen. En cada

caso se compra cuantos del los píxeles dentro del área de la máscara tiene un

valor similar, con una tolerancia t, al del píxel central c(r,r0), cada píxel similar se

marca con un 1 y los otros con un 0. Si el total de píxeles similares al píxeles

central n(r0) (área USAN) es aproximadamente del 50% (g tolerancia geométrica),

del área total de la máscara entonces el píxel central se encuentra en un borde

R(r0), y el píxel central se marca como borde en una nueva imagen, la respuesta a



los bordes será mayor si el área USAN es pequeña, este es el principio del

algoritmo SUSAN:

( )( ) ( )( ) ( )⎪⎩

⎪⎨⎧

>−

≤−=

trIrIsi

trIrIsirrc

0

00 0

1, , ( ) ( )∑=

rrrcrn 00 , , ( ) ( )

⎩⎨⎧ <−

=otro

grnsirngrR

0)( 00

0

Figura 2.8:Si el píxel central de la mascar esta en un borde, el área USAN será de alrededor del

50%. Un valor de 25 en la tolerancia t, es adecuado para la mayoría de las imágenes

reales, para la supresión de ruido es conveniente hacer que la tolerancia

geométrica g, sea mayor del 50% del área total, un valor de ¾ es adecuado para

este propósito, se puede encontrar esquinas en lugar de bordes reduciendo el

área USAN a un 25%.

El algoritmo SUSAN para la detección de contornos se pude resumir en los

siguientes pasos [5]:

1. Use una máscara circular centrada en cada píxel de la imagen.

2. Cuente el número de píxeles con intensidad similar al píxel del núcleo.

3. Reste el área USAN de la tolerancia geométrica para detectar bordes.



4. Calcule el momento del área USAN para determinar la dirección del los

bordes.

La dirección de el contorno se encuentra con la perpendicular a la línea entre el

centro de gravedad del área USAN y el núcleo de la máscara.

Figura 2.9: Imagen obtenida después de pasar un filtro SUSAN para la detección bordes.

El algoritmo SUSAN para la detección de esquinas se pude resumir en los

siguientes pasos:

1. Use una máscara circular centrada en cada píxel de la imagen.

2. Cuente el número de píxeles con intensidad similar al píxel del núcleo.

3. Reste el área USAN de la tolerancia geométrica para detectar esquinas.

4. Buscar los falsos positivos calculando cada centroide USAN y sus

contiguos.



2.4.6. Filtros Pasa Bandas.

Los filtros pasa bandas se utilizan para resaltar características en la imagen que

estén en determinado rango de frecuencias.

Una de sus aplicaciones es el mejoramiento de imágenes de huellas dactilares, en

las imágenes de abajo se muestra el mejoramiento de una huella digital por medio

de un filtro pasa bandas Grabor, este filtro permite resaltar los surcos de la huella

introduciendo como parámetros del filtro pasa bandas, la orientación y frecuencia

de estos [6].

Figura 2.10: La imagen de una huella digital puede ser mejorada mediante un filtro Grabor con la orientación y frecuencia de los surcos.

Figura 2.11: Imagen original de círculos concéntricos (izquierda), Ruido añadido a la imagen original (Centro). Imagen recuperada mediante el filtro Grabor (Derecha).



2.4.7 Histograma

El histograma proporciona información acerca de la distribución de los canales de

color en la imagen (rojo, verde y azul). El eje horizontal representa la luminosidad

de la imagen de negro a blanco (0 a 255) para una imagen en escala de gris y la

intensidad de cada canal para una imagen a color, el eje vertical indica el numero

de píxeles en la imagen que contienen el tondo de color indicado en el eje

horizontal. Cuando hay un muchos píxeles con la misma intensidad, aparecerá un

pico en la grafica en el valor correspondiente, donde hay pocos píxeles con la

misma intensidad la grafica estará cercana al eje horizontal. En imágenes

obscuras, la mayoría de los píxeles están agrupados del lado izquierdo, si la

imagen es muy clara los píxeles se agrupan a la derecha. Esta información es útil

para determinar los valores de entrada de los filtros, de esta manera los filtros

pueden determinar sus valores de entrada de manera autónoma.

El algoritmo para obtener el histograma es fácil de implementar, solo se requiere

explorar toda la imagen e incrementar la aparición de cada intensidad de color en

una variable que contenga 3 vectores, uno por cada canal de color y 255 casillas

para cada una de las tonalidades en cada canal.

Figura 2.12: En el histograma (derecha) se observan que los picos corresponden a los colores característicos de la imagen (izquierda).



2.5 Percepción de Profundidad

A través de la visión binocular, somos capaces de interactuar en un mundo

tridimensional al apreciar las distancias y volúmenes en el entorno que nos rodea.

Nuestros ojos, debido a su separación, obtienen dos imágenes con pequeñas

diferencias entre ellas, a lo que denominamos disparidad. Nuestro cerebro

procesa las diferencias entre ambas imágenes y las interpreta de forma que

percibimos la sensación de profundidad, lejanía o cercanía de los objetos que nos

rodean. Este proceso se denomina estereopsis. La distancia interpupilar más

habitual es de 65 mm, pero puede variar desde los 45 a los 75 mm [7].

En la estereopsis intervienen diversos mecanismos. Cuando observamos objetos

muy lejanos, los ejes ópticos de nuestros ojos son paralelos. Cuando observamos

un objeto cercano, nuestros ojos giran para que los ejes ópticos estén alineados

sobre él, es decir, converjan. A su vez se produce la acomodación o enfoque para

ver nítidamente el objeto. Este proceso conjunto se llama fusión. No todo el mundo

tiene la misma capacidad de fusionar un par de imágenes en una sola

tridimensional. Alrededor de un 5% de la población tiene problemas de fusión. La

agudeza estereoscópica es la capacidad de discernir, mediante la estereopsis,

detalles situados en planos diferentes y a una distancia mínima. Hay una distancia

límite a partir de la cual no somos capaces de apreciar la separación de planos, y

que varía de unas persona a otras. Así, la distancia límite a la que dejamos de

percibir la sensación estereoscópica puede variar desde unos 60 metros hasta

cientos de metros.

La figura 2.13 ilustra una situación simplificada en dos dimensiones.



Figura 2.13: El punto mas cercano es enfocado por los ojos, y se proyecta en el centro de sus retinas, sin disparidad, .Las dos imágenes del punto lejano se desvían de la posición central en diferente cantidad. Si l y r denotan el ángulo (en sentido antihorario) entre los planos de simetría

vertical de los dos ojos y los dos rayos pasando a través de el mismo punto en la

escena, entonces denotamos sus disparidades correspondientes como d = r - l y

por lo tanto como se puede demostrar por trigonometría d = D - F, donde D es el

ángulo entre estos rayos y F es el ángulo entre los rayos que pasan por el punto

de enfoque. Los puntos con disparidad cero caen en el círculo Vieth-Muller que

pasa por el punto enfocado y los centros focales de los ojos. Los puntos que se

encuentran adentro del círculo tienen una disparidad positiva (o convergente), los

que están fuera del circulo tienen una disparidad negativa (o divergente), y la

posición de todos los puntos que tienen una disparidad dada d, forman, d como

variable, un circulo que pasa a través de los dos centros focales. Esta propiedad

es claramente suficiente para ordenar por orden de disparidad los puntos que

están cerca del punto de enfoque,



Sin embargo también es claro que los ángulos entre el plano medio vertical de

simetría de la cabeza y los dos rayos de enfoque se deben conocer para poder

reconstruí la posición absoluta de los puntos en la escena.

El caso tridimensional es un poco mas complicado, la posición para los puntos de

disparidad cero se convierte en una superficie, horopter, pero la conclusión

general es la misma, una posición absoluta requiere de los ángulos.

Como fue demostrado por A Wundt y Helmholtz [8] hay evidencia clara de que

estos ángulos no pueden ser evaluados con precisión por nuestro sistema

nervioso. Por lo tanto se puede argumentar razonablemente que la salida del

esteropsis humana consiste en un mapa de profundidad relativa. Transmitiendo un

orden parcial de profundidad ente los puntos [9]. En este contexto el papel

principal de el movimiento de los ojos en la estereopsis es poder traer las

imágenes dentro del área de fusión, un disco pequeño en el centro de la retina

donde la fusion puede ocurrir [9] (se pueden percibir puntos para disparidades

mucho mas grandes pero aparecerán como imágenes dobles, un fenómeno

conocido como diplopía).

Un factor que interviene directamente en la estereopsis es la separación

interocular. A mayor separación entre los ojos, mayor es la distancia a la que

apreciamos el efecto de relieve. Esto se aplica por ejemplo en los prismáticos, en

los que, mediante prismas, se consigue una separación interocular efectiva mayor

que la normal, con lo que se consigue apreciar en relieve objetos distantes que en

condiciones normales no seríamos capaces de separar del entorno. También se

aplica en la fotografía aérea, en la que se obtienen pares estereoscópicos con

separaciones de cientos de metros y en los que es posible apreciar claramente el



relieve del terreno, lo que con la visión normal y desde gran altura sería imposible.

El efecto obtenido con una separación interocular mayor que la habitual es el de

que los objetos parecen más pequeños de lo normal (liliputismo), y la técnica se

denomina hiperestereoscopia.

El efecto contrario se consigue con la hipoestereoscopia, es decir, con la

reducción de la distancia interocular, imprescindible para obtener imágenes

estereoscópicas de pequeños objetos (macrofotografías), o incluso obtenidas por

medio de microscopios

2.5.1 Geometría epipolar [2]

La geometría epipolar describe las relaciones geométricas de las imágenes

formadas en dos o más cámaras enfocadas en un mismo punto o polo.

Los elementos más importantes de este sistema geométrico (figura 2.14) son: El

plano epipolar, formado por el polo (P) y los dos centros ópticos (O y O’) de dos

cámaras. Los epipolos (e y e’) que son la imagen virtual del centro óptico (O’ y O)

de una cámara en otra. La línea base, la cual une los dos centros ópticos. Y las

líneas epipolares (l y l’), formadas por las intersecciónes del plano epipolar con los

planos de las imagenes (Π y Π’), esta une el epipolo con la imagen del punto

observado (p, p’).

La línea epipolar es fundamental en la visión estereoscópica, pues una de las

partes mas difíciles en el análisis estereoscópico es establecer la correspondencia

entre dos imágenes, apareamiento estero, decidiendo que punto en la imagen

derecha corresponde a cual en la izquierda.



La restricción epipolar :(figura 2.15) “Si p y p’ son imágenes del mismo punto P,

entonces p’ debe encontrarse en la línea epipolar l’ asociada con p”, nos permite

reducir la búsqueda de la correspondencia estereoscópica, de dos dimensiones

(toda la imagen) a una búsqueda en una dimensión sobre la línea epipolar.

Figura 2.14. Geometría epipolar, el punto P, los centros ópticos O y O’, las dos imágenes p y p’ de P, todos se encuentran sobre el mismo plano [2].

Figura 2.15. Restricción epipolar: el conjunto de posibles apareamientos para el punto p se restringe a estar sobre la línea epipolar l’ [2].



2.5.2 Rectificación de Imágenes.

Una forma de simplificar aun más los cálculos asociados con los algoritmos

estereoscópicos es rectificar las imágenes, esto consiste en remplazar las

imágenes por sus proyecciones equivalentes sobre un plano común paralelo a la

línea base (Figura 2.16).

Se proyecta la imagen, eligiendo un apropiado sistema de coordenadas, las líneas

epipolares rectificadas son paralelas a la línea base y se convierten en una sola

línea de exploración.

Existen dos grados de libertad involucrados en la selección del plano de

rectificación [10]:

(1) La distancia entre el plano y la línea base, este es irrelevante pues al

modificarlo solo se cambia la escala de las imágenes rectificadas, su

efecto se balancea fácilmente haciendo un escalamiento inverso.

(2) La dirección del plano rectificado normal en el plano perpendicular a la

línea base, la elección natural incluye escoger un plano paralelo a la línea

donde las dos retinas originales se intersectan y minimizar la distorsión

asociada con el proceso de proyección

Para el caso de las imágenes rectificadas (figura 2.17) dados dos puntos p y p’

localizados en la misma línea de exploración de la imagen izquierda y derecha,

con coordenadas (u, v) y (u’, v’), la disparidad es dada como la diferencia d = u’-u.

Si B es la distancia entre los centros ópticos, también llamada línea base, es fácil

demostrar que la profundidad de P es dBz /−= [2].



Figura 2.16: Un Par de imágenes rectificadas: los dos planos de la imagen Π y Π’ son proyectados en un plano común 'Π=Π paralelo a la línea base. Las líneas epipolares l y l’ asociadas con los puntos p y p’ en las dos imágenes tiene la línea epipolar común 'll = también paralela a la línea base y pasa a través de los puntos p y 'p [2].

Figura 2.17: Triangulación para imágenes rectificadas: los rayos asociados con dos puntos p y p’ en la misma línea de exploración se intersectan en el punto P. La profundidad de P relativa al sistema de coordenadas de la cámara izquierda es inversamente proporcional a la disparidad d = u-u’ [2].



2.6 Algoritmos de Apareamiento Estereoscopio.

Los algoritmos de apareamiento estereoscópico reproducen el proceso de

estereopsis humana para que una maquina pueda percibir la profundidad de cada

punto en la escena observada y así poder manipular objetos, evitarlos o recrear

modelos tridimensionales.

Para un par de imágenes estereoscópicas la meta principal de estos algoritmos es

encontrar para cada píxel en una imagen su correspondiente en la otra imagen

(apareamiento) con el fin de obtener un mapa de disparidad que contienga la

diferencia de posición para cada píxel entre las dos imágenes la cual es

proporcional a la profundidad. Para conocer la profundidad real de la escena es

necesario conocer la geometría de sistema estereoscópico en el cual feron

tomadas las imágenes, para obtener un mapa de profundidad métrico

Principalmente existen dos tipos de algoritmo de apareamiento estereoscópico:

Basados en características: Encuentran los apareamientos solo de las

principales características en la imagen como contornos de los objetos.

Requieren mucho menos tiempo de proceso pues al solo utilizar algunas

características de la imagen la información de entrada es menor.

Tienen la desventaja de que no pueden encontrar las profundidades que

cambian suavemente y producen mapas de disparidad dispersos.

Por correlación: Producen mapas densos de disparidad, en los cuales se

encuentra la disparidad para cada píxel en la imagen.

Como aparear un solo píxel es casi imposible, cada píxel es representado

por una pequeña región que lo contiene, llamada ventana de correlación,



realizando asi la correlación entre la ventana de una imagen y de otra

utilizando el color de los píxeles dentro de ellas.

Uno de los métodos basados en contornos titulado: “Stereo by intra and Inter-

Sacanline Search Using Dinamic Programing” [11] fue el primero analizado e

implementado para la realización de este trabajo de investigación

En el se presenta un algoritmo de apareamiento estereoscópico usando la técnica

de programación dinámica. La búsqueda de correspondencia que se realiza dentro

de líneas de exploración “intra-scanline” es tratada como el problema de encontrar

un camino de apareo en un espacio de búsqueda de dos dimensiones, cuyos ejes

son las líneas de exploración derecha e izquierda, los contornos conectados

verticalmente en la imagen proveen la restricción de consistencia a través de los

planos de búsqueda. La búsqueda entre líneas de exploración “Inter-scanline” en

un espacio tridimensional (el cual es una pila de todos los planos de búsqueda) es

necesaria para utilizar esta restricción. El algoritmo usa intervalos delimitados por

contornos como los elementos a ser apareados, y utiliza las dos búsquedas antes

mencionadas: una es entre líneas de exploración “Inter-scanline” para posibles

correspondencias entre contornos conectados en la imagen derecha e izquierda y

la otra dentro de la línea de exploración “intra-scanline” para correspondencias de

intervalos delimitados por contornos en cada par de líneas de exploración. Se

utiliza la programación dinámica para ambas búsquedas, las cuales proceden

simultáneamente: la primera provee la restricción de consistencia para la siguiente

mientras esta provee el puntaje de apareamiento para la inicial. Una medición de

similitud entre los intervalos es usada para obtener el puntaje.



El método genera un mapa de disparidad disperso y obtiene la información faltante

interpolando la profundidad de los contornos encontrados. Es muy susceptible al

ruido en la imagen y el mapa obtenido presenta muchos saltos que aparecen

como líneas horizontales de disparidad continua.

El resultado para un par de imágenes sintéticas mediante la implementación del

algoritmo de programación dinámica se muestra a continuación.

Figura 2.18: Mapa de disparidad (derecha) resultado de la implementación del algoritmo [11], para un par de imágenes estereoscópicas sintéticas (izquierda).

Otro método Analizado “Maximum Likelihood Stereo Algorithm” [12] también

basado en programación dinámica genera un mapa de disparidad denso mediante

el mismo principio realizando la comprobación para cada píxel en lugar de para

cada segmento entre contornos [12], sin embargo aunque obtiene un mejor

resultado que el anterior basado en contornos al poder encontrar las disparidades

que cambian suavemente entre los contornos de un objeto, genera los mismos

errores en forma de líneas horizontales de disparidad continua.



Figura 2.19: Mapa de disparidad obtenido para el par de imágenes estereoscópicas del pentágono mediante “Maximum Likelihood Stereo Algorithm” [12]

Figura 2.20: Mapa de disparidad obtenido mediante “A Cooperative Algorithm For Stereo, Matching And Occlusion Detection” [13](izquierda). Mapa de disparidad obtenido por “Fast Stereo Vision for Mobile Robots by Global Minima of Cost Functions” [14] (drecha)

Algunos métodos basados en correlación utilizan un paso complementario de

refinamiento para todos los valores obtenidos por las correlaciones evaluadas,

para reducir el tiempo de proceso utilizan una ventana de comparación pequeña y

después mejoran el resultado [13] [14]. La figura 2.19 y 2.20 muestra los

resultados obtenidos para el par de imágenes estereoscópicas del pentágono las

cuales son muy utilizadas para comparar resultados entre los métodos de

apareamiento estereoscópico. La imagen de la figura 2.20 izquierda presenta el

resultado obtenido por Kanade en [13] mediante un algoritmo para obtener mapas



de disparidad con las oclusiones detectadas explícitamente. Para producir un

mapa suave y detallado, Kanade adopta dos supuestos propuestos originalmente

por Marr y Poggio: unicidad y continuidad. Esto es, el mapa de disparidad tiene un

valor único para cada píxel y es continuo casi en cualquier lado. Estos supuestos

se cumplen dentro de un arreglo tridimensional de valores de apareo en el espacio

de disparidad. Cada valor de disparidad corresponde a un píxel en una imagen y

su disparidad relativa a la otra imagen. Un algoritmo iterativo actualiza los valores

de apareamiento con una cobertura difusa entre los valores vecinos e inhibiendo

otros a través de líneas de vista similares. Aplicando este supuesto de unicidad,

las regiones ocluidas pueden ser identificadas explícitamente. Para demostrar la

eficiencia del algoritmo, Kanade presenta los resultados del procesamiento para

pares de imágenes sintéticas y reales.

EL mapa de disparidad de la figura 2.20 izquierda se obtiene después de una gran

cantidad de iteraciones del algoritmo, en cada una de las cuales se pierden

detalles de la imagen para obtener un mapa de disparidad suave y con las

oclusiones marcadas.

De manera similar el mapa de disparidad (Figura 2.20 derecha) obtenido por: “Fast

Stereo Vision for Mobile Robots by Global Minima of Cost Functions” [14] obtiene

un mapa de disparidad suave pero sin detalle mediante un algoritmo para

computar mapas de disparidad de un par de imágenes minimizando la función de

costo global. El método consiste de dos pasos: primero se realiza una correlación

tradicional basada en la medición de similitud. Entonces el segundo paso toma

lugar para eliminar posibles ambigüedades, este es descrito como un método de

optimización de costos, tomando en cuenta la restricción de continuidad



estereoscópica y las consideraciones de similitud del píxel. La descripción

garantiza la existencia de un mínimo único de la función de costos el cual puede

ser encontrado fácil y rápidamente por procedimientos comunes.

La dificultad en los métodos por correlación esta en la selección del tamaño de la

ventan, pues esta debe ser lo suficientemente grande para contener la cantidad

suficiente de variación de intensidad y los suficientemente pequeña para evitar los

efectos de la distorsión proyectiva [15]. El mapa de disparidad obtenido por un

algoritmo estereoscópico debe ser detallado y sin errores, aunque esto es difícil de

lograr pues los que logran evitar los errores tienden perder detalle y aquellos que

conservan detalle tienden a ser ruidosos.

Visión Artificial: Percepción de Profundidad Procedimiento


3. Procedimiento: Algoritmo de Apareamiento Estereoscópico

En esta sección se describe los pasos del método de apareamiento estereoscopio

desarrollado, el cual obtiene un mapa de disparidad denso y detallado en sub-píxel

a partir de un par de imágenes rectificadas.

3.1. Introducción:

Mediante un algoritmo de apareamiento estereoscopio se determina el conjunto de

correspondencias correctas entre al menos dos imágenes estereoscópicas con el

fin de encontrar la profundidad de la escena en base a las diferencias de posición

entre un conjunto de correspondencias.

La geometría epipolar del sistema estereoscópico limita la búsqueda de

correspondencia a solo una dimensión. Mediante la restricción epipolar la

correspondencia para un píxel en una imagen se encontrara sobre la línea

epipolar de la otra imagen, esta búsqueda se simplifica aun más si se rectifican las

imágenes, transformando así la línea epipolar en una línea de exploración

horizontal común a las dos imágenes.

La comparación para cada píxel de una imagen se realiza utilizando todos los

píxeles alrededor de este que estén dentro de una ventana de correlación

mediante alguna función de similitud como la suma de diferencias al cuadrado

SSD, la correlación cruzada NCC o la suma de las diferencias absolutas SAD. En

el presente algoritmo el diámetro de la ventana de comparación es variable, crece

hasta contener la suficiente variación de textura con la cual la comparación pueda

encontrar una buena correspondencia, esto otorga un balance entre detalle y



error, el cual es uno de los problemas principales en los mapas de disparidad

densos, pues los algoritmos que encuentran un mapa suave, sin errores que

generen saltos bruscos de disparidad, tienden a perder detalle y aquellos que

obtienen un mapa detallado tienden a ser ruidosos. La búsqueda de

correspondencia se realiza sobre la línea de exploración dentro de un rango de

disparidad establecido, como las imágenes se encuentran rectificadas esta es una

línea horizontal común a las dos imágenes. El mejor valor obtenido por la función

de similitud determina a que distancia o disparidad horizontal, se encuentra el

píxel analizado, respecto a la posición de su correspondiente en la otra imagen.

Con cada apareamiento se crea un mapa de disparidad el cual indica para cada

píxel la diferencia de posición a la que se encuentra su correspondencia en la otra

imagen. En cada imagen existirán detalles que no se encuentran en la otra pues

se encuentran ocluidos. Las oclusiones se determinan mediante un umbral en los

costos de oclusión obtenidos por la función de similitud.

El valor de disparidad de cada píxel se mejora encontrando le valor mínimo de la

función de segundo grado descrita por los valores de apareo cercanos al valor

mínimo encontrado, así se obtiene un mapa de disparidad en sub-píxel, donde

existe una gama mas amplia de disparidades utilizando fracciones de píxel.

Para encontrar la profundidad real de la escena es necesario conocer las

propiedades geométricas del sistema y así transformar las disparidades en

unidades de longitud.



3.2. Algoritmo

La entrada del algoritmo estereoscopio son dos imágenes rectificadas, derecha e

izquierda (Figura 3.1), las cuales se comparan una a otra para obtener un arreglo

tridimensional (volumen de disparidad) el cual almacena el costo de apareamiento

para cada disparidad en cada píxel respecto a una imagen. Con los valores

mínimos de apareamiento se obtienen un mapa de disparidad denso, en base al

cual se encuentran las disparidades en sub-pixel mediante la función de segundo

grado descrita por los costos almacenados en el volumen de disparidad, y final

mente los errores en el mapa de disparidad en sub-pixel se eliminan utilizando un

filtro de mediana condicional.

Los pasos del algoritmo son los siguientes:

1) Cálculo de costos de apareamiento. Para cada píxel de la imagen:

a. Selección del tamaño de ventana.

b. Para cada valor en el rango de disparidad, se obtiene el costo de

apareamiento.

c. Cada costo calculado se almacena en el volumen de disparidad

2) Obtención del mapa de disparidad

a. A cada elemento (x, y) del mapa de disparidad se le asigna el valor d

del volumen de disparidad para el cual el costo de apareamiento en

(x, y, d) es mínimo.

3) Determinación de oclusiones. Para cada valor (x, y) del mapa de

disparidad:

a. Si el valor de costo de oclusión (x, y, d) en el volumen de disparidad

es mayor a un umbral marcar elemento como ocluido.



b. Generar mapa de oclusiones

4) Refinamiento a sub-píxel. Para cada elemento del mapa de disparidad se

encuentra su valor en sub-píxel:

a. Obtener los coeficientes de la función de segundo grado descrita por

los valores próximos a la disparidad mínima d, (x, y, d-n) a (x, y, d+n)

b. Obtener el valor mínimo de la función de segundo grado.

c. Actualizar el mapa de disparidad.

5) Eliminación de errores por filtro de mediana condicional. Para cada

elemento (x, y) del mapa de disparidad:

a. Aplicar una mascara de N x N centrada en el elemento actual del

mapa de disparidad.

b. Obtener la mediana de las disparidades dentro de la mascara.

c. Si la diferencia del valor mediano y el valor de la disparidad original

(x, y) es mayor a un umbral, remplazar el valor con el valor mediano,

si no conservar el valor (x, y).

Figura 3.1: Par de imágenes estereoscópicas rectificadas.



3.2.1 Apareamiento

La diferencia de posición de cada característica en una imagen respecto a la otra

es proporcional a su profundidad. La meta del algoritmo es encontrar para cada

píxel de una imagen su correspondiente en la otra imagen, ya que las imágenes

de entrada se encuentran rectificadas, esto es son coplanares, el punto

correspondiente a (x, y) se encontrara sobre la misma línea y a una distancia o

disparidad horizontal d en el punto (x+d, y) de la otra imagen [2]. Para encontrar la

correspondencia de una imagen respecto a la otra, utilizamos una ventana circular

de área Φ píxeles, centrada en la imagen de interés en (x, y) [16] y otra de igual

área en la segunda imagen cuyo centro será desplazado sobre la línea de

exploración, línea que comparten las dos imágenes sobre la cual se busca la

correspondencia, dentro de un rango de disparidad (x-D, y) a (x+D, y) (Figura 3.2).

Para determinar cual punto dentro del rango de disparidad es el apareamiento

correcto se utiliza la sumatoria de las diferencias al cuadrado SSD [12, 13, 15,

17,18] como función de similitud para comparar las dos ventanas, pues a

diferencia de la sumatoria de diferencias absolutas SAD, otorga un mayor costo a

los errores grandes. Cada píxel de la primera ventana se sustrae de su

correspondiente en la otra y la diferencia se eleva al cuadrado, la suma de todos

estos valores determina la similitud o costo de apareamiento entre las dos

ventanas, o que tan parecida es la característica de interés en una imagen con la

evaluada en la segunda imagen, entre menor sea el valor SSD mayor será la

similitud entre las dos ventanas.



( ) ( )( )∑Φ∈

+−=),(

221 ,,

yxydxIyxISSD

El área de la venta Φ, la cual es el numero de píxeles dentro de ella, deberá

contener la suficiente información para realizar un buen apareamiento [14, 17], si

la ventana es pequeña, no contendrá la suficiente información en áreas de baja

textura, pues no existirá referencia para la comparación, y si es muy grande se

perderán los detalles debido a que el numero de píxeles correspondientes a el

detalle analizado será mucho menor que el resto que se encuentran dentro de la

ventana y su valor se prendera dentro de la sumatoria. Por lo que el tamaño de la

ventana deberá variar en proporción a la cantidad local de textura, variación en el

tono de color, (Figura 3.2). Por lo tanto antes de realizar la comparación entre las

dos ventanas se deberá ajustar el tamaño de estas.

( )∑Φ∈

−Φ

=∝Φ),(

2),(1yx

myxIσ

El radio de la ventana se incrementara en un píxel hasta que la desviación

estándar de las tonalidades en los píxeles dentro de esta sea mayor a un umbral

ThΦ, el cual es establecido experimentalmente. En la Figura 3.4 la tonalidad indica

el radio de la ventana utilizado para cada píxel, en donde los tonos obscuros

corresponden a ventanas pequeñas y los claros a ventanas grandes.



Figura 3.2: Dos imágenes estereoscópicas, derecha e izquierda, son comparadas por medio de dos ventanas, la primera centrada en el punto de interés de la primera imagen y la segunda se desplaza dentro de un rango de disparidad sobre la línea de exploración de la segunda imagen obteniendo el valor de la comparación SSD dentro de las dos ventanas para cada valor del rango de disparidad. El diámetro de la ventana de correlación varia dependiendo de la cantidad de textura local contenida en ella.

Como el tamaño de cada ventana es diferente para cada píxel, en ventanas de

diferente área los valores SSD encontrados no estarán en la misma escala, por lo

que utilizaremos el promedio de las diferencias al cuadrado como función de

similitud para que independientemente del tamaño de la ventana, el costo obtenido

este en la misma escala para todos los posibles diámetros.

( ) ( )( )

Φ

+−=

Φ=

∑Φ∈),(

221 ,,

yx

ydxIyxISSDSimil

Para mejorar el resultado, la contribución de cada píxel a la sumatoria variará de

forma gaussiana al alejarse del centro de la ventana, de manera que al alejarse



del centro el píxel perderá importancia en la sumatoria, pues no tendrá tanta

similitud con el centro de la mascara.

2

22

22 σπσyx

ePeso+

−⋅=

De manera que nuestra función de similitud es la siguiente:

( ) ( ) ( )( )( )∑

∑

Φ∈

Φ∈

+−⋅=

),(

),(

221

),(

,,,

yx

yx

yxPeso

ydxIyxIyxPesoSimil

El costo de apareamiento para cada píxel (x, y) con otro a una disparidad d en la

segunda imagen (x+d, y), se almacena en un arreglo tridimensional de

dimensiones [X, Y, D] en la posición [x, y, d], donde X es el ancho de la imagen, Y

su altura y D el rango de disparidad.

[ ] ),,(,, dyxSimildyxCosto ⇐

Cada valor del arreglo tridimensional (x, y, d) indica el costo de apareamiento del

píxel (x, y) en la imagen de referencia con el píxel (x+d, y) de la segunda imagen.

(Figura 3.3).



Figura 3.3:.El valor de coso de apareamiento obtenido por la función de similitud para la comparación de la ventana centrada en cada píxel (x, y) de la primera imagen con cada píxel (x+d, y) de la segunda imagen, dentro de el rango de disparidad D, es almacenado en un arreglo tridimensional de dimensiones [X, Y, D] en la posición [x, y, d]. Donde X es el ancho de la imagen, Y su altura, D el rango de disparidad y la escala de colores indica el costo de apareamiento

3.2.2 Mapa de Disparidad

Un mapa de disparidad es un arreglo bidimensional con las mismas dimensiones

que la imagen de referencia, en donde cada localidad indica la distancia horizontal

en píxeles a la cual se encuentra el mejor apareamiento encontrado en la otra

imagen para la comparación estereoscópica. Se representa mediante una imagen

donde la intensidad de tono en cada píxel indica a que distancia horizontal se

encuentra el píxel correspondiente de una imagen en la otra [2] (Figura 3.7). A

cada píxel (x, y) en el mapa de disparidad se le asigna el valor de disparidad d, del

volumen de costos de apareamiento, para el cual el costo de apareo es mínimo en

la coordenada (x, y, d). De esta manera el mapa de disparidad contendrá el valor

de disparidad para cada píxel en la cual se encontró el mejor apareamiento.



Figura 3.4. El tono de gris en cada píxel de la imagen indica el tamaño utilizado para la ventana de comparación (imagen ecualizada).

Figura 3.5. Mapa de costos de oclusión correspondientes a cada apareamiento utilizado para el mapa de disparidad.

En la figura 3.6 y 3.7 los niveles de disparidad se indican en escala de grises de

256 tonos, la disparidad cero esta indicada por el tono medio, d0 = 227, los valores

por debajo de este corresponden a disparidades negativas y las disparidades

positivas se indican con tonos mayores a 227.

127],[ +⇐ dyxDisMap

Donde d es la disparidad en el punto (x, y) para la cual el costo de apareamiento

es mínimo.

Figura 3.6: Mapa de disparidad obtenido con una mascar de diámetro fijo de 7 píxeles

Figura 3.7: Mapa de disparidad en exactitud de píxel obtenido con mascara de diámetro variable.



3.2.3 Mapa de Disparidad en Sub-píxel

En el mapa de disparidad anterior los niveles de disparidad se encuentran

limitados a valores enteros, lo que ocasiona que los cambios en disparidad no

sean suaves, se obtenga un mapa tosco y no se aprecien los detalles cuya

profundidad esta en disparidades intermedias. Como se observa en la figura 3.2 y

3.3 los valores de los costos de oclusión próximos al valor mínimo describen una

parábola, el valor mínimo real para esta parábola puede ser encontrado

aproximando estos valores a una función de segundo grado [19, 20] por medio del

método de mínimos cuadrados, y hallar los coeficientes del polinomio de segundo

grado:

CBdAdSimil ++= 2

De esta manera se obtienen disparidades fraccionarias (sub-píxel).

El método de mínimos cuadrados es el procedimiento más conveniente para

determinar la mejor aproximación de un grupo de muestras a un polinomio,

minimizando el error dado por la suma de los cuadrados de las diferencias entre

los valores de la curva de aproximación y los valores de los datos. El método de

mínimos cuadrados proporciona sustancialmente mas peso a un punto que se

encuentre fuera de la tendencia del resto de los datos, pero no permitirá que tal

punto domine por completo la aproximación [21].

Los términos de la ecuación de segundo grado se encuentran resolviendo el

siguiente sistema de ecuaciones.



∑∑∑∑

∑∑∑∑

∑∑∑∑

====

====

====

=++

=++

=++

m

iii

m

ii

m

ii

m

ii

m

iii

m

ii

m

ii

m

ii

m

iii

m

ii

m

ii

m

ii

dSimildAdBdC

dSimildAdBdC

dSimildAdBdC

1

2

1

4

1

3

1

2

1

1

1

3

1

2

1

1

1

0

1

2

1

1

1

0

El costo mínimo se encuentra igualando la derivada de la función de costos a cero.

ABdBAd

dSimil

2;020 min −==+⇒=

∂∂

En el mapa en sub-pixel (Figura 3.8) se puede observar como se redujeron los

apareamientos erróneos y aparecieron detalles que no eran observables en el

mapa anterior (Figura 3.7) pues tienen valores de disparidad fraccionaria.

Figura 3.8: Mapa de disparidad en sub-píxel.

Figura 3.9: Mapa de disparidad en sub-píxel, obtenido después del filtrado por mediana condicional.



3.2.4 Filtro Iterativo de Mediana Condicional.

Si bien el mapa obtenido por el procedimiento anterior contiene los detalles que se

encuentran en disparidades fraccionarias (sub-píxel), aun contiene apareamientos

erróneos los cuales son áreas pequeñas que presentan saltos bruscos de

disparidad, estos son causados por varios factores, como ruido, oclusiones o

patrones periódicos.

Estos saltos erróneos se eliminan utilizando un filtro no lineal sobre el mapa de

disparidad, el cual encuentra la mediana [22] de todos los valores de disparidad

dentro de una mascara centrada en el píxel de interés y remplaza su valor por el

valor mediano si la diferencia entre este y el valor original es mayor a uno. De esta

manera se eliminan los saltos indeseados de disparidad y se conservan los

detalles en sub-pixel. El filtro es aplicado cíclicamente hasta que no encuentre

valor alguno de disparidad que modificar. El mapa de disparidad resultante se

muestra en la figura 3.9.

3.2.5 Oclusiones

En un par de imágenes estereoscópicas existen detalles que se encuentran en

una imagen pero no en la otra, pues se encuentran ocluidos por objetos cercanos

debido a la diferencia de perspectiva entre ellas y a los cambios en profundidad. El

costo de aparear una característica será muy alto si esta se encuentra ocluida en

la otra imagen, pues no existirá similitud entre ninguno de los apareamientos

dentro del rango de disparidad D. Para determinar las oclusiones se toman todos

los puntos del mapa de disparidad cuyo costo de colusión sea mayor a un umbral

tho [15, 22] y se les marca como ocluidos (Figura 3.10 y 3.11).



Figura 3.10: Los costos de apareamiento que son mayores a un umbral tho se marcan como oclusiones en el mapa de disparidad.

Figura 3.11: Mapa de disparidad en sub-píxel con oclusiones marcadas en negro.

Visión Artificial: Percepción de Profundidad Resultados


4. Resultados

Los resultados para la imagen del pentágono, en el primer mapa de disparidad

(Figura 3.6) muestra la desventaja de utilizar una mascara de diámetro fijo, pues si

su tamaño es pequeño no podrá encontrar en áreas de baja textura un buen

apareamiento, produciendo errores en el mapa de disparidad y si su tamaño es

grande se perderán los detalles cuyo tamaño sea menor que el área de la

ventana. En el mapa de disparidad de la figura 3.7 se observa el detalle obtenido y

la reducción de errores al usar una ventana redonda de tamaño variable en

proporción a la cantidad de textura local, en comparación con la ventana de

tamaño fijo. Con el Refinamiento en sub-píxel (Figura 3.8) el detalle se incrementa

considerablemente, dejando ver pequeñas variaciones de profundidad que no

aparecen en el mapa de disparidad anterior.

Aunque se obtiene un mapa de disparidad detallado existen aun errores

indeseables en la imagen ocasionados por oclusiones y malos apareamientos.

Para eliminarlos se aplica repetidamente el filtro de mediana condicional hasta que

el filtro no pueda modificar ningún valor, eliminando así la mayoría de los errores

(Figura 3.9).

Las oclusiones se determinan por medio de un umbral sobre los costos de

oclusión de las disparidades utilizadas para el apareamiento correcto (Figura 3.10)

el cual fue ajustado a un valor de 255, los apareamientos con un costo mayor son

declarados como ocluidos y se marcan en negro en el mapa de disparidad (Figura

3.11)

En la tabla 4.1 se muestra el tiempo proceso requerido para las tres etapas

principales del algoritmo para las imágenes de prueba: 1) Apareamiento,



almacenamiento en el volumen de disparidad y obtención del mapa de disparidad.

2) obtención y generación del mapa de disparidad en sub-píxel. 3) Filtro de

iterativo de mediana condicional. El algoritmo fue implementado en C++ Builder,

sobre Windows XP, en una computadora Pentium 4 a 2.8 GHz y 512Mb en RAM.

En la tabla 4.2 se muestran los resultados para cada una de las imágenes sobre

las cuales fue probado el algoritmo. Se indica el tamaño de la imagen, el rango de

disparidad utilizado para la búsqueda de apareamientos, el tamaño mínimo,

máximo, promedio y mediano de la ventana de comparación utilizada, la cual varia

en cada píxel de la imagen dependiendo de la cantidad de textura existente; El

rango de costos de los apareamientos utilizados para el mapa de disparidad, el

numero de niveles mostrados en el mapa de disparidad en exactitud de píxel

contra el numero del mapa en sub-pixel, el numero de veces que fue aplicado el

filtro de mediana al mapa de disparidad y finalmente la disparidad máxima y

mínima mostradas en la imagen.

Las figuras 4.2 a 4.6 muestran las imágenes utilizadas y los mapas de disparidad

en píxel y en sub-píxel resultantes junto con la escala de colores utilizada, en la

cual el blanco corresponde la menor profundidad y el negro a lo que se encuentra

mas alejado. En el caso de la imagen “Tsukuba”, se muestra el mapa en sub-pixel

y el mapa de profundidad verdadera proporcionado.

Para estas pruebas el umbral de textura fue fijado en 20, el de oclusiones en 255,

el diámetro menor utilizado para la ventana de comparación en 7 pixeles, el

tamaño de la ventana para el filtro de mediana en 5x5 píxeles y la cantidad de de

valores tomados para el método de mínimos cuadrados al generar el mapa de



disparad en sub-píxel fue de 5 valores de disparidad dos a la izquierda y dos a la

derecha de la disparidad de apareamiento. Estos valores fueron calculados

experimentalmente.

Imagen Tamaño Volumen y Mapa de

disparidad (seg)

Sub-pixe (seg)

Filtro iterativo de mediana

Condicional (seg)

Total (seg)

Pentágono 512x512 1050.561 4.837 775.065 1830.463

Random Dot 250x250 12.147 1.152 14.060 27.359

Coal Mine 240x256 193.268 1.102 22.642 197.012

CMU Shurub 512x480 6017.333 4.596 562.569 6584.498

House of 512x512 578.993 4.827 449.667 1033.487

Tsukuba 384x288 527.759 2.123 237.611 767.493

Tabla 4.1

Tabla 4.2

Imagen Tamaño

Rango de

disparidad

Diámetro de ventana

Mínimo/Máximo/ Promedio/Media

na

Costo de apareamiento Mínimo/Máxim

o/Mediana

Niveles de disparidad

Píxel/Subpixel

Numero de

Iteraciones

Filtro 5x5

Disparidad Mínima/Má

xima

Pentágono 512x512 -20/+20 7 / 251 / 19 / 11 0 / 2047 / 38 41 / 831 81 -18/+12

Random Dot 250x250 - 20/+20 7/ 7/ 7 / 7 0 / 6655 41 / 1003 38 -17/+16

Coal Mine 240x256 0/+55 7/ 77 / 21 / 19 0 / 5887 / 5 54 / 743 9 +29/+41

CMU Shurub 512x480 -20/+20 7 / 231 / 45 / 23 0 / 1023 / 9 41 / 692 88 -14/+13

House of 512x512 -15/+40 7 / 127 / 13 / 9 0 / 5631 / 42 46/917 70 -13/+27

Tsukuba 384x288 -5/+30 7 / 127 / 25 / 15 0 / 65535 36 / 939 58 -2/+27



Figura 4.1: Representación tridimensional del mapa de disparidad.



Figura 4.2 Random Dot 250x250.

Figura 4.3 Coal Mine CMU 240x256.

Figura 4.4 CMU Shurub 512x480.

Figura 4.5 House Of 512x512.

Figura 4.6 Tsukuba 384X288.

Visión Artificial: Percepción de Profundidad Conclusiones


5. Conclusiones y Trabajos Futuros

Como se puede observar en los mapas de disparidad resultantes, por medio de

este tipo de técnicas de apareamiento estereoscópico se pueden obtener mapas

de disparidad muy detallados y sin ruido.

Si bien la obtención de un mapa de disparidad denso, mediante este método

incrementa el tiempo de procesamiento, debido principalmente a que la variación

de tamaño en la ventana permite diámetros de tamaño considerable, el tiempo de

proceso se pede reducir limitando el tamaño máximo de la ventana de

comparación o utilizando un método piramidal en el cual se encuentre las

disparidades iniciales en una menor resolución de la imagen original y realizar las

siguientes búsquedas en una resolución mayor y dentro de un rango de disparidad

limitado por las encontradas en el paso anterior, hasta llegar a la resolución

original de la imagen. El tiempo del algoritmo también puede reducirse mediante la

paralelización del algoritmo utilizando lenguajes de descripción hardware para

implementarlo sobre hardware configurable, utilizando múltiples mascaras que

exploren las imágenes paralelamente o utilizando tarjetas aceleradoras graficas

GPU (Graphics Processing Units) las cuales permiten operaciones con matrices

de gran tamaño [23, 24] en menor tiempo que el CPU. El tiempo total de proceso

se puede reducir dividiendo el proceso entre el CPU y el GPU o bien entre un

conjunto de procesadores gráficos trabajando en forma simultanea.

Visión Artificial: Percepción de Profundidad Referencias


6. Referencias [1] Antonio Criminisi. “Accurate Visual Metrology from Single and Multiple

Uncalibrated Images”. Robotics Research Group Department of Engineering Science University of Oxford. Michaelmas Term, 1999

[2] David A. Forsyth, Jean Ponce “Computer Vision: A Modern Approach”.

Prentice Hall. [3] Rafael C. González y Richard E. Woods, “Digital Image Processing”.

Addison-Wesley, 1992. [4] Stephen M. Smith, J. Michael Brady. “SUSAN – A New Approach to Low

Level Image Processing”. Department of Engineering Science, Oxford University, Oxford, UK. Technical Report, FMRIB, 1995.

[5] Miguel Arias-Estrada, César Torres-Huitzil. “A Real-time FPGA Architecture for Computer Vision”. National Institute for Astrophysics, Optics and Electronics, Computer Science Department. Puebla. Pue., México.

[6] Raymond Thai. “Fingerprint Image Enhancement and Minutiae Extraction”.

The University of Western Australia, 2003.

[7] K. N. Ogle, W.B. “Binocular Vision”. Saunders Co., Philadelphia, 1950. [8] H. von Helmholtz. ”Physiological optics”. Dover, 1909. 1962 edition of the

English translation of the 1909 German original, first published by the Optical Society of America in 1924.

[9] B. Julesz. “Foundations of Cyclopean Perception”. The University of

Chicago Press, London, 1971. [10]. O.D. Faugeras. “Three-dimensional computer vision: a geometric viewpoint”.

MIT Press, 1993. [11] Ohta and T. Kanade. –“Stereo by intra-an d inter-scanline search”. EEE

Transaction on Pattern Analysis Machine. Intelligence Vol. PAMI -7 No. 2, March1985.

[12] Ingemar J. Cox, Sunita L. Hingorani, And Satish B. Rao.“A Maximum

Likelihood Stereo Algorithm”. NEC Research Institute, Princeton, New Jersey 08540. And Bruce M. Maggsi, School of Computer Science, Carnegie Mellon University, Pittsburgh, Pennsylvania 15213. Computer Vision And Image Understanding, Vol. 63, No. 3, May, pp. 542–567, 1996



[13] C. Lawrence Zitnick And Takeo Kanade. “A Cooperative Algorithm For Stereo, Matching And Occlusion Detection”. Fellow, IEEE, IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 22, No. 7, July 2000.

[14] Roland Brockers, Marcus Hund, Barbel Mertsching. “Fast Stereo Vision for Mobile Robots by Global Minima of Cost Functions”. GET Lab, University of Paderborn, Pohlweg 47-49, 33098 Paderborn, Germany. 0-7803-8387-7/04/$20.00 © 2004 IEEE.

[15] Kanade, T. Okutomi, M. “A stereo matching algorithm with an adaptive window: theory and experiment”. Sch. of Comput. Sci., Carnegie Mellon Univ., Pittsburgh, PA. IEEE International Conference on robotics and automation. Sacramento California – April 1991.

[16] Etienne Vincent and Robert Lagani`ere. “Matching Feature Points in Stereo

Pairs: A Comparative Study of Some Matching Strategies”. School of Information Technology and Engineering, University of Ottawa.

[17] L. Di Stefano, M. Marchionni, S. Mattoccia, G. Neri. “A Fast Area-Based

Stereo Matching Algorithm” (2002). [18] Takeo Kanade, Hiroshi Kano, Shigeru Kimura, Atsushi Yoshida, Kazuo Oda.

“Development of a Video-Rate Stereo Machine”. Robotics Institute, Carnegie Mellon University, 5000 Forbes Ave., Pittsburgh PA 15213. Proceedings of International Robotics and, Systems Conference (IROS’95), August 5-9, 1995, Pittsburgh PA.

[19] Richard Szeliski and Daniel “Scharstein.Symmetric Sub-Pixel Stereo

Matching”. In Seventh European Conference on Computer Vision (ECCV 2002), volume 2, pages 525–540, Copenhagen, Denmark, May 2002.

[20] Maarten Vergauwen, Marc Pollefeys, and Luc Van Gool. “A Stereo Vision System for Support of Planetary Surface Exploration”.

[21] Richard L.Burden, J. Douglas Faires. “Análisis Numérico”. Grupo Editorial

Iberoamericana. ISBN 970-625-063-8. [22] Karsten Muhlmann, Dennis Maier, Jurgen Hesser, Reinhard Manner.

“Calculating Dense Disparity Maps from Color Stereo Images, an Efcient Implementation”. Lehrstuhl fur Informatik V, Universitat Mannheim, B6, 23-29, C, D-68131 Mannheim, Germany

[23] Ádám Moravánszky “Dense Matrix Algebra on the GPU”. NovodeX AG.

[email protected]. 2004



[24] K. Fatahalian, J. Sugerman, and P. Hanrahan. “Understanding the Efficiency of GPU Algorithms for Matrix-Matrix Multiplication”. Stanford University. Graphics Hardware (2004) T. Akenine-Möller, M. McCool (Editors).

Visión Artificial: Percepción de Profundidad Apéndice A


Algoritmos en C++

//------------------------------------------------------Asignar dimensiones de la Imagen--------------------------------------------------------------- DynamicArray < DynamicArray <RGBTRIPLE> > SetTableDim(int Width, int Height) { DynamicArray < DynamicArray <RGBTRIPLE> > Buffer; Buffer.Length = 0; Buffer.Length = Height; for (int i=0; i < Height; i++) { Buffer[i].Length = Width; for (int j=0; j<Width; j++) { Buffer[i][j].rgbtRed = 0; Buffer[i][j].rgbtGreen = 0; Buffer[i][j].rgbtBlue = 0; } } return Buffer; } //--------------------------------------------------------Almacena BMP en Memoria -------------------------------------------------------------------- DynamicArray < DynamicArray <RGBTRIPLE> > LoadImage(Graphics::TBitmap *Imagen) { DynamicArray < DynamicArray <RGBTRIPLE> > Buffer; Int Height= Imagen->Height; Int Width= Imagen->Width; Buffer = SetTableDim(Width, Height); RGBTRIPLE * ptr; for(int y = 0; y < Height; y++) { ptr = (RGBTRIPLE*) Imagen->ScanLine[y]; for(int x = 0; x < Width; x++) { Buffer[y][x].rgbtRed = ptr[x].rgbtRed; Buffer[y][x].rgbtGreen = ptr[x].rgbtGreen; Buffer[y][x].rgbtBlue = ptr[x].rgbtBlue; } } return Buffer; } //------------------------------------------------------------------------------------------------------------------------------------------------------------------- //--------------------------------------------------------------Escala de Grises ------------------------------------------------------------------------------ void RGBtoGray(DynamicArray < DynamicArray <RGBTRIPLE> > &Imagen) { int Height = Imagen.Length; int Width = Imagen [0].Length; for(int y = 0; y < Height; y++) { for(int x = 0; x < Width; x++) { byte promedio = (Imagen [y][x].rgbtRed+ Imagen [y][x].rgbtGreen + Imagen [y][x].rgbtBlue) / 3; Imagen [y][x].rgbtRed = promedio; Imagen [y][x].rgbtGreen = promedio; Imagen [y][x].rgbtBlue = promedio; } } } //-------------------------------------------------------------------------------------------------------------------------------------------------------------------



//------------------------------------------------------------Brillo y Contraste -------------------------------------------------------------------------------void BrightContast(RandomAccessIterator &Imagen, RandomAccessIterator &Destino, int C, int Brillo, int Balance) { int Height = Imagen.Length; int Width = Imagen [0].Length; float Contraste = C/100; for(int y = 0; y < Height; y++) { for(int x = 0; x < Width; x++) { short valR =((Contraste * (Imagen [y][x].rgbtRed - Balance)) + Balance + Brillo); short valG =((Contraste * (Imagen [y][x].rgbtGreen - Balance))+ Balance + Brillo); short valB =((Contraste * (Imagen [y][x].rgbtBlue - Balance))+ Balance + Brillo); Destino[y][x].rgbtRed = (Byte)(valR > 255 ? 255 : (valR < 0 ? 0 : valR)); Destino[y][x].rgbtGreen = (Byte)(valG > 255 ? 255 : (valG < 0 ? 0 : valG)); Destino[y][x].rgbtBlue = (Byte)(valB > 255 ? 255 : (valB < 0 ? 0 : valB)); } } } //------------------------------------------------------------------------------------------------------------------------------------------------------------------- //------------------------------------------------------------------Tolerancia Binaria-------------------------------------------------------------------------- void BinImage(RandomAccessIterator &Imagen, RandomAccessIterator &Destino, int Balance) { Height = Imagen.Length; Width = Imagen [0].Length; for(int y = 0; y < Height; y++) { for(int x = 0; x < Width; x++) { Destino[y][x].rgbtRed = (Byte)( Imagen [y][x].rgbtRed > Balance ? 255 : (Buffer[y][x].rgbtRed < Balance ? 0 : 0)); Destino[y][x].rgbtGreen = (Byte)( Imagen [y][x].rgbtGreen > Balance ? 255 : (Buffer[y][x].rgbtGreen < Balance ? 0 : 0)); Destino[y][x].rgbtBlue = (Byte)( Imagen [y][x].rgbtBlue > Balance ? 255 : (Buffer[y][x].rgbtBlue < Balance ? 0 : 0)); } } } //------------------------------------------------------------------------------------------------------------------------------------------------------------------- //---------------------------------------------------------------- Difuminado ---------------------------------------------------------------------------------- void Smooth(RandomAccessIterator &Imagen, RandomAccessIterator &Destino, int Kernel) { Int ColresultR, ColresultG, ColresultB; int Height = Imagen.Length; int Width = Imagen [0].Length; for (int y = 0; y < Height; y++) { for (int x = 0; x < Width; x++) { ColresultR=0; ColresultG=0;ColresultB=0; Int n=0; for (int nYMatrix = -Kernel; nYMatrix <= Kernel; nYMatrix++) { for (int nXMatrix = -Kernel; nXMatrix <= Kernel; nXMatrix++) { if ( 0 < Y + nYMatrix && Y + nYMatrix < Height && 0 < X + nXMatrix && X + nXMatrix < Width) { ColresultR = Imagen [y + nYMatrix][x + nXMatrix].rgbtRed + ColresultR; ColresultG = Imagen [y + nYMatrix][x + nXMatrix].rgbtGreen+ ColresultG; ColresultB = Imagen [y + nYMatrix][x + nXMatrix].rgbtBlue + ColresultB; n++; } } } ColresultR = ColresultR/n; ColresultG=ColresultG/n; ColresultB=ColresultB/n; Destino[y][x].rgbtRed = ColresultR; Destino[y][x].rgbtGreen = ColresultG; Destino[y][x].rgbtBlue = ColresultB; } } } //-------------------------------------------------------------------------------------------------------------------------------------------------------------------



//------------------------------------------------------------Detección de contornos ---------------------------------------------------------------------- void SUSAN_RGB(RandomAccessIterator &Buffer, RandomAccessIterator &Destino, int Kernel, int Tolerancia) { int n, ContR, ContG, ContB, YmasnYMatrix, XmasnXMatrix, y, x, nYMatrix, nXMatrix, F, G; int Height = Buffer.Length; int Width = Buffer[0].Length; RGBTRIPLE PixC, DiferenciaColor; for ( y = 0; y < Height; y++) { for ( x = 0; x < Width; x++) { ContR = ContG = ContB = n =0; PixC.rgbtRed = Buffer[y][x].rgbtRed; PixC.rgbtGreen = Buffer[y][x].rgbtGreen; C.rgbtBlue = Buffer[y][x].rgbtBlue; for ( nYMatrix =(y-Kernel>=0 ? -Kernel : -y) ; nYMatrix <= Kernel && y + nYMatrix< Height; nYMatrix++) { F=sqrt((Kernel+.5)*(Kernel+.5)-nYMatrix*nYMatrix); for ( nXMatrix = (x-F>=0 ? -F : -x); nXMatrix <= F && x + nXMatrix < Width; nXMatrix++) { YmasnYMatrix = y + nYMatrix; XmasnXMatrix = x + nXMatrix; DiferenciaColor.rgbtRed = (Byte) abs ( (Buffer[YmasnYMatrix][XmasnXMatrix].rgbtRed) - PixC.rgbtRed ); DiferenciaColor.rgbtGreen =(Byte)abs ( (Buffer[YmasnYMatrix][XmasnXMatrix].rgbtGreen) - PixC.rgbtGreen ); DiferenciaColor.rgbtBlue = (Byte)abs ( (Buffer[YmasnYMatrix][XmasnXMatrix].rgbtBlue) - PixC.rgbtBlue ); n++; if (DiferenciaColor.rgbtRed <= Tolerancia) ContR++; if (DiferenciaColor.rgbtGreen <= Tolerancia) ContG++; if (DiferenciaColor.rgbtBlue <= Tolerancia) ContB++; } } G=3*n/4; Destino[y][x].rgbtRed = (Byte)(ContR <= G ? 255-255*ContR/G: 0);//(3*n/4) - ContR : 255); Destino[y][x].rgbtGreen = (Byte)(ContG <= G ? 255-255*ContG/G: 0);//(3*n/4) - ContG : 255); Destino[y][x].rgbtBlue = (Byte)(ContB <= G ? 255-255*ContB/G: 0);//(3*n/4) - ContB : 255); } } } //-------------------------------------------------------------------------------------------------------------------------------------------------------------------



//------------------------------------------------------- Creación de volumen de disparidad -------------------------------------------------------- void Set3Ddim(DynamicArray < DynamicArray < DynamicArray <float> > > &Dis3D, int Width, int Height, int dis) { Dis3D.Length = 0; Dis3D.Length = dis; for(int d=0; d<dis; d++) { Dis3D[d].Length = Height; for(int i=0; i < Height; i++) { Dis3D[d][i].Length = Width; for(int j=0; j < Width; j++) { Dis3D[d][i][j]=0xFFFFFFFF; } } } } //------------------------------------------------------ Inicialización del arreglo bidimensional ----------------------------------------------------- template <class RandomAccessIterator> void InitMap(RandomAccessIterator &Buffer, int Width, int Height, int K) { Buffer.Length = 0; Buffer.Length = Height; for (int i=0; i < Height; i++) { Buffer[i].Length = Width; for (int j=0; j < Width; j++) { Buffer[i][j]=K; } } } //------------------------------------------------------------ Obtención de la Desviación Media ------------------------------------------------------- float DesviacionM(RandomAccessIteratore &Left, int x, int y, int Kernel) { int Height = Left.Length; int Width = Left[0].Length; int n=0, Sum=0, SumS=0; int YmasnYMatrix, XmasnXMatrix; float W; for (int nYMatrix = -Kernel; nYMatrix <= Kernel; nYMatrix++) { for (int nXMatrix = -Kernel; nXMatrix <= Kernel; nXMatrix++) { YmasnYMatrix = y + nYMatrix; XmasnXMatrix = x + nXMatrix; if ( (0 <= YmasnYMatrix) && (YmasnYMatrix < Height) && (0 <= XmasnXMatrix) && (XmasnXMatrix < Width) && ( (Kernel+.5)*(Kernel+.5) ) >= (nXMatrix*nXMatrix + nYMatrix*nYMatrix)) { W=Left[YmasnYMatrix][XmasnXMatrix].rgbtRed; Sum+=W; SumS+=W*W; n++; } } } W=Sum/n; return sqrt(SumS/n - W*W); }



//-------------------------------------------------------------- Function de Similitud ----------------------------------------------------------------------- float Simil(RandomAccessIterator &Left, RandomAccessIterator &Right, int x, int y, int d, int Kernel) { float Peso, n=0, dif=0, Sum=0; int YmasnYMatrix, XmasnXMatrix, XmasnXMatrixD; int Height = Left.Length; int Width = Left[0].Length; for (int nYMatrix = -Kernel; nYMatrix <= Kernel; nYMatrix++) { for (int nXMatrix = -Kernel; nXMatrix <= Kernel; nXMatrix++) { YmasnYMatrix = y + nYMatrix; XmasnXMatrix = x + nXMatrix; XmasnXMatrixD = nXMatrix+x+d; if ( (0 <= YmasnYMatrix) && (YmasnYMatrix < Height) && (0 <= XmasnXMatrix) && (XmasnXMatrix < Width) && (0 <= XmasnXMatrixD) && (XmasnXMatrixD < Width) && ( (Kernel+.5)*(Kernel+.5) ) >= (nXMatrix*nXMatrix + nYMatrix*nYMatrix)) { Peso=1/(1+(nXMatrix*nXMatrix+nYMatrix*nYMatrix)/(Kernel+.5)); dif=Peso*(Left[YmasnYMatrix][XmasnXMatrix].rgbtRed-Right[YmasnYMatrix][XmasnXMatrix+d].rgbtRed); Sum+=dif*dif; n+=Peso; } } } Sum/=n; return Sum; } //------------------------------------------------------ Obtención de Disparidad en Sub-píxel -------------------------------------------------------- float SubPixel(int x , int y, int dis, int K, RandomAccessIterator &Dis3D) { int m = 2*K+1; DynamicArray < DynamicArray <float> > Data = SetMatrix(m, 2); for(int i=0; i<m; i++) { Data[i][0]=(dis-(K-i)); Data[i][1]==Dis3D[dis-(K-i)][y][x]; } DynamicArray < DynamicArray <float> > Temp = LeastSqrtMatrix(Data, 2); DynamicArray <float> Soluciones = LinearSysSolve(Temp); return (-Soluciones[1]/(2*Soluciones[2])); }



//-------------------------------------------- Filtro De Mediana Condicional --------------------------------------------------- template <class RandomAccessIterator> DynamicArray < DynamicArray <float> > MedianaIFth2D(RandomAccessIterator &Buffer, int Kernel, bool &Change, int dismin, int dismax) { int Height = Buffer.Length; int Width = Buffer[0].Length; int YmasnYMatrix, XmasnXMatrix; DynamicArray < DynamicArray <float> > Temp; InitMap(Temp, Width, Height, 0); vector<float> Lista; float Sum; Change=false; for(int y=0; y<Height; y++) { for(int x=-dismin; x<Width-dismax; x++) { Sum=0; Lista.clear(); for (int nYMatrix = -Kernel; nYMatrix <= Kernel; nYMatrix++) { for (int nXMatrix = -Kernel; nXMatrix <= Kernel; nXMatrix++) { YmasnYMatrix = y + nYMatrix; XmasnXMatrix = x + nXMatrix; if ( (0 <= YmasnYMatrix) && (YmasnYMatrix < Height) && (0-dismin <= XmasnXMatrix) && (XmasnXMatrix < Width-dismax)) { Lista.push_back(Buffer[YmasnYMatrix][XmasnXMatrix]); Sum+=Buffer[YmasnYMatrix][XmasnXMatrix]; } } } list <float> lista; lista.clear(); for (int i = 0; i < Lista.size(); i++) { lista.push_back(Lista[i]); }; lista.sort(); Lista.clear(); int n2=lista.size(); for (int i=0; i< n2; i++) { Lista.push_back(lista.front()); lista.pop_front(); } float Mediana = Lista[Lista.size()/2]; if(abs(Buffer[y][x]-Lista[Lista.size()/2])>1.5) { Temp[y][x]=Mediana;//(Sum-Buffer[y][x]+Lista[Lista.size()/2])/Lista.size(); Change=true; } else { Temp[y][x]=Buffer[y][x]; } } } return Temp; }



//------------------------------------------------------------ Apareamiento Estereoscópico ------------------------------------------------------------ DynamicArray < DynamicArray <float> > SteroMatch(RandomAccessIterator &Left, RandomAccessIterator &Right, int dismin, int dismax, int K) { float S=0; int Width, Height, Kt=0; Height = Left.Length; Width = Left[0].Length; DynamicArray < DynamicArray < DynamicArray <float> > > Dis3D; DynamicArray < DynamicArray <int> > DisMap; DynamicArray < DynamicArray <float> > SubDisMap; int Th_s=20; Set3Ddim(Dis3D, Width, Height, 1+dismax-dismin); InitMap(DisMap, Width, Height, 0); InitMap(SubDisMap, Width, Height, 0); for(int y=0; y<Height; y++) { for(int x=0; x<Width; x++) { Kt=K; do { S=DesviacionM(Left, x, y, Kt); if (S <Th_s) Kt++; }while (S< Th_s); for(int d=dismin; d<=dismax; d++) { if(x+d>=0 && x+d<Width) { Dis3D[d-dismin][y][x]=Simil(Left, Right, x,y,d,Kt); if( (Dis3D[d-dismin][y][x]<Dis3D[DisMap[y][x]-dismin][y][x]) || (Dis3D[d-dismin][y][x]==Dis3D[DisMap[y][x]-dismin][y][x])&& abs(d)<abs(DisMap[y][x])) DisMap[y][x]=d; } } } } //------------Sub-Pixel--------------------------------------- float SP; for(int y=0; y<Height; y++) { for(int x=0; x<Width; x++) { int DIS = DisMap[y][x]; if(DIS-2 > dismin && DIS+2 < dismax) { SP = SubPixel(x , y, DIS-dismin, 2, Dis3D, SubCostMap[y][x]); SubDisMap[y][x]= SP; } else { SubDisMap[y][x]= DIS; } } } //------------Filtro iterativo de mediana condicional---------- bool Cambio; DynamicArray < DynamicArray <float> > SubDisMapF=MedianaIFth2D(SubDisMap,1, Cambio, dismin, dismax); int n=0; do { SubDisMapF = MedianaIFth2D(SubDisMapF,2, Cambio, dismin, dismax); n++; }while(Cambio); return SubDisMapF } //--------------------------------------------------------------------------------------------------------------------------------------------------------------------



//--------------------------------- Minimos Cuadrados------------------------------------------ template <class RandomAccessIterator> DynamicArray < DynamicArray <float> > LeastSqrtMatrix(RandomAccessIterator Data, int n) {DynamicArray < DynamicArray <float> > Temp = SetMatrix(n+1, n+2); float sum; int m = Data.Length; for(int i=0; i<=2*n; i++) { sum=0; for(int j=0; j<m; j++) { sum+=pow(Data[j][0],i); } for(int j=i; j>=0; j--) { if(j<=n && (i-j)<=n) { Temp[j][i-j]=sum; } } } for(int i=0; i<=n; i++) { sum=0; for(int j=0; j<m; j++) { sum+=Data[j][1]*pow(Data[j][0],i); } Temp[i][n+1]=sum; } return Temp; } //-----------------------------------Solución de sistema lineal de n ecuaciones y n incógnitas---------------------------------------- DynamicArray <float> LinearSysSolve(DynamicArray < DynamicArray <float> > Matrix) {DynamicArray <float> Temp; int Height= Matrix.Length; int Width= Matrix[0].Length; Temp.Length = Height; float p, sum; for(int i=0; i<Width-1; i++) { p=0; for(int j=i; j<Height; j++) { p=j; if(Matrix[p][i]!=0) break; } if(p!=i) { swap(Matrix[p], Matrix[i]); } for(int j=i+1; j<Height; j++) { int m = Matrix[j][i]/Matrix[i][i]; for(int n=0; n<Width; n++) { Matrix[j][n]=Matrix[j][n]-m*Matrix[i][n]; } } } Temp[Height-1]=Matrix[Height-1][Width-1]/Matrix[Height-1][Width-2]; for(int i=Height-2; i>=0; i--) { sum=0; for(int j=i+1; j<=Height-1; j++) { sum+=Matrix[i][j]*Temp[j]; } Temp[i]=(Matrix[i][Width-1]-sum)/Matrix[i][i]; } return Temp; }

Documents

“Visión Artificial: Percepción de Profundidad” Opción I ... · PDF filetratamiento de la información visual dependiendo de metas u objetivos ... en los cuales el ... son en