SlideShare una empresa de Scribd logo
1 de 8
Descargar para leer sin conexión
Procesamiento Digital de Imágenes
      Localización de Patentes Mediante Transformada de Hough

                                 Jonathan Pino C. (jopino@udec.cl)
                            Miguel Salgado V. (miguesalgado@udec.cl)
                          Cristian Valenzuela V. (crisvalenzuela@udec.cl)
         Departamento de Ingeniería eléctrica, Universidad de Concepción, Concepción, Chile
                                          30 de Julio 2010.


Resumen
En el presente informe se muestra los resultados obtenidos a través de la implementación de la
transformada de Hough aplicada a la localización de patentes en automóviles. Para este efecto se debe
implementar un algoritmo que sea capaz de realizar un preprocesamiento de la imagen en cuestión, con
la finalidad de eliminar todos los elementos que no sean útiles, como ruido, huecos, falsos bordes, etc.
Para luego aplicar directamente la transformada de Hough y de esta manera localizar dentro de la
imagen la patente deseada.


1.     Problema

Se debe localizar patentes de vehículos utilizando para dicho propósito procesos morfológicos y
transformada de Hough. Para dicho propósito se utilizará el software Matlab©, con el fin de
realizar el procesamiento de las imágenes.

2.    Desarrollo
Para el desarrollo de este proyecto, se tomaron fotografías a diferentes vehículos dentro de uno de
los estacionamentos de la Universidad de Concepción. Para ello se utilizará una cámara
fotográfica con la cual se tomarón fotografías de un tamaño 640x480 píxeles. Las cuales luego
serán procesadas como se muestra en el siguiente diagrama.

                                         Adquisición de la
                                            Imagen



                                            Procesos
                                           Morfológicos



                                         Transformada de
                                             Hough



                                          Localización de
                                             Patente                                                       1
Procesamiento Digital de Imágenes
Proyecto Final



Como se muestra en el diagrama, el primer paso consiste en la adquisición de la imagen,
utilizando una cámara digital Sony DSC – P73. Mientras que el resto de los procesos nombrados
se realizaron utilizando Matlab©.
  Para el desarrollo de los procesos morfológicos se utilizará la herramienta de procesamiento de
Matlab© ‘Image Processing Toolbox’, donde se realizan operaciones de conversión a escala de
grises, binarización, apertura y cierre, erosión y dilatación y aplicación de máscaras de sobel.
  Luego del tratamiento morfológico se aplica finalmente la transformada de Hough, para
localizar la patente, utilizando para este efecto las propiedades de Hough, Houghpeaks y
houghlines.

3.     Análisis de Resultados
En este análisis se mostrarán los resultados obtenidos en la aplicación del código desarrollado
(explicado en el ítem anterior), como ejemplo se tomará una imagen en particular, la cual se
muestra a continuación.

En el primer paso se rellana los huecos en la imagen, utilizando para este propósito ‘imfill’ con
parámetros ‘holes’, el resultado se muestra en la figura 1(a). Mientras que en la figura 1(b) se
realiza el binarizado de la imagen, utilizando para ello un nivel de umbral de 0.5.




                          (a)                                                         (b)
           Figura 1. (a) Se muestra la imagen rellenada, mientras que en (b) se ha binarizado la imagen

En la figura 2 se muestra en siguiente proceso, donde se aplicó a la imagen de la figura 1(b), el
proceso de dilatación y erosión, con el fin de eliminar ruido, para ello se presenta en la figura 2
(a) la etapa de apertura, mientras que en 2 (b) se ha aplicado el proceso de cierre, cabe destacar
que en este caso los efectos no son tan evidentes entre pasar de apertura a cierre, sin embargo en
otras imágenes se pueden observar efectos más notorios aplicando dichos conceptos. En ambos
casos se utiliza un elemento estructurante de dimensiones 30x30.




                                                                                                              2
J. Pino C. – M. Salgado V – C. Valenzuela V.                            Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final




                        (a)                                                          (b)
         Figura 2. Muestra proceso morfológico de abertura (a) y cierre (b) aplicada a la imagen anterior.




Realizado los procesos de dilatación y apertura se realiza el realce de bordes, aplicando para ello
una máscara de sobel, lo que permite tener una mejor visión de las líneas que se deberán cubrir
posteriormente con la transformada de Hough y buscar una forma de eliminar aquellas que no son
de interés, como las líneas oblicuas, dicho efecto se presenta en la figura 3(a). Por otro lado se
observa en 3(b) se aplica nuevamente el proceso de ‘imfill’ para rellenar los huecos utilizando los
cuatro vecinos, así se consigue identificar previamente el hueco donde se localiza la patente en su
totalidad.




                         (a)                                                        (b)
      Figura 3. (a)Aplicación de máscara de Sobel, para realce de bordes, (b) Relleno de imagen con ‘imfill’




                                                                                                              3
J. Pino C. – M. Salgado V – C. Valenzuela V.                            Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final




                         (a)                                                        (b)
      Figura 4. (a)Aplicación de máscara de Sobel, para realce de bordes, (b) aplicada a la imagen anterior.

En la figura 4(a), se ha aplicado erosión a la imagen 3(b), para así eliminar las líneas que no son
de interés, utilizando un elemento estructurante diferente que para el caso de apertura y cierra, en
esta ocasión se utilizó un elemento cuadrado de dimensiones 4x4. Mientras que para la figura
4(b) se realza nuevamente el borde, a través de máscara de Sobel, así se consigue identificar
solamente el extracto de la figura que corresponde al objetivo planteado, el cual es localizar la
patente.




                              Figura 5. Dilatación para aumentar tamaño de bordes

En la figura 5 se muestra uno el último paso en el proceso morfológico, antes de utilizar
transformada de Hough, se aplica nuevamente dilatación, utilizando un elemento estructurante
cuadrado de 3x3, con la finalidad de aumentar el tamaño del borde realizado en el paso anterior
(figura 4(b)), de esta forma se consigue identificar con mayor certeza los bordes del objetivo.

Con todo esto se ha realizado todo el proceso morfológico hacia la imagen, lo que permite ahora
aplicar directamente la transformada de Hough a la imagen mostrada en la figura 5.




                                                                                                              4
J. Pino C. – M. Salgado V – C. Valenzuela V.                            Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final




                    Figura 6. Identificación de Peaks a través de la Transformada de Hough.

En la figura 6, se muestra que la transformada detectó dos peaks, por ende deberá trazar dos
líneas. Se debe destacar que la transformada de Hough se configuró con este fin, ya que
identificando dos líneas horizontales es suficiente para nuestro propósito, como se verá a
continuación.




                         (a)                                                         (b)
       Figura 7. (a) Localización de la patente en imagen original, (b) Extracción de la patente encontrada.


Para finalizar el proceso, se aplica la detección de la patente a través de la transformada a la
imagen original, en la cual se observa dos líneas horizontales rodeando la patente, con esto se ha
logrado el objetivo principal, ya que en dicha imagen se observa una mayor cantidad de líneas
horizontales y verticales las cuales fácilmente podrían haber sido identificadas como bordes, sin
embargo el proceso morfológico realizado fue implementado satisfactoriamente. En la figura 7
(a) se muestra la imagen original a la que se la ha aplicado la transformada de Hough, mientras
que en la figura (b) se extrae el objeto encontrado y se presenta para los fines que se estimen
convenientes, como una futura segmentación de caracteres.


                                                                                                               5
J. Pino C. – M. Salgado V – C. Valenzuela V.                             Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final
4.     Conclusiones
  De la implementación de los procesos morfológicos, junto con la transformada de Hough
podemos determinar qué:

  Una de las características más importantes al momento de la implementación de este algoritmo
es la umbralización de las imágenes, ya que dicho factor es diferente para cada una de éstas, por
lo tanto es crucial estimar su valor antes de procesar la imagen, de esta forma de logra una
correcta localización de la patente deseada.

   Lo ideal es trabajar con imágenes con un nivel de ruido reducido, ya que esto permite una
ejecución más rápida y resultados más óptimos al momento de la localización de la patente, una
imagen con alto nivel de ruidos producirá efectos no deseados en los resultados.

  Como la transformada de Hough funciona como un detector de líneas es de vital importancia
lograr un pre procesamiento que permita eliminar todas aquellas líneas que no son de nuestro
interés, ya que si no se logra este efecto la transformada identificará figuras dentro de la imagen
que permitirán una localización errónea del objetivo deseado.

  Una de las características importantes que se logró a través de la implementación de ambos
procesos fue que el tiempo de desarrollo del algoritmo es menor a 4 segundos, por lo que el
algoritmo presenta una buena respuesta con respecto al tiempo, considerando que para ello se
realiza una variedad de procesos morfológicos.

 Finalmente podemos decir que aplicar la transformada de Hough junto con procesamiento
morfológico es una herramienta efectiva y robusta para la localización de patentes en vehículos.


5.     Bibliografía
[1] Ganapathi V. Lui W.L A Malasyan Vehicle Licence Plate Localization and Recognition
System. School of Engineering, Monas University Malaysia.




A. Anexo: Código Matlab

                                                                                                    6
J. Pino C. – M. Salgado V – C. Valenzuela V.                  Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%

%%%%%% Procesamiento Digital de Imágenes %%%%%% %%%%           Proyecto        %%%%

%%%%%%             Jonathan Pino Caba          %%%%%% %%%%       Final         %%%%
%%%%%%            Miguel Salgado Vargas        %%%%%% %%%%    30 de Julio      %%%%
%%%%%%          Cristian Valenzuela Vidal      %%%%%% %%%%       2010          %%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%

close all;
clear all;
clc;

I = imread('Imagenes/patente1.png'); % adquiere imagen
[imax jmax z] = size(I); % tamaño en pixeles de la imagen
if z > 1
    Ig = rgb2gray(I); % conversion RGB a grises
end

% Filtrado de huecos
BW = imfill(Ig,'holes');

% Binarizaci'on de la imagen con su respectivo umbral
BW = im2bw(BW,0.5);

% Elemento estructurante de 30x30
SE = strel('square',30);
NHOOD = getnhood(SE);% Para aplicar el SE de forma binaria

% Apertura
BW = imopen(BW,NHOOD);
% Cierre
BW = imclose(BW,NHOOD);
% Detecci'on de contorno con mascara SOBEL
BW = edge(BW,'sobel');
% Filtrado de huecos de forma concatenada de valor 4
BW = imfill(BW,4,'holes');

% Elemento estructurante de 4x4
SE = strel('square',4);
NHOOD = getnhood(SE);% Para aplicar el SE de forma binaria

% Erosi'on
BW = imerode(BW,NHOOD);
% Detecci'on de contornos con mascara de SOLBEL
BW = edge(BW,'sobel');
% Dilataci'on
BW = imdilate(BW,NHOOD);


% Transformada de hough
[H,T,R] = hough(BW);
imshow(H,[],'XData',T,'YData',R,...
            'InitialMagnification','fit');
xlabel('theta'), ylabel('rho');
                                                                                             7
J. Pino C. – M. Salgado V – C. Valenzuela V.           Ingeniería Civil en Telecomunicaciones
Procesamiento Digital de Imágenes
Proyecto Final
axis on, axis normal, hold on;

% Hough peaks
% Solo encontrara 2 peaks y 0.1*max(H(:))) para la sensibilidad
P = houghpeaks(H,2,'Threshold',0.1*max(H(:)));
% Para plotear resultados
x = T(P(:,2)); y = R(P(:,1));
plot(x,y,'s','color','white');

% Encuentra las lineas
% Las lineas con separaci'on menor que 100 son consideradas una linea
% Las lineas de largo menor a 1 no son consideradas como linea
lines = houghlines(BW,T,R,P,'FillGap',100,'MinLength',1);

[i f] = size(lines);% Tama~no de lines

figure, imshow(I), hold on
max_len = 0;
for k = 1:length(lines)
   xy = [lines(k).point1; lines(k).point2];
   plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');

    % Plot de inicio y termino de lineas
    plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
    plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');

    % Determinaci'on del final de largo de linea
    len = norm(lines(k).point1 - lines(k).point2);
    if ( len > max_len)
        max_len = len;
        xy_long = xy;
    end
end

% Plot de las lineas
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','blue');

% Determinaci'on del largo de la patente
largo = abs(lines(1,1).point2(1,1) - lines(1,1).point1(1,1));
% Determinaci'on del ancho de la patente
ancho = abs(lines(1,2).point1(1,2) - lines(1,1).point1(1,2));

% Corta la imagen correspondiente a la patente
BW = imcrop(I,[lines(1,1).point1(1,1) lines(1,1).point1(1,2) largo ancho]);
figure
imshow(BW)




                                                                                           8
J. Pino C. – M. Salgado V – C. Valenzuela V.         Ingeniería Civil en Telecomunicaciones

Más contenido relacionado

Destacado

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by HubspotMarius Sescu
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTExpeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 

Destacado (20)

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 

Deteccion de patentes

  • 1. Procesamiento Digital de Imágenes Localización de Patentes Mediante Transformada de Hough Jonathan Pino C. (jopino@udec.cl) Miguel Salgado V. (miguesalgado@udec.cl) Cristian Valenzuela V. (crisvalenzuela@udec.cl) Departamento de Ingeniería eléctrica, Universidad de Concepción, Concepción, Chile 30 de Julio 2010. Resumen En el presente informe se muestra los resultados obtenidos a través de la implementación de la transformada de Hough aplicada a la localización de patentes en automóviles. Para este efecto se debe implementar un algoritmo que sea capaz de realizar un preprocesamiento de la imagen en cuestión, con la finalidad de eliminar todos los elementos que no sean útiles, como ruido, huecos, falsos bordes, etc. Para luego aplicar directamente la transformada de Hough y de esta manera localizar dentro de la imagen la patente deseada. 1. Problema Se debe localizar patentes de vehículos utilizando para dicho propósito procesos morfológicos y transformada de Hough. Para dicho propósito se utilizará el software Matlab©, con el fin de realizar el procesamiento de las imágenes. 2. Desarrollo Para el desarrollo de este proyecto, se tomaron fotografías a diferentes vehículos dentro de uno de los estacionamentos de la Universidad de Concepción. Para ello se utilizará una cámara fotográfica con la cual se tomarón fotografías de un tamaño 640x480 píxeles. Las cuales luego serán procesadas como se muestra en el siguiente diagrama. Adquisición de la Imagen Procesos Morfológicos Transformada de Hough Localización de Patente 1
  • 2. Procesamiento Digital de Imágenes Proyecto Final Como se muestra en el diagrama, el primer paso consiste en la adquisición de la imagen, utilizando una cámara digital Sony DSC – P73. Mientras que el resto de los procesos nombrados se realizaron utilizando Matlab©. Para el desarrollo de los procesos morfológicos se utilizará la herramienta de procesamiento de Matlab© ‘Image Processing Toolbox’, donde se realizan operaciones de conversión a escala de grises, binarización, apertura y cierre, erosión y dilatación y aplicación de máscaras de sobel. Luego del tratamiento morfológico se aplica finalmente la transformada de Hough, para localizar la patente, utilizando para este efecto las propiedades de Hough, Houghpeaks y houghlines. 3. Análisis de Resultados En este análisis se mostrarán los resultados obtenidos en la aplicación del código desarrollado (explicado en el ítem anterior), como ejemplo se tomará una imagen en particular, la cual se muestra a continuación. En el primer paso se rellana los huecos en la imagen, utilizando para este propósito ‘imfill’ con parámetros ‘holes’, el resultado se muestra en la figura 1(a). Mientras que en la figura 1(b) se realiza el binarizado de la imagen, utilizando para ello un nivel de umbral de 0.5. (a) (b) Figura 1. (a) Se muestra la imagen rellenada, mientras que en (b) se ha binarizado la imagen En la figura 2 se muestra en siguiente proceso, donde se aplicó a la imagen de la figura 1(b), el proceso de dilatación y erosión, con el fin de eliminar ruido, para ello se presenta en la figura 2 (a) la etapa de apertura, mientras que en 2 (b) se ha aplicado el proceso de cierre, cabe destacar que en este caso los efectos no son tan evidentes entre pasar de apertura a cierre, sin embargo en otras imágenes se pueden observar efectos más notorios aplicando dichos conceptos. En ambos casos se utiliza un elemento estructurante de dimensiones 30x30. 2 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 3. Procesamiento Digital de Imágenes Proyecto Final (a) (b) Figura 2. Muestra proceso morfológico de abertura (a) y cierre (b) aplicada a la imagen anterior. Realizado los procesos de dilatación y apertura se realiza el realce de bordes, aplicando para ello una máscara de sobel, lo que permite tener una mejor visión de las líneas que se deberán cubrir posteriormente con la transformada de Hough y buscar una forma de eliminar aquellas que no son de interés, como las líneas oblicuas, dicho efecto se presenta en la figura 3(a). Por otro lado se observa en 3(b) se aplica nuevamente el proceso de ‘imfill’ para rellenar los huecos utilizando los cuatro vecinos, así se consigue identificar previamente el hueco donde se localiza la patente en su totalidad. (a) (b) Figura 3. (a)Aplicación de máscara de Sobel, para realce de bordes, (b) Relleno de imagen con ‘imfill’ 3 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 4. Procesamiento Digital de Imágenes Proyecto Final (a) (b) Figura 4. (a)Aplicación de máscara de Sobel, para realce de bordes, (b) aplicada a la imagen anterior. En la figura 4(a), se ha aplicado erosión a la imagen 3(b), para así eliminar las líneas que no son de interés, utilizando un elemento estructurante diferente que para el caso de apertura y cierra, en esta ocasión se utilizó un elemento cuadrado de dimensiones 4x4. Mientras que para la figura 4(b) se realza nuevamente el borde, a través de máscara de Sobel, así se consigue identificar solamente el extracto de la figura que corresponde al objetivo planteado, el cual es localizar la patente. Figura 5. Dilatación para aumentar tamaño de bordes En la figura 5 se muestra uno el último paso en el proceso morfológico, antes de utilizar transformada de Hough, se aplica nuevamente dilatación, utilizando un elemento estructurante cuadrado de 3x3, con la finalidad de aumentar el tamaño del borde realizado en el paso anterior (figura 4(b)), de esta forma se consigue identificar con mayor certeza los bordes del objetivo. Con todo esto se ha realizado todo el proceso morfológico hacia la imagen, lo que permite ahora aplicar directamente la transformada de Hough a la imagen mostrada en la figura 5. 4 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 5. Procesamiento Digital de Imágenes Proyecto Final Figura 6. Identificación de Peaks a través de la Transformada de Hough. En la figura 6, se muestra que la transformada detectó dos peaks, por ende deberá trazar dos líneas. Se debe destacar que la transformada de Hough se configuró con este fin, ya que identificando dos líneas horizontales es suficiente para nuestro propósito, como se verá a continuación. (a) (b) Figura 7. (a) Localización de la patente en imagen original, (b) Extracción de la patente encontrada. Para finalizar el proceso, se aplica la detección de la patente a través de la transformada a la imagen original, en la cual se observa dos líneas horizontales rodeando la patente, con esto se ha logrado el objetivo principal, ya que en dicha imagen se observa una mayor cantidad de líneas horizontales y verticales las cuales fácilmente podrían haber sido identificadas como bordes, sin embargo el proceso morfológico realizado fue implementado satisfactoriamente. En la figura 7 (a) se muestra la imagen original a la que se la ha aplicado la transformada de Hough, mientras que en la figura (b) se extrae el objeto encontrado y se presenta para los fines que se estimen convenientes, como una futura segmentación de caracteres. 5 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 6. Procesamiento Digital de Imágenes Proyecto Final 4. Conclusiones De la implementación de los procesos morfológicos, junto con la transformada de Hough podemos determinar qué: Una de las características más importantes al momento de la implementación de este algoritmo es la umbralización de las imágenes, ya que dicho factor es diferente para cada una de éstas, por lo tanto es crucial estimar su valor antes de procesar la imagen, de esta forma de logra una correcta localización de la patente deseada. Lo ideal es trabajar con imágenes con un nivel de ruido reducido, ya que esto permite una ejecución más rápida y resultados más óptimos al momento de la localización de la patente, una imagen con alto nivel de ruidos producirá efectos no deseados en los resultados. Como la transformada de Hough funciona como un detector de líneas es de vital importancia lograr un pre procesamiento que permita eliminar todas aquellas líneas que no son de nuestro interés, ya que si no se logra este efecto la transformada identificará figuras dentro de la imagen que permitirán una localización errónea del objetivo deseado. Una de las características importantes que se logró a través de la implementación de ambos procesos fue que el tiempo de desarrollo del algoritmo es menor a 4 segundos, por lo que el algoritmo presenta una buena respuesta con respecto al tiempo, considerando que para ello se realiza una variedad de procesos morfológicos. Finalmente podemos decir que aplicar la transformada de Hough junto con procesamiento morfológico es una herramienta efectiva y robusta para la localización de patentes en vehículos. 5. Bibliografía [1] Ganapathi V. Lui W.L A Malasyan Vehicle Licence Plate Localization and Recognition System. School of Engineering, Monas University Malaysia. A. Anexo: Código Matlab 6 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 7. Procesamiento Digital de Imágenes Proyecto Final %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%% %%%%%% Procesamiento Digital de Imágenes %%%%%% %%%% Proyecto %%%% %%%%%% Jonathan Pino Caba %%%%%% %%%% Final %%%% %%%%%% Miguel Salgado Vargas %%%%%% %%%% 30 de Julio %%%% %%%%%% Cristian Valenzuela Vidal %%%%%% %%%% 2010 %%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%% close all; clear all; clc; I = imread('Imagenes/patente1.png'); % adquiere imagen [imax jmax z] = size(I); % tamaño en pixeles de la imagen if z > 1 Ig = rgb2gray(I); % conversion RGB a grises end % Filtrado de huecos BW = imfill(Ig,'holes'); % Binarizaci'on de la imagen con su respectivo umbral BW = im2bw(BW,0.5); % Elemento estructurante de 30x30 SE = strel('square',30); NHOOD = getnhood(SE);% Para aplicar el SE de forma binaria % Apertura BW = imopen(BW,NHOOD); % Cierre BW = imclose(BW,NHOOD); % Detecci'on de contorno con mascara SOBEL BW = edge(BW,'sobel'); % Filtrado de huecos de forma concatenada de valor 4 BW = imfill(BW,4,'holes'); % Elemento estructurante de 4x4 SE = strel('square',4); NHOOD = getnhood(SE);% Para aplicar el SE de forma binaria % Erosi'on BW = imerode(BW,NHOOD); % Detecci'on de contornos con mascara de SOLBEL BW = edge(BW,'sobel'); % Dilataci'on BW = imdilate(BW,NHOOD); % Transformada de hough [H,T,R] = hough(BW); imshow(H,[],'XData',T,'YData',R,... 'InitialMagnification','fit'); xlabel('theta'), ylabel('rho'); 7 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones
  • 8. Procesamiento Digital de Imágenes Proyecto Final axis on, axis normal, hold on; % Hough peaks % Solo encontrara 2 peaks y 0.1*max(H(:))) para la sensibilidad P = houghpeaks(H,2,'Threshold',0.1*max(H(:))); % Para plotear resultados x = T(P(:,2)); y = R(P(:,1)); plot(x,y,'s','color','white'); % Encuentra las lineas % Las lineas con separaci'on menor que 100 son consideradas una linea % Las lineas de largo menor a 1 no son consideradas como linea lines = houghlines(BW,T,R,P,'FillGap',100,'MinLength',1); [i f] = size(lines);% Tama~no de lines figure, imshow(I), hold on max_len = 0; for k = 1:length(lines) xy = [lines(k).point1; lines(k).point2]; plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green'); % Plot de inicio y termino de lineas plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow'); plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red'); % Determinaci'on del final de largo de linea len = norm(lines(k).point1 - lines(k).point2); if ( len > max_len) max_len = len; xy_long = xy; end end % Plot de las lineas plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','blue'); % Determinaci'on del largo de la patente largo = abs(lines(1,1).point2(1,1) - lines(1,1).point1(1,1)); % Determinaci'on del ancho de la patente ancho = abs(lines(1,2).point1(1,2) - lines(1,1).point1(1,2)); % Corta la imagen correspondiente a la patente BW = imcrop(I,[lines(1,1).point1(1,1) lines(1,1).point1(1,2) largo ancho]); figure imshow(BW) 8 J. Pino C. – M. Salgado V – C. Valenzuela V. Ingeniería Civil en Telecomunicaciones