Procesamiento de Imagenes
Teoría El emparejamiento de plantillas (o template matching en inglés) es un método para buscar y encontrar la ubicación de una imagen de plantilla en una imagen más grande. OpenCV viene con la función cv2.matchTemplate() para este propósito. Esta función, simplemente, desliza la imagen de la plantilla sobre la imagen de entrada (como en la […]
Teoría Este método fue propuesto por Michael J. Swain, Dana H. Ballard en su documento “Indexación a través de histogramas de color”. Ahora bien, ¿qué es realmente un histograma de retroproyección? Se usa para la segmentación de imágenes o para encontrar objetos de interés en una imagen. En palabras simples, este método crea una […]
Introducción En el primer artículo, calculamos y trazamos el histograma unidimensional. Se llama unidimensional porque solo tenemos en cuenta una característica, es decir, el valor de intensidad de escala de grises del píxel. Pero en los histogramas bidimensionales, se consideran dos características. Normalmente se usa para encontrar histogramas de color donde las dos características de […]
Teoría Considere una imagen cuyos valores de píxeles están limitados solo a un rango específico de valores. Por ejemplo, una imagen muy brillante tendrá todos los píxeles confinados en valores altos. Sin embargo, una buena imagen (con mayor contraste) tendrá diferentes valores de píxeles en todas las regiones de la imagen. Por lo tanto, una […]
Teoría En sentido general, un histograma es un gráfico que muestra la distribución de frecuencias de una variable dada. En el caso de la imágenes, el histograma da una idea general sobre la distribución de intensidades. Cuando hablamos de imágenes, un histograma es un gráfico con valores de píxeles (que, en general, oscilan entre […]
Vamos a utilizar las marcas faciales y un algoritmo de machine learning (aprendizaje automático) para ver si podemos predecir las emociones y sentimientos de una persona a partir de su imagen. Se recomienda conocimientos previos sobre los algoritmos de marcas faciales, machine learning y procesamiento de imágenes, te aconsejamos visitar: -Detección de Marcas Faciales I […]
Jerarquía Como se ha señalado anteriormente, el objetivo principal de la función cv2.findContours() es detectar objetos en una imagen. Aunque muchas veces los objetos están en lugares diferentes, en algunos casos, algunas formas están anidadas dentro de otras formas. En este último escenario, se llama padres (parents) a los contornos más externos e hijos (children) a […]
Defectos de convexidad En entradas anteriores hemos visto el concepto de envoltura convexa. Cualquier desviación del objeto de esta envoltura puede considerarse como defecto de convexidad. OpenCV viene con una función ya hecha para encontrar esto, cv2.convexityDefects(). A continuación un ejemplo de cómo llamar a esta función: ? Nota Recuerde que debe pasar returnPoints […]
? Nota: Otras propiedades como área, perímetro, centroide, etc, también pertenecen a esta categoría pero ya se han explicado en entradas anteriores. Relación de aspecto Es la razón entre el ancho y la altura del contorno del objeto. […]
Momentos Los momentos de la imagen permiten calcular algunas de sus características, como el centro de masa del objeto, el área del objeto, etc. La función cv2.moments() devuelve todos los momentos de la imagen. A continuación un ejemplo de como utilizar esta función: M contiene la información de todos los momentos. Los distintos momentos […]