ESCUELA MILITAR DE INGENIERÍA

Sistemas y Servicios Digitales II

Tarea No. 1

ALGORITMOS DE RECONOCIMIENTO DE BORDES

(Sobel y Convex Hull)

Alumno:

Cap. Inf. Guery De la Barra

Docente:

Msc. Ing. Cesar E. Castellón

27/02/2018

La Paz - Bolivia
 TAREA No. 1
1. OBJETIVO

Realizar una investigación bibliográfica acerca de los Algoritmos de

Reconocimiento de Bordes Sobel y Convex Hull, describir sus principales
características y conocer los fundamentos de los algoritmos.

2. DESARROLLO DEL TEMA.

2.1. SOBEL

Los contornos caracterizan los límites de un objeto. Un contorno se caracteriza por

presentar una transición de claro a oscuro o viceversa. Por esto se presenta un
método para detectar bordes como el Sobel.

Este método detecta el borde, calculando el gradiente de la imagen en dos

direcciones ortogonales. El operador utilizado es Sobel, el cual se presenta de la
siguiente manera.

−1 0 1 −1 −2 −1
[−2 0 2] [0 0 0]
−1 0 1 1 2 1

TABLA 1. Operador gradiente Sobel

Una plantilla detecta contornos horizontales y la otra verticales, obteniendo dos

imágenes de gradiente 𝐼𝑔1 , 𝐼𝑔2 .

Para determinar si en un pixel determinado hay un contorno o no, se define un

umbral a partir del cual se considera la existencia de contorno:

La imagen de contornos 𝐼𝐶 (𝑥, 𝑦) se puede formar a partir de:

2
 Ejemplo:

im1=imread('E:\A EMI\A. GUERY\C. ING. TELECOM\9NO SEMESTRE\SISTEMAS Y

SERVICIOS DIGITALES II\1ER PARCIAL\TAREAS\TAREA 1\CJ_casa.jpg');
b1=edge(im1,'sobel','vertical');
b2=edge(im1,'sobel','horizaontal');
b3=edge(im1,'sobel');
subplot(2,2,1),subimage(im1),Title('Imagen Original');
subplot(2,2,2),subimage(b1),Title('Sobel Vertical');
subplot(2,2,3),subimage(b2),Title('Sobel Horizontal');
subplot(2,2,4),subimage(b3),Title('Sobel');

FIGURA 1. Ejemplo de Sobel en MatLab

2.2. CONVEX HULL

La envolvente convexa, también denominada cierre convexo o Convex hull, es uno

de los más fundamentales constructores geométricos. El problema de computar
un Convex Hull no sólo está centrado en aplicaciones prácticas, sino que también
es un vehículo para la solución de un número de cuestiones aparentemente sin
relación con él, que surgen en la Geometría Computacional y tiene aplicaciones,
como por ejemplo, en el procesado de imágenes y en localización.

3
 FIGURA 2. Idea intuitiva del significado del cierre conexo

Desafortunadamente, no es posible construir la definición intuitiva de cierre

conexo de forma natural, por lo que hay que definir un algoritmo, que en este caso
es el Quick Hull.

Algoritmo Quick Hull

La idea de Quick Hull es ir descartando lo más pronto posible los puntos que no
formarán parte de la frontera del cierre convexo, que suelen ser los más interiores
de la nube de puntos. El algoritmo Quick Hull calcula la envolvente convexa en
tiempo O(n2).

Se aplica este método debido a que las piezas con las que se trabaja, son convexas
y se utiliza para generar una figura conexa dentro del software, de esta forma se
tiene una figura definida y se puede calcular el centro de masa de la figura.

Etiquetado

Cuando se hace una búsqueda de un objeto por color se busca su valor de umbral
y una vez encontrado, se modifica cambiándolo a un valor definido. De esta forma
aparecen valores homogéneos definidos en la imagen.

FIGURA 3. Algoritmo de etiquetamiento

4
 De esta forma, a cada valor homogéneo se le asigna un valor o etiqueta, se puede
conocer el número de objetos existentes en cada célula y se identifica dentro del
sistema, siendo identificados todos los objetos.

Ejemplo:

xx = -1:.05:1;
yy = abs(sqrt(xx));
[x,y] = pol2cart(xx,yy);
k = convhull(x,y);
plot(x(k),y(k),'r-',x,y,'b*')

FIGURA 4. Ejemplo de Convex Hull en MatLab

3. CONCLUSIONES

Los mencionados algoritmos forman parte de todo un sistema que realiza el

procesamiento de imágenes para controlar un robot manipulador.

Los algoritmos de reconocimiento de borde presentados en la investigación están

definidos en la visión computacional dentro del área de visión activa, debido a que
trabajan sobre escenas activas del ambiente desarrollado por el robot.

4. BIBLIOGRAFÍA

CUEVAS, E., ZALDIVAR, D., & PEREZ, M. (2010). Procesamiento Digital de Imágenes con
Matlab y Simulink. Noida, India: Ra-Ma.

RODRIGUEZ, R., & SOSSA, J. (2014). Procesamiento y Análisis Digital de Imágenes. Noida,
India: Ra-Ma.

5
6