UNIVERSIDAD VERACRUZANA

FACULTAD DE INGENIERA EN
ELECTRONICA Y COMUNICACIONES

2014
Sistema De Visin Artificial Para La Deteccin De Cuerpos Slidos En
Botellas A Travs Del Procesamiento De Imgenes Con LABVIEW.

TRABAJO PRCTICO TCNICO

Previo a la obtencin del Ttulo de:
INGENIERO EN ELECTRNICA Y TELECOMUNICACIONES
Presentado por:
Ricardo Vaquier Martnez
Jos Oswald Juan Aguilar
Director: Miguel ngel Rojas Hernndez

NDICE

NDICE.................................................................................................................................................. 1
PRESENTACIN.................................................................................................................................... 4
CAPTULO 1 ......................................................................................................................................... 5
1 INTRODUCCIN ............................................................................................................................ 5
1.1.1 Objetivo .............................................................................................................................. 5
1.1.2 Sistema humano de visin. ................................................................................................ 5
1.1.3 Sistema de visin artificial (SVA) ........................................................................................ 6
1.2 Aplicaciones En La Industria De La Visin Por Computadora.................................................... 9
1.3 Justificacin Del Proyecto. ...................................................................................................... 10
1.4 Limitaciones Del Proyecto. ...................................................................................................... 12
CAPITULO 2 ....................................................................................................................................... 14
2 CONCEPTOS BSICOS DEL PROCESAMIENTO DIGITAL DE IMGENES. ...................................... 14
2.1 Adquisicin De Imgenes. ................................................................................................... 14
2.1.1 Iluminacin. ...................................................................................................................... 14
2.1.2 Tipologas de fuentes de luz. ............................................................................................ 15
2.1.3 Tipos de Iluminacin. ....................................................................................................... 15
2.2 Procesamiento de imagen....................................................................................................... 19
2.2.1 Representacin digital de imgenes. ............................................................................... 20
2.2.2 Representacin vectorial de los colores. ......................................................................... 21
2.2.3 Algoritmos de procesamiento bsico. .............................................................................. 22
2.2.4 Conversin a escala de grises. .......................................................................................... 22
2.2.5 Brillo. ................................................................................................................................ 23
2.2.6 Escalamiento (Scale)......................................................................................................... 25
2.2.7 Rotacin. .......................................................................................................................... 28
2.2.8 Matrices de procesamiento. ............................................................................................ 28
2.3 Segmentacin. ......................................................................................................................... 30
2.3.1 Segmentacin por Umbral (Thresholding). ...................................................................... 30
1

2.4 Extraccin de Caractersticas. ................................................................................................. 32

2.4.1 Operaciones Binarias Morfolgicas.................................................................................. 32
2.4.2 Medicin de Partculas. .................................................................................................... 33
CAPITULO 3 ....................................................................................................................................... 34
3. LABVIEW en aplicaciones de procesamiento de imgenes. ................................................... 34
3.1 Introduccin al Software de captura de imgenes. ................................................................ 34
3.2 Adquisicin y procesamiento de imgenes a travs del paquete IMAQ................................ 34
3.2.1. Modulo NI IMAQ. ................................................................................................................ 34
3.3 Adquisicin de Imgenes a travs del paquete IMAQ. ........................................................... 38
3.3.1. Administracin de espacios de memoria. ....................................................................... 38
3.3.2. Manejo y Configuracin de la Cmara ............................................................................ 41
3.3.3. Modos de Captura de imgenes. .................................................................................... 44
3.3.4. Visualizacin de Imgenes en el panel frontal. ............................................................... 48
3.3.5. Lectura y escritura de Imgenes. .................................................................................... 50
3.4 Procesamiento de imgenes con IMAQdx. ............................................................................. 52
3.4.1. Segmentacin Por Umbral. ............................................................................................. 52
3.4.2. Anlisis de Partculas. ...................................................................................................... 55
3.4.4. Filtros de Convolucin. .................................................................................................... 57
3.4.4. Deteccion de Bordes. ...................................................................................................... 59
3.4.5. Ecualizador. ..................................................................................................................... 61
3.4.6 Histograma. ...................................................................................................................... 62
3.4.7 IMAQ Equalize VI. ............................................................................................................. 62
Captulo 4. ......................................................................................................................................... 63
4. DISEO E IMPLEMENTACIN DEL SISTEMA PARA LA DETECCIN DE CUERPOS SOLIDOS. .......... 63
4.1 Especificaciones para el diseo del sistema............................................................................ 63
4.2 Caractersticas del Frasco. ....................................................................................................... 64
4.3 Seleccin del frasco. ................................................................................................................ 65
4.4 Caractersticas del lquido. ...................................................................................................... 66
4.5 Caractersticas del Entorno. .................................................................................................... 66
4.5.1 Captura de imagen del frasco .......................................................................................... 68
4.5.2 Caractersticas del sistema de iluminacin. ..................................................................... 68
4.6 Diseo del Programa detector de objetos en LabVIEW con el uso del paquete IMAQ. .......... 70
2

4.6.1 Diagramas de trabajo y Diagramas de Bloques................................................................ 70

4.6.2 Implementacin del sistema de visin artificial con LabVIEW......................................... 75
4.6.3 Captura de la Imagen con IMAQdx. ................................................................................. 75
4.6.4 Procesamiento de imagen con IMAQ............................................................................... 76
Captulo 5 .......................................................................................................................................... 81
5 ANLISIS E INTERPRETACIN DE RESULTADOS.............................................................................. 81
5.1 DATOS EXPERIMENTALES. ....................................................................................................... 81
5.1.1 Pruebas realizadas............................................................................................................ 81
5.1.2 Anlisis de frascos estticos. ............................................................................................ 81
5.1.3 Pruebas del tipo de frasco. ............................................................................................. 81
5.1.4 Pruebas de iluminacin. .................................................................................................. 82
5.2 Datos obtenidos. ..................................................................................................................... 83
5.3 Anlisis de resultados. ............................................................................................................. 84
5.3.1 Pruebas realizadas con chocolate en polvo. .................................................................... 84
5.3.2 Pruebas realizadas con salsa picante. .............................................................................. 85
5.3.3 Pruebas realizadas con jabn en polvo. ........................................................................... 85
5.3.4 Pruebas realizadas con caf. ............................................................................................ 86
5.4 Eficiencia Total. ....................................................................................................................... 87
Conclusiones y Recomendaciones. ................................................................................................... 88
Anexos. .............................................................................................................................................. 89
Anexo 1: Tablas de resultados. ..................................................................................................... 89
Pruebas realizadas con chocolate en polvo. ............................................................................. 89
Pruebas realizadas con salsa picante. ....................................................................................... 91
Pruebas realizadas con jabn en polvo. .................................................................................... 93
Pruebas realizadas con caf. ..................................................................................................... 95
Anexo 2.............................................................................................................................................. 96
Instrucciones bsicas para la instalacin de LabVIEW. .......................................................... 96
Instale NI LabVIEW y Controladores para Control de Instrumentos......................................... 96
Instalacin del software de National Instruments Vision Acquisition. ........................................... 102
Glosario ........................................................................................................................................... 108
Fuentes de informacin: ................................................................................................................. 109

PRESENTACIN
El mejoramiento de tecnologas para maximizar el rendimiento de procesos
industriales es una bsqueda continua e incesante, este fue el principal motivo de
realizar este trabajo de investigacin: la deteccin de cuerpos slidos en botellas.
La solucin es un prototipo pero con la visin de poder ser implementado en un
ambiente real, a gran escala con xito y que tambin puede servir de base para
futuros proyectos.
Invitamos a usted lector,
a investigar, desarrollar e implementar nuevas
soluciones con sistemas de visin artificial, un campo interesante, complejo pero a
la vez desafiante.
La globalizacin y el surgimiento de nuevas empresas, ocasiona que cada
empresa se esfuerce por brindar un producto o servicio de mayor calidad.
Por lo que la etapa de control de calidad se convierte en una parte muy importante
para lograr lo antes mencionado.
Actualmente existen diversos mecanismos para determinar la calidad de un
producto y la eleccin de este mecanismo depende del parmetro que se
considere de mayor relevancia. Como puede ser el peso, la geometra, color. En
muchas industrias el control de calidad est a cargo de la inspeccin visual
humana, sin embargo este tipo de inspeccin puede tener errores provocando en
ocasiones un bajo nivel de calidad.
Como una alternativa y solucin surgen los sistemas de visin artificial, que son
capaces de detectar aquellos errores que un operario pudiese dejar pasar por alto.
Pero claro, existen situaciones imprevistas en las que un sistema de visin artificial
no sabra cmo reaccionar y que un operario puede ser capaz de resolver.
Con el propsito de comprender mejor las ventajas y desventajas de cada uno de
estos sistemas es necesario tener conocimiento del funcionamiento, cuando
menos general

CAPTULO 1
1 INTRODUCCIN
1.1.1 Objetivo
Crear un sistema de visin con LabVIEW que permita detectar turbiedades,
slidos en botellas con lquidos transparentes.

1.1.2 Sistema humano de visin.

La vista es uno de los sentidos ms complejos y especializados del cuerpo
humano, por medio de la visin el ser humano es capaz de captar la forma, el
volumen, los colores, la luminosidad, el tamao y dems cualidades de los objetos
que lo rodean, lo cual corresponde a tres cuartas partes del total de las
percepciones de la persona. En la figura 1-1 se muestran las partes del ojo y en la
1-2 como se forman las imgenes.

Figura 1-1 Partes del Sistema Ocular

El ojo humano funciona bsicamente como una cmara fotogrfica y como ocurre
en sta, tiene tres partes principales:
Un sistema ptico para focalizar la luz que le llega: el cristalino que es una lente
biconvexa cuya curvatura se puede modificar mediante los msculos filiares.
Un diafragma para controlar la cantidad de luz que le llega: la pupila que puede
modificar su tamao para dejar pasar ms o menos luz.
5

Una superficie sensible a la luz para detectar la imagen resultante: la retina

constituida por una capa de clulas sensibles a la luz que enlazan con el nervio
ptico.
[1]

Figura 1-2 Formacin de las imgenes.

1.1.3 Sistema de visin artificial (SVA)

Se puede definir la Visin Artificial como un campo de la Inteligencia Artificial
que, mediante la utilizacin de las tcnicas adecuadas, permite la obtencin,
procesamiento y anlisis de cualquier tipo de informacin especial obtenida a
travs de imgenes digitales.
La visin artificial la componen un conjunto de procesos, que se puede ver en la
figura 1-3, destinados a realizar el anlisis de imgenes. Estos procesos son:
captacin de imgenes, memorizacin de la informacin, procesado e
interpretacin de los resultados. [2]

Figura 1-3 Elementos de un sistema de visin artificial.

6

Los elementos principales de un sistema de visin artificial son los siguientes:

Fuente de Luz. Conseguir una correcta iluminacin es de vital importancia para la
implementacin de cualquier sistema de control de calidad basado en un sistema
de visin artificial, ya que debe proporcionar unas condiciones de iluminacin
uniforme e independiente del entorno, con la finalidad de extraer los rasgos de
inters. Existen diferentes tipos de iluminacin: direccional, difusa, contraluz,
estructurada, estroboscpica
Mdulo de digitalizacin: Convierte la seal analgica proporcionada por la
cmara a una seal digital (para su posterior procesamiento).
Procesador de imagen: Procesa e interpreta las imgenes captadas por el
Mdulo de digitalizacin.
Memoria de imagen: Almacena la seal procedente del mdulo de digitalizacin.

Mdulo de entradas/salidas: Gestiona la entrada de sincronismo de captacin de

imagen y las salidas de control que actan sobre dispositivos externos en funcin
del resultado de la inspeccin.

Mdulo de visualizacin. Convierte la seal digital residente en memoria, en

seal de vdeo analgica para poder ser visualizada en el monitor de TV. [2]
Como podernos darnos cuenta un sistema de visin artificial est basado en
esencia en el sistema de visin humano
Comparacin entre el sistema de visin Artificiales y sistema Humano de Visin
Los componentes del sistema de visin artificial trabajan de manera anloga al
sistema humano:
Fuente de luz: Los seres humanos y los sistemas de visin artificial, requieren de
condiciones mnimas de iluminacin para poder distinguir los objetos que analizan
respectivamente; de no ser as la informacin que obtienen es errnea o ambigua.
Sensores de imagen: El trabajo que realizan el iris, el cristalino, la pupila, la
retina, los conos, los bastones y dems componentes del globo ocular son
emulados por una cmara que tambin posee una lente, sensores fotoelctricos,
un objetivo, un diafragma y dems componentes de la cmara.

Sistema de Adquisicin: Mientras que el ser humano posee el nervio ptico, que
se encarga de llevar la informacin brindada por los conos y los bastones hacia el
cerebro en forma de pulsos elctricos; el sistema de visin artificial (SVA) posee el
sistema de adquisicin, que se encarga de transformar la informacin elctrica de
naturaleza analgica en una seal digital.
Aplicacin de Procesado: En contraste con el cerebro humano, en el SVA la
aplicacin de procesado depende del programa de aplicacin que se encuentre
instalado. El cerebro humano puede sacar toda la informacin pertinente del
objeto y realizar un trabajo de acuerdo a sus necesidades.

Ventajas y desventajas de un sistema humano de visin y un sistema de visin

artificial.
Un sistema de visin artificial (SVA) es mucho mejor al momento de realizar
evaluaciones en magnitudes fsicas, ya que el sistema no cae en problemas de
ilusiones pticas o en la influencia del entorno al momento de realizar la
verificacin visual.
El SVA, puede realizar actividades de verificacin rutinarias a una gran velocidad
en procesos muy rpidos para el limitado ojo humano aumentando la
productividad.
El SVA permite la verificacin de lugares inaccesibles a las personas; ya sea
porque escapan a la vista del ser humano o por el peligro al que se exponen las
personas.
Un sistema de control de calidad basado en un SVA puede trabajar las veinticuatro
horas del da sin interrupciones; mientras que los operarios son susceptibles al
cansancio fsico y mental que afectan el control de la calidad y la velocidad de la
produccin.
El sistema de visin humano puede ser capaz de entender imgenes de
informacin muy compleja o ambigua, y basando en su experiencia (conocimiento
previo) es capaz de tomar la mejor decisin.

1.2 Aplicaciones en la industria de la visin por computadora.

Hoy en da, en muchos procesos de fabricacin, los lmites de deteccin de
defectos han superado la percepcin del ojo humano; por esta razn las empresas
del mundo moderno se han visto en la necesidad de crear sistemas que permitan
controlar en forma precisa y acertada la calidad de sus productos. Es as como
nace la visin artificial o visin por computador. En lo correspondiente al rea del
control de calidad, se puede observar que las aplicaciones que se pueden llevar a
cabo podran ser: la inspeccin de productos, tales como en la industria del papel,
aluminio, acero, entre otras; tambin se puede realizar la inspeccin de circuitos
impresos, sin dejar a un lado la identificacin de diferentes piezas, el etiquetado de
envases en los cuales se desea controlar caractersticas como fechas de
caducidad, nmero de lote, adems tomando muy en cuenta el rea de control de
calidad de productos alimenticios, tales como: naranjas, manzanas, flores.
En el rea de la biologa podramos distinguir entre aplicaciones microscpicas y
macroscpicas. En una imagen microscpica se pueden encontrar abundantes
organismos, que mediante tcnicas de segmentacin orientadas a regiones,
podran ser aislados para su identificacin mediante las correspondientes
propiedades (tamao, excentricidad, color.) o para contar el nmero de
microorganismos o clulas presentes en una imagen.
Para la Inspeccin en tarjetas de circuitos impresos, tambin es importante un
sistema SVA, Existen muchos aspectos diferentes en el proceso de fabricacin de
circuitos impresos que requieren inspeccin. Por ejemplo, verificar que los
componentes han sido colocados en sus lugares correctos, comprobar las pistas
para identificar cualquier ruptura, componentes inclinados sobre la tarjeta, verificar
soldaduras incorrectas
Otros campos como la astronoma y la meteorologa, donde las aplicaciones que
permiten el anlisis, exploracin del espacio exterior, y tambin se permitira la
prediccin de condiciones climticas. [3]
Todo lo escrito anteriormente permite darse cuenta que realmente existen
mltiples aplicaciones que implican la utilizacin de sistemas de visin artificial que
facilitan y mejoran procesos en los que el ojo humano puede no ser suficiente.

1.3 Justificacin del proyecto.

Con el problema de posibles errores en un sistema de inspeccin manual, surge la
idea de una solucin que en el presente trabajo se describe, una aplicacin de
visin artificial, mediante el uso del software LabVIEW, que permite la deteccin
de cuerpos slidos en botellas. El objetivo es poder determinar la presencia de
objetos extraos en el contenido del frasco, con un algoritmo que sea capaz de
poder identificar botellas en las cuales el contenido no es deseado.
Esta implementacin puede ser aplicada para verificar que las botellas estn libres
de objetos extraos antes de verter el contenido en ellas, as como para la
comprobacin de que el contenido vertido sea el esperado. Por tanto, puede ser
aplicado en la industria farmacutica, bebidas gaseosas, etc.
Se escogi LabVIEW porque esta herramienta ofrece versatilidad para el diseo
de aplicaciones de instrumentacin virtual y control de procesos, tambin por ser
un programa mundialmente usado para el desarrollo e implementacin de este tipo
de tareas, tiene un soporte muy amplio en cuanto a informacin y sus
herramientas. Pero esto, no es una restrictiva para otras personas que decidan
desarrollar las aplicaciones en otro software incluso de cdigo abierto.
En seguida se mencionan varias de las razones por las que se eligi el software
de National Instruments (NI) como el ms adecuado, debido a que se pueden
escoger tambin alternativas de herramientas basadas en programas de cdigo
abierto.
Eleccin de Cmara: El software y hardware de NI es compatible con cientos de
cmaras abarcando desde cmaras analgicas de bajo costo hasta las de
escaneo de lneas de alta velocidad.

Figura 1-4 Tipos de Cmaras.

Mejoramiento del hardware: As como escoger la cmara correcta es crucial

para cualquier aplicacin, la posibilidad de cambiar el hardware es otra
10

consideracin importante. Debido a que la tecnologa en el desarrollo de cmaras

avanza rpidamente, algn da se desear usar una cmara de mejores
caractersticas. NI proporciona varios paquetes (NI-IMAQ drivers) para cambiar la
cmara sin necesidad de cambiar el software.

Figura 1-5 Tarjeta de adquisicin de datos de NI.

Software de fcil manejo: Programar una aplicacin de visin artificial suele

resultar algo complejo, pero NI proporciona una herramienta conocida como el
Asistente de Visin (Vision Assistant); el cual proporciona al usuario un ambiente
de pruebas con diferentes funciones de visin para observar cmo trabaja la
aplicacin y la eficiencia del programa.

Figura 1-6 Asistente de Visin de NI.

Algoritmos de amplitud y precisin: Todas las funciones proporcionadas por el

mdulo de Desarrollo de Visin presentan la ventaja de utilizar precisin de subpxeles para realizar interpolaciones, medir distancias y dems medidas que van
desde el dcimo de pxel.
Desempeo del algoritmo: NI Vision Software est altamente optimizado para
maximizar el rendimiento de cada posible fuente, resultando ser un software que
rivaliza con otros paquetes de alta velocidad a nivel mundial.
Las empresas que requieren soluciones de tipo SVA, o ms an, industrias que
utilicen dispositivos de visin artificial; hace evidente la necesidad de creacin de
empresas que sean capaces de proveer soluciones en este campo.
11

Uno de los propsitos esenciales del desarrollo de nuestro tema es el de motivar e

incentivar, primordialmente a los lectores de la presente investigacin, al
desarrollo de nuevas aplicaciones.
Por otro lado pudiera pensarse que implementar un sistema de esta naturaleza
sera muy costoso y no redituable. Si bien es cierto que existen equipos de alto
coste, el proyecto muestra una alternativa que emplea cmaras USB de resolucin
regular y a precios mdicos. Tambin se toma en cuenta que en la actualidad las
computadoras son poderosas, que pueden ser adquiridos a precios accesibles, y
que pueden sustituir la necesidad de utilizar equipos ms especializados y por
ende abatir costos.

1.4 Limitaciones Del Proyecto.

El objeto del proyecto es detectar cuerpos slidos, o tambin turbiedades que no
formen parte del contenido esperado dentro del frasco o bien una variacin en la
tonalidad del lquido.
Segn el diccionario de la Real Academia Espaola turbio se define
como: Mezclado o alterado por algo que oscurece o quita la claridad natural

o transparencia.
Se determinaron las siguientes limitaciones para el proyecto:
El nmero de capturas de imgenes por unidad de tiempo que la cmara puede
realizar, lo que a su vez est vinculado a la velocidad mxima de procesamiento
del programa y la cmara misma.
La botella (frasco) a ser utilizado debe ser completamente transparente, para
brindar la facilidad de poder identificar el contenido almacenado. Tambin ser
importante que su forma uniforme.
El lquido contenido sea transparente en un 80%, es decir su nivel de
transparencia debe ser alta a moderadamente alta, debe ofrecer todas las
facilidades para apreciar objetos que se encuentre sumergidos en el lquido.
El lquido contenido debe ser homogneo, por ejemplo agua, bebidas gaseosas
claras, alcohol.

12

 Para el proceso de captura de imagen, se deben tener las consideraciones que

se describirn ms adelante, respecto a iluminacin, posicin de la botella,
distancia entre la cmara y la botella.

13

CAPITULO 2
2 CONCEPTOS BSICOS DEL PROCESAMIENTO DIGITAL DE IMGENES.
El procesamiento digital de imgenes (PDI) se remonta a la dcada de los 60,
aparece tardamente en la historia de la computacin, ya que antes de pensar en
ello, haba que desarrollar el hardware y los sistemas operativos grficos que
permitieran hacerlo. En ese tiempo la NASA daba seguimiento al programa de
ciencia lunar una vez tomadas las imgenes tenan que ser enviadas a la Tierra,
tras varios intentos fallidos, surgi el proyecto Ranger 7 que logro enviar dichas
imgenes a la Tierra y una vez aqu fueron convertidas de su forma analgica a
digital este proceso dio inicio al empleo de computadoras para procesar imgenes.
[4]
Por otro lado, los algoritmos y las tcnicas de optimizacin que han tenido que
desarrollarse para el procesamiento digital de imgenes son muy sofisticados y
elaborados. En la actualidad existen muchas herramientas de software que
permiten el procesamiento digital de imgenes, este caso en particular LabVIEW
proporciona tcnicas de procesamiento necesarias para el proyecto.

2.1 Adquisicin De Imgenes.

Todo sistema de adquisicin de imgenes debe contar con los siguientes
elementos:
La fuente de luz para iluminar la escena (iluminacin).
El sistema que permite capturar la imagen (cmara).
Una interfaz entre el sistema sensor y el computador.

2.1.1 Iluminacin.
El diseo correcto de un ambiente de iluminacin es muy importante para la
implementacin de un SVA, La iluminacin es la parte ms crtica dentro de un
sistema de visin. Las cmaras capturan la luz reflejada de los objetos. El
propsito de la iluminacin utilizada en las aplicaciones de visin es controlar la
forma en que la cmara va a ver el objeto.

14

La luz se refleja de forma distinta si se ilumina una bola de acero, que si se ilumina
una hoja de papel blanco y el sistema de iluminacin por tanto debe ajustarse al
objeto a iluminar. Una buena iluminacin permitir principalmente reducir la
complejidad de la imagen a analizar.

2.1.2 Tipologas de fuentes de luz.

Existen diferentes factores que se deben analizar al momento de elegir una fuente
de luz, como la intensidad luminosa, la versatilidad del diseo, el precio, el tiempo
de vida til, aqu se presentan las fuentes lumnicas ms usadas:
Iluminacin mediante fluorescentes. (Anulares, lineales, lineales de apertura, de
panel). Este tipo de iluminacin proporciona una luz brillante, sin sombras. Las
lmparas han sido diseadas para suministrar el mximo de intensidad durante al
menos 7000 horas. Lo que proporciona una mayor productividad. Existen
lmparas blancas en distintas temperaturas de color, Y tambin ultravioletas (UV).
Esta iluminacin se aplica en entornos que requieren mucha luz, y ningn tipo de
sombra, (anlisis biolgicos, inspeccin y la microscopa, Ensamblaje, Inspeccin
de circuitos, Industria, Laboratorios, Visin Industrial, Fotografa, Control de
Calidad, Robtica, etc...)
Iluminacin mediante diodos led. Proporcionan una luz difusa muy til para la
aplicacin en ciertos objetos. Pueden ser de iluminacin directa y en anillo.
Funcionan a baja tensin, consumen poca potencia, disipan poco calor al
ambiente, son pequeos, livianos y tienen un tiempo de vida de 100 000 horas. [5]
La aberracin cromtica es un fenmeno ptico en el cual no coinciden las
imgenes de un mismo objeto por los diferentes colores que componen la luz,
ocasionando bordes coloreados en la imagen final del objeto. Este fenmeno
puede ser corregido mediante el uso de diodos emisores de luz, debido a su
naturaleza monocromtica (longitud de onda fija).

2.1.3 Tipos de Iluminacin.

La eleccin de la fuente de luz es tan solo una parte del diseo del sistema de
iluminacin, a continuacin se debe seleccionar la forma de iluminar la escena y el
objeto.
La manera en que la luz incida sobre el objeto de inters, resaltar ciertas
caractersticas y aunque tambin ocultar otras.
15

Entre las tcnicas de iluminacin ms utilizadas se tienen las siguientes:

Iluminacin direccional frontal: Se utiliza en objetos planos con superficies sin
brillo (mates). La cmara se ubica en la misma direccin que la luz y recibe la luz
reflejada por el objeto, como se ve en la figura 2-1. El tipo de fuente que se utiliza
con esta tcnica son los LEDs, los domos y fuentes puntuales de fibra ptica.

Figura 2-1 Iluminacin Frontal Unidireccional.

Contraluz: En este tipo de iluminacin, la fuente de luz principal est detrs del
objeto y de frente al fotgrafo, como se muestra en la figura 2-2.

Figura 2-2 Iluminacin contraluz

Con esta ubicacin de la luz principal detrs del objeto fotografiado, se consiguen
siluetas muy contrastadas.
Se anulan prcticamente los colores y obtenemos zonas o muy claras, o muy
oscuras. Tambin conseguimos separar el objeto del fondo.

16

Luz cenital: La iluminacin Vertical (cenital o inferior) asla los objetos de su fondo
y el elevado contraste que da a la imagen les confiere un aire dramtico.
Especialmente en retratos, puede llegar a hacer el rostro tenebroso e
irreconocible. [5]

Figura 2-3 Luz cenital.

2.1.4 Cmaras.
Su funcin es capturar la imagen proyectada en el sensor, para poder transferirla
a un sistema electrnico. Las cmaras utilizadas en visin artificial requieren de
una serie de caractersticas que permitan el control del disparo de la cmara para
capturar piezas que pasan por delante de ella en la posicin requerida. Son ms
sofisticadas que las cmaras convencionales, ya que tienen que poder realizar un
control completo de: tiempos, seales, velocidad de obturacin, sensibilidad, etc.
[2]
Se las divide en dos grandes grupos: cmaras de dispositivo de carga acoplada
(CCD, siglas en ingls) y cmaras de semiconductor de xido metlico
complementario (CMOS, siglas en ingls).
Tanto los sensores CCD como los CMOS estn fabricados con materiales
Semiconductores de Metal-xido (MOS) y estructurados en forma de matriz.
Acumulan una carga elctrica en cada celda de la matriz (o pixel) en proporcin a
la intensidad de la luz que incide sobre ella localmente.
No obstante existen diferencias notables entre ambas tecnologas:

17

Figura 2-4 Esquema de un sensor CCD.

En un sensor CCD (Charge Coupled Device) o Dispositivo de Cargas Acopladas,

para recuperar una imagen, se procede a la lectura de estas cargas, mediante
desplazamientos sucesivos y de forma secuencial.
El CCD convierte finalmente estas cargas en Voltaje y entrega una seal
analgica a su salida, que debe ser digitalizada y procesada por los circuitos de la
cmara.

Figura 2-5 Esquema de un sensor CMOS.

En un sensor CMOS, (Complementary Metal Oxide Semiconductor) los fotones

que recibe cada celda son convertidos en carga elctrica y en voltaje en la misma

18

celda receptora, de esta manera al contrario que en los CCD, las celdas son
totalmente independientes de sus vecinas.
Al contrario que el CCD, el sensor CMOS realiza la digitalizacin pxel a pxel, ello
conlleva que el resultado que entrega a la circuitera de la cmara este ya
digitalizado.
En resumen CCD obtiene ms calidad de imagen a costa de un tamao mayor y
consumo ms elevado.
Por su lado CMOS es superior en integracin y bajo consumo a costa de perder
calidad de imagen en situaciones de poca luz. Sin embargo pensar que un CCD
de una cmara compacta media es superior en calidad de imagen a un CMOS de
cmara de alta gama seria equivocado.
Como siempre no hay nada superior de por s, sino situaciones en las que cada
tecnologa es ms adecuada. [6]
2.1.5 Tarjeta de Adquisicin de Imgenes.

Las tarjetas de adquisicin de imgenes tienen como propsito transmitir la

informacin (analgica o digital) obtenida por los sensores de la cmara a la
computadora, para que se puedan llevar a cabo los procesos del sistema de visin
artificial.

2.2 Procesamiento de imagen.

Para iniciar se definir cual ser el contexto bajo el cual se manejar el concepto
de procesamiento de imgenes para evitar confusiones en el lector de este
trabajo, de manera general se denomina procesamiento al tratamiento de los
datos. La deteccin de bordes, segmentacin, la bsqueda de patrones de color,
etc. son procesamientos digitales de la imagen; pero son procesos cuya
complejidad amerita ser tratada aparte.
En esta seccin se presentan los procesos menos complejos que pueden ayudar a
mejorar la calidad de las imgenes tales como el realce, suavizado, conversin a
escala de grises, rotacin y redimensionamiento. Muchos expertos en el
Procesamiento Digital de Imgenes llaman a esto pre-procesamiento.

19

2.2.1 Representacin digital de imgenes.

Una imagen de dos dimensiones es una funcin f(x, y) donde x e y representan las
coordenadas del plano f(x, y) representa la intensidad o nivel de gris de la imagen
en ese punto, en la figura 2-6 se muestra un ejemplo.

Figura 2-6 Representacin de una imagen en el plano.

La imagen percibida por una persona procede de la luz reflejada por los objetos
que la componen. La intensidad luminosa f(x,y) se puede caracterizar por dos
componentes:
a) La cantidad de luz incidente en la escena visualizada (iluminacin), que
representaremos por i(x,y)(0, ). Esta componente viene determinada por la
fuente luminosa.
b) La cantidad de luz reflejada por los objetos de la escena (capacidad reflectora),
que representaremos por r(x,y)(0,1), donde el valor 0 representa absorcin total y
el valor 1 reflexin total. Esta componente viene determinada por las
caractersticas de los objetos de la escena. Por ejemplo, el acero tiene 0.65 y la
nieve 0.93.
Aqu el trmino imagen se refiere a la funcin bidimensional f(x,y) que representa
la intensidad luminosa en el punto (x,y), y viene dada por f(x,y)=i(x,y) r(x,y) [7].
Cuando las imgenes sean en escala de grises, los valores dentro de la matriz
pueden ser desde 0 (negro) hasta 255 (blanco), 256 escalas de intensidad. Esta
restriccin se basa en que el ojo humano es lo suficientemente sensible para
detectar 256 diferentes niveles de intensidad de un color. El nmero de bits que se
usen para codificar el valor de un pxel es lo que se conoce como la definicin de
la imagen.
En el caso de imgenes a color se pueden usar diferentes modelos de colores,
tales como el RGB (rojo, verde, azul), CMY (can, magenta, amarillo).
20

Cuando la imagen se representa con mapas de bits (bitmap) usando el modelo de

color RGB, cada elemento de la matriz tiene un valor de 3 bytes, uno para cada
color (rojo, verde, azul), cuya combinacin es el color del pxel. Lo que se conoce
como planos de la imagen, cuando se trabaja con imgenes en escala de grises
se usa un solo plano, a diferencia las imgenes a color que se requieren de tres
planos, sin importar el modelo de color que se use porque siempre se usan tres
parmetros.

2.2.2 Representacin vectorial de los colores.

Los colores se codifican en tres bytes representando su descomposicin en los
tres colores primarios. Matemticamente puede interpretarse un color como un
vector en el espacio tridimensional de Rojo, Verde y Azul.
Bajo esta interpretacin pueden aplicarse algunos conceptos de la geometra
analtica en el tratamiento de colores y en la generacin de filtros o
transformaciones.

Figura 2-7 Representacin vectorial de los colores.

Donde a, b, y c son valores enteros que pertenecen al intervalo [0-255]. As, por
ejemplo un tono de amarillo se puede expresar:
Amarillo=255*rojo+255*verde+0*azul, Amarillo= (255, 255, 0)

21

Representar a los colores a travs de vectores hace posible utilizar herramientas y

conceptos matemticos que permitirn implementar los algoritmos de preprocesamiento.

2.2.3 Algoritmos de procesamiento bsico.

Para la representacin de las imgenes a travs de matrices de pxeles en funcin
de las coordenadas (x,y) pertenece al dominio espacial bidimensional. Esto
permite realizar transformaciones lineales a las imgenes, simplemente son
matrices que se pueden sumar, restar o multiplicar.

2.2.4 Conversin a escala de grises.

En el modelo RGB, la escala de grises se caracteriza por tener la misma magnitud
en los valores para el rojo, verde y azul. En el espacio vectorial, dichos colores se
encuentran en la direccin del vector V = (1, 1, 1). Para poder convertir un color a
escala de grises, debemos determinar la proyeccin de cada componente sobre el
vector V y as determinar el nivel de gris para ese color.

Figura 2-8 Representacin vectorial de colores y la conversin a escala de grises.

En resumen, para convertir una imagen en color a escalas de grises debemos

obtener los componentes RGB de cada pxel de la imagen y cambiar su valor por
el correspondiente promedio de los tres componentes en ese pxel.

22

Figura 2-9 Ejemplo de conversin a escala de grises.

2.2.5 Brillo.
Aumentar el brillo de una imagen consiste en sumar o restar una constante a los
colores que constituyen un pxel, cuidando siempre de nunca rebasar los lmites 0
y 255. Si observamos la siguiente figura, aumentar o disminuir el brillo en una
imagen consiste en aumentar o disminuir la ordenada al origen de la lnea recta
con pendiente a 45 grados que representa los grises.

Figura 2.10 Aumento o disminucin de Brillo. [4]

Aumentar o disminuir el brillo consiste en aumentar o disminuir la ordenada al

origen de la lnea recta con pendiente de 45. Como se ve en la figura 2.10
Y en caso contrario aumentar o disminuir el contraste implica modificar la
pendiente de la recta.

23

Por otro lado Si se pretende realizar un modificacin de brillo y contraste, primero

se debe efectuar la de contraste y a continuacin la de brillo.

Figura 2-11 Transformacin: variacin del contraste.

Estas transformaciones en escala de grises tambin pueden ser usadas en

imgenes a color. El mecanismo consiste en aplicar las transformaciones a cada
componente del color por separado y al final reconstituir el color.

Figura 2-12 Descomposicin de imagen a color en modelo RGB.

Las transformaciones aqu mostradas son lineales, existen otras transformaciones

no lineales que son bastante usadas en el tratamiento de imgenes tales como la
correccin gamma y exponencial.
24

2.2.6 Escalamiento (Scale).

Existen varios algoritmos para reducir o aumentar el tamao de una imagen, a
continuacin se presenta el algoritmo del redimensionamiento lineal de una
imagen. Esta modificacin sirve para alterar el tamao de una imagen, copiando
solamente algunos pixeles de la imagen original en el caso de reduccin o bien
calculando colores intermedios en el caso de amplificaciones. [4]
Los pasos en el proceso para redimensionar el ancho de una imagen se basa en
las siguientes premisas:
El ancho de la imagen final se denomina Wout.
El ancho de la imagen original Win.
La imagen es considerada como una matriz de pixeles (Win y Wout deben ser
nmeros enteros positivos).
Considere una sola fila de la imagen original y la imagen de salida como se
muestra en la Figura 2-13.

Figura 2-13 Redimensionamiento de una fila.

Se sabe que el algoritmo es lineal, por lo tanto la imagen de salida y de entrada

deben ser semejantes, es decir ser proporcionales. Por lo que se puede establecer
la siguiente relacin:

25

En base a esta relacin se sabe que al pxel Xi le corresponde el color del pxel Ci.
Como se mencion entre las premisas Win y Wout son nmeros enteros positivos,
lo que no implica que el cociente entre ellos sea otro entero positivo, puede
resultar en un fraccional ocasionando que la coordenada del pxel Ci sea un
fraccional, lo cual es imposible dado que las imgenes son matrices.
Ante el inconveniente de que Ci es un fraccional, se presentan dos posibles
decisiones:
Tomar el valor entero ms cercano de Ci, es decir Xi= E (Ci).
Hacer una linealizacin entre E (Ci) y E (Ci)+1, es decir sacar un valor ponderado
entre los dos pxeles, brinda un efecto de suavizado ms agradable. En la Figura
2.14 se muestra la ponderacin que se suele utilizar en este tipo de algoritmos de
redimensionamiento lineal.

La pendiente de la recta es la siguiente:

Figura 2.14 Redimensionamiento lineal

26

Para hallar la pendiente es usando la siguiente relacin:

Podemos expresar el valor de a en base a la pendiente:

a = m F(Ci) = F(Ci) Color(E(Ci) + )1 Color(E(Ci))

En la imagen 2.12 se puede apreciar que el color de Ci ser el Color de E (Ci)

ms el desplazamiento a:

El proceso llevado a cabo para redimensionar el largo de una imagen es idntico,

la imagen original ser la imagen resultante de la primera etapa y las variables de
inters sern ahora Hin y Hout.

Figura 2.15 Ejemplo de redimensionamiento.

27

2.2.7 Rotacin.
A continuacin se presenta uno de los procedimientos ms sencillos para rotar
imgenes. Denominamos x e y a las coordenadas de un pxel en un mapa de bits,
para localizar su imagen (x, y) a travs de la rotacin del centro (xo, yo) y ngulo
usamos las siguientes ecuaciones:

Si se utilizan estas ecuaciones partiendo de cada pxel de la imagen original, se

obtendrn muchos espacios en blancos en la imagen de salida. Estos agujeros se
deben al hecho de que (x, y) son enteros. La solucin a este inconveniente es
partir de cada pxel de la imagen de salida y obtener el pxel de procedencia; pero
sigue el problema de que los valores de (x,y) que se obtengan no siempre sern
enteros, la solucin es muy similar a la del redimensionamiento lineal: tomar el
valor entero ms cercano o sacar un valor promedio entre los dos pxeles ms
prximos a las coordenadas.

Figura 2-16 Ejemplo de rotacin.

2.2.8 Matrices de procesamiento.

A continuacin se presentarn las matrices de pre-procesamiento de uso comn
para procesar una imagen digitalmente.
Filtro Gradiente.- Los filtros de nitidez se caracterizan por resaltar los detalles
delicados de una imagen o mejorar los aquellos que han sido atenuados por error
o por los efectos de ruido en la adquisicin.
28

El gradiente es un operador se lo define como:

El gradiente apunta hacia la direccin de mxima variacin de la intensidad.

El filtro gradiente es un filtro de derivada de primer orden que destaca las
variaciones de intensidad luminosa en una determinada direccin, cuyo kernel
sigue el siguiente modelo:

Donde los valores de a, b, c y d son enteros y x puede tomar el valor de 1 0.

Figura 2-16 Ejemplo de filtro gradiente.

Filtro Gaussiano.- Un filtro Gaussiano atena las variaciones de la intensidad

luminosa en la vecindad de un pxel. Se caracteriza por suavizar la forma de los
objetos y atenuar los detalles. Es similar a un filtro de suavizado; pero su efecto de
difuminado es ms tenue, presenta una simetra circular, todas las lneas y bordes
son tratados de la misma forma.
29

La descomposicin de una matriz gaussiana como el producto de dos vectores,

representa una gran ventaja al momento de optimizar el tiempo de ejecucin de
los algoritmos; es ms rpido multiplicar matrices (imagen) por vectores
(descomposicin del filtro gaussiano) que matriz por otra matriz (imagen por el
kernel del filtro gaussiano). [4]

Figura 2-17 Resultado de filtro gaussiano.

2.3 Segmentacin.
El primer paso en cualquier proceso de anlisis de imagen es la segmentacin.
Mediante la segmentacin vamos a dividir la imagen en las partes u objetos que la
forman. El nivel al que se realiza esta subdivisin depende de la aplicacin en
particular, es decir, la segmentacin terminara cuando se hayan detectado todos
los objetos de inters para la aplicacin.
Los algoritmos de segmentacin de imagen generalmente se basan en dos
propiedades bsicas de los niveles de gris de la imagen: discontinuidad y similitud.
Dentro de la primera categora se intenta dividir la imagen basndonos en los
cambios bruscos en el nivel de gris. Las reas de inters en esta categora son la
deteccin de puntos, de lneas y de bordes en la imagen. Las reas dentro de la
segunda categora estn basadas en las tcnicas de umbrales, crecimiento de
regiones, y tcnicas de divisin y fusin. [8]

2.3.1 Segmentacin por Umbral (Thresholding).

Este proceso se encarga de segmentar una imagen en base al nivel de intensidad
de los pxeles. Debido a su simplicidad es uno de los mtodos de segmentacin
ms usados en el procesamiento digital de imgenes. El resultado de este proceso
es una imagen binaria, se asigna uno a los pxeles de inters y cero al fondo y/o
dems regiones que no son de inters para el anlisis.

30

La segmentacin por umbral es uno de los primero pasos en una variedad de

aplicaciones de visin artificial como anlisis de partculas, plantillas de
comparacin, clasificacin de partculas binarias.
La principal herramienta que se usa para escoger el mejor umbral es un
histograma de los niveles de intensidad de los pxeles, como se muestra en la
Figura 2-18, all se puede apreciar claramente que existen dos agrupaciones de
tonalidades y que se podra tomar sin problema como un umbral la intensidad 166
(recordemos que estamos en escala de gris y las intensidades van de 0 a 255)

Figura 2-18 Histograma de intensidad de pxeles.

En la Figura 2-19 podemos ver la imagen original y el resultado despus de haber

aplicado una segmentacin por umbral, el intervalo de umbral marcado en la
Figura 2-18 son los pixeles de intensidad 166 a 255, es decir las partes ms
brillantes de la imagen.

Figura 2-19 Ejemplo de segmentacin de imgenes.

El umbral de la segmentacin puede establecerse de dos maneras: manual y

automtica; la segmentacin manual no es conveniente en procesos
automatizados, ya que la calidad de la imagen y el ruido tienen una gran influencia

31

en la segmentacin y establecer un valor fijo para todas las imgenes no es lo

ms conveniente. [9]
El modulo NI Vision de Labview (que se detallara ms adelante) proporciona
mtodos estadsticos que determinan el mejor umbral en base al anlisis del
histograma de intensidades de la imagen. Estas tcnicas son adecuadas para
condiciones en las cuales la intensidad luminosa vara de imagen a imagen, estos
son: entropa, inter-varianza, mtrica, momentos y agrupacin.

2.4 Extraccin de Caractersticas.

La segmentacin es el proceso que se encarga de resaltar los objetos de inters
del fondo de la imagen, y da como resultado una imagen binaria. De esta imagen
binaria se puede obtener varas caractersticas de los objetos, tales como
permetro, rea, agujeros en las partculas, longitudes, etc.
Previo a la medicin de las partculas, existe una etapa de mejoramiento de los
pxeles conocida como operaciones binarias morfolgicas. Debido a que la
segmentacin por umbral es un proceso subjetivo, la imagen resultante binaria
puede contener informacin innecesaria, como partculas producto del ruido,
partculas que topan los bordes de la imagen, partculas en contacto con otras
partculas, y partculas con fronteras desiguales. [9]

2.4.1 Operaciones Binarias Morfolgicas.

Los operadores morfolgicos cambian la forma de las partculas que procesan en
base al nmero de sus vecinos y sus valores. Se define al vecino como un pxel
cuyo valor afecta los valores de los pxeles cercanos durante ciertas funciones de
procesamientos de imgenes.
Despus de identificar un conjunto de pxeles que pertenecan a un mismo rango
de intensidades en la segmentacin, el siguiente paso es agrupar los pxeles en
partculas. NI Vision presenta varias operaciones morfolgicas y las dividen en dos
grupos: simples y avanzadas. [10]
Las operaciones morfolgicas simples que presenta NI Vision son: erosin,
dilatacin, apertura, cierre, gradiente interno, gradiente externo, adelgazamiento,
engrosamiento.

32

Las operaciones avanzadas incluidas en el software NI Vision son: eliminacin de

bordes, relleno de agujeros, filtro pasa bajos, filtro pasa altos, separacin,
segmentacin. Se usan estas operaciones para rellenar agujeros en las partculas,
remover partculas que topan el borde de la imagen, remover partculas
innecesarias grandes o pequeas.

2.4.2 Medicin de Partculas.

El concepto de partcula es considerado como un conjunto de pxeles contiguos
diferente de cero en una imagen binaria. Las partculas pueden ser caracterizadas
por medio de mediciones relacionadas con sus atributos, tales como la ubicacin,
rea y forma.
Adems de hacer las mediciones convencionales de los pxeles, las funciones de
mediciones de partculas de NI Vision son capaces de usar informacin de
calibracin para dar las medidas aproximadas a valores del mundo real. Se
considera que un pxel tiene un rea de una unidad cuadrada.
En definitiva, la imagen de una pantalla de ordenador es como un mosaico con un
nmero de pequeos cuadros en horizontal y en vertical. Cuando se dice que la
pantalla tiene una resolucin de 1024 x 768 o 800 x 600, la primera cifra indica el
nmero de cuadros en horizontal que va a tener el escritorio y la segunda cifra los
cuadrados en vertical.

Figura 2-20 Representacin de pxel.

33

CAPITULO 3
3. LABVIEW EN APLICACIONES DE PROCESAMIENTO DE IMGENES.
LabVIEW (Laboratory Virtual Instrument Engineering Workbench) es un lenguaje
de programacin grfico para el diseo de sistemas de adquisicin de datos,
instrumentacin y control. Con LabVIEW es facil disear una aplicacin con el uso
de diagramas a bloques. Es a la vez compatible con herramientas de desarrollo
similares y puede trabajar con programas de otra rea de aplicacin, como por
ejemplo Matlab. Tiene la ventaja de que permite una fcil integracin con el
hardware, especficamente con tarjetas de medicin, adquisicin y procesamiento
de datos (incluyendo adquisicin de imgenes). [11]
A continuacin se presentar una breve introduccin a la utilizacin del software
LabView, con la finalidad de realizar el anlisis, inspeccin y procesamiento
digital de imgenes.

3.1 Introduccin al Software de captura de imgenes.

National Instruments (NI) ha sido el lder en visin artificial y procesamiento de
imgenes por cerca de una dcada. El software de visin de NI se encuentra
disponible en dos paquetes: el mdulo de desarrollo de visin (NI Vision
Development Module) y el constructor de visin para inspeccin automatizada (NI
Vision Builder for Automated Inspection). [12]
En el presente proyecto se utilizar el mdulo de desarrollo de NI Visin
Development y el mdulo NI IMAQ.

3.2 Adquisicin y procesamiento de imgenes a travs del paquete IMAQ.

3.2.1. Modulo NI IMAQ.
El Mdulo LabVIEW NI Vision Development es para cientficos, ingenieros y
tcnicos que desarrollan aplicaciones de visin artificial. Cuenta con una extensa
biblioteca con cientos de algoritmos de procesamiento de imgenes y funciones de
visin artificial para mejorar imgenes, verificar presencia, ubicar caractersticas,
identificar objetos y medir partes.
34

Para poder capturar imgenes con LabVIEW con una webcam se debe contar
con un controlador llamado IMAQdx, el cual est disponible en el paquete de NI
IMAQ y nos permite comunicarnos con cualquier cmara.
Una vez que se cuenta con este controlador, se instalar una paleta de funciones
en LabVIEW que permite hacer la adquisicin y diferentes tipos de
procesamientos de imgenes.
Una de las herramientas ms importantes de IMAQdx para los cientficos, radica
en la identificacin de las coordenadas de elementos fsicos de diferentes formas,
esto permite obtener las coordenadas de movimiento de los objetos en tiempo
real, lo cual facilita la realizacin de clculos de velocidad, posicin, aceleracin,
entre otras. Las herramientas de NI IMAQ son fciles de implementar, y lo mejor
es que permiten un gran control de los procesos.
NI IMAQdx es un mdulo que cuenta con un controlador para adquirir, visualizar,
registrar y monitorear imgenes desde varios tipos de cmaras. Este software est
incluido con todo el hardware de visin (NI Smart Cameras, sistemas de visin,
tarjetas de adquisicin de imgenes) y todas las licencias del software de visin
(Mdulo Vision Development) y licencias del NI Vision Builder for Automated
Inspection (incluyendo licencias de ejecucin). [12]
En esta seccin se proceder a realizar una explicacin ms a detalle de algunas
de las herramientas que componen al mdulo NI Vision.

Figura 3-1.Men de Instrumentos Virtuales de Vision And Motion

El conjunto de libreras que nos facilita IMAQ Vision para el diagrama de bloques
son las siguientes:
Ni-IMAQ: Posee los instrumentos virtuales (Virtual Instruments, VI) que establecen
el sistema de adquisicin y captura las imgenes. [13]

35

Figura 3-2. Men de NI-IMAQ.

Vision Utilities: Esta herramienta proporciona los instrumentos virtuales que

permiten crear y manipular imgenes, por ejemplo: leer imgenes en diferentes
formatos, establecer regiones de inters, manipular los pxeles, sobreponer lneas
o rectngulos, calibrar para realizar conversiones de medidas de pxeles a
medidas del mundo real. [14]

Figura 3-3. Men de Vision Utilities.

Image Processing: Contiene un conjunto de instrumentos virtuales que se utilizan

para analizar, filtrar y procesar imgenes.

Figura 3-4. Men de Image Processing.

36

Machine Vision: Presenta instrumentos virtuales que se utilizan en la visin

artificial para realizar inspecciones de objetos, bsqueda de patrones, localizacin
de bordes, anlisis de partculas, seleccin dinmica de regiones de inters, etc.

Figura 3-5. Men de Machine Vision.

IMAQdx: Proporciona los instrumentos virtuales necesarios para establecer el

funcionamiento y adquisicin de imgenes a travs de cmaras USB.

Figura 3-6. Men IMAQdx.

En el panel frontal se encuentran un conjunto de controles que proporciona NI

Vision para presentar las imgenes.

37

Figura 3-7. Men del Panel Frontal de Vision.

3.3 Adquisicin de Imgenes a travs del paquete IMAQ.

Para una mejor comprensin al lector del presente trabajo se muestran sencillos
ejemplos sobre el manejo de IMAQ Vision para la adquisicin y manejo de
imgenes.

3.3.1. Administracin de espacios de memoria.

Los siguientes instrumentos virtuales se localizan en la librera Vision Utilities, en
la seccin Image Management.
Para que LabVIEW pueda manejar archivos grficos debe reservar un espacio
de memoria para su almacenamiento temporal; en este caso se usa IMAQ Create.

Figura 3-8. IMAQ Create.

Image Name: es la entrada ms importante de este VI; en ella se proporciona el

nombre propio de la imagen, debe ser nico.
Border Size: sirve para especificar el tamao del borde.
Image Type: se puede seleccionar varias opciones: escala de grises, color o
compleja.
38

New Image, nos proporciona la salida de la imagen, que a su vez sirve de entrada
a las muchas funciones usadas por NI Vision.
En la Figura 3-9 se muestra el ejemplo para crear un espacio de memoria para
trabajar con imgenes en formato RGB de 32 bits.

Figura 3-9. Ejemplo de IMAQ Create.

Es importante tener cuidado de reservar localidades de memoria, pero tambin lo

es liberar el espacio de memoria cuando ya no se utilizar ms, para esto se usa
el instrumento virtual IMAQ Dispose.

Figura 3-10 .IMAQ Dispose.

Este VI es capaz de destruir una imagen y liberar su espacio de memoria o el de

todas las imgenes creadas.
En la Figura 3-11 se observa el uso de IMAQ Dispose para destruir una sola
imagen.

39

Figura 3-11. Ejemplo de IMAQ Dispose.

La funcin IMAQ Copy, la cual nos permite duplicar una imagen. Uno de los
propsitos de este VI es almacenar una copia de la imagen original antes de
cualquier procesamiento y as poder comparar al final del proceso.

Figura 3-12. IMAQ Copy.

Respecto a las entradas y salidas de este VI, la entrada Image Src es la imagen
fuente que se desea copiar, mientras que Image Dst es la referencia de la imagen
donde se va a copiar. Image Dst Out es la imagen copiada, la cual debe ser la
misma que Image Dst.
En la Figura 3-13 se muestra un ejemplo del uso de este VI.

Figura 3-13. Ejemplo de IMAQ Copy.

40

3.3.2. Manejo y Configuracin de la Cmara

En seguida se muestran los instrumentos virtuales que permiten iniciar y detener
la cmara, configurar las propiedades y conocer el nombre de la cmara
conectada. Estos VIs se encuentran en la librera IMAQdx USB.
IMAQdx USB Enumerate Cameras: Crea un listado de todas las cmaras USB
disponibles encontradas en el sistema que pueden ser utilizadas.

Figura 3-14. IMAQdx USB Enumerate Cameras.

Cuando se encuentra conectada la cmara USB que se utilizara, y corriendo la

configuracin ubicada en la Figura 3-14. Se puede obtener los nombres de todas
las cmaras conectadas en el computador y reconocidas por LabVIEW y
algunas de sus caractersticas. El resultado se puede visualizar en el panel frontal,
ser algo parecido al de la Figura 3-15.

41

Figura 3-15. Panel Frontal de IMAQdx USB Enumerate Cameras.

IMAQdx Open Camera: Crea una sesin de IMAQdx USB, una vez proporcionado
el nombre de la cmara USB. Esta permite escoger el modo de adquisicin de la
cmara por medio del parmetro modo de video.

Figura 3-16. IMAQdx Open Camera.

42

IMAQdx Enumerate Attributes: Es capaz de realizar la apertura del cuadro de

dilogo de configuracin de la cmara USB, que es proporcionado por el
fabricante de la cmara.

Figura 3-17. IMAQdx Enumerate Attributes.

IMAQdx Stop Acquisition: Permite cancelar o detener una adquisicin de

imgenes contina. Para volver a capturar imgenes se debe volver a usar el VI
IMAQdx USB Snap.

Figura 3-18. IMAQdx Stop Acquisition.

IMAQdx Close Camera: Este VI permite ejecutar el cierre de la sesin de la

cmara USB, para ejecutar esta accin se le debe proporcionar la referencia de la
cmara creada por IMAQdx Open Camera.

43

Figura 3-19. IMAQdx Close Camera.

3.3.3. Modos de Captura de imgenes.

LabVIEW ofrece la posibilidad de poder escoger entre varios modos de
adquisicin de imgenes a travs de una cmara, dependiendo del tipo de
aplicacin que se necesite realizar. Entre los tres modos de captura disponibles en
LabVIEW se tienen los siguientes: snap, grab y sequence. Se dar una breve
explicacin de los modos snap y grab que fueron los utilizados en el proyecto.
Modo Snap: En este tipo de captura solo se realiza una captura de imagen que es
almacenada en el bfer de memoria. Este modo de adquisicin debe ser utilizado
cuando se desee adquirir una sola imagen.

Figura 3-20. IMAQ USB Snap.

En la Figura 3-21 se muestra un ejemplo de adquisicin de imagen en modo

Snap, y tambin se puede observar que se han utilizado los instrumentos virtuales
descritos en las secciones anteriores.

44

Figura 3-21 .Diagrama de bloques con uso de IMAQ USB Snap

.

Y el resultado se puede ver en el panel frontal se obtendr una imagen como la

que se muestra en la Figura 3-22.

Figura 3-22. Panel Frontal de la captura en modo snap.

Un aspecto importante es el tiempo necesario para enfocar la imagen, que es vital

para poder realizar las capturas. Para mejorar la adquisicin de imgenes del
ejemplo anterior y evitar que se produzcan fallas provocadas por el tipo de captura
y el tiempo para enfocar, es necesario realizar mltiples capturas de manera que
se pueda escoger la toma final con una mejor resolucin.

45

Figura 3-23. Diagrama de bloques con uso de IMAQdx Snap y lazo de repeticin.

El resultado se puede observar en la Figura 3-24.

Figura 3-24. Panel Frontal de la captura correcta en modo snap.

46

Modo Grab: Este modo se ejecuta continuamente a una alta velocidad de

adquisicin de datos, los cuales son enviados a un nico bfer ubicado en la
memoria del computador.

Figura 3-25. IMAQ USB Grab Acquire.

En la Figura 3-26 se puede observar el diagrama de bloques como ejemplo de

captura usando el modo Grab. Se capturar de manera indefinida dentro del lazo
while, hasta que el operario detenga el programa presionando el botn de Stop.

Figura 3-26. Diagrama de bloques con uso de IMAQ USB Grab

47

En la Figura 3-27 tenemos el panel frontal del ejemplo de captura del modo grab.

Figura 3-27. Panel Frontal de la captura en modo Grab.

3.3.4. Visualizacin de Imgenes en el panel frontal.

En la seccin anterior se utiliz el instrumento virtual Image Display en el panel
frontal para poder visualizar las capturas realizadas por la cmara USB.
Image Display contiene varias herramientas, en la parte lateral izquierda es
posible hacer ampliaciones o reducciones de la Figura, mientras que en la parte
lateral derecha e inferior presenta barras de desplazamiento.

48

Figura 3-28. Panel Frontal de Image Display.

Es muy recomendable para evitar errores, especificarle a Image Display el tipo de

imagen que se est visualizando, en el presente proyecto se trabaj con imgenes
RGB, binarias y en escala de grises. Para indicarle al Image Display el tipo de
imagen se da clic derecho sobre el VI y se escoge la opcin Palette y se
selecciona el tipo de imagen, tal como se muestra en la Figura 3-29.

49

Figura 3-29 .Eleccin del tipo de imagen en el Image Display.

3.3.5. Lectura y escritura de Imgenes.

Para poder leer archivos de imgenes en LabVIEW se usa el instrumento virtual
llamado IMAQ Read File, que se muestra a continuacin en la Figura 3-30.

Figura 3-30 .IMAQ Read File.

Esta herramienta de LabVIEW permite realizar la lectura de imgenes tipo

JPEG, BMP, TIFF, PNG.
La Figura 3-31 muestra un ejemplo simple para leer una imagen y mostrarla en el
panel frontal de LabVIEW con el Image Display, para esto se usa el VI IMAQ
Load Image Dialog, esta herramienta lanzar una ventana para navegar entre los
archivos de usuario y cargar una imagen manualmente. Es importante tambin
indicarle a imaq create, el tipo de imagen que se usar, para poder visualizarla de
forma correcta de lo contrario no se mostrar la imagen.

50

Figura 3-31. Ejemplo de IMAQ Read File.

As como se puede cargar o leer una imagen en LabVIEW, tambin es posible

guardar imgenes capturadas en diferentes formatos disponibles tales como BMP,
JPEG o PNG.

Figura 3-32. IMAQ Write File.

En este VI (virtual instrument) las entradas ms importantes son la referencia de

entrada a la imagen (image) y la direccin en la que se almacenar el archivo (file
patch) que le indica la ruta donde se almacenar.
En el siguiente ejemplo se ha modificado la captura en modo snap para guardar
la ltima captura en un archivo con extensin .png en la misma carpeta donde se
encuentra guardado el programa. Para que la imagen se guarde correctamente, es
necesario colocar un nombre y la extensin como se ve en el VI Build Patch.

51

Figura 3-33. Ejemplo de IMAQ Write File.

3.4 Procesamiento de imgenes con IMAQdx.

En la siguiente seccin se darn ejemplos sencillos con la finalidad de mejorar y
facilitar la comprensin de las herramientas VI utilizadas para el procesamiento de
imgenes del proyecto que se usaran ms adelante.

3.4.1. Segmentacin Por Umbral.

NI Vision ofrece muchos y variados instrumentos virtuales dentro de la librera
Image Processing, existe la seccin Processing. A continuacin se tomarn en
cuenta solo dos de ellos que son los de inters en el proyecto: IMAQ Threshold e
IMAQ AutoB Threshold 2.
La Figura 3-34 muestra el VI IMAQ Threshold, es necesario indicar en la entrada
Range el rango de valores para la segmentacin: el ms bajo (que lo define el
programador de la aplicacin) y el ms alto (que por defecto es 255). Ser
necesario hacer pruebas con diferentes valores para tener el resultado deseado,
esto es primordial ya que la flexibilidad de estos valores permite hacer cambios del
entorno del trabajo y conservar la funcionalidad de todo el algoritmo.

52

Figura 3-34 .IMAQ Threshold.

En la Figura 3-35 se observa un sencillo ejemplo usando IMAQ Threshold. Es

importante modificar la paleta e indicar que se mostrar una imagen binaria en
Display Image de lo contrario no se visualizara la imagen.

Figura 3-35 .Diagrama de bloques de deteccin de umbral con IMAQ Threshold.

En la Figura 3-36 se muestra el resultado de segmentacin de una imagen.

Figura 3-36 Panel frontal de la segmentacin usando IMAQ Threshold.

53

Usar una segmentacin manual presenta ciertas desventajas cuando se la aplica

en procesos que deben ser automatizados. Para resolver esto, NI Vision
proporciona otra herramienta: IMAQ AutoB Threshold.
En la Figura 3-37 se muestra dicho instrumento virtual con sus respectivas
entradas y salidas.

Figura 3-37. IMAQ AutoB Threshold

La entrada Method indica al VI como calcular el umbral; pero no le indica si el la

informacin de inters est sobre o por debajo del umbral. Para indicarle esto se
utiliza la entrada Look For, al cual tiene dos opciones: objetos brillantes u objetos
oscuros. Al decir que se selecciona objetos brillantes lo que se le indica al VI es
que busque los pxeles de valor superior al umbral; o bien lo contrario al escoger la
opcin objetos oscuros.
La Figura 3-38 muestra un sencillo ejemplo de la segmentacin por umbral
automtica, de acuerdo a lo descrito anteriormente se ha elegido resaltar los
objetos brillantes y tambin determina el umbral en base a la entropa.

Figura 3-38. Diagrama de bloques de deteccin de umbral usando IMAQ AutoB Threshold
54

En la Figura 3-39 se muestra el resultado de esta segmentacin y la imagen usada

en este caso fue la misma que para el ejemplo anterior, se pueden apreciar a
simple vista la diferencia con la Figura 3-36.

Figura 3-39 .Panel frontal de la segmentacin usando IMAQ AutoB Threshold.

3.4.2. Anlisis de Partculas.

Con NI Vision es posible detectar partculas de una imagen y para esto presenta
dos instrumentos virtuales que permiten obtener informacin de las partculas de
una imagen binaria. Estos son IMAQ Particle Analysis e IMAQ Particle Analysis
Report.

Figura 3-40. IMAQ Particle Analysis Report.

En la Figura 3-40 se puede ver IMAQ Particle Analysis Report, las nicas entradas
son la imagen fuente y una entrada lgica binaria para indicar el tipo de
55

conectividad. La salida de mayor inters es Particle Reports (Pixels), la cual es un

arreglo de clsteres que entrega informacin bsica como: rea, rectngulo,
centro de masa, orientacin y dimensiones.

La Figura 3-41 muestra el cdigo en lenguaje G (grfico) de este ejemplo,

mientras en la Figura 3-42 se muestra el resultado.

Figura 3-41. Diagrama de bloques con el uso de IMAQ Particle Analysis Report.

Figura 3-42. Panel frontal con los resultados de IMAQ Particle Analysis Report.

56

3.4.4. Filtros de Convolucin.

Los filtros basados en la convolucin tienen una gran utilidad en el mejoramiento
de los detalles de las imgenes con muchos propsitos segn la aplicacin, se
puede resaltar detalles, atenuar o mejorar los bordes para detectarlos. IMAQ
cuenta con un VI que permite trabajar con filtros de convolucin, cuyo nombre es
IMAQ Convolute.

Figura 3-43. IMAQ Convolute.

Para trabajar con IMAQ Convolute son necesarias imgenes en escala de grises
de 8 bits. Las entradas ms importantes de este VI son la imagen fuente y el
kernel de convolucin, este ltimo definir si el filtro es de nitidez o suavizado.
En la Figura 3-44 se muestra el diagrama de bloques para un filtro de suavizado y
en la Figura 3-45 se ven la imagen original y la atenuada.

Figura 3.44. Diagrama a bloques para filtro de convolucin suavizado.

57

Figura 3-45. Resultados en panel frontal para filtro de convolucin suavizado.

Para el siguiente ejemplo se modific la matriz del filtro (kernel) del filtro para
obtener la imagen ms ntida.

Figura 3-46. Resultados en panel frontal para filtro de convolucin de nitidez.

58

Figura 3-47. Diagrama a bloques para filtro de convolucin de nitidez.

3.4.4. Deteccion de Bordes.

Es posible tambien usar filtros basados en convolucion con la finalidad de detectar
bordes, mismos que pueden ser implementados con el instrumento virtual IMAQ
EdgeDetection.

Figura 3-48. IMAQ EdgeDetection.

A continuacin se muestra un ejemplo de una imagen usando el VI IMAQ

EdgeDetection para detectar los bordes de una imagen.

59

Figura 3-49. Diagrama a bloques de filtro para deteccin de bordes.

Figura 3-50. Panel frontal de resultados de filtro para deteccin de bordes.

60

3.4.5. Ecualizador.
Es el ecualizador el elemento que permite modificar a nuestro gusto la curva de
respuesta de nuestro sistema. Esta modificacin se realiza con el empleo de filtros
que alteran la seal recibida. [15]
La obtencin de imgenes ideales se basa en dos factores:
1. Iluminacin uniforme.
2. Ganancia lineal.

Figura 3-51. Niveles de gris en imgenes [16].

3.4.6. Realce de imagen.

Los procesos de realce de imgenes consisten de una serie de tcnicas cuyo
objetivo es mejorar la apariencia visual de una imagen, ya sea en contraste, ruido,
escala de grises, distorsiones, luminosidad, falta de nitidez.
El principal objetivo del realce de la imagen, es procesar una imagen de tal
manera que el resultado obtenido sea el apropiado para una aplicacin especfica.
Los mtodos de realce de imgenes los podemos dividir en dos categoras: los
mtodos de realce en el dominio espacial y los mtodos de realce en el dominio
de la frecuencia.

Dentro de los mtodos de realce espacial podemos encontrar dos tcnicas:

61

El realce radiomtrico donde las operaciones son efectuadas directamente sobre

un pixel sin importar o tomar en cuenta a los pixeles vecinos. Sirve para mejorar
condiciones de bajo contraste, baja luminosidad o demasiada obscuridad.
Ejemplo: ecualizacin de histograma. [16]

3.4.6 Histograma.
El histograma es un diagrama de barras donde el eje x representa los niveles de
gris de una imagen, y el eje y, las frecuencias relativas de los distintos niveles de
gris, es decir, la cantidad de puntos asociados a cada nivel de gris, dividido por la
cantidad total de puntos de la imagen.

3.4.7 IMAQ Equalize VI.

Produce una ecualizacin de histograma de una imagen. Este VI redistribuye los
valores de pxeles de una imagen para linealizar el histograma acumulado. La
precisin de la VI es dependiente de la precisin histograma, que a su vez
depende del nmero de clases que se utilizan en el histograma. [17]

Figura 3-52 .IMAQ Equalize VI.

Histogram Report es una entrada opcional para igualar una imagen basada en su
histograma. Para igualar una imagen basado en el histograma de otra imagen,
ejecute el IMAQ Histograma VI antes de la IMAQ Equalize VI para suministrar una
entrada para Histograma Informe.
La modificacin para el valor de pxel depende de los contenidos de histograma,
sin tener en cuenta el tipo de imagen utilizado. Todos los pxeles que entran en la
misma clase histograma tienen un valor idntico despus de la ecualizacin.

62

Captulo 4.
4. DISEO E IMPLEMENTACIN DEL SISTEMA PARA LA DETECCIN
DE CUERPOS SOLIDOS.
Debido a los altos volmenes de produccin, y a los altos estndares de calidad
que demandan el mercado actual. La idea de implementar un sistema de visin en
cualquier ambiente, ya no es una idea futurista, sino una solucin del presente
que permite minimizar los riesgos.
La solucin que se presenta fue conceptualizada a fin de dar solucin a la
necesidad actual de establecer un sistema de control en donde la calidad del
producto.
Para el caso particular de esta aplicacin, se trata de un rea especfica, utilizando
envases plsticos.

4.1 Especificaciones para el diseo del sistema

Para el correcto funcionamiento del sistema es necesario conocer algunos
aspectos que se deben tomar en cuenta en el planteamiento del problema.
Mencionando nuevamente las caractersticas de la palabra turbiedad, la cual es
usada para describir un lquido que posee una variacin en la tonalidad de su color
natural conteniendo objetos extraos o partculas que sern buscados dentro de
los frascos.
Es importante tambin considerar las caractersticas principales referentes al tipo
de frasco utilizado con sus medidas especficas, tipo de contenido y nivel del
lquido. A continuacin se muestra una informacin ms detalla sobre cada una.

63

4.2 Caractersticas del Frasco.

El tipo de frasco a utilizarse esta elaborado de plstico. Las caractersticas ms
importantes que presenta son:

Alto grado de transparencia.

Alta resistencia al desgaste.
Buena resistencia qumica.
Totalmente reciclable.
Ligero.
Fcil de adquirir.

Figura 4-1. Ejemplos de frascos usados en pruebas.

Otra alternativa que se tom en cuenta en lugar del plstico fue el vidrio, el cual
tiene las siguientes caractersticas.

Alto grado de transparencia.

Alta resistencia al desgaste.
Buena resistencia qumica.
Buenas propiedades trmicas.
Totalmente reciclable.
Pesado.
Frgil.

64

4.3 Seleccin del frasco.

Debido a que el sistema de deteccin de cuerpos solidos tiene limitaciones se
buscara un frasco de ciertas caractersticas como: transparencia, resistencia y su
fcil adquisicin. Es muy importante tomar en cuenta la forma de los frascos, ya
que es ms complicado el anlisis de un frasco que cuente con una superficie
irregular, por eso se busc un frasco lo ms simple y uniforme posible.

Figura 4-2. Variedad de frascos.

Para las pruebas realizadas en el proyecto se us un frasco de forma

semiesfrico, con una altura de 13.8 cm y un ancho en su base de 4.7 cm; y
posee una tapa de color blanco, tal como se muestra en la Figura 4-3.

65

Figura 4-3. Diseo del frasco usado en las pruebas.

4.4 Caractersticas del lquido.

El lquido contenido en el frasco debe ser de constitucin uniforme, homogneo y
translcido, para el presente proyecto se utiliz agua potable.
Se tomaron en cuenta otros lquidos para este proyecto pero al final se escogi el
agua potable por sus caractersticas que nos permitan tomar las muestras con
ms facilidad.

4.5 Caractersticas del Entorno.

El entorno de trabajo debe ser un ambiente controlado, de manera que se limiten
las interferencias luminosas dentro del sistema.
Para lo cual se utiliza una caja de material resistente con medidas de 40 x 22 x 25
cm que cubre toda el rea donde se captura la imagen, cubriendo a la fuente de
iluminacin, la botella y la cmara tal como se muestra en la Figura 4-4

66

Figura 4-4. Entorno: Sistema de iluminacin, botella, cmara.

67

4.5.1 Captura de imagen del frasco

En la parte de captura de imagen se utiliz en este proyecto una cmara Web
Logitech C170 por su facilidad de uso con LabVIEW, econmica y flexible para
posicionamiento, las caractersticas principales de la cmara son:

Videoconferencias (640 x 480 pxeles) con el sistema recomendado.

Captura de vdeo: Hasta 1024 x 768 pxeles.
Tecnologa Logitech Fluid Crystal.
Fotos: Hasta 5 megapxeles (mejora por software).
Micrfono integrado con reduccin de ruido.
Certificacin USB 2.0 de alta velocidad (se recomienda).
Clip universal para monitores LCD, CRT o porttiles.
Plug & play. [22]

Figura 4-5. Webcam C170 Logitech

4.5.2 Caractersticas del sistema de iluminacin.

Para tener un ambiente controlado, es importante cuidar contar con iluminacin
que no cambie, no importando el lugar ni la hora donde se efecten pruebas.
Para ello se fabric un marco de madera con dimensiones de 23 x 18 x 2.5 cm que
contiene un fondo blanco y una tira de leds de alta luminosidad de 1m de longitud,
dispuesta en forma de serpentn, los cuales son alimentados con una fuente de
alimentacin de 12v C.D. finalmente se encuentran cubiertos con tres capas de
pelln textil, esto con la idea de difuminar uniformemente la luz proporcionada por

68

los LEDs este detalle es de vital importancia ya que es el arreglo adecuado para
el cual se encuentran configurados los algoritmos de deteccin de turbiedades.

Figura 4-6. Tira de LEDs.

Figura 4-7 .Sistema de iluminacin terminado.

69

El costo de la cmara y del sistema de iluminacin est comprendido por la

construccin artesanal basada en los siguientes materiales:
Tabla 4-1. Detalle de costos en pesos mexicanos del entorno.

No. De Articulo
1
2
3
4
5
6
7
TOTAL

Descripcin
Cmara
Caja de madera
Tira de LEDs
Interruptor
Adaptador de 12v
Pelln textil (1m)
frasco

Cantidad
1
1
1
1
1
1
13

Precio unitario
$250.00
$150.00
$100.00
$20.00
$100.00
$10.00
$6.00
$608.00

4.6 Diseo del Programa detector de objetos en LabVIEW con el

uso del paquete IMAQ.
Con los ajustes iniciales del sistema correctos, el control del mismo debe
satisfacer plenamente con las expectativas en cuanto al anlisis de turbiedades
dentro del frasco, en conjunto el ambiente controlado y el software dan como
resultado un algoritmo confiable con un muy bajo porcentaje de error.
Para el anlisis del frasco se decidi una zona del mismo, que representa el 70%
de su superficie frontal total. Con la finalidad de tener la mayor probabilidad de que
las impurezas en suspensin sean fciles de capturar por la cmara y
posteriormente detectadas por el algoritmo de LabVIEW.

4.6.1 Diagramas de trabajo y Diagramas de Bloques.

En esta seccin se muestra el funcionamiento de la aplicacin de deteccin de
objetos, elaborando un esquema, muy general, su funcionamiento.
Con ayuda del siguiente diagrama a bloques que incluye funciones que permitan
la deteccin de turbiedades en el frasco; pero a la vez coordinadas por un bloque
de control central, que en este caso es el programa diseado en LabVIEW que
se ejecuta en la computadora.

70

Figura 4-8. Diagrama a bloques general

En el diagrama de bloques anterior se puede apreciar que los elementos

funcionales necesarios para el desarrollo de esta aplicacin son los siguientes:

rea de captura de imagen

Sistema de iluminacin

Cmara USB

Computadora

71

Programa de LabVIEW

En el siguiente diagrama de bloques de la Figura 4.9, que menciona la forma de

como el programa ejecuta las rutinas de control en LabVIEW.

Figura 4-9 .Diagrama de bloques general del programa de control.

Tal como se puede observar en la Figura 4-9, la parte principal se encuentra

definida por el VI de anlisis de partculas; que interacta de manera constante.
Tambin, se mantiene una comunicacin con la cmara USB, manipulada por
medio de los diferentes instrumentos virtuales.

Diagrama de Flujo.
Para lograr los objetivos del proyecto para la deteccin de impurezas, se dise
un programa principal que consta de 4 partes claramente definidas, que siguen el
siguiente orden:
72

 Captura de la imagen.
Procesado de la imagen capturada.
Anlisis del procesamiento de la imagen del frasco.
Aceptacin o rechazo del frasco.

Figura 4-10. Diagrama de flujo de la deteccin de impurezas.

73

A continuacin se presentan los diagramas de flujo secundario, correspondiente a

cada uno de los subprocesos ejecutados, para detallar ms el algoritmo y facilitar
la comprensin.

Figura 4-11. Diagrama de flujo del anlisis.

74

4.6.2 Implementacin del sistema de visin artificial con LabVIEW.

Acorde al diagrama de flujo de la Figura 4-11, se proceder a mostrar las
correspondientes implementaciones en el lenguaje grfico de LabVIEW. Cada
etapa ha sido creada tratando de usar los instrumentos virtuales (VIs)
mencionados en el captulo anterior.

4.6.3 Captura de la Imagen con IMAQdx.

Figura 4-12 .Diagrama de bloques de la captura de la imagen.

En la etapa de captura de imagen se debe hacer la correspondiente abertura de la

sesin de la cmara USB, el manejo del espacio de memoria para almacenar la
imagen y la captura, que por motivos de rapidez se ha escogido el modo grab. Y
con ayuda del display podemos observar el resultado en el panel frontal del
programa.

75

Figura 4-13. Ejemplo de imagen capturada.

4.6.4 Procesamiento de imagen con IMAQ.

Posterior a la captura, se realizan varios procesos, conversin a escala de grises,
filtrado, ecualizacin.
Como primer paso la imagen es convertida a escala de grises con el Vi IMAQ
extract single color plane, ya que es indispensable para el resto de los procesos.
Despus la imagen es ecualizada con IMAQ Equalize, esto ayuda para tener una
imagen con el mejor balance de negro y blanco posible en la imagen.
El filtro utilizado est basado en la convolucin con un kernel para mejorar la
nitidez.

Figura 4-14. Procesamiento de imagen parte 1.

76

El resultado de esta etapa se puede ver de la siguiente manera con el display

correspondiente.

Figura 4-15. Parte 1: Resultado de procesamiento de imagen (escala de grises).

Una vez concluido lo anterior, es necesario binarizar la imagen. La forma ms

comn de generar imgenes binarias es mediante la utilizacin del valor umbral de
una imagen a escala de grises; es decir se elige un valor lmite (o bien un
intervalo) a partir del cual todos los valores de intensidades mayores sern
codificados como 1 mientras que los que estn por debajo sern codificados a
cero. Para esto se utilizara el VI IMAQ Threshold.

Figura 4-16. Procesamiento de imagen parte 2.

77

El resultado se muestra en el display correspondiente.

Figura 4-17. Parte 2: resultado binarizar imagen.

Una vez que la imagen ya se encuentra binarizada, es posible utilizar una

herramienta de LabVIEW llamada IMAQ Particle Analysis Report VI. Se puede
utilizar el anlisis de partculas para detectar regiones conectadas o agrupaciones
de pxeles de una imagen y luego hacer las mediciones seleccionadas de esas
regiones. Estas regiones se denominan comnmente como partculas. Una
partcula es una regin contigua de pxeles no nulos.
Un proceso de anlisis de partculas tpico explora a travs de toda la imagen,
detecta todas las partculas en la imagen, y construye un informe detallado sobre
cada partcula. Puede utilizar varios parmetros, tales como permetro, ngulo,
rea, y el centro de masas para identificar y clasificar estas partculas.

78

Figura 4-18 Resultado de IMAQ Particle Analysis Report VI.

Es necesario que el software se comunique con el usuario de alguna manera para

esto se realiz un arreglo sencillo con un ciclo de programacin while.

Figura 4-19. Visualizacin de estado de botella.

Finalmente todo se puede ver en el panel frontal de forma conjunta, donde a

travs de un mensaje de texto, se comunica si enfrente de la cmara se encuentra
una botella sucia o limpia.

79

Figura 4-20. Resultado final.

80

Captulo 5
5 ANLISIS E INTERPRETACIN DE RESULTADOS.
5.1 DATOS EXPERIMENTALES.
En el presente captulo se realizar una descripcin y anlisis de las pruebas
realizadas con del sistema implementado en LabVIEW.
La parte final del proyecto consisti en hacer pruebas, donde se tuvieron en
cuenta diferentes aspectos del sistema como: Iluminacin, Impurezas en el
contenido del lquido, distancia entre sistema de iluminacin, botella, y cmara.

5.1.1 Pruebas realizadas.

Para lograr desarrollar el algoritmo para la deteccin de frascos con impurezas, se
realizaron mltiples pruebas analizando capturas de los frascos.

5.1.2 Anlisis de frascos estticos.

Este etapa nos permiti realizar la implementacin y calibracin de los algoritmos
en lenguaje G, as como establecer el tipo de frasco a usarse, la iluminacin
necesaria, con diferencias de tamao forma y material de los frascos.
Las pruebas realizadas con los distintos escenarios, permitieron explorar las
muchas de las funcionalidades y herramientas de anlisis de imgenes que
proporciona LabVIEW 2011, con la finalidad de hacer el mejor uso de estas
herramientas para realizar el presente proyecto. Las pruebas se dividen en:
pruebas del tipo de frasco y de iluminacin.

5.1.3 Pruebas del tipo de frasco.

En el mercado local encontramos muchos tipos de frascos, pero para las pruebas
se usaron los que pueden ser observados en la Figura 5-1. Como se puede
apreciar, adems de las diferencias en tamao y forma, la principal caracterstica
que tomamos en cuenta fue el brillo que produca el material plstico. Mientras el
frasco de la parte a) presenta tres manchas, en el frasco de la parte b) se ve una
reduccin considerable.

81

Figura 5-1

Parte a)

Parte b)

El inconveniente de que el frasco presente estas manchas luminosas, es que

confunden a los algoritmos de deteccin; stos determinaban impurezas
inexistentes fsicamente.
Un aspecto muy importante al momento de realizar las pruebas, es cuidar que las
partculas no se encuentren sedimentadas, para evitar esto basta con agitar un
poco el frasco con la finalidad de asegurarse que las partculas estn en
suspensin y puedan ser captadas dentro del abanico visual de la cmara.

5.1.4 Pruebas de iluminacin.

Como se menciona en captulo 2, la correcta seleccin de una fuente de luz y
sistema de iluminacin es indispensable para una correcta captura de imagen y
tambin facilita los procesos de visin artificial. Se eligi como fuente de
iluminacin los LEDs, por sus diferentes ventajas, econmicos, de fcil
instalacin, y flexible. Se decidi usar como difusor el pelln textil que cubriera los
LEDs.
Para que la luz se proyecte de manera homognea y a una intensidad adecuada,
fue necesario crear un sistema de luz que nos permitiera tener los resultados
deseados pero para llegar a esto, fueron necesarias varias pruebas.

82

5.2 Datos obtenidos.

La siguiente etapa del proyecto, despus de terminar la experimentacin y
finalizacin de la implementacin del cdigo elaborado. Lo sucesivo fue realizar
pruebas correspondientes a una muestra de 500 frascos, que fueron colocados
dentro del entorno de trabajo de manera aleatoria entre frascos sucios y limpios,
con diferentes impurezas como, caf, chocolate en polvo, jabn en polvo, salsa
liquida, todas ellas medidas en gramos en diversas cantidades .
Como se explic en el captulo 4 la regin de inters se encuentra en el centro del
frasco, tal y como se muestra en la Figura 5-2, la idea es tratar de obtener la
mayor informacin posible abarcando el 70% de la superficie a travs de una
captura con la cmara lo ms cerca posible del frasco. Con esto se evita hacer
una captura ms abierta, donde podra tenerse la imagen del frasco completo,
pero tambin haciendo ms difcil el anlisis y con ello la seleccin de limpio o
sucio de la botella, para el algoritmo.

Figura 5-2 rea de inters para el anlisis.

83

5.3 Anlisis de resultados.

Para realizar un anlisis ms detallado de los resultados obtenidos a travs de las
pruebas realizadas, se ha elegido dividir en 2 etapas.
La primera etapa, corresponde al anlisis realizado con graficas de barras para las
pruebas realizadas con los diferentes agentes contaminantes usados en la
muestra de 500 pruebas.
En la segunda etapa, se hace referencia a la eficiencia del algoritmo al momento
de realizar el descarte de los frascos analizados, esto gracias a una grfica
circular.

5.3.1 Pruebas realizadas con chocolate en polvo.

El primer contaminante que se prob fue el chocolate en polvo, mismo que fue
aadido en cuatro frascos de 90ml, con cantidades de .95g, 1.3g, 1.5g y 2g.
Alternando con frascos limpios. Para este caso fueron realizadas 150 muestras,
mismas que se pueden ver en la grfica siguiente con nmero de partculas
detectadas y cantidad den gramos. Tambin en la seccin de anexos se puede
consultar la tabla de los resultados obtenidos tanto de esta como de las pruebas
posteriores.

Nmero de partculas detectadas

1000
900
800
700
600
500
400
300
200
100
0
0g
0g
0g
0g
0.95g
0.95g
0.95g
0.95g
0.95g
1.3g
1.3g
1.3g
1.3g
1.5g
1.5g
1.5g
1.5g
2g
2g
2g
2g
2g

Nmero de partculas detectadas

Grfica 5-1 Pruebas con chocolate en polvo.

84

5.3.2 Pruebas realizadas con salsa picante.

Para las pruebas siguientes se utiliz un lquido en vez de polvo para observar
cmo se comportaba el sistema, y la respuesta fue satisfactoria puesto que las
pruebas con 5 ml, 7.5 ml y 10ml fueron detectadas como sucias, tambin se
colocaron botellas limpias y en ambos casos los resultados fueron los esperados
en un total de 100 pruebas.
En la siguiente grfica se encuentran los resultados, de nmero de partculas y
cantidad en mililitros

Grfico de pruebas con salsa picante.

1000
800
600
400

Nmero de partculas detectadas

200
0ml
0ml
0ml
0ml
0ml
5ml
5ml
5ml
5ml
5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
10ml
10ml
10ml
10ml
10ml

Grfica 5-2 Pruebas con salsa picante.

5.3.3 Pruebas realizadas con jabn en polvo.

Un elemento que consideramos interesante probar fue el jabn en polvo, existen
botellas en el mercado las cuales se reutilizan, tambin llamadas retornables, las
cuales se lavan antes de ser llenadas de nuevo, es posible que un mal enjuague
pudiera ser la causa de que una botella se encontrara contaminada con residuos
de jabn.

85

En la grfica siguiente se encuentra el resultado de 100 muestras realizadas con

frascos que contenan 1g y 2g de jabn, tambin aqu se prob el algoritmo con
botellas limpias. Fue en estas pruebas cuando se tuvieron 2 errores, de falso
positivo, es decir el sistema detecto como limpia cuando la botella realmente
estaba vaca, y este error se observar en la parte central de la grfica con una
cada a cero de la lnea de media mvil.

Grfico de Pruebas realizadas con jabn en

polvo.
1200
1000
800

Nmero de partculas
detectadas

600
400
200
2g

2g

2g

2g

2g

2g

2g

1g

1g

1g

1g

1g

1g

1g

1g

1g

1g

0g

0g

0g

Grfica 5-3 pruebas realizadas con jabn en polvo.

5.3.4 Pruebas realizadas con caf.

El ltimo elemento que se introdujo en los frascos como contaminante fue el caf
molido, la turbiedad causada por el caf es muy similar al chocolate en polvo, por
lo que no hubo problemas en estas 50 muestras.
Y en la grfica se pueden ver los resultados de la captura de imgenes.

86

Grfico de Pruebas realizadas con caf molido.

200
180
160
140
120
100
80
60
40
20
0
1.5g

1.5g

1.5g

1.5g

1.5g

1.5g

1.5g

.95g

.95g

.95g

.95g

.95g

.95g

.95g

0g

0g

0g

Nmero de partculas
detectadas

Grfica 5-4 Pruebas realizadas con caf molido.

5.4 Eficiencia Total.

Con la integracin de un algoritmo de deteccin de impurezas y un entorno
controlado fue posible lograr una eficiencia bastante alta de un 99.6%, se puede
observar en la grfica 5.5 la existencia de casos falsos verdaderos que solo fueron
2 en las 500 muestras, as como los aciertos de botellas correctamente analizadas
que suman 498.

500 PRUEBAS REALIZADAS

TOTAL DE
ERRORES
0.40%

TOTAL DE
ACIERTOS
99.60%

Grfica 5-5 grafica de pruebas totales.

87

Conclusiones y Recomendaciones.
El sistema desarrollado conllev numerosas y variadas etapas de investigacin,
incontables ajustes y muchas pruebas con la finalidad de alcanzar el algoritmo
final, basado en mtodos, consideraciones, problemticas y necesidades
suscitadas en el planteamiento y en el desarrollo. Conforme a todo lo planteado se
concluye y recomienda:

Conclusiones.
1. El sistema de deteccin de turbiedades funcion exitosamente, claro teniendo
en cuenta las consideraciones indispensables para esto como son: se trabaj con
un lquido homogneo, un frasco transparente con las dimensiones especificadas
y con la definicin sui gneris de turbiedad. El algoritmo fue capaz de detectar
turbiedades flotando en la parte central, variaciones en la tonalidad del lquido.
2. La eleccin de LabVIEW como software de programacin fue muy acertada,
en esta plataforma se pueden encontrar muchos instrumentos virtuales, que con
un nivel de conocimiento intermedio acerca del procesamiento de imgenes y de
programacin, permiten al diseador implementar de manera simple e incluso ms
fcil que con otros programas las soluciones para este proyecto. Se logr
configurar filtros de nitidez, binarizar imgenes y buscar patrones con los
instrumentos virtuales proporcionados en la librera NI Vision y NI Development.
3. El proyecto fue pensado para brindar un producto simple y flexible y cumple con
dicho objetivo, si se realiza un cambio fijo en la intensidad de iluminacin (por
ejemplo se coloca un mayor o menor nmero de LEDs,) esto ser posible
cambiando los valores de umbral de los algoritmos y stos funcionarn
correctamente.
4. La tcnica para la deteccin de objetos slidos o turbiedades se basa en tres
algoritmos de procesamiento de imgenes. Los cuales son: convertir una imagen
de color a escala de grises, y luego convertirla en binario. La conversin en binario
se bas en los mtodos estadsticos proporcionados por NI Vision, en este caso,
se us la entropa, debido a que permite detectar cuerpos slidos en minsculas
proporciones en la imagen.
Se configuraron los instrumentos virtuales para que se enfoquen en los objetos
oscuros, para hacer contraste con el fondo de iluminacin blanco; resaltando las
impurezas como oscuros.

88

Anexos.
Anexo 1: Tablas de resultados.
Pruebas realizadas con chocolate en polvo.
En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de gramos de suciedad que contiene la botella.
Nmero de
Imagen
Analizada
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Cantidad
en
gramos
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0.95g
0.95g

Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
113
95

Nmero de
Imagen
Analizada
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

89

Cantidad en
gramos
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
1.3g
1.3g

Nmero de
partculas
detectadas
138
108
139
263
131
97
120
110
104
105
100
321
157
209
69
121
111
59
118
108
232
70
75
179
266
58
58
62
208
280

Nmero de
Imagen
Analizada
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99

Cantidad
en gramos
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g

Nmero de
partculas
detectadas
419
279
374
382
344
311
492
417
506
393
533
492
342
461
527
544
524
580
591
444
380
448
473
315
350
470
463
300
529
445
476
473
776
602
296
370
503
496
430

Nmero de
Imagen
Analizada
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
90

Cantidad en
gramos
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g

Nmero de
partculas
detectadas
883
788
514
567
394
485
522
512
444
467
437
466
552
600
377
563
544
267
389
292
344
308
700
387
485
888
772
363
694
493
583
329
468
448
445
547
875
416
301

Nmero de
Nmero de
Cantidad en
Imagen
partculas
gramos
Analizada
detectadas
139
2g
348
140
2g
753
141
2g
510
142
2g
305
143
2g
364
144
2g
403
145
2g
374
146
2g
387
147
2g
662
148
2g
308
149
2g
359
150
2g
678
Pruebas realizadas con salsa picante.
En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de mililitros de suciedad que contiene la botella.
Nmero de
Imagen
Analizada

Cantidad
mililitros

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml

Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Nmero de
Imagen
Analizada

Cantidad
mililitros

21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

0ml
0ml
0ml
0ml
0ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml

91

Nmero de
partculas
detectadas
0
0
0
0
0
21
26
58
48
68
346
53
33
325
63
42
299
26
90
243

Nmero de
Imagen
Analizada
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77

Cantidad
mililitros
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
10ml
10ml

Nmero de
partculas
detectadas
52
91
53
52
104
171
270
65
150
30
324
543
457
460
281
71
445
230
859
108
543
680
118
692
96
377
721
87
85
710
538
37
567
606
398
60
102

Nmero de
Imagen
Analizada
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

92

Cantidad
mililitros
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml

Nmero de
partculas
detectadas
138
64
670
175
379
370
69
372
305
359
293
262
462
393
620
104
453
250
511
314
448
286
930

Pruebas realizadas con jabn en polvo.

En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de gramos de suciedad que contiene la botella, la seccin seleccionada corresponde a los
errores obtenidos.
Nmero de
Imagen
Analizada

Cantidad
en gramos

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g

Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
295
289
294
214
102
304
325
124
315
248
308
267
309
172
192
106
114

Nmero de
Imagen
Analizada

Cantidad
en gramos

33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g

93

Nmero de
partculas
detectadas
103
283
280
141
165
169
183
158
317
239
101
306
336
323
158
281
354
309
217
265
227
0
0
325
158
241
162
240
350
347
265
333

Nmero de
Imagen
Analizada

Cantidad en
gramos

65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

1g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g

Nmero de
partculas
detectadas
218
473
549
432
488
305
383
502
433
951
856
602
783
602
504
872
667
995
612
261
991
259
991
307
667
227
297
340
455
971
343
1067
596
427
644
728

94

Pruebas realizadas con caf.

En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de gramos de suciedad que contiene la botella.
Nmero de
Nmero de
Cantidad Nmero de
Imagen
Imagen
partculas
en
gramos
Analizada
detectadas Analizada
1
0g
0
25
2
0g
0
26
3
0g
0
27
4
0g
0
28
5
0g
0
29
6
0g
0
30
7
0g
0
31
8
0g
0
32
9
0g
0
33
10
.95g
30
34
11
.95g
32
35
12
.95g
31
36
13
.95g
7
37
14
.95g
30
38
15
.95g
40
39
16
.95g
20
40
17
.95g
18
41
18
.95g
34
42
19
.95g
29
43
20
.95g
15
44
21
.95g
52
45
22
.95g
18
46
23
.95g
54
47
24
.95g
34
48
49
50

95

Cantidad
en gramos
.95g
.95g
.95g
.95g
.95g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g

Nmero de
partculas
detectadas
31
27
24
47
23
106
67
100
132
126
104
77
90
127
82
122
94
128
86
90
152
162
100
173
92
133

Anexo 2.
Instrucciones bsicas para la instalacin de LabVIEW.
Instale NI LabVIEW y Controladores para Control de Instrumentos.

Siga los siguientes pasos para instalar LabVIEW para Windows:

1. Inicie Windows como administrador o como un usuario con privilegios de
administrador.
2. Deshabilite cualquier programa de deteccin automtica de virus antes de instalar.
Algunos programas de deteccin de virus pueden interferir con la instalacin.
3. Inserte el Disco 1 de los DVDs de la Plataforma de LabVIEW. Si tiene
deshabilitada la ejecucin automtica o descarg LabVIEW, busque en la unidad
del DVD o la ubicacin de descarga y haga doble clic en setup.exe.
4. Tendr que esperar un momento mientras que el instalador se carga. Haga clic en
Next para comenzar.[19]

96

Figura 1. Instalador de LabVIEW.

4. Seleccione si desea introducir los nmeros de serie para instalar productos que ha
comprado o si desea instalar el software en modo de evaluacin. Si escoge
introducir los nmeros de serie, el instalador puede seleccionar el software
adecuado para usted. Si escoge evaluar los productos, proceda al Paso 7.

97

Figura 2. Escoja instalar y activar los productos comprados o instalar en modo de

evaluacin.
5. Proporcione los nmeros de serie para el sistema de desarrollo de LabVIEW que
compr. Si tiene los nmeros de serie para los complementos de LabVIEW, como
mdulos y juegos de herramientas, tambin los puede proporcionar ahora.

Figura 3. Proporcione los nmeros de serie de los productos comprados que

desea instalar.
98

6. Vea la Lista de Productos Autorizados para el entorno de LabVIEW, mdulos y

juegos de herramientas de los que tiene licencias vlidas, adems de
controladores de dispositivos. Todos sern seleccionados de forma
predeterminada, pero puede elegir no instalar algn producto en la lista si as lo
desea.

Figura 4. Lista de Productos Autorizados de LabVIEW.

7. Revise la Lista de Productos para Evaluacin y seleccione cualquier producto
adicional (mdulos y juegos de herramientas) que desea instalar y evaluar. Para
cada producto, debe seleccionar Instalar para disminuir la interaccin del usuario
o Instalacin Personalizada para configurar su instalacin ms adelante.

99

Figura 5. Lista de Productos para Evaluacin del DVD de la Plataforma de

LabVIEW.
8. El instalador verifica actualizaciones relevantes de los productos que est a punto
de instalar. Puede descargar las actualizaciones antes de continuar con la
instalacin.
9. Escoja el directorio de instalacin para el software de National Instruments.
10. Acepte los Acuerdos de Licencia y haga clic en Next.
11. Proporcione su nombre completo y empresa. Esta informacin ser usada para
procesar el registro de su software.
12. Revise el resumen antes de continuar para asegurarse que todos sus productos
sern instalados. Cualquier producto enlistado con (se requiere interaccin del
usuario) requiere interaccin del usuario para finalizar. De lo contrario, puede dejar
la instalacin incompleta.

100

Figura 6. Resumen de la Instalacin de LabVIEW.

13. Siga las instrucciones en la pantalla para terminar de instalar y activar LabVIEW y
cualquier mdulo y juego de herramienta que haya seleccionado.
Al final del proceso de la instalacin de LabVIEW, si escoge instalar los
controladores de dispositivos desde la lista de productos, se le pedir que inserte
el DVD de Controladores de dispositivos. De lo contrario, se le pedir activar su
software. Puede activar ahora o esperar hasta que haya terminado de instalar el
resto de su software.

101

Instalacin del software de National Instruments Vision Acquisition.

Debe tener derechos de administrador para instalar el software Vision Acquisition
de NI. NI-IMAQ y NI-IMAQdx integran con Measurement and Automation
Explorer (MAX), la configuracin de National Instruments y la utilidad de prueba.
Ejecute la aplicacin y posteriormente vera una ventana de dialogo como la
siguiente.
Presione next para que la instalacin contine.

Figura 1. Instalador de Vision Acquisition.

Drivers NI-IMAQdx son para FireWire, GigE y cmaras USB, ninguna de las
cuales requieren ningn hardware de National Instruments. Por lo tanto, NIIMAQdx requiere una licencia de pago, aunque es posible instalarlo para una
evaluacin de 30 das.
A continuacin en las ventanas siguientes se mostrara el contenido de los
modulos, presione next.

102

Figura 2. Lista de Productos para Evaluacin de Vision Acquisition.

NI Measurement and Automation Explorer (MAX) es til para configurar y probar
NI-IMAQ y NI-IMAQdx dispositivos y controladores. Tambin es til con los
dispositivos NI-DAQ y controladores que Durango utiliza para el desplazamiento
de fase.

Figura 3. Lista de Productos para Evaluacin de Vision Acquisition.

103

Figura 4. Aceptar acuerdos de licencia.

En esta ventana usted debe aceptar el acuerdo de licencia para continuar con
la instalacin, y presionar next.

Figura 5. Aceptar acuerdos de licencia.

104

Marque la casilla de aceptacin de trminos de licencia y de click en next.

Figura 6. Aceptar que LabVIEW es un software de confianza.

Revise el resumen y presione next en las ventanas siguientes.

Figura 7. Resumen de componentes que se instalaran.

105

Figura 8. Instalacin.
Marque la casilla de activacin slo si usted tiene una licencia del Software NI
Vision Acquisition pagado. No hay necesidad de activar si se va a utilizar slo
los drivers NI-IMAQ (y no conductores NI-IMAQdx).

106

Figura 9. Instalacin completada.

Finalmente de click en next y reinicie el equipo cuando el programa lo pida.

107

Glosario
LabVIEW: (acrnimo de Laboratory Virtual Instrumentation Engineering
Workbench) es una plataforma y entorno de desarrollo para disear sistemas, con
un lenguaje de programacin visual grfico.
Pixel: es la menor unidad homognea en color que forma parte de una imagen
digital, ya sea esta una fotografa, un fotograma de vdeo o un grfico.
SVA: Tambin conocida como visin por computador (del ingls computer vision)
o visin tcnica, es un campo de la inteligencia artificial. El propsito de la visin
artificial es programar una computadora para que "entienda" una escena o las
caractersticas de una imagen.
MATLAB es una herramienta de software matemtico con un lenguaje de
programacin propio (lenguaje M) y un entorno interactivo para el clculo
numrico, la visualizacin y la programacin.
Umbral: El umbral es la cantidad mnima de seal que ha de estar presente para
ser registrada por un sistema. Por ejemplo en procesamiento de imgenes separar
los objetos de una imagen que nos interesen del resto. Con la ayuda de los
mtodos de valor umbral en las situaciones ms sencillas se puede decidir
qu pxeles conforman los objetos que buscamos.
Kernel: Es una matriz de nmeros que son los coeficientes por los que debe
multiplicar los valores de intensidad del entorno de cada punto.
Convolucin es un operador matemtico que transforma dos funciones f y gen
una tercera funcin que en cierto sentido representa la magnitud en la que se
superponen f y una versin trasladada e invertida de g.
Clster: El trmino clster (del ingls clster, "grupo" o "racimo") se aplica a los
conjuntos o conglomerados de computadoras construidos mediante la utilizacin
de hardware comn y que se comportan como si fuesen una nica computadora.

108

Fuentes de informacin:
Instituto Tecnolgico de Chihuahua
Ricardo Fuentes Covarrobias
Crecencio Vallejo
Andrs Gerardo Fuentes Covarrobias.
*El ojo humano. Instrumentos pticos.
http://www.telecable.es/personales/diegoardura/Docs/2bach/Ojo%20e%20instrum
entos%20opticos.pdf [1]
*VISIN ARTIFICIAL: CONCEPTOS GENERALES
http://www.etitudela.com/celula/downloads/visionartificial.pdf [2]
*APLICACIONES DE LA VISIN ARTIFICIAL
http://dmi.uib.es/~ygonzalez/VI/Material_del_Curso/Teoria/Aplicaciones_VC.PDF
[3]
* Captulo 8: Procesamiento digital de imgenes
http://www2.uacj.mx/Publicaciones/GeneracionImagenes/imagenesCap8.pdf [4]
*La iluminacin; C.A.I. Centro de apoyo a la Investigacin de la Universidad de
Alcal (Madrid) Espaa
http://foto.difo.uah.es/curso/la_iluminacion.html [5]
*Es mejor una reflex con sensor CCD o CMOS?
http://www.decamaras.com/CMS/content/view/347/40-Es-mejor-una-reflex-consensor-CCD-o-CMOS [6]
*Captulo 2: Representacin de imgenes digitales
http://www.lcc.uma.es/~munozp/documentos/procesamiento_de_imagenes/temas/
pi_cap2.pdf [7]
*Tcnicas Clsicas de Segmentacin de Imagen; Marcos Martn; 4 de mayo de
2004
http://lmi.bwh.harvard.edu/papers/pdfs/2003/martin-fernandezCOURSE03b.pdf [8]
*Captulo 6: Segmentacin de imgenes
109

http://www.lcc.uma.es/~munozp/documentos/procesamiento_de_imagenes/temas/
pi_cap6.pdf [9]
*Estimacin de coordenadas de un objeto esfrico usando labview; Claudio Ismael
Pineda
http://dspace.ups.edu.ec/bitstream/123456789/5203/1/UPS-CT002744.pdf [10]
TUTORIAL DE LABVIEW
Universidad Distrital "Francisco Jose de Caldas"; Laboratorio de Electrnica;
Henry Antonio Roncancio. Grupo LIV; Hector Cifuentes; 2001
http://perso.wanadoo.es/jovilve/tutoriales/016tutorlabview.pdf [11]
**Cmaras Inteligentes NI para Visin Artificial
http://sine.ni.com/np/app/main/p/ap/vision/lang/es/pg/1/sn/n17:vision,n21:11601/fm
id/3048/ [12]
*

Software NI Vision Acquisition

http://sine.ni.com/nips/cds/view/p/lang/es/nid/207702 [13]
*Comparacin de versin: LabVIEW VISION - Modulo NI Vision
https://decibel.ni.com/content/docs/DOC-30530/diff?secondVersionNumber=3 [14]
*La ecualizacin; Jaime Prez Aranda
http://www.ieslosviveros.es/alumnos/asig8/carpeta729/5ECUALIZACI_NPDF.pdf
[15]
*Procesamiento Digital de Imgenes; Dr. Boris Escalante R.; 6 de Octubre de 2006
http://verona.fi-p.unam.mx/boris/teachingnotes/Capitulo4.pdf [16]
* Vision 2010 for LabVIEW Help IMAQ Equalize VI
http://zone.ni.com/reference/en-XX/help/370281M-01/imaqvision/imaq_equalize/
[17]
* Logitech Webcam C170
http://www.logitech.com/es-roam/product/webcam-c170 [18]
* Instale NI LabVIEW y Controladores para Control de Instrumentos
http://www.ni.com/gettingstarted/installsoftware/esa/instrumentcontrol.htm#step7
[19]
110