Proceso de Adquisición de Imágenes Color
Cargado por
joseph andiaProceso de Adquisición de Imágenes Color
Cargado por
joseph andiaTESIS DOCTORAL
PROCESO Y EXTRACCIÓN DE PROPIEDADES CROMATICAS
EN FORMAS VISUALES
DESARROLLO DE UN SISTEMA Y APLICACIONES
Autor: Antonio Falcón Martel
Director: Roberto Moreno Díaz
Escuela Técnica Superior de Ing. Industriales
Universidad Polite'cnica de Las Palmas
Noviembre, 1.983
\'.''3;:>CÍ;;I>I..!,) ,
A Angela
AGIÍADECII'.ISXTOS
Este trabajo no habría sido posible sin la apreciada e
inestimable colaboración del Dr, Roberto Moreno Díaz, a ==
quien estoy profundamente agradecido por el apoyo y con-==
fianza en mí depositados.
Agradezco la colaboración y ayuda de todos los niem- =
bros de la Escuela Universitaria de Informática y del DtS=:
de Cibernética del C U , de Las Palmas, los cuales de una =
forma u otra han hecho posible este trabajo.
Asimismo, quiero expresar mi más sincero agradecimien-
to a los miembros del DtS de Electrónica y Autonática de =
la E.T.S.I.I, de Las Palmas, en especial a mi compañero y=
amigo Juan A. Méndez por su importante colaboración y sus=
valiosas sugerencias.
IHDICE GEHtRAL
RESUMEN.
1. FCfRMULACIOH Y CLASIFICACIÓN CROMATICAS.
1 . 1 Introducción .,..>, 16
1 .2 Formulacio'n Generalizada de los Espacios-Color. . . .,25
1 .3 Teoria Cla'sica y Sistemas de Referencia. ....,..,,.. 41
1.4 Bases TeoVicas de la Clasificación Cromatica......,51
II. ADQUISICIÓN Y PRESENTACIÓN DE IMÁGENES EN B/N Y COLOR,
2. 1 Introducción. ,61
2.2 Niniordenador y Subsistema de Dispiay. 71
2.3 Subsistema de Adquisición de Ima'genes , . 75
2.3.1 D i g i ta1 i sador .,......,,,,75
2.3.2 Interface de Control , 77
2.3.3 Circuitos de Adaptación de Señal . ,82
2.3.4 Cámara TVC e Iluminación. , . . . , 84
2 , 4 Proceso de adquisición ,...,,.... 37
2.5 Software de control y adquisición 92
2.5.1 Perturbaciones de Cámara y Distorsiones 92
2.5.2 Programas, de adquisición , . i 03
2.6 Sistemas de Presentación...,..,,,....... 1 13
I NT. m e - 1
2.6. 1 Plant-eo general del problema. ..............113
2.6.2 Errores . . , ,,.... ) 23
2.6.3 Soft ware de Presentación , . . .12S
[Link] Programa [Link], 150
[Link] Programas [Link] y PRT102,SR, 163
2.6.4 Diagramas de frecuencia de ocurrencias.•.,.171
2.6.5 Sistemas de presentación en color. .,....., ,183
III, PROCESO Y RECONOCIMIENTO EN ESPACIOS CROMATICOS.
3 • 1 Preproceso . ,..,... , 1 S4
3.1.1 Introducción 194
3.1.2 Umbralización 196
3,2>2.1 Ei proceso de umbral como clustering..199
3.1.3 Filtros lineales espaciales, 221
3,1 ,3.1 Filtros No recursivos..,.,.....,...., .222
3.1.3,2 Aplicaciones a filtros clasicos...... ,230
3.1.4 Transformaciones Cromaticas elementales.•..235
3.1.5 Detectores Cromáticos,,,...................240
3.1.6 Tratamiento de imáoenes ruidosas.........,,250
,2 Seamentación, . ci^'b
INDICE-2
3.2.1 Definición y aplicaciones primarias. ...... .256
3.2.2 Estructuras ds datos 27S
3:2.2.1 Grafo de regiones adyacentes. .,,..•.. .273
Pirámides y aVboles. .280
3.2,3 Segmentación .JeraVquica, .. .. II ti ti . ,286
Reconocimiento, .......,,,,,.............,..,...., .292
3.3.1 Trans-Tormaciones Standard y Normal izacion ,. 292
3.3.2 Enmascaramiento, .,.......,.,..,... ... .... . .299
IV. CONCLUSIONES Y PRINCIPÍALES ñPORTftciONES-
V. REFERENCIAS,
••'En Volumen- Aparte >
VI. APÉNDICES.
6.1 Ecuaciones y Resultados
6.1.1 Demostraciones .....,,.
6.1.2 Invariantes ,331
6.1.3 Resultados
6 . 2 Proaramas.... . 1 í -_' ^ I::.
IHDTCE-:
RESUMEN
En el capítulo primero del presente trabajo se
analizan algunos de los aspectos del proceso visual
de interés para procesos de control donde se emplee
el -feedback visual . Se parte de una imagen
considerada como una función ^fi<x.. y^ ^^t)., que
representa a una escena particular. Esta función
permite generar un esp'acio de entradas de los
elementos sensores implicados en el proceso en
cuestión^ y es posible caracterizar el mismo a partir
del correspondiente espacio de salidas. Se define un
espacio de color de "m" coordenadas genéricas a
partir de algunas simplificaciones.. las cuales
permiten definir ios conceptos diferenciadores del
color en relación con su espacio de entradas. En este
espacio m-dimensional es posible establecer
expresiones para algunas sensaciones perceptivas como
las de tinte brillo o saturación. Se enlaza el
problema de la descripción cromática de una imagen
con el de reconocimiento de formas., de manera que., a
partir de unos- descriptores simples de la radiación
incidente se describa cromaticamente una imagen.
En general.. .los sistemas de visión actuales
pueden dividirse en dos grupos. Por un lado se
RESUMEN-1
encuent-ran aquellos sist-etnas diseñados de acuerdo con
una aplicación concreta para trabajar en un contexto
delimitado. Por otro lado se encuentran ios sistemas
universales^ de utilidad en situaciones y
circunstancias varias. En ambas ciases de sistemas la
incorporación y uso del color proporciona una
herramienta útil en las primeras etapas de
tratamiento^ pues simplifica ias estructuras de
preproceso y segmentación de escenas. Además el uso
de factores crmáticos permite la generación a'
múltiples aplicaciones de los sistemas dotados de
elementos de visión, así como su adaptación a
circunstancias diversas.
En el capítulo segundo se ha desarrollado un
sistema de adquisición de imágenes color basado en un
minicrdenador tipo Nova de 16 bits con 10 Mb en
disco. Este miniordenador gestiona la adquisición y
presentación de imágenes y se encuentra conectado,
para tratamiento masivo de la in-Pormación, con un
ordenador HP3noQ. El conjunto interTace—cámara
miniordenador posibilita la adquisición de las tres
componentes de la imagen en color COSTJO tres tomas
monocromáticas., para lo que utili:za un sistema de
adquisición monocanal que alimenta a un digitalizador
sucesivamente con las señales Y,RjB previamente
adaptadas de manera que conformen una sena! de video
RESUMEN-2
normalizada. Para realizar las dJ f-s rentes toma- se
dispone de un niúltiplexor ccrtroi'do por el
min i ordenador que permite selección:.- sr, cad-s cai^o la
componente deseada. En el proceso de adquisición de
una imagen se direcciona a cada p'.írito dt: la raisma a
partir de sus coordenadas, rea] iranúo-^^. un barrido
completo de toda ella. Para ello ss dispone ds una
unidad de control que efectúa la [Link] entre los
buses del min i ordenador >>' los circuitos d?. [Link]ón
de señal. Se utiliza una cámars á'i color CGr.'£rcial..
accedí endose al conjunto de sesjaie?: antes c':: 2 a
generación de la señal compuesta de vidso, i o JUÍ-
permite la obtención de i as coscponcntes de color en
forma no modulada. Para tener corripstibs 1 idad en si
uso del sistema en el proceso de señales en el Que
sólo existen tonos de gris sin tener que sintetizar
la luminancia por software, no se [Link];-^n las totoas
R,G,B sino que se adquieren R,B e Y y por proces^ado
posterior se obtiene la componente? B ,
P^r-s el control del muí tlp? ííxor dursnte el
proceso de adquisición se envían por uno d"? los
puertos del miniordenador las seniles que permitirán
direccionar la interface como periférico convencional
y controlar en cada caso la olnit-ai .i'. .-~í •?•.. la
serial que se este procesando.
RE3ÜMEM-.3
Para presentación d*i imágenes se utiliza una
impresora Printonix que por densidad local de puntos
permite reproducir las imágenes procesadas. La forma-
de presentación esta organizada en pixels de 6x6 o de
3x3 puntos usando métodos de interpolación de forma
que- a cada subpixel de la imagen se le asocia en la
reconstrucción un promediado según una cierta ley de
los valores de los pixels contiguos. Se dispone
además de una impresora Prims 132.. conectada ai
HP30 0 0.. para la cual se ha desarrollado el software
de presentación de imágenes en color real. Los
programas de adquisición realizan la toma de imágenes
de 128x116 puntos por muestreo y digitalización en
255 niveles. Bajo control del minlordenador, se
realizan tres b-Bt^r idios de la imagen empaquetándose
toda la información en palabras de 16 bits., de forma
que se destinen 8 bits a la luminancia y cuatro a
cada una de las componentes cromaticas
s i gn i f i c a t i v-'as ,
Se han realizado también estudios sobre los
sistemas de presentación de imágenes tanto en B.''H
como en color. La implementación de estos incorpora
procesos interpolativos aumentando la calidad de
reproducción de las imágenes. Se ha estudiado el
efecto perceptivo que ejerce la adición de ruido de
nivel análogo al de cuantizacion a imágenes
RESUMEN-4
cuant-iradas en pocos niveles. Ademas de los p~oqramas
de adquisición se han desarrollado otros para
corregir. deformaciones mot-ivadas por la naturaleza
del tubo y la óptica de la cám-ars, para evitar
[Link] medida.
Ademas de las -anteriores perturbaciones [Link]
otras producidas por causas de distinta indoiej unas
•ajenas al sistema de adquisición., como ilumin-ación y
ruidos externos y otras originadas por la inducción
de ruido debido a componentes frecuenciales del
propio sistema, En el capítulo tercero se han
desarrollado técnicas de preproceso que conducen a la
imagen o segmentos de la misma a situaciones
standard^ para facilitar su identificación., que
incluyen operaciones lineales y no lineales. Se
analis-a en primer lugar I.3 operación de umbral iz-scion
y los distintos métodos para encontrar el valor
•adecu-ado de umbral . Particularmente se hace énfasis
en las metodologías resultantes de la aproximación
del [Link] de ocurrencias de niveles de señal en la
imagen a distribuciones conocidas^ polinomios de
tercer y cuarto orden^ gausianasj ect,. [Link] se
aplican a IB ccraponente espacial de las imágenes
.adquiridas algunos filtros lineales clasicos., -adem-ás
de otros tratamientos que incorporan naturaleza
m-arcadamente no lineal , como lo son los filtros de
RESUriEH-5
"average" no lineal y los filtros mediana. En escsnas
complejas que involucren a un conjunto de piezas u
objetos^ se r-scur-m a su aislamiento mediante
algoritmos basados en criterios de conexidad
espacio-cromatica. Las distintas componentes de color
en una imagen Yj,R,B motivan la creación de un espacio
de color tridimensional. En este espacio cada punto P
de la imagen tiene asociado, ademas del
correspondiente par de coordenadas espaciales Xp,Yp..
otro conjunto de tres coordenads Yp, Bpi-Yp^ Rp-Vp. Se
realizan operaciones en dos espacios, el espacial o
restrictiv.'o Vs^X/Vi^, y el cromático o descriptivo
Ve'¡al, a2, a3 > . En Vc< a 1 , a2, a3> pueden efectuarse
transformaciones de manera tal que se acentúen
determinadas características de la imagen o segmento
de la misma.
También en estos dos espacios se pueden realizar
operaciones de segmentación escalonadas >que faciliten
la separación de las distintas partes o segmentos de
la escena, y dentro de estas la extracción de
carácteristicas de las mismas.
Una '.yez aislados los segmentos se han ensayado
algunas técnicas de reconocimiento, basadas en el
empleo de mascaras y en criterios de semejanza que
toman como índice el error cuadrático. Finalmente se
RESUMEN-6
ixponsn las conclusiones dsl presente trabajo.
RESUMEN-7
I, FORMULfHíriON Y CLASIFICACIÓN CROMATICAS
1. 1 IHTRGDUCCIOH
Como es bien sabido, la luz visible es una
radiación electromagnética con un rango de frecuen-
cias centrado sobre ios 5 - 1 0 Hz, El sistema visual
humanoj en condiciones habituales de i luroinacio'n,
puede percibir radiaciones cuyas longitudes de onda
se encuentran comprendidas entre ias 350 y 73 0
milimicras.
Una fuente física de luz puede ser /caract-erizada
por la distribución espectral de la energía radiante
X< X> que emite. Esta puede modificarse después de su
acción sobre los objetos los cuales podran reflejar
la energía que les llega en una cierta medida^ o
transmitirlaj generándose nuevas distribuciones de
energía que dependerán de las propiedades de
reflectancia FAX) y de trasmisividad T< >^ > de los
objetos., de manera que como result-ado de este proceso
de interacción entre radiación luminosa y objetos
result-a una nueva distribución espectral de energía
K'<X>j quey prescindiendo de efect¡os espacio
temporales en sentido retrictivoj puede ^[Link]^sars's.
16
e l e m e n t a Iroent-s en c a d a c a s o por;
X'(X) - R(x) X(x)
X"(X) = T(X) X(X)
< 1= 1>
Un observador humano percibe esta energía que le
llega de los objetos y de las fuentes de luz^ y según
la naturaleza de la misma, se provocan determinado
t-lpo de sensaciones: Son mult-lpies los ejemplos de
estas. Basta mirar a nuestro alrededor para observar
como existen un elevado número de características de
los cuerpos que componen el entorno xotidiano que
son adquiridos por nuestro sistema visual.
Innumerables teorías han intentado explicar el
fenómeno de la visión como resultado de la
transformación de la energía luminosa en otras formas-
de energía sucept-ibles de s^r tratadas por el sistema
nervioso humano. Lo que resulta evidente es que la
luz no actúa directamente sobre las neuronas a menos
que existan en ellas o anexas a l^as misraas elementos
que poseean substancias coloreadas que absorban la
radiación s^n distinto grado y provoquen una reacción
química excitatriz. Como el carácter esencial de la
Vision es su extraordinaria selectividad en función
de la longitud de onda., pueden eliminarse fenómenos
térmicos y mecánicos, y se admite universalmente que
17
los impulsos nerviosos motivados por la ^xitacion
luminosa del sistema visual humano están originados
por las absorciones de la luz incidente que realizan
ciertos pigmentos coloreados de las células
receptoras.
Como resultado de la acción de las fuentes
luminosas de energía radiante podamos percibir a
través de nuestros elementos de visión aspectos
espaciales de la realidad que nos rodeaj las formas
presentes en la misma y otras caract-eríst-icas
importantes en el normal funcionamiento de la
actividad humana^ como son las variaciones
temporales, la textura o el color.
Sin embargo, estas observaciones provocan
indefectiblemente algunos importantes interrogantes,
entre ellos si realmente la distribución espectral de
la energía es suficiente para explicar las
diferencias de percepción o que descriptores
adecuados nos permiten explicar la interacción
cerebro-medio mencionada. Lamentablemente no es
posible realizar un análisis armónico puro de la
radiación electromagnética. No obstante pueden
explicarse algunos fenómenos, tales como los
relativos a la percepción del color en base a su
distribución espectral. Por ello vamos a analizar
18
brevemente la naturaleza de esta energía luminosa. Un
cuerpo que existe a una elevada temperatura radia
energía en cantidades proporcionales a su
temperatura. El radiador ideal C cuef-po negro> se
define para una temperatura T, consecuentemente con
la afirmación antes expresada^ como aquel cuyo flujo
radiante es el máximo que se puede obtener a esa
temperatura. Su distribución espectral viene dada por
la ley de Planck;
x"(X)=2.39 10'^/X^(exp ( 1 . 4 3 2 / x T ) - 1)
De la cual sólo una reducida parte cae dentro del
visible donde la distribución espectral es
aproximabie por la ley de Wien, ;
X"(X)= 2.39 lO"-'""'- / X^ exp (1.432/x T)
La energía que emite un cuerpo negro según la
ley de Eoltzman es proporcional a la cuarta potencia
de su temperatura absoluta y de ella se encuentra en
la 2ona del visible;
7.8 10~^
E^= / X"(X) dX
3.5 1 0 ~ ^
Sin embargo de toda esta energía sólo una
pequeña parte es visualmente efectiva. La medida de
la eficiencia luminosa se ha establecido en base a
funciones de luminosidad obtenidas en distintas
1?
condiciones de iluminación '-'fot-ópica y escotopica> y
estandarizadas por el Commit-t-ee on Coiorimetry o-f
the Óptica i Societ-y of America <?9D3> y q'je pueden
ser consideradas como la curva de respuesta espectral
Y<A.'5 de un observador humano promedioj la eficiencia
luminosa se define entonces como:
7.8 10 _
K = (64.77/T^) / _,- Y(X)/X- (exp(1.432/x T)-l) dX
3.5 10
Computada por Dorn et al. C2.T] y reflejada en la
figura I.1 donde se observa que ia energía emitida
por debajo de 1500 K pi-stticamente no es considerada.
P^rs hacer posible la visión de un objeto
cualquiera es necesario que la energía radiante que
proviene del mismo atraviese ios medios oculares e
incida sobre la retina desencadenándose reacciones
fot-oquímicas que provocan corrientes nerviosas las
cuales se trasmiten al cerebro a t-ravés del nervio
óptico.. en cuya cortesa visual tien«n lugar los
fenómenos psíquicos de la visión. De valores teóricos
r561 el flujo luminoso en lux que incide sobre la
superficie retiniana es;
E = 0.36 L S T,
r X
Donde L representa la luminancia -Ccd/m), S
designa la superficie media de la pupila y "^x ^s el
20
factor espectral de transmisión de los medios
transparentes "'Cristalino y humores) que preceden a
la retina. Este ijltimo termino presenta algunas
dispersiones pues depende de las características de
los sujetos sobre los cuales se realicen las medidas.
Lo que si parece ocurrir es que debido al grado de
absorcio'n de estos eleraentos se produce tina variación
en la composición esp-ectral de la imagen incidente a
la superficie de la retina. Para las longitudes de
onda más elevadas en el visible «Csobre 500 nm.>j la
absorción esta determinada por el agua contenida en
el medio ocular. Prácticamente toda la energía sobre
1400 nm. es completamente absorbida y convertida en
energía térmica. Para longitudes de onda inferiores a
500 nm el agua es transparente a la radiación
electromagnética^ aunque se producen fenómenos de
absorción debidos a otros componentes. En particular
la absorción de la córnea y el cristalino no dejan
casi pasar longitudes de onda inferiores a 300 nm..
El cristalino es el medio principal que afecta a la
distribución espectral de la lus^ incrementando la
absorción sobre 500 nm., Consecuentemente, esta lente
aparece amarilla ai iluminarse con luz blanca,
fenómeno que se acentúa con la edad C9! 1.
La retina posee dos ciases de elementos
fotosensiblesj conos y bastones de propiedades y
21
dist-rib'jciones distintas: Se ha podido con-probar la
existencia en los bastones de un pigmento
fotosensible dispuesto en conchas estratificadas en
los segmentos externos de los bastones^ denominado
"púrpura retiniana" que ha sido bastante estudiado
CS'^D y actualmente se le conoce muy bien gracias a
los trabajos de Wald Ciii ] . La "púrpura retiniana"
también denominada rodopsina es una cromoproteína
constituida por la unión de una proteínas la opsina^
de masa molecular elevada y un grupo aldehido de la
vitamina A^ el retinal, Al incidir la radiacio'n
luminosa sobre una molécula de rodopsina se pueden
producir dív/ersos efectos según la intensidad de la
energía de esta. Si es débil se produce el paso de la
molécula de retinal de la forma CIS a la Trans <FIG
I.2> j proceso de isomerización que produce una
variación de potencial a nivel de la fibra eferente
del receptor. Seguidamente tiene lugar el proceso
inverso y se genera de nuevo la forma cis del
retinal. Contrariamenté^ si existe una fuerte
excitación luminosa o una débil extensamente
prolongada, la reconstrucción de la rodopsina se
produce a partir del retinol <Vitamina A>. Existe una
gran similitud entre las curvas de absorción de la
rodopsina y las curvas de visibilidad escotópica.. que
confirman que en condiciones de iluminación escasa
los bastones soportan un peso elevado de la misma.
22
En el centro de la retina esta la zons foveal
"•'4>j la cual contiene la máxima densi'áad de conos >
Estos poseen pigmentos fotosensitivos cuya naturaleza
fue estudiada primariamente por Stiles £103] y
comprobada por diversos métodos íS'il/íi^l, son de
tres tipos y son selectivos a determinadas zonas del
espectro. Reciben los nombres de erytholable^
elorolable y cyanolable. Los conos parecen sólo
operar en visión fotópica con condiciones de luz
medias y su densidad decrece conforme nos alejamos de
la zona foveal. ft medida que disminuye esta aumenta
la correspondiente de bastones, alcanzando su máximo
a unos 20° j para luego bajar hast-a los 40? Los
bastones ^como se indico^ sonjceq^ge encargan de la
Vision en condiciones de iluminación desfavorables en
las que los conos actúan muy poco. Por ello se
produce un desplazamiento hacia la izquierda de la
curva standard de visión escotópica respecto de la
fotópica desplazándose el máximo de 560 nm a 507 nm.
riii ].
eficiencia
temperatura ( 2 K )
FIG 1.1 Curva de efectividad luminosa.
hv
lili
RHODOPSINA
.
^ \
Recomposición
ciclo : _,rápida.
RETIMAL CIS + RETINAL TRANS +
corto i
OPSIHA OPSINA
,1 largo
'
KEl INOL Clb RETINOL TRANS
FIG 1.2 Ciclo de transformación de la rodopsina.
1.2 FQRnULACIOH GENERALIZADA DE LOS ESPACIOS-COLOR
Varios son los atributos conccidcs de la
percepción visual, formas textura, color, duración,
brillo, etc., que involucran tant-o aspectos
espacio—temporales como ^sp^at-ral^s en un sent-ido
restrictivo, de forma que la descripción de la imagen
que- emerge de una escena debe contener intrínsecamente
la información necesaria para poder describir ios
fenómenos perceptivos señalados. Esta información
anal irada por los sensores implicados en el proceso
visual conduce a respuestas de rango superior que
suponen sistemas de proceso de naturaleza elaborada.
Consideremos que una imagen es el resultado de la
incidencia de una función luminosa I<x,y,X,t>
procedente ds un foco emisor sobre una escena <FIG I.3>
Todo el conjunto [Link] la misma absorberá
determinadas radiaciones y reflejará otras de manera
que podemos pensar que la imagen incidente a un
sistema sensor hipotético, sobre el que en principio
no haremos ninguna suposición previa , es el resultado
de una acción representable en términos de
reflectancia, esto es, podemos suponer que:
Í5
f^( x,y,x,t )-l(x,y,x,t) R(x,y,x,t)
O <I(x,y,x,t)< «:
La función R< >-. j y, x •> ^--"^^ caracterizara ai grupo ds
objetos a los cuales llega la radiación^ que si
normalizamos poseerá valores comprendidos entre O y 1.
Un cuerpo negro absorbería toda la radiación y podra
ser caracterizado por;
R(x,y)= O V x,t >0
De la misma forma el blanco absoluto reflejaría
todo lo que le llega y la función reflectancia tomaría
el valor unidad, de manera que siempre:
O < R(x,y,x,t) < 1
La función f<Xjy,x,t> creada constituye la imagen
en su aspecto ma's generala en cada punto de la misma
exist-e una radiación con un espectro de energía
determinado cuya composición es variable a lo largo
del tiempo. Esta función nos permite generar un
espacio de ent-radaSj que llamaremos X „, j a nuestro
aB X T
elemento sensorj y la respuesta mas general del
sistema caracterizado por su espacio de salidas Yxyt
Y = p fy \
xyt aBXx ' < 1 .3>
Donde F representa la acción ejercida por el
sistema sensor sobre el conjunt-o de la radiación
incidente y dependerá., como es lógico de la estructura
global del mismo.
Para describir [Link] el espacio de salidas
podemos desarrollar •'1 .3 > en serie de Tayior como en
Í&&1,Í72-1, teniendo en cuenta la respuesta espontánea
Fxyt-C O 5 que se produce en el sistema en ausencia de
estímulo incidente;
Y ^= F ^(0) + r W ^ „, X „, +
xyt xyt , xytctBXT aBXx
«3 X T
+ Z Z W ^ X X
xyt; aBXx ; OIBXT OBXT CXBXT
aBXx aBXx
+ ....
< 1. 4?
Donde;
8 F ,
xyt
W
xyt
3 X
aBXx X =0
aBXx
Los distintos sumandos globales de la ecuación
anterior representan la interacción espacio temporal
espectral llevada a cabo por el sistema. Prescindiendo
de la evolución temporal pueden observarse en la
figura 1,4, De manera generalizada es posible extender
al continuo la expresión <1.4> y realizar después
algunas simplificaciones para su adaptación a sistemas
conocidos;
t ^^
Y(x,y,t) = F(x,Y,t)+ ; j ;j W(x,y,t;a,6,X,T)X(a,e,X,x)
— XI ^
t An xn
d ' o d B d X d x +ffff ¡ S I S W( x , y , t ; a , 6, X, x; a, 3 , X, x)
_ >^X-,R 'oX, R
X(ot,B,X,x) X(a, 6,X,x) dadBdXdx dadgdXdx + ....
<1 . 5 >
Siendo R el campo receptivo del sistema sensor
donde supondremos que f < Xj y^ X, t-> se encuentra definida
para todos sus puntos., y \\ , X^ los límites de
percepción espectral del sistema• Para sistemas
continuos e invariantes en el tiempo el espacio de
salidas definido por í1.5> queda reducido a la
siguiente expresión;
xn
Y(x,y,t) = F(x,y,t) + / // W(x,y;a,6,X)X(a,6,X,t)da
X,R
xn xn
dSdXd + /// ;// W(x,y;a,3,X;a,6,X) .
Xj^R X,R
X(a,B,X,t)X(a,B,X,t) dadBdX dadgdX +....
< 1, 6 >
Para analizar el efecto de ^, en la respuesta
del sistema vamos a considerar que este es
estacionario e independiente del tieropo ^esto eSj
trataremos imágenes estacionarias^ dor>>de supondremos
que, debido al grado de integración del elemento
sensor, las fluctuaciones en la radiación incidente
pueden considerarse despreciables frente al orden de
magnitud de ios tiempos <roacrotiempos?•» del sistema.
Bajo estas consideraciones podemos escribir •'1 . ó >
como:
Xn
Y(x,y)= F(x,y) + / // W(x,y;a,B,X)X(a,B,X)dadgdx +
X R
Xn Xn
+ / / / / / / W(x,y;a;.B,X;a,e,X)X(ct,B,X) dadgdX
X R X R
áadBdX +
•: 1 . 7 >
Vamos por el momento a ceñirnos a sistemas
lineales en espacio y x, para ellos la ecuación <1 ,7?
se simplifica at
Xn
Y(x,y)=F(x,y)+ / // W(x,y) ;ci, 6 , X )X(a, B ,X ) dadfidx
X R
< 1 , 3 .1
Suponiendo m canales independientes, a cada canal
corresponderá una ecuación del tipo <1.8), es decir;
29
Xn
Y^(x,y)=F(x,y)+ / // W.. (x,y; a , 6 , X )X( a , B , X )dcid6dX
V I O C1 .9 >
K=i,¿,...m
Si realizamos la suposición de considerar que loí
núcleos Wk< Xj y j ct^ 6 j X > son expresables en la forma:
W^(x,y7a,B,X) =1'?^^^ (x, y; a , e ) W^^^ ( X )
<1. 1 O>
Siendo Wck 'C x > la sensibilidad parcial del
sistema a la radiación^ y consideramos sólo una
pequeña zona al-rededor de un punto >{ojYo de R, de
manera que;
Wgj^(x,y;a,e)= 6(x-x^) «(y-y^)
<1 . 11 >
Es posible definir un color cualquiera en este
punto por el conjunto de m coordenadas < Y1 ^ 'r'2j ,,,,,,
Ym?. Si prescindimos de la respuesta espontánea^ cada
una de estas coordenadas esta determinda por la
expresión;
1
'•': 1 , 1 2 )
K=l,2...m
En el caso del sistema visual humano la expresión
<1.10) no se satisface realmente^ pu«s existe una
30
serie de fenómenos a nivel ret-inal £ Z51 ^l 3-,l, que
parecen indicar que exist-e un alto grado de
interacción espacio—cromatica que están siendo
profusamente estudiados C36D,
Con las simplificaciones introducidas vemos que
es posible caracterizar cromáticamente una imagen en
términos Yk Se le hace corresponder a cada color
presente en un punt-o cualquiera de la imagen otro de
un espacio m-diraensional definido por sus coordenadas
extraibles desde ••'1 . 12>,permitiendo asi describir una
imagen desde un punt-o de vista cromatico de una forma
directamente relacionada con su espacio de entradas.
A partir de estas coordenadas^ Yk/ podemos
definir una serie de conceptos asociados con
sensaciones de percepción que llevan implícitos
ciertos parámetros psíquicos. Así por ejemplo la
sensación de grado de pureza de un color Cs? ligada al
subespectro de energía de la radiación puntual
incidente í\53, esto esj al grado de difuminación del
color respecto al biancoj lo que denominamos
saturación, puede definirse para un color c dado como
la distancia, dentro de este espoacio , a un blanco
equienergetico con él. Es decir;
s = E (YjJ - Y^) <1 .13>
k=l
31
Donde los Yk son las coordenadas de este blanco e
Yk las del color genérico en cuest-ión. Para encontrar
un punto en este espacio para este blanco,
prescindamos de factores espaciales^ entonces cada
coordenada Yk sólo S'¡:rá función de la radiación
incidente. Empleando terminología discre*;ai
n
k ckj j v 1 . 1 1 .-I
^"-'- k=l,2...m
Siendo los Wk.j f actor ÍES de peso y los Xj valores
de las amplitudes directamente extra ibles del espectro
de energía de la radiación incidente <FIG I.5>,
obtenidas de un análisis armónico previo, donde parece
ser que la fase no es relevante, al igual que ocurre
con el sonido.
Para el blanco equienergetico correspondiente se
cumplira:
n
W
k ckj j < 1 . 1D>
-' k=:l, 2 . . .m
Es decir Yk son las coordenadas del blanco que
posee una densidad espectral de energía de amplitud
constante, K . para cualquier longitud de onda
comprendida entre x y X , límites de percepción
1 n
del sistema. Para cuantificar su valor utilizaremos la
densidad espectral de energía del color c, que en
32
forma discreta puede expresarse como;
n
E = J: X. -CI . 16 >
Para el blanco equienerge-tico c o n él, i<
expresión correspondiente es;
n
E-, = E. K- nK < 1 . 17 >
L u e g o d e <1 ,16 > y < 1 . 1 7 >
la ecuación <.'l,\3? para la saturación se expresa;
:on las anteriores consideraciones, como;
2 ni n 1 ^ "^ ?
s. = Z i Z VI , .X.- - L W , . z X.)
k=l j=l ^'^^ ^ ^ j=l ^^^ i=l ^
n
s2 = z
. s,2
< 1 . 19 >
Cada sumando Sk puede modificarse de la form-;
siquiente;
"
S, = Z W , . X . - Z W,. Z X.
"^ j = l "'^^ ^^ i=l ^'^^ j = l ^
n 1 "^
s, = .1;^ (W , .- - z W , . ) X .
n
s, = J: C, . X.
k . ^3 3
j=l <1.2n>
Donde
1 "
kj ckj n cki
j=l <1,21>
Y entonces;
_ ra n y
s^= z ( z e x )^
k=l j=l ^^ ^
P m n n
s = E ( 2 C, . X. Z C, . X. )
k=l 3=1 -^ 1=1
De donde t
„ n n m
s = z . 2 ( z C, . C, . ) X. X. < 1 .22>
• T • 1 1 T k] ki ] 1
j=l 1=1 k=l -^ -^
Generalizando al cont-inuo resul-ta
Xn Xn
;^= / / W ^(X ,X • ) X(X) X(X ' ) dX dX ' <1.23>
sat
^1 ^1
Donde;
k=l
<1 .24 >
Cada Ck< X> esta definido como i
34
Xn
1 <1 .25 >
Observamos que la expresión <1.23> reviste un
carácter no lineal y permite asignar a cada color una
propiedad del mismo relacionada con el espacio de
entradas particularizado para un punto en cuestión.
FUENTE L-J>;[Link]
I(x,y,X .:)
R(x,y,A.t)
f, (x,y,;^ ,t)
ESPACIO DE
ENTRADAS X„
ELEMENTO SENSOR
V-y-t) V(x,y,t)
m
FIG 1,3 Generación de la imagen Incidente y
coordenadas cromáticas
FIG 1.4 Estructura espacio-cromatica
d (A)
E
% Amp. relativa
FIG 1.5 Distribución espectral de X< .^ > y su
Blanco equienergetlco.
06
La sensación de "claridad" o "brillo" de una
imagen esta íntimamente ligado a la potencia luminosa
que emerge de la superficie emisora C 3 y puede s^er
evaluada a partir de;
k=l ^ ^
Donde los a, son fact^ores de peso con las
K
unidades correspondientes. Por similitud con ios
términos utilizados en la tecnología de la televisio'n
nos dirigiremos en ocasiones a a como la luminancia
de la imagen. Si [Link] factores espaciales
podemos expresarla por;
X
n
a = f Vi. (X) X(x^,y^,x) dx
, 0 o o
<1.27 >
Siendo:
k=l
<1 .23 >
Que evidencia un carácter marcadamente lineal., lo
que no ocurría con la expresión <J ,23> que sintetiza
la saturación.
Este espacio de color ím—dimensional> se produce
como consecuencia de la reducción de la dimensión del
correspondiente espacio n—dimensional de entradas. En
consecuenciaj se plant-ea el sist-eros de ecuaciones
discreto:
n
Y, = Z W , . X.
<1.29>
k=l,2,. . .m
m << n
Y entonces la respuesta ante una entrada
determinada. caracterizada por X.j ^ .j = ''' .. .< n i pijsde
obtenerse como el resultado de una combinación aditiva
o substractiva de un conjunto de L entradas, debido al
grado de indeterminación del sistema anterior. Si este
conjunto es representable por XJ1 con j = 1 • . . .n.,
1=1..,L resultara que la expresión:
n n
Y, = Z W,.X. = E W,.(ze-,X.,)
k j^^L ^^^ =" j=l ^^J 1=1 ^ ^^
< 1 ,30>
k=l,2,...m ; m<<n
Admite todo un rango de posibilidades para
distintos valores de g y í<j 1 . Ello prueba el efecto
visual conocido de la percepción ^en el sistema
visual.. de un color como la combinación de un cierto
numero finito de radiaciones. Por ello ciertas
sensaciones como la de "tinte", o "tono" de color., que
permiten discriminar éste, deben definirse en base a
sus coorden-3d-3s ,-íyk?j y no rsfsf~ipi3s 3l espacio de
entradaj aunque corao es razonable unes deriven de
otros. Para proc'orcionar una expresión del tinte
fijemos un color de referencia Cr cuyas coordenadas
en este espacio s^ran Yk j con respecto a este color de
referencia puede evaluarse el tinte como :
( Y^^- Y" ) . ( Y - Y"" )
t= arcos
[ Y^r_ -w j [ Y - Y" ]
<1.31>
w
Siendo Yl< las coordenadas del blanco
equienergetico con el color dado e Yk las del color
genérico en cuestión.
En este espacio m-dimensionai podemos cuantificsr
la sensación de tono de color emp'leando otro tipo de
métricas no euclideas que conduzcan a expresiones
menos artificiosas. Algunos autores <Massoff et al.
Cl| 2 , Z&^l, í GZl > han intentado expresar la
interrelación que existe en el ser humano entre la
zona de percepción '-'.Zona de Helmholtz> caracterizada
por sus respuestas ante el conjunto de la radiación
incidente y la zona sensorial <Zona de Hering>j
generando el espacio de sensaciones a partir de un
cierto tipo de características cromaticas procedentes
39
de la Zona de Percepción, Sin emb-ar'CiO pensanos que el
problema de las sensaciones de color se encuentra muy
próximo ai de reconocimiento de formas en un nivel muy
primariOj de manera que en base a un>7S descriptores de
la radiación incidente muy simples^ como pudieran ser
ias coordenadas Yk V3 mencionadas^ que involucren a
\, todo un conjunto de operaciones integrales, permitan
diferenciar y discernir entre dos formas cromáticas en
base a criterios de clasificación que encajan dentro
del ámbito más general del problema del reconocimiento
de formas.. cuestión que analizaremos en próximos
aoartados•
40
1.3 T E O R Í A C L A S I C I H Y S I S T E M H S DE REFERENCIA
Las conclusiones anteriormente cit-adas pueden ser
fundamentadas no en base a valores Yk intrínsecos al
propio sist-emaj sino a valorers externos al misrao^
realizándose las adecuadas t-ransforniac-iones,
Considérese para ello a las variables representativas
del espacio de entradas ?^< a, 6, \y factor i sables en
parte espacial y radiante de la forma;
X(ci,B,X)= X^(a,B) X^(X) .- i -^-^ N
Donde ¡«¡r< A > denota la distribución espectral de
energía incidente expresable^i con ciertas
restricciones y rt^fe:rid3 a H colores primarios base, de
manera que:
H
X (X) "es equivalente a" z X^Cj^ (x)
(a [Link].) h=l
<1 .33 >
Ch'tx > es la densidad espect-ral de energía del
color C ;.' A H e? el factor de peso del mismo para
componer Xhú X). En colorimetría clásica^ según los
axiomas de Grassman í ¡8 3> un color puede obtenerse por
mezcla de no mas de tres colores primarios. Lueoo
41
haciendo H=3 y entendiendo <1.33> en el sentido de la
producción de idénticos efectos perceptivos podemos
escribir
X(a,e,X)=Xg(a,e) E X^Cj^(X) <1.34>
h=l
Es decir primero y segundo miembros de la
igualdad <1.34> generan ei mismo efecto sensorial
creándose clases de equivalencia en el espacio físico
de entradasjreferidas a la similitud de las
sensaciones producidas. Las leyes clasicas de la
adición de colores entran perfectamente dentro de este
concepto .
Usualmente las mezclas de colores suelen
expresarse en términos de triestímulos Zhj los cuales
se definen al normalizar los Xh tomando un blanco de
referencia^ esto es:
h <1.35>
Donde Wh representa el factor de peso del color h
respecto al blanco W de referencia.
Si por analogía con las leyes de Grassman hacemos
m=3y podemos plantear el siguiente sistema de
ecuaciones que relaciona los parámetros 2h de un color
4Í'
C determinado con los Vk correspondíent-es,
3 Xn
\(x,Y)= S X^^J" RJ" Xg(a,e) W^(x,y;«,6)
h=l X
C^( X) W^j^( X) dX da de
<1 .36 >
k=l,2,3
Si prescindimos de factores espaciales, y si solo
empleamos teVminos color i métricos, nos qijeda;
3 X
k=l,2,3
K1 .37 >
Si hacemos:
X
a =/^ C (X) W .(X) dX
\
i=l,2,3
j=l,2,3
<1 ,33 >
El conjunto anterior de 3 ecuaciones es
expresable en forma matricial
43
Wj^ 0 0
^11^12^13
0 W2 0
^1^22^23 < 1 .. 3 9 >
0 0 W
^31^32^33
O abrsviadament-e
Y = [A][W] Z
Es decir existe una relación ent-re ios valores
computados por el sistema Yk y los valores
triestímulos de las señales de entrada al mismo. Estos
pueden formar un espacio de color , representando Z1 ^
Z2.. 23j las coordenadas de un color C determinado. Una
representación alternativa de est-e espacio consiste en
obtener los valores norma girados í* j de la forma:
f
w
w <1.40>
Z^+ Z2+ Z3 w=l,2,3
Y como f3=1- f1- 4'2^ se podrá r'^.pr-^'^-^nt-Br un
color por sus coordenadas «F 1 ^ l'2j que dan la
información relativa cromática. Para cuantificar la
cantidad absoluta de luz de cada color se emplea la
luminancia del mismo. Según IBS lei-<es de Grassman la
luminancia de un color obtenido por mezcla de sus tres
primarios es igual 3 la suma de las luminaneias de
estos!
a = Z Zh ''h
h=l <1.41?
Donde a es la luiTiinancia o luminosidad y oh
44
la de los tres primarios comput-abies a partir de:
Xn
a j^= / ^h "^h^^^ ^^^^ ^^ < 1 .42:
X
1
E>:presión en la que £•'^ > representa la eficiencia
luminosa relativa . La luminancia total es entonces
expresable """or ;
3 Xn
a = Z Z, W, / C, (X) E(X) dX
h=l XT
1 <1 .43 >
•Son posibles otras muchas representaciones
alternativas a esta serie de coordenadas Zl, Z 2 , Z3> o
1j 2^ ° La Comisión Internationale de L^
Eclariage ÍC.I.E.? ha propuesto un sistema de
referencia con los tres primarios monocromáticos
3 i qv! entes ;
: =R ; ^ =7 00 nm.
1 R
Z y =G j ^ =546 nm.
B
Z T =B ; ^ =435.8 nm.
C
Este sistema de primarios esta definido por
curvas de los colores espectrales <FIG 1,7 y. En la
fig. I.S puede vers'E: el diagrama de cromaticidad
45
correspondiente usando coordenadas normal ir-sdas r , g
j b j con;
r + b + g = i <:i>44>
Elegidas de forma que el blanco W tomado coreo
pat-ron ''Iluminante E> ocupe el punto de coordenadas r
=0.333^ g =0,333. Sin embargo, puede observarse que
est-e sistema de coordenadas obliga a tener algunos
colores componentes negativas. Por ellOj la C.I.E.
desarrollo un sistema de primarios XYZ^ que se
corresponden con los colores definidos por los puntos
'rSYZ de la figura 1.7^ que tienen como coordenadas
''r,g> las siguientes;
K > <i\: 275. - D . 278 ?
> <-1 .739,,2.767>
Z > •;-0.743,0. 141 )
Con este cambio de referencias la C I . E . elaboro'
el diagrama de cromatici dad que se r-!£present-a en la
figura 1.3., utilizado bastante usualmente para todo
tipo de cálculos color imétricos.
Una propiedad deseable para un sistema de
46
cooordenadas cromatico es que un cambio dado en la
cromat-icidad del mi;-mo sea percibido como un
desplazamiento de color para un observador st-andard.
Resultados experimentales confirman que el observador
humano es muv sensible a desplazamientos en el asulj
en menor medida a los producidos por el rojo y menos
en el y/iEr-diz. El C.I.E. en 1.960 adoptó un sistema de
coordenadas con escala uniforme de cromaticidad
<Ü.C.S,>^ en el cual cambios en las coordenadas
cromaticas reproducen cambios cuantificables en
saturación o tinte. La transformación que relaciona el
sistema de primarios XYZ anterior y este ultimo viene
dada por;
4X
U=
-2X+ 12Y+ 3
V=
-2X+ 12Y+ 3
<1 .45 j
Se han empleado otros sistemas por diversos
motivos, sobre todo por sus posibilidades de
adapt-acion al medio televisivo. Sin animo de
exahustividad expondremos algunos de ellos pudiéndose
encontrar una explicación mas detallada en r43 1 y
[351 .
47
Sist=e.T,3 Y-I-Q
Es el resultado de una t-ransformacion lineal
sobre ei sistema RGB que ha sido desarrollado por la
industria de la televisión en color para minimizar ei
ancho de banda de la señal de TV mant-eniendo una
fidelidad cromática subjetiva, Y representa la
intensidad luminosa por compatibilidad con ios
receptores de B/\Aj mientras I < aproximadamente
naranja) se transmite en fase y Q <aproximadamente
Magenta 5 en cuadratura, ortogonal al naranja. Las
ecuaciones que definen esta transformación son;
Y= 0.299R + 0.587G + 0.114B
1= 0.596R - 0.274G - 0.322B
Q= 0.211R - 0.523G + 0.312B
<1 .46 >
Este sistema surgió de los estudios realizados en
1.953 por la National Televisión System Conmitee
< H . T . S • C • ."j sobre la agudeza visual a las variaciones
de longitud de onda con una gran muestra de personas.
Se vino a confirmar que se pueden distinoiir
diferencias de color de fino detalle en la zona
43
geométrica de colores que va en el diagrama polar B-Y
vs. R-Y del naranja al ciaOj mient-ras que tales
detalles en la zona del magent-a verde no se perciben
claramente. Sobre est-a base se decidió t-oroar I,Q cofco
ejes de modulación en cuadrat-ura desfasados 33 grados
respecto a los ejes B-Y,R—Y, con ello el ancho de
banda requerido para la transmisión de la señal R-Y se
limita a 1.5 Mhz. j mientras que el requerido para la
señal B-Y queda limitado a 0.5 Mhz.j en ambos casos
con el empleo de sendos filtros pasa-bajo.
Sistema L-a-b
Fue introducido para proporcionar una medida
precisa al empleo de valores triestímulos. Las
coordenadas definitorias del sistema son el resultado
de una transformación no-lineal de los valores
triestímulos¡
L= 25 (lOOY/Y^)"*-/^ - 16
a= 500 ( (X/X^)^/^- (Y/Y^)^/^ )
b= 500 ( (Y/Y ) ^ / ^ - (Z/Z ) ^ ^ ^ )
o o
< 1 . 47 )
3 i endo Xo .• Yo .. Zo 1 os va 1 ores tr i est í mu 1 os
correspondientes al blanco de referencia•
* * *
Sist-ema U - V - W
Surgió como consecuencia de la necesidad de que
desplazamientos unitarios en la luminancia y
crominancia sean unitariamente percibidos. Las
ecuaciones que definen al mismo son;
U*= W*{U-UQ)
V*= W*(V-VQ)
W*= 25 (lOOY)-'-'^- 17
<1 .48 >
Donde üo^Vo son las coordenadas del iluminante de
referencia e Y representa la luminancia.
20
ri
bi
n
ti
\ \ 1.0 y' r
400
CIE-RCB
I
3
cé
\
SOO
i
O
\V e
8
700
(nm)
CTE-iyz
fy
SOO 600 700
(nn)
FIG. I.ó Curva de valores trlestímulos.
50
-ds'-
FIG. 1.7. Diagrama de cromaticidad según C1.44>
Coordpnadas de los primanoy de U TVC. fC.C.i.F.,1
R: X e. f^ V = 0. 35
C: X - 0.2 = y = [Link]
S: X = 0. • 5 y = 0. 06
IC
PECTRUM LOCUS
0 9
52oV
oa
N^540nir
/-5I0
0^7 • \^330
-303
C \ r 560 TRIAMCULO V UlXWFt i
3 —0-6
/S.^'^CsTO
LANCKIAN LOCUS
fS90
0-4
. y*95
^
03
02
• VAÍO
VABÍ
ir
/
^
^'"''^
0-1
¥480 \^
47Ó\
Ol az p-5 (M os o« O-T 0« 0-» H)
OI3 OZ9 a«4
FIG. 1.8. Diaqrama de Coordenadas Tricromáticas
Internacionales.
1.4 BASES TEÓRICAS DE LA CLASIFICACIOH CROMATICA
El reconocimient-o de -Tormas es una componente
fundamental del conocimiento. En general puede ser
considerado como la clasi-Ficaclón de •Tormas u objetos
basada en determinadas características de ios mismos.
Un clasificador de formas esta intrínsecamente ligado
a los elementos sensores que le proporcionan la
información externa. De ellos extrae un conjunto de
números asociados a cada forma, que se denominan
usualmente medidas. Estas medidas a su vez se combinan
entre ellas, eliminándose aquella información
irrelevante, generándose otro conjunto de números muy
estrechamente relacionado con la forma, llamados
según las terminologías propiedades, características o
descr i ptores.
Cada objeto o forma se representa por este
conjunto de números que dan lugar al denominado
espacio de propiedades. La solución al problema del
reconocimiento de formas es determinar una regla de
decisión para clasificar correctamente la forma en
cuestión, creándose así el espacio de clasificación,
que no es mas que un conjunto discreto de puntos que
se corresponden con un conjunto de posibles decisiones
<F1G. I,9>
51
FIG, 1.9. Estructura de un sist-ema de reconocimiento .
En nuestro caso generamos a partir de las
medidas extraidas del conjunto de la radiación
incidente un espacio cromatico m—dimensional. Dentro
de este espacio se establecen determinadas zonas que
van a caracterizar un color deterninado> esto es, se
genera un conjunto C=<C1, C2, ., ,., CN> de N colores
definidos a partir de sus m coordenadas cromaticas y
establecidos de Forma universal.
La clasificación de las diferencias entre colores
en términos de tonalidad, lumino—sidad y saturación
esta resuelta en términos matema'ticos objetivos. Sin
52
embargo, las diferencias psicológicas y del mecanismo
visual hacen mas difícil la percepción subjetiva del
color, En este sentido Shepard E^ai^c^rj con la
introducción del análisis de proximidades ha
proporcionado un método de gran generalidad, que
permite representar datos en el caso de que las
distancias entre objetos se definan de forma
imprecisa^ dudosa o claramente no métrica.
conjunto de funciones discriminantes gi<§> j i=1....N,
de manera que un nuevo color O especificado por sus
coordenadas^ pertenecerá a la clase Ci^ definida a
priorij si se cumple ''FIG Ii10>i
g^(e) > g^ce) V i?^ j
El problema reside fundamentalmente en encontrar
el conjunto de funciones discriminantes adecuado, Una
función de este tipo puede suponerse iineali En este
caso:
m
g. (9)= K. + T. K. , 9,
^ 1 l O1 = 1 l l 1 "^ ^ •'^^^
Siendo Kil factores de peso y Kio un cierto
umbral, Estas funciones producen una división del
espacio de color en H regiones de decisión, Rj, de
53
VECTOR DE PROPIEDADES
' 9)
t • . Tt t . _LÍ_Í
rUÜCIONES DISCRIMINANTES
g
in
'1
a Í9i g,(s) g, (s)
" t • • •'
decisión
(9)
FIG. I.10. Diagrama de decisión.
manera que en las mismas es máxima la correspondiente
función discriminante g.i . Si dos regiones Ri,R.j son
contiguas., la zona de separación entre ellas vendrá
definida por:
g^(e) = q^(Q) < 1 .50>
En el caso de utilizar funciones discriminantes
como las de la expresión <1 .49>., las regiones de
separación resultan ser hiperplanos, de ecuación?
m
(K.^-K.,)e,+(K. -K. )
il jl 1 lo 30 < 1.51 :>
1=1
También es posible introducir otros tipos de
54
funciones discriminantes. Un caso interesante por su
semejanza con ciertas métricas conocidas CI0''3JC1[0J es
la que resulta de <1 .49.'' con la adición de nuevos
términos de secundo orden;
_ m m m
z K..e.+
g.(e)=[Link] + .^^ E
i: :, ^^^
T. K.T,e,e,
^^^ iih 1 h
< 1 ,52)
Como ¡?16h = íih&l, podemos afirmar^ sin perdida de
generalidad, que Kilh=Kihl , Las superficies de
decisión son entonces hipercuadricas j definidas en el
espacio cromatico v expresables por;
m m m
Z Z (K.,, -K.^. )eTe, + Z (K. ,-K., )e, + (K. -K. )=0
•,_-, , _-• xln ]lh 1 h -._, il jl 1 lo jo'
<1 ,53 >
Un clasificador de Bayes también representa ios
casos anteriores. En efecto, sea C el conjunto
descrit-o que define ios H posibles estados y A=<! Al,
H 2 / , . . , H N > , un conjunto de posibles acciones para las
que se define L'-! Ai.-''C.i 5 como la perdida o error
producido al tomar la acción Ai cuando se trata del
estado C.j • Sea O el vector color de m componentes,
cuyos valores pueden ser aleat-orios^ y sea Pí 8/C.j > la
densidad de probabilidad condicionada de 9 al estado
"^F¡
C.i I Considisrap^EHios por uitimo t-srnbien ccr>ocid5 1 =
probabilidad -s prior-i de: a^ús clase C.i '^. PC C j ?."-:
Entonces^ la probabilidad a post-eriori P<C.j/ft> puede
evaluarse a partir de i a r e Q l a de Basles como-.
p(0/c,) p;c)
p(c./e)= ^ '
J
J P(e/c^) P(c^) ,^5,,^
k=l
Si es c i e r t - o e l e s t a d o C.j ^ e l riesgo condicional
al t o m a r una d e a i s i o n fti d e l [Link]-o A e s ;
_ N
R(A^/e)= Z L(A^/C^) P(Cj^/e)
k=l
<1 . 5 5 >
Y el problema queda reducido a seleccionar una
acción ft tal que minimize el riesgo dado por la
función anterior. Foóf^mos realizar la equivalencia;
g^(e)- - R(A^/ e )
<1 .56>
Es decir., la -Punción discriminante corresponde a
aquella que proporciona el mínimo riesgo condicional,
También es posible realizar la correspondencia
definida por;
g^(e)= p(c^/e ) '--^ •-•'
De forma que la mávima función discriminante
corresponda como parees coherente con la máxima
probabilidad a posteriori , Cofuo puede observarse., la
elección de la función discriminante no es única.
Podemos adoptar un numero bastante elevado de
combinaciones de ellas. Entre las mas usadas y '^'-"^
proporcionan el mínimo error en la clasificación C2.9 J
están:
g.(G)= P(e/ C.) P(C )
-•- - " - i
p(e/ c.) p(c.)
g^(e)= i 3-
z p(e/c, ) p(c, )
k=i ^ ^
o cualquier F< gi''9> ">, de manera que^ F sea
monótona creciente j como puede s^r la siguiente
exprés ion•
g^(é)= Lg (P(e/C^)) + Lg (C^)
••: 1 . 5 9 >
Que ma's tarde utilizaremos, La estructura de un
clasificador de este tipo esta' fundamentada en las
densidades de probabilidad condicionadas P<e/CJ>. De
las múltilples funciones posibles., la mas ampliamente
referenciada es la densidad normal múi ti variante C20Ilj
C2l]jC(S4 3, En ella cada clase Ci viene representada
por su vector prototipo ^^i caracterizado por sus
•jf
coordenadasj que puede expeciTicarse a priori o ser
producto de un análisis estadístico previo como en
Í3i 1 j í'^él jí°)73 . La exprés i o'n ma's gensral es de la
forma;
P(G)= i exp(-(?5(é-p)^C^-^(e-M))
a
a .6o>
Siendo ^i el vector media de dimensión m y C ^
la matriz de covaraianzas de dimensiones m x m, que es
siempre simétrica y seraidefinida positiva. Est-a matriz
determina la -forma de la región o cluster, mientras el
centro del mismo viene definido por el vector medra
\i . Los puntos de densidad constante son
hiperelipsoides, para los cuales la forma cuadrática
_ _ t -1 1 -
< 9-p >*C *< e-M ) es constante. Los [Link] principales
de estos hiperel ip-soides están dados por ios
autovalores de C_ j que determinan la longitud de ios
mismos. La distancia;
d- ( (G-M)*" C ^ (e-p) )^
a
Es la conocida distancia de Mahalanobis.. de
manera que los distintos hiperelipsoides vienen
determinados por los contornos definidos por
d=constante, Si utilizamos como función discriminante
la d e s c r i t a en •' 1 > 5 9 > n o s resuit-ara!
g-(é)=-^( e-M:)^ c"} (e-ÍT )-m/2 iog(2Tr) -
1 X 1 1
-h logdC^^I ) + log(P(C^))
•CI , 6 2 )
Si suponemos equiprobabies a priori los distintos
Ci< y eliminamos t^irminos irreievantes^ la función
discriminante se reduce a!
g.(e)=-^ (e-p.)^ c„^ {^-v-)-h iog(|c .|)
X X oX X aX
<1.63}
O bien aprovechando las propiedades del producto
de matrices traspuestas;
g.(e) = e^ s., e + s^2 ^ + s,3
<1 .64 >
:iendo;
S.,=
il
- h C~^
ax
S i2
. _— Ca. u.
1 '^x
59
Donde se observa que l^s superficies de decisión
'snt-r^ dos regiones Ri^R.j^ definidas p»-!r ei lugar de
los puntos del hiperespacio de dimensión m que
ver i f i quen < 1 . -5 O > j serán h i persuper f i c i es ^
concret-aniente hipercuádricasj que dependerán de la
naturaleza de C a i^ que es función del referencial
cromático elegido.
t-H
II. ADQUISICIÓN Y PRESENTACIÓN DE IMÁGENES
EN B/H Y COLOR
2,1 INTRODUCCIÓN
Un paso inicial para todos aquellos procesos de
robot-ica ••.••isual es poseer un buen sist-ema que de
forma fiable y rápida^ permita adquirir ia
información necesaria del mundo exterior. La
facilidad de tratamiento de actividades que
proporciona el feedback visual permite simplificar
tareas que desde otras ópticas de procesamiento
resultarían de una complejidad excesiva. Entre las
ideas que durante largo tiempo han existido se
encuentra la de poder crear un sistema inteligente
capaz por si mismo de realizar funciones que han
sido diseñadas previamente o sean producto del
aprendizaje autónomo^ generíbH,53 como consecuencia de
todo un proceso de obser-./ación y an-.élisis^ en las que
el factor debido al elemento visual es vitalmente
3 i o n i f i c a t i ••..•o .
61
Con el auc'H de la t-ecnoiooia de r~bot-s la
incorporación de sistemas de visión a estos permite
su uso en actividades hasta ahora reservadas solo al
hombre. ftsi> en todo una serie de tareas , que por su
repetitividad tediosa y molesta^ como ocurre con las
cadenas- de montaje^ clasificación de piezas^ de
correspondencia. ect.^ o en trabajos en que se
[Link] materiales • tóxicos, corros i vos j o
peligrosos , el hombre puede ser sustituido y lo esta
siendo y^i por robots controlados merced a la
información que proporcionan los elementos de visión.
Podemos dividir los sistemas de visión para
robots en dos oruc'os. Por un lado los sistemas-
esp'ecíficos dirigidos y disen-ados de aíiuerdo con una-
api ic-sc ion concret-s para t-rab-3jar en un contexto
perfectamente delimit-ado y por otro los sistemas
universales que pueden s<s.r- -splicables en situaciones
y circunst-ancias divers-as.
Una aplicación que ha tenido ym un cierto éxito
dentro del primer grupo de sistemas es el empleo de
elementos de visión autó[Link] en l-s inspección
automá t i ca .d-S .D;--i7dL,'CtO£: [ ^ ^ ?,.,[? 1^1 . S£ h S.w
i mpl ementado sobre todo disposi bi'-/os destinados ai
control del ens-ambiaie de circuitos LSI. Una de las
pioner-3s en este campo fue la división de Circuitos
Int-H'grados de H I T H C H I [63], que desarrollo un sistema
basado en el uso de 3 cámaras localizadas en cuatro
estaciones remotas de medida y un sistema de
rsconoci miento controlado por un minicomput-ador
HITIHC-1011 de 16 bits y 16 Kb.i. Básica y
esquema't-icamente el diagrama elemental del sistema y
la est-ructura da la estación pueden verse en la
figura II.1-2.
Dentro de este tipo de api icacioneis Baird L& 1
ha implementado un procesador para la inspección
visual de transistores de potencia que forman parte
de los sistemas de ignición de todos los automóviles
de la GENERAL MOTORS, Para casi todos estos procesos
de inspección ei esquema básico es el representado en
el diagrama de bloques de la figura 11,3, y en
general consisten en una primera etapa de registro y
segmentación j donde las imágenes de los elementos
de la cadena productiva son sucesivamente adquiridas
y separadas en ellas las componentes individuales
significativas de las mismas , seguidas de una
segunda donde tiene lugar el proceso de análisis de
defectos. Se han aplicado también otros modelos de
tratamiento mas elaborados en í5il y 1221 se analizan
otras formas de inspección visual.
Xi Tabi-, _ Vidro
Microscope
Lenser,
LSI Chip
1
~I 1 re cotnition devic e 1 cassette
. --Í t>i-dtion rrl tape
recorder
c pre-
integrations
procesBing
n •
,
'
noiee
elicination cassette
tape
1 > recorder
O VD
o pattern a
measurir.g Etation ,"?2 1 -^> matching
o u < -H
1 4-»
E-l J3
OJ c • n vo
white área
—» •H EU tH cassette
counters #1 tape
>•
neasuring station í^J recorder
4—.><
white axea
—» counters # 2 —í
•- — i " * •
registerB cassette
measurir.^ station -—
for selector tape
recorder
L. ;
FIG. II.1-2. Sistema primitivo de HITACHI para
inspección de circuitos LSI.
64
V IMAGEN EtlTRADA
suBsi£rH:;-:A D E
SEGMENTACIÓN
Segmentación Y REG:ÍTHO DE
1 IMAGEMS.
Registro
SUBSISTEMA DE
Transformación INSPECCIÓN
VISUAL.
Detección de defectos
Identificación
PRODUCTO RECHAZANDO
O A REVISAR. ^ Clai:if icación
PRODUCTO ACEPTADO.
SITEMA DE EMPAQUETAMIENTO
FINAL.
PRODUCTO
i ACABADO.
FIG,II.3 Esquema general de Procesos de
Inspección.
Otra rama importante del uso de los datos
ópticos en actividades industriales es la
indentificación^ [Link]ón y ensamblaje de piezas
, Yachida et al.C..^ han desarrollado en este sentido
un flexible programa para el reconociniiento de las
partes de un motor de gasolina. Holland C . . II ha
implementado el que el y sus colaboradores denominan
el "Consight" .. que es un sistema identificador que
65
erapiea como única forma la iluminación para rsducir
la imagen a la información reievant.e de su entorno.
Usa fuentes luminosas que le permiten definir más
rspidamsnts el [Link]-o para su posterior local izacion
e identificación. En esta linea Hall et al. ZsSl, han
desarrol ladOj mas recientemente.. técnicas de medida
de curvatura de superficies para la local izacio'n por
sistemas robot-icos., basadas en diferencias de
i Luminacio'n. El "Consight" es particularmente
interesante porque es un claro exponente del uso de
la iluminación controlada para eliminar la
complejidad asociada con la detección primitiva a
bajo nivel . Vtas adelante volveremos sobras el tema de
la i luminacio'n pues constituye un aspecto muy a tener
en cuenta a la hora de obtener buenos resultados.
Otras entidades como la Westinghouse e Hitachi
están proyectando construir manipuladores
programables y universales que usan el feedback a
través de elementos de visión para inspeccionar
partes defectuosas y realizar un correcto emsamblajej
situadas en estaciones distribuidas en la cadena
productiva y controlados de forma jerarquizada por un
host computer.
Un grupo interesante de aplicaciones las
66
constituyen los sistemas de visión generales., por
cuanto no están di seriados a la mcsdida de un proceso
productivo concreto sino que abordan un campo más-
amplio de aplicación. Un resumen detallado de
algunos sistemas con éstas carácter isticas descritas
puede vt^r-si^ en C 8 3
De este pequeño conjunto de ejemplos podemos
deducir la gran capacidad operativa que puede
comunicar a un proceso de control él elemento visual,
Sin embargo las técnicas y potencialidad del uso del
color no se ha introducido y no se han aprovechado la
información adicional verdaderamente útil que los
factores cromáticos de una escena proporcionan.
Para la construcción de un sistema de
adquisición y proceso de imágenes en color se han
adoptado diversas filosofías C^7 3 , Z ^i&l , Quizás la
más standard es la desarrollada por Jarvis í^gl
basada en la interconexión de dos minicomputadores
NOVA., uno de ellos empleado como master controlador^
existiendo entre ambos una comunicación paralelo de
16 bits que proveen una velocidad de 50 ko.", por
segundo entre memoria y memoria <FIG. 11.4?. El
subsistema de adquisición da imágenes en color
consiste en una cámara TVC controlada por un
microprocesador 2S0, que usa una interface^'buffer en
67
paralelo^ que permite digital izar una imacen cis
256x256 puntos con 4 bits de resolución para cada
color primario. Como display emplea un sistema
Genisco de 12 bits que vuelca la imagen reconstruida
en un monitor de video.
La estrucrura general del sistema por nosotros
desarrollado consta ba'sicamente de 3 subsistemas:
-Miniordenador y subsistema de display.
-Host Computer
-Subsistema de adquisición de imaiqenes
Su organización estructural se representa en la
FIG, 11.5 y pasamos a continuación a describirla.
68
COLOR TV
MONITOR
STAHOARO
PERIPHERALS
UNE
PRINTEn
PAPER TAPE NOVA
NOVA
READtR/PUNCH (MASTER)
CONSOLÉ CRT
PARALLEL
\r
N GENERAL-PURPOSE INTERFACES
INTERFACE
VIDEO
Z80 MICRO- INTERFACE
PROCESSOR
COLOR TV
LSI-ti CAMERA
MONITOR
CONTROLLER CONTROLLER
MIRHOR SCANNER
LÁSER RANGE
FINDER
COLOR
CAMERA
SCENE
OSJECTS PAN/TILT MOUNT
ROTATING TABLES
FIG. 11,4 Sistema desarrollado por Jarvis í,.l,
69
Video Gut
DisK
10 Mb. • • •
Digitali-jador
í
NOVA
4 :sz:
Interface
16 bits
<1 / Control
z\ SZ
Impresor-i
sz
H P
i\ Impresora
color
3 0 0 0
FIG. 11.5 Esquema general del sistema de adquisición
de imaqenes en color
70
2.2 niNIORDEHADOR Y SUBSISTEMA DE DISPLAY
Para el control v gobierno del sistema hemos
empleado un ordenador tipo HOVft de 16 bits. Desde el
punto de vista hardware la unidad central de proceso
es la que gestiona el tratamiento y la ejecución de
las tareas de control. Este tipo de miniordenador
proporciona al usuario una gran facilidad de control
de perife'ricos y dispone de forma accesible desde el
exterior un bus de señales de control y de datos que
le permiten gestionar la comunicación con los mas
variados periféricos. Para ello se debe desarrollar
la interface adecuada que permita normalizar todo el
[Link] de señales que utilizan tanto la CPU como el
periférico , en lo que se refiere a niveles ..
temporización, sentido^ ect., para así evitar todo
tipo de interferencias en el normal funcionamiento
de los subsistemas conectados.
El miniordenador dispone de una consola mediante
la cual el operador accede al sistema. Este mediante
el Command Line Interpreter <CLI> reconoce y ejecuta
todo el repertorio de comandos que el usjjario envia .:
relativos al uso y manejo de ficheros, tomas de
Imágenes, Impresión, ect., Usa el sistema operativo
RDOS <Real-Time Dlsk Operating System>, que posee
71
s<:>ffi.-!^r^ mu !+:• i tarea y la opción de trat-amiento en
ttsmpo real.
El Bus Externo de Comunicaciones tiene un bus de
datos de 16 bits < DATA0-DATA15) de E/S.. ojyos valores
son los coroplementarios del contenido del acumulador
utilizado en una instrucción de E/s. Ademas posee un
Bus de direcciones <OS0-DS5> que permite seleccionar
con sus 6 bits hasta 64 periféricos. S e posibilita
asi el usó del bus de datos sólo a aquel periférico
cuyo código se seleccione. En éste bus se usa además
el siguiente repertorio de señales:
a> La señal de control DATIA^ qrje indica ai
periférico que le suministre datos y se toma su nivel
activo únicamente debido a la instrucccidn DIAa que
desencadena la entrada de datos desde el periférico
al acumulador especificado en la instrucción de E/S,
b> La señal de control DñTOA> equivalente a la
anterior pero que afecta a la instrucción de salida
DOAj indicando que los datos están estables y por
tanto preparados para ser adquiridos por el
periférico seleccionado.
c> Par ultimo la serial SELD indica en su nivel
activo que el periférico direccionado íia completado
72
la operación en [Link] señal esta relacionada con
las ins-brucciones SFÍPDH y SKPDZ que permiten
comprobar a la CPU si algún periférico le ha
interrumpido,
La memoria central dispone de 64f<bytes <32kW de
16 bits>, y el sistema operativo reside en memoria>
ocupando aproximadamente la mitad inferior de esta.
Por otra parte una imagen de las empleadas^ de formato
128x116 puntos^ ocupan aproximadamente unos 15 Kw.
Como interesa una velocidad efectiva v eficiente de
proceso conviene que la imagen completa resida en
memoria^ minimizándose los lentos accesos a discoj lo
que nos deja de 1 a 2 kW libres para el programa de
proceso, En éstas condiciones se hace necesario
trabajar en lenguaje ensamblador para gestionar el
programa de adquisici>dín.. ptjes al estar escrito en
nemotecnicos del código máquina el uso de memoria
para programa es mínimo. Además debido al alto número
de datos a tratar en la etapa de adquisición, el
empleo del lenguaje ensamblador es poderosa~mente
útil por la rapidez que proporciona, aunque por otra
parte sea extremadamente laboriosa su programacio'n.
Sin embargo la utilización de programas en
lenguaje de alto nivel para el tratamiento posterior
en host- computer facilita la creación de algoritmos
de proceso de imágenes. Por ello este rainiordenador
se emplea sólo como sistema de adquisición rápida^
dejándose el procesado para el host computer al cual
se encuentra conectado y^ en lenguaje de alto nivel.
Los programas que gobiernan el protocolo de
comunicación y tratamiento en la conexión
HOVA-II-HP3000 fueron desarrollados en ZJ¿il,í¡22, y
los utilizaremos para la transmisión de ima'genes.
Como sistema de representación se usa una
impresora tipo PRINTONIí< que permite el acceso al
punto por soffware y por tanto reproducir las
ima'genes inicialmente adquiridas. Es este sistema'
display el que ha condicionado el singular formato de
las imágenes de entrada. Se poseen dos formas de
presentación basadas en densidad local de puntos
sobre un pixel de 6x6 puntos. Una primera que asocia
a cada punto un valor^ a través de una tabla de 37
niveles^ y otro que da a cada punto un valor que es
una ponderación del entorno, dejando el resultado
final en 10 niveles^, usando pixels de 3x3.
74
2.3 SUBSISTEMA DE ADQUISICIÓN DE IMAGEHES
Este subsistema es el elemento que permite la
interacción de la cámara con el minicomputardor y
puede dividirse en los siguientes elementost
a) Digitalizador.
b ) ínterface de Control.
c> Circuitos de Adaptación de señal.
d> Cámara TVC.
e> Moduladores y Displays.
2,3.1 DIGITALIZADOR
El aparato digitalizador empleado es el modelo
270A de COLORADO VIDEO Inc., dispone de dos registros
internos el X y el Y. El registro Y de coordenada
vertical se inicial iza a O después de recibirse el
sincronismo vertical del primer campo de cada cuadro
y avanza con incremento de 2 a cada sincronismo
horizontal, Tras el stouiente sincronismo vertical
del segundo campo se inicializa a )j incrementándose
con cada sincronismo horizontal^ contando las lineas
impares. Su valor máximo es 579 correspondiendo al
lado inferior de la imagen.
El registro X de coordenada horizontal se
inicializa a O después de cada sincronismo horizontal
incrementándose cada 115-120 ns.,alcanzando su valor
máximo de 511 al final de la linea> que corresponde
al lado derecho de la imagen.
Para comunicarse con el miniordenador, el
digital izador emplea un bus formado por un conjunto
de lineas de entrada por las que recibe las
coordenadas K a Y y dos bits para indicar a que
registro X^Y o Z se refiere^ un bit L/O que indica si
se ha de aargsr simplemente, o además comenzar la
operación de digitalización y un bit de R/W que
indica si se trata de una operación d e lectura o
escritura. Como señales de control de entrada/salida
se usa el STROBE que se utiliza para co?nunicar cuando
los datos de salida son válidos y el STATUS para
indicar cuando se ha completado operación solicitada,
y si esta e:r^-B de digital ización que los datos de
salida corresponden al nivel -e señal del punto en
cuestión <FIG, II,6> /
DATA XN
4ub
STATUS MUlJü Ready
LAT;.TI
busy
de 6ijb a 1/30 s e g .
STATUS HUbOS ready
[Link] + OHERAC10N
busy
iV
.25 ns
Pulso
PULSO ÜE de
S'l'A'l US ready
120 ns
STKOBE'
SALIDA DIGITAL
DIGITAL D E V^DEO
800 ns
FIG, II.6 Diagramas de tiempos del
diqitalizador.
2,3.2 INTERFACE DE CONTROL
Básicamente esta interface cuenta con una
circuí t e n a de conversión de señales de entrada al
diqitalizador de salida del mismo, de selección de
periférico y de control de circuitos de adaptación
77
cada una de las cuales- se explica a continuación.
El bus de datos de E/S del miniordenador se hace
corresponder con los buses de datos de salida del
digit-alizador y del bus de entrada del mismo. La
primera f-BStz de adaptación consiste en doce puertas
NOT que permiten complementar a lógica positiva los
datos del bus del miniordenador. El puerto 1 de 3
bits <8212;>, FIGr 11,7/ se encarga de conectar el
bus de datos de salida del digitalizador al bus del
miniordenador únicamente cuando éste lo solicite
mediante una instrucción de DIft> que coloca en el bus-
de direcciones el código del periférico
correspondiente a esta interface. Para posibilitar su
direceionamiento se sitúa la patilla CLR a nivel alto
<. ^ > y la MD -a nivel bajo ÑO?., con lo que los datos de
sus ocho entr-adas procedentes del digital izador se
cargaran en el puerto.. pues se mantiene el STB a
nivel <1>. Con éstas medidas el puerto 1 queda
seleccionado por DSIy DS2 y con la serial DATIA los
ocho bits de datos aparecen a la salida. Mientras
esto no sucede el puerto 1 <8218) permanece con sus
salidas en alta impedancia,
La circuit-ería decodificadora de la dirección
del puerto 1 comprende seis puertas NOT y una puerta
NrtND que recibe por sus seis entradas bien la salida
de una puerta HOT o bien directamente del bus de
direcciones de E/S del miniordenador. Elegimos como
código de éste puerto 1 el 56 en octal^ cuando se
produzca esta conbinacio'n en el bus de direcciones^
la salida de la puerta NAND se pone a cero
permitiendo abrir el puerto y dejando el paso de las
señales de control por las dos puertas NftND
representadas en la figura 11.7. La primera de ellas
transforma la sería 1 de STATUS^ activa a nivel alto
e indicadora del final de operación del dlgitallzador
, a través de una puerta HOT, en la señal SELD activa
a nivel bajo que usa el miniordenador psra comprobar
tal circunstancia. La segunda permite el paso hacia
el digitalizador en forma de señal STROSE <que es la
que se encarga de ^zargar los datos de entrada en los
registros internos del digitalixador>Í de la señal
DATOA procedente del miniordenador y es la que indica
al digitalizador que se le envían datos por el bus.
75
iUlIORDEtlADOR
DIGITALIZADOR
R/W
L/O
:XYZ -^—
IN9
IH8
IN7
IN6
IN5
IN4
IN3
IN2
INI
INO
OUTja
0UT1
0UT2
0UT3
0UT4
0UT5
0UT6
0UT7
DAT IA
1 k -p-ln
id
DSI -[>•
DS2
DS3 •í>>- >
DS4 -I>
DS5 > •
[Link]
-O- <]= STATUS
O
ÜATOA
STROBE
""X-'"
FIG. II . Circuit-eria de comunicación
Diqitalizadoi—Miniordenador.
El puerto 2 <3212>,<FIG.11.3),se encarga de la
conexión de datos de el miniordenador con la lógica
de decodificación de color. El código usado para
este periférico es el 40 en decimal. Cuando se
coloque en el acumulador correspondiente el código
p.n
del color deseado mediants una instrucción ds DOA se
deposita en el bus de direcciones el código 40^ que
permite direccionar al puerto 2., si simultáneamente
por su patilla STB le llega el pulso activo
correspondiente. PBVB que esto sea posible han de
estar el MD a nivel bajo s^ el DS1 a nivel alto. El
pulso de DATOP producido por la instrucción DOfi
habilitará los datos DñTñ13-DñTfl15 que poseen la
información del color que se está seleccionando.
Para no c^r^^r exesivamente las puertas del bus se
emplean unos drivers no inversores 82S6. la lógica
de decodificacion la constituye una puerta NOT y una
NAND de ocho entradas, cuya salida esta conectada a
la patilla DS2 del puerto 2 <8212).
•^ 1
• 5V
MtílIORDENADOR
':.^curtos DE ADAPTACIOII
FIG. II.8 Circuitcria de selección de color.
2.3.3 CIRCUITOS DE «DftPTflCION DE SEHñL
tos cons-bit-uyen un conjunto de elementos
destinados a adecuar las señales que llegan de forma
no procesada procedentes de la cámara TVC, de manera
que conformen seríales de video normalizadas. El
esquema general de estos circuitos puede verse en la
FIG. II.9. En ella se observa como las senTaies de
control XC1-XC3 que proceden de la interface de
control permiten seleccionar mediante un multiplexor
el color deseado a procesar. A esta etapa de
selección le sigue otra de adaptación que normaliza
las serTales de comunicación con el digital izador,
Pars no perturbar el normal funcionaaiento de la
dsm^rs TVC se usa un transistor de efecto C5.T!po que
proporciona una alta impedancia de entrada , además
con la relación de resistencias adecuada se amplifica
1.5 veces la serial de video para tener luego mejor
respuesta en contraste. Como la señal a la salida de
esta etapa está invertida, será preciso invertir
también los sincronismos, con un transistor de video
convencional.. realizándose después una adición de tipo
resistivo. Como el fet posee una buena respuesta en
frecuencia puede emplearse de nuevo para invertir y
tener la señal de video en correcto signo. Por
motivos de saturación del transistor en la etapa de
salida la amplificación de ésta ultima etapa s<zrá la
unidad.
Por ultimo con un montaje seguidor de emisor
usando un transistor de video <BF208> podemos
conseguir una sería! de video normalizada , y una
impedancia de salida de 75 ohmios para así y3
conectar al di cj i tal i zador ,
+ 12V
INTERFACE
VIDEO OUT
FIG. II.9. Circuitos de adaptación de señal
2-3.4 CÁMARA TVC E ILUMIHACION
- -"-Hemos emplfeadcy un modelo comercial/ la HITACHI
VK-CSOOE/ que proporciona salida standard sobre 75
34
ohmios j de 1 Vpp^ con la subportadora de color
incluida. Es una cámara de un solo tubo y obtiene la
inf ornsación cromatica mediante unas retículas
coloreadas situadas en el recorrido de la luz. El
barrido de exploración trans-forma la organización
espacial de los primarios rojo y azul en dos señales
diferentes ademas de obtener simultáneamente la
iuminancia.
Psra obtener las componentes Y^R^B* en -forma no
modulada se ha accedido a su interior antes de la
formación del video compuesto con B-Y y R—Y. Bajo
estas condiciones éstas señales están disponibles con
un nivel de continua de 5 voltios y 1 Vpp de serial.,
pero sin sincronismos^ los cuales serán preciso
adicionarlos posteriormente.
Un aspecto muy importante a tener en cuenta en
el uso de la ca'mara TVC para la adquisición de
imágenes en color es la iluminación. Existen dos
factores que caracterizan la iluminación^ el primero
de ellos es el nivel luminoso <1U>Í> proporcionado por
las fuentes de luz, que ha de ser mas elevado que el
correspondiente a tomas de blanco y negro j y que
debe estar situado entre los 2500 y 1300 lux. El
segundo de ellos se refiere a la temperatura de color
de la luz utilizada para iluminar la esc-ena^ que debe
as
mantenerse constante en el transcurso del proceso
de adqu i s i c i on.
Como se sabe es posible especi'ficar la
cromaticidad de la luz emitida por una fuente
incasdsncente en -función de la temperatura del cuerpo
negro que proporciona la misma distribución
espectralí es decir^ aquella que suministra una luz
de análogas características espectrales. Aunque la
distribución a lo largo del espectro no coincida con
la del cuerpo negro., la temperatura de color indica
aquella temperatura en la que la radiación del cuerpo
negro tiene la máxima semejanza en lo que a efectos
visuales se refiere., con la de la fuente. Las cámaras
en general están concebidas para [Link] con fuentes
luminosas de unos 3.200 K j sin embargo, la respuesta
colorímetrica no se altera por derivas poco
importantes de esta temperatura de color siempre que
las fzúm^r^s sean reequi 1 ibradas en las condiciones
reales de [Link], admitiéndose variaciones del orden
de 2000 K C 9. 3 . En el caso del modelo utilizado este
[Link] se realiza manualmente sobre un-a superficie
blanca.. introducida dentro del campo de la cámara en
las condiciones reales de iluminación.
^6
2,4 PROCESO DE HDQUISICICH
El proceso de captación de i-as tres componentes
cromaticas R,.Bj e Y se realiza en dos fases
diferenciadas: en la primera de ellas se selecciona
el color deseado y en la segunda se realiza la
digital izacion de la componente cromática en curso.
Fase A
£1 . /
programa de control mediante una instrucción
de DOA coloca en el puerto A del miniordenador el
dato DI 5 a DI 3 que le permitirá seleccionar el color
<FIG. II.10.'>í simultáneamente en el bus de
direcciones desde DSO a DS5 aparece el código 4 0 en
decimal que como periférico tiene la unidad de
circuitos de control. La señal DATOft que se origina
como consecuencia de una instrucción DOA se usa como
señal de STROBE para el puerto 2 <;S212) de la
Ínterface de controla quedando en su salida de D01 a
D03 de forma permanente \^s señales XCl a XC3 hasta
una nueva selección de color. Estas señales actúan
sobre el múltiplexor permitiendo al conjunto
digitali^ador miniordenador realizar la toma
momocromática.
1 00 ns.
DATAl5-DATA13
DS0 - DS5
DATOA
150 ns.
FIG. 11.10 Diaaramas fase selecion de color
Fase B
De forma repetitwa p-ar^a cada uno de los puntos
a adquirir^ se producirá la secuencia que describimos
a continuación. El miniordenador envía las
coordenadas X e Y <o una sola de ellas si no existe
variación de la otra? Junto con la señal de r&alízsr
la operaciónj lo que realiza mediante el bit L/0.
Tras ello comprueba la señal de STATUS del
digitalIzador y cuando ésta le Indique que ha sido
realizada la conversión^ el miniordenador procederá a
la lectura de los 8 bits del valor de serial
digitalizado (.FIG. II.11>. Durante la operación de
escritura del miniordenador este coloca [Link], en
el bus ds direcciones, el código del pu<=:rto 1 < S 2 1 2 J ,
que da lugar a la señal de selección. Después., sobre
el bus de datos aparecen los valores que estaban en
el acumulador empleado en la insbrueción de E/S
genera'ndose el pulso DATOA, Con la señal originada
como resultado de direccionar el puerto 1 y con la
señal DATOA <FIG II.11 >, se genera la señal STROBE
que tz^rga los datos en el registro correspondiente
del digitalizador . Como consecuencia baja la señal
de STATUS que volverá a subir cuando se halla
completado la operación de escritura, la duración de
esta circunstancia es aproximadamente de 4
microsegundos,
La señal de STATUS indicará al minicomputador el
fin de operación pasando a su estado alto., para ello
se conecta la señal STATUS del digitalizador al bus
en la señal SELD. Con instrucciones en ensamblador de
tipo SKPDN o SKPDZ se podra testear el bit SELD
comprobándose así el momento adecuado para leer el
dato obtenido.
Este proceso de lectura de datos por el
minicomputador puede verse en la figura 11.11; el
digitalizador presenta en el bus de salida los datos
y una vez que éstos sean válidos, la señal STATUS
pasa a nivel activo, de forma que una vez ccraprobada
esta circunstancia por el programa de control se
ejecuta una instrucción DÍA que procede a efectuar la
lectura de los mismos. Esta instruccio'n genera las
señales DATIA y de dirección del puerto 1, haciendo
que los datos pasen al bus del minior~denador y de ahí
al acumulador eleqido.
90
ESCRITURA EN EL D I G I T A L I Z A D O R DESDE EL C O M P U T A D O R
X DS3-DS5
DATA2-DATA1I
DATOA
STROBE
4 US inin.
t
TEST DE FIN CE OPERACIÓN
-B«»- STATUS
STATUS
•<h-
DS0-DS5
SELD
LECTURADEDATOS^DEL DIGITALIZADOR
I I 800 ns.
L_ -ÍH
STATUS
•-N -il
DATAOUT 0-7
-ih--
H DS0-DS5
DATIA
-ÍV-
Hl- X DATA8-DATA1 '
[Link] Diagramas de t-ierepos de la
comunicación D i q i t a l I z a d o r - Miniordenador.
•31
2.5 S Ú F F U H R E D E C Ú H T R Ü L Y ADQUISICIÓN
2.5.1 PERTURBACIONES DE CÁMARA Y DISTORSIONES
Para el funcionamiento del sistema antes
descrito es preciso la creación de un paquete de
programas que permitan gestionar la adquisicio'n de
una imagen controlando cada una de las variables que
en el aparecen. En nuestro caso., el programa de
adquisición usado es el [Link].. escrito en
ensamblador , que describiremos ma's adelante.
Sin embargo por múltiples causas tales como
óptica de cáxtiSir-a, distorsiones de señal.. ruido,
ect. .. se introducen un conjunto de ^rror^s en el
proceso de captación que es preciso corregir
inicialmente para minimizar los errores en ulteriores
procesos y facilitar una adecuada generación de
resultados. Entre la perturbaciones más
significativas están;
a> Errores motivados por perturbaciones de
cámara
b> Distorsiones.
92
a> Perturbaciones de Cámara
En el procesamieto de información el conjunto
Cámara Video-Digital i zador introduce malforraac iones
en la imagen final digital izada que pueden y deben
s&f subsanadas para evitar futuros ¡srror&s. El error
ma's significativo producido es el error de Shading,
que esta motivado por la óptica y el tubo de la
cámara , que inducen un enegrecliTiiento de la imagen
en sus bordesíFIG. II.14a>. Onoe et al. íiBl,
proponen un circuito corrector analógico que puede ser
añadido a un sistema de cámara de televisión, donde
se intenta eliminar la perturbación de cámara no
deseada por ajuste., introduciendo una imagen blanca
<[Link].12a) Sin embargo este problema puede también
solucionarse por proceso software ya en el interior
del sistema de forma que se simplifique al máximo la
circuítena adicional de video.
Supongamos una imagen de entrada f<xr,y) , que es
adquirida por la cám-Bra, Dadas las características de
las perturbaciones introducidas, se puede realizar
con bastante exactitud la suposición de que la óptica
y el tubo introducen una perturbación de tipo
parabólico y de efecto multiplicativo, esto es la
salida del conjunto cámara ordenador en su aspecto
93
espacial se supone de la forma:
fg(x,y)= f^(x,y) * H(x,y)
H(x,y)= k(l+ A(x-x^)^+ B(y-y^)^)
Es decir^ este conjunto se comporta a t-odos los
efectos como un filtro multipl ica-tivo HCx^y.-,
Proponemos entonces una modificación por soffware del
fichero de memoria de la forma;
H^(x,y)=l/H(x,y) <2.2>
El paso previo residirá en encontrar los valores
de k, AjB,x^,y , adecuados de este filtro. Para ello
O -' o
introducimos al sistema una imagen con un nivel de
iluminación constante f . <x,y) caracterizada en
términos de sus muestras por fij sobre la red de
muestreo^ y observamos la salida digital izada real
fC i , .1 ? <[Link],12b5. Establecemos la correspondencia:
s " ,
f_(i,j) k(H- A(x-x^)^+ B(y-y )^)
De manera que ajustamos la señal de salida a un
paraboloide cuya ecuación es de la forma mencionada,
Los distintos para'metros del filtro pueden ser
estimados minimizando la función E< K,A 3 * ^ lo,-Jo >
definida por;
•34
N-1 M-1
E(k,A,B,i ,j )= r Z (f^.-k(l+A(i-i )^+B(j-j^)^)
i=0 j=0 -'
< 2 .3 >
Donde H=123 y n=n6. Los valores de loí
parámetros los encontraremos haciendo;
N-lM-1
^1= 2 Z (-2)(l+A(i-i^)^+B{j-j^)^) W(i,j)= O
^^ i=Oj=0 ° °
N-lM-1
—= r Z (-2k)(i-i ) ^ W(i,j)= O
8A i=Oj=0
N-lM-1
3^= 2 2 (-2k)(j-j^)^ W(i,j)= O
^ i=Oj=0 °
N-lM-1
^ = 2 S (Í-ÍQ^ 4kA W(i,j)= O
"O i=Oj=0
N-lM-1
^= 2 2 (Í-JQ) 4kB W(i,j)= O
-"o i=Oj=0
W(i,j)= f^ - k (i+ A (i-io)^+ B (j-j^)^)
95
Formas de. onda
barrido horizontal
ídem después de
corregida
FIG. II.12a. Formas de sena! de video de una
imagen blanca.
.
N-Negro £Ax,y)
ó-Blanco 1 I
i
1 x-y
Ennegrecimiento
x-y
FIG. II,12b. Representación de las imágenes de
entrada y salida según las hipótesis reí izadas de
ajuste parabólico.
36
La resolución ó'~. este sistema y el proc-rama que
evalúa los distintos coeficientes se [Link] en el
apéndice. La solución para lo es i
(NZíf-{^ (£f)) (N í^-{Zi) (Zi^))-
O 2 2 2 2
^ (NZi - (li) ) (N Zi f-(ZÍ ) 2 f ) -
- (N á f - áZf)(N li^- ( Zi^)^)
- (N z i-^-(zi) (si^) ) ( N z i f - z i z f )
< 2 . 4>
Análogamente puede obtener-se Jo sin más que
cambiar i por J en la expresión anterior. Para
encontrar A ^ B , primero es preciso conocer los
coeficientes [Link] ios cuales se evalúan en el
Apéndice 6.1^ resultando;
A =
^22^11 ^21 ^12
^11 •"!- ^12 ^2
B =
^22^11 ^12^21 ^^'^^
El método descrito aunque no elimina totalmente
el ruido si lo aminorB. Sin embargo puede recurirse a
la técnica de realizar las tomas en la zona central
de la imagen. Con ello se consigue que ios errores de
cámara y óptica sean prácticamente imperceptibles ,
El método experimental seguido para evaluar los
37
coeficientes consitio en realizar una •boma de una
imagen con un tono de gris uniforme , la cual de
forma contrastada por un procedimiento de impresión
que realiza una igualación de las frecuencias de
aparición de cada tono de gris y que veremos mas-
adelante se recoje en la figura II.12. El efecto de
la corrección puede '^ieir^s: en las imágenes de las
figuras 11.13 K> 11.14.
PsiT-^ otro tipo de cámaras en que se desconozca
la naturaleza da la perturbación introducida pueden
usarse técnicas de 'a\ú-=<z^r-^s, tomando una imagen
previa sin objetos y realizando la substracción con
las sucesivas imágenes problema.
•33
w^u
; .:;A.=:
- . - • • , . 1 rV.-.V--'-.V
•" V' • }í ^ - . , - . - . i - j - , : . - i ' .••i
•^^>:-'v:\:fi
\:-Í--^ WM
•
• t•^x¡>^
-..".-.r. -.i,-í.^:í';a
.ÍÁijfíffc
- ^¡; :V^ i''/"-..-:tíq;'.';:i
• í ' - í : ^ jsj'í[Link]
:Í-!<SÍ:; -!"~'r*v':''*'í^?
f¿í--; /';-:í'?:4^
Üí:i;í:ixh:[Link]íi¿:: i«7Stv^> "••ptííSií
S«;í&':- .i-íiSiíM»
SSI l i s
*;.;' :|^ '•^'^!;;¿
r--r:líí
SiSi
- • • • • • - : : - "^ V '
:S-ia
FIG. 11,13, Imaoen de [Link] cont-rastada,
99
v^;^'
FIG. II.14a Imagen original donde puede
apreciarse el efecto de bordes introducido por la
opt-ica de la izÁm^r-^,
1 00
* í*
*Jv-»^ ^
i*!-
r,."ikr~i f - ?HÍ«lífe
FIG. 11.14b. Resultado de una corrección de tipo
parabólico sobre la imagen figura anterior.
1 01
b> Distorsiones
Desafortunadamente los cambios de magnitudes y
distancias en la imagen de salida respecto de la de
entrada no se pueden evaluar de forma exacta. Por
ello recurrimos a un método experimental consistente
en realizar la adquisición de una imagen con patterns
de dimensiones conocidas y analizar como estas
dimensiones se reproducen en la imagen de salida.,
observyando las variaciones de propocionalidad con
patrones da ajuste. En el caso de nuestro sistema el
error global resultó ser de tipo homote'tico en la
dimensión vertical, produciéndose un acortamiento de
las magnitudes en esta dirección. Este error se
corrige. realizando una expansión de tipo
interpolativo, de forma que la imagen resultante
queden ampliadas por un factor de escala adecuado.
Este tipo de correcciones l^s realiza el programa
[Link], escrito en ensamblador y que se recoje
en el apéndice de programas < 5 . 2 ) .
1 02
2,5,2 PROGRAMAS DE ADQUISICIÓN
El programa principal es el [Link] ^que se
encarga de gestionar la adquisición de cada una de
las diferentes tomas que componen la imagen. Posee
dos subrutinas principales una la [Link] que
realiza la adquisición de cada imagen monocromática y
otra TEST1,SR que se encarga del manejo y
mantenimiento de ficheros,
Si seguimos el diagrama de flujo de la [Link]
la primera operación que se realiza es crear un
fichero denominado FOTO donde se van a ubicar las
sucesivas tomas que se harán con la subrutina
[Link]. El sistema minicomputador permite usar
desde un programa en ensamblador alguno de los
comandos del núcleo del sistema operativo del
miniordenador resultando así ma's sencillas las
operaciones de manejo de ficheros en disco. En el
caso de error en alguna de estas operaciones por
accesos indebidos por intentar crear ficheros ya
creados. ect. ^ el programa esta' [Link] para
quedarse automáticamente parario en la dirección
siguiente a la llamada al núcleo^ evitando asi las
tomas ert-ón^as,
1 03
Una vez creado FOTO se purgan los ficheros
F0T01 y F0TÜ2jF0T03í donde se van a situar las ima'genes
de cada una de las componentes. La fase siguiente
reside en seleccionar la primera componente de la
imagen en color^ para ello se emplean los contadores
CONCOL y COLOR , uno en sentido decreciente que
indicara el final de las tres tomas y otro en sentido
creciente^ que posibilitara el envío al multiplexor
de salida ia componente deseada en cada caso. Cuando
y^ se han inicial izado los parámetros que se indica.n
en la figura 11.16 para tomar sólo la parte central
de la imagen, para así minimizar las perturbaciones
de la óptica de cá'mara, la subrutina GIHZONA se
encarga de la toma y de grabarla posteriormente en
FOTO. Una vez realizado este proceso, la subrutina
TE3T1 realiza la asignación a c^d^ uno de los
distintos ficheros [Link].16).Cuando ya se han
realizado todas las tomas se cierran ios ficheros
utilizados y se retorna al sistema operativo.
El digitalizador permite obtener en forma
digital el nivel de señal de cualquiera de los 512 x
580 puntos de la imagen que recibe de la cámara. Sin
embargo por razones de optimizacion de memoria y por
condicionamiento del formato de salida para
aprovechar al ma'ximo la superficie impresa se realiza
la adquisición solo de los 128x116 puntos
1 04
correspondientes a la zona central de la imagen.
Dicho entorno viene determinado por- cuatro parámetros
que son las coordenadas respecto del total de la
esquina superior izquierda., el número de lineas CNx).
el número de columnas íHy) y el número de puntos
horizontales y verticales entre dos puntos de la
imagen incidente a adquirir <INCí<^INCY>. Los valores
de nivel de señal digital izados esta'n comprendidos
entre O y 255 y se almacenan en memoria del sistema a
partir de la dirección etiquetada por lílAGE por
lineas horizontales separadas, entre si 128 palabras.
La duración de una linea horizontal es de 64
microsegundos lo que indica que entre dos puntos
consecutivos existe una duración algo superior a los
100 ns. Se ha comprobado que el miniordenador tarda
aproximadamente entre 10 y 15 microsegundos como
mínimo en tomar sucesivamente dos puntos pues la
duración de una instruccio'n es en promedio superior a
un microsegundo. Por ello las imágenes se han de
tomar de sucesivos cuadros. El digital izador va a
recibir alternatis/amente puntos de coordenadas pares
e impares.. por ello es preciso considerar el
entrelazado entre dos campos. Se van a presentar en
general dos ca^'^az, según que el salto interpuntos en
sentido vertical ^s.^ par o impar. Si estamos en el
caso de salto par, resultara que todos ios puntos que
105
se obtengan corresponderán a campos de la misma
paridad ''Pares o Impares) y no se realizaran tomas
de los campos de paridad opuesta. Por tanto el
proceso de adquisición de los sucesivos puntos
consistirá en tomar de una columna vertical de cada
cuadro^ únicamente del cuadro que corresponda., y
realizar un desplazamiento de la misma para conseguir
el barrido de toda la imagen. En el caso de salto
impar las coordenadas de los puntos que componen cada
columna sera'n alternativamente pares e impares., por
ello habrá de adquirirse la media columna par en el
campo par e inmediat-amente después adquirir la otra
mitad impar en el campo impar. Con ello se mantendrá
la velocidad de una columna por cuadro siendo el
resto análogo al caso anterior. Exist:en pues dos-
posibilidades que vienen determinadas por el
parámetro INCY que indica el tipo de salto vertical y
que se recibe desde el programa principal.
En el caso par, tras iniciarse el conjunto de
parámetros que emplea la subrutina GTCOL y el bucle
de columnas.. entra en el mismo del cual retornara
cuando haya adquirido la componente cromatica de la
imagen < C Y = 0 ) . Si hubiéramos adoptado la filosofía
de que IHCY fuera impar ocurriría que habría que
inicial izar los registros para comenzar el bucle de
columnas.. pero ocurre que CNY, que es el número de
1 06
puntos por columna adquiridos por GTCOL se hsce igual
a la mitad del número total de puntos por columna
NY.,V complementariamente el de saltos <CINCV> se hace
el doble. Idénticamente ocurre con el acumulador ACÓ.
A continuación GTCOL se encarga de la primera media
columna y seguidamente se preparan los parámetros
para la adquisición de la otra media . Posteriormente
se calculan los nuevos valores de los parámetros para
cada nueva columna , repitiéndose el ciclo hasta la
adquisición de la imagen completa. Por razones de
•Tlexibilidad en las tomas se ha dejado opcional el
emplear un tipo u otro de procedimiento de captación.
La subrutina [Link] Í[Link].18> es la que se
encarga de tomar los niveles de señal de una columna
de puntos de la componente cromatica de una imagen.
Tras almacenar la dirección de retorno envía el
acumulador 3 <AC3> al digitalizador para comunicarle
la coordenada Y de la columna ma^s el código de cargar
dato con una instrucción de E/S. Posteriormente se
carga el contador de puntos y se entra en el bucle de
adquirir todos ios puntos pertenecientes a la columna
, en orden creciente., pues es el mismo en que la
cámara [Link] cada punto se envía con el
acumulador 1 al digitalizador la coordenada X junto
con su código y el de realizar la operación de
muestrao y digitalización. Después de evaluar la
107
siguiente coordenada X el sistema espera a que se
complete el proceso de adquisición del punto
especificado. Cuando se halla finalizado este , se
procederá a leer el nivel de sena! en el acumulador 3
mediante una instrucción de entrada <DIA 3,56>. Este
valor se almacena en la dirección de memoria
correspondiente, se calcula la nueva dirección y se
decrementa el contador comprobándose si se ha
llegado al final de la columna, en cuyo caso retorna
al programa principal.
108
START'
CREA FOTO
V Cre
]J
BORRAR FICHEROS 1,2,3
(COLOR)= 1
(CONCOL)^ 3
AC3= (COLOR)
Envía AC3
Puerto 2 (40)
Nx= 128.
Ny= 116.
IMCX= 2.
INCY= 2.
X0= 130.
Y0= 112.
Cierra Files error
\GIHZOMA y STOP
I
i y retorna.
^TESTI \
í END )
AC0= (COLOR)
(COLOR)=AC0+1
(C0NC0L)=(C0NCÜL-1)
positivo
Negativo
O
[Link].15. Organigrama a e l programa P r i n c i p a l de
Adquisición [Link].
1 09
^TART)
Almac. Retorno
AC3= (COLOR)
AC0=(FOTOD)+AC3
(CANAL)=AC0
Rename FOTO,
(CANAL)
Crea FOTO error
^^
STOP
^ETUR^
[Link].16. Organigrama de la Subrutina [Link]
110
^TARTJ
Almacena Retorno
, Impar,
(CNY)=(NY)
(CINCY)=(INCY)
ACT=(CY)=(Y0)+
(MASKY)
(CX)=(X0)+(MASKX)
RTER=(NX)
AC0= 128.
PTER=AC2=IMAGE
c
GTCOL
>
(CX)=(CX)+(INCX)
(PTER)=AC2=PTER+1
XC1=(CY)
(PCTER)=PCTER-1
Retorna
CY=í5
FIG. 11.17. Organigrama de la Subrutina
[Link]
1 1 1
^START)
Almac. Retorno
Envia AC3 al
Digitalizador
(CTER)=(CNY)
-^»
Envía AC1 Dig.
AC1= AC1+ (CINCy)
Lee Nivel de señal en
AC3 del Digitalizador
(AC2)=AC3
AC2=AC2+AC0
(CTER) = (CTER)-1
/ o
acsf-
RETORNA
FIG. 11.13. Organigrama de la Subrutina GTC0L.3R
11
2,6, SISTEMAS DE PRESENTACIÓN
P^rs la necesaria int-sraccion entre el sistema
de adquisición y su entorno humano se hace preciso un
medio para poder evaluar de manera real y sencilla
los resultados que en el acontecer del proceso de las
imágenes en curso se produzcan. Por ello se han
desarrollado varios sistemas de visualizacion de
resultados para poder reproducir, en una cierta
medida, las imágenes obtenidas en ios distintos
tratamientos siendo posible emplear diferentes
métodos de reconstrucción de ias mismas, que a
continuación pasamos a analizar.
2,6.1 PLANTEO GENERAL DEL PROBLEMA
Inicialmente consideraremos la función fíx^y)
definida en el plano de la cual sólo conocemos sus
muestras, por efecto del muestreo y digitalización
previos sobre una red de separación Ax, A y. Denotemos
a estas muestras por fnm,identificables como;
^ n ^ = ^ i ^ ^ ^ r va /^Y } ^2.6)
D
Construyamos la función discreta f <x,y.') a
1 13
partir de las muestras anteriores como sigue;
oo co
f (x,y)= Ax Ay z z f„^ .
n=-™' m=- °°
.6(x- n Ax) 6(y- m Ay)
D
Sea F < "AIX .''•••'y •' i= transformada de Fcurier de la
función anterior y consideremos a F ÍWx^Wy "•' como la
transformada de Fourier de la imagen original objeto
de estudio, cus-a reconstrucción se pretende abordar.
La T. de F. <transformada de Fourier> de <2.7> es:
F (w^,w,)= // exp(-j(xw + yw )) dx dy =
Ax Ay z E f exp(-j,(nAxw + mAyw )
<2.8>
Función que resulta ser periódica y de periodo
2n/A>^ 27r//V C FIG . 11 , 1 3 > , Los valores de la funcidn
f<x,V> en ios puntos distintos ios de la red
coincidira'n teniendo en el filtrado paso bajo debido
al muestreo CTeorema de Shannon) a partir de la
D
anti trasformada de F <'.'.'x ^''-"y > en un periodo y serán
cero fuera de él, Sea f'<x,y> la función continua ouc
1 14
=e obtendría a partir de este filtrado sobre r "^'•••'•''•••')
es decir
f (x,y)= (1/2^)^// exp(j(xw^+ yw )F°(w^,w 5dw^dw
R
<2,9?
Donde R representa la región en el plano w
definida por -Tr/Ax<w <TT/AX y -Tr/Ay<w < tf/^Y • 2i
sustituimos en <2.9>
F'. w • w > por su valor^ podemos
X y
encontrar una expresión para f'<x,y>!
• TT/AX ir/Ay
f'(x,Y) = (Ax Ay/(2Tr ) ) / ./ exp{j (xw + yw ) )
X y
-ií/AX-ir/Ay
2 E 2
n m f nm e x fp^( jJ ^ (nAxw x + rtiAywY ) dwx dwy =(AxAy/Tri f ')
s e n ( 7 r ( x - nAx)/Ax) sen(Tr{y- mAy)/Ay)
Z E f
nm , \ , ^
n m ( x - n A x ) ( Y ~ ni^Y )
Agrupando términos y simplificando r\<3s- resulta
11
oo oo
f'(x,y)= 2: I f^j^SINC(Tr(x-nAx)/Ax) C2,10?
. SINC(Tr(y-mAy)/AY)
Ecuación que nos determina aquella imagen que
nos da el óptimo de similitud respecto a la imagen
original^ aunque como parece razonable en procesos
discretos, las sumatorias serán finitas y se
cometerán <zrror^s en la reproducción de esta imagen.
A efectos cubrir la necesidad de poseer una
representación de la imaigen pus-den adoptarse
distintas alternativas para el proceso de
reconstrucción. En principio podría pensarse en
aproximar la imagen sólo por [Link] definidos de
la red , es decir:
X = k Ax
y = h Ay
f. 2. n >
Si sustituimos en <2.Í0> obtenemos:
f'(k Ax, h Ay)= z z SINC(Tr(k-n) ) SINC ( TT (h-m) )
n m
<2,12>
0 para k^ n
Como: SINC( Tr(k-n)) =
1 si k= n
1 16
E ident-icamente para SIHCE .F < h-m >] j terrdremcs
ent-oncss qus ;
f (kAx, hSy) = fj-j^ <C2.13>
Es decir reconstruimos la imagen de salida
asociando a cada pixel de ¿r's.a AxAy definido per sus
coordenadas k^h un único valor en todo el y de
magnitud fkhj tendríamos lo que en analogía con la
terminología temporal serían bloqueadores de orden
cero. Sin embargo podemos rBali'zst- algunos ajustes
interpolativos dividiendo cada pixel en otros ds
menor a'rea y proporcionando a cada uno de estas
divisiones o subpixels un valor qtje sea función del
entorno de pixels vecinos. Este pesado relativo del
entorno puede evaluarse de muy diversas formssj por
ejemplo si suponemos:
X = k Ax/ 4
y = h Ay/ 4
Podemos reconstruir la función en estos nuevos
puntos como resultado de una aproximación en ellos de
una sinc espacial centrada en el punto de coordenadas
kjhj de manera que cada subpixel tenga un valor que-
sea función de los valores correspondientes a un
grupo de pixels •z<zrc:-=¡noj según
1 17
£' = E Z f SINC(Tr(k-4n)/4) SINC ( TT (h-4m}/4 )
Kh nm
n m
< 2 . } 5 ;•
P-ara cada subpixel a partir de c:2.15) pueden
obtcnerss los coeficientes de pesado. Si solo
consideramos el entorno inmediato al pixel para el
subpixel A <FIG,II.2Ci> caracterizado por n=-1 ^ h=-»-1 ^
el valor que le correspondería según el análisis
realizado es
£•!!/••> i-x= f sincTT/4sincTr/4 + f , sincir/4sinc-3-/4+ f^^
A(kh) oo ' ' ol ' ' l o
sinc 5TT/4 sinc3ir/4+sinc5iT/4 sinc3ir/4 f-|-| +
f , ,sinc5T:/4 sinc5Tr/4+ f ,sincir/4+ f, ,
-1-1 o-l 1-1
sinc3Tr/4 sinc5TT/4+ f_, sinc3Tr/4 sinc7r/4+
f _, , sinc3Tr/4 sinc3-iT/4
De idéntica forma se obtendrían los factores de
peso para el resto de los subpixels. En la figura
11.21 se reflejan estos vslor-esj que representan el
factor por el cual hay que multiplicar al valor del
pixel correspondiente para obtener el interpolado del
subpixel en cuestión.
31 se desean realizar procesos interpolativos de
esta Índole caben adop'tarse otras posibles soluciones
funcionales para evaluar la interacción del contexto,
Entre estas se encuentra el empleo de factores de
1)
peso que resultan de aproximaciones interpolativas de
t-ipo gausiano^ aunque ya el ajuste no conduciría a
soluciones óptimas.
2 2
f'(x,Y)= E E f^^ Kp exp(-( (x-nAx)/a^) - ( (y-iiiAy)/a ) )
n m
Este tipo de interacción equivale a r<s.sliZ3r un
cierto paso bajo espacial de la imagen, lo que
motivará una cierta di-Pumlnacion de los bordes
presentes en la misma. Kf~ representa el factor de
peso de ajuste a la unidad para evitar alteraciones
substancíales en los valores -Tinaies. Después de
algunas pruebas rsi^l izadas, los mejores resultados
experimentales se obtuviiron con ^ x= ^ y= *^ =2 A ,
siendo ^ = .^ = ^ , pues en estas circunstancias el
X y
efecto paso bajo mencionado no es exesivo. Si tenemos
en cuenta la expresión <2.14>, y extendemos las
sumatorias a un entorno finito alr-ededor del pixel
<[Link].20>
f ,kh
,= i: Z K F f nm exp-
"^ ((n-k/4)^+ (m-h/4)^)/4
/ / //
n m
<2. 16>
Para los distintos subpíxeis fl,B,C,D los
factores de peso según <2,16> puede versG en la
1 1
/
[Link].22^ resultando ev/identemente sÍ4astricos , El
termino Kf" ' se obtuvo para que la suma del conjunto
de los pesos no superase la unidad.
120
n/Ax /AX
FIG. 11.19. Representaciones de FCw^.'Wy? y
F< w^, í w Y ) .
• •
(-1.1) (0,1) (1 , 1 )
(-1 ,0)
w
"c
"B
"D
(1 , 0 )
•
(-1 . - 1 ) (0,-1) (1.1)
FIG. 11.20. Subpi5<els ft,B,C,D asociados a un
pixel particular.
121
-:.csu -:..;'.-. . . . •
^ j
0.2-
0.81
-0.162 -0.-. 62 m
lo. 81
0.;-
-0.054 -0.162 0.032 0.032 -0.162 -Q.Z^í
-0.054 -0.16^ n.032 0.054 -0.162 -0.C5-
b .81
•0.162 -0.162 0.;-
[Link] W
-0.054 0.27 0.0?
0.09 0.27 -0.054
FIG. 11.21. Valores de ajuste interpolativo
usando una Slnc.
0.03 0.11 fi . 0 0.0 [Link] 0.02
^^^
0.11 ^ 0.005 0.005 ^ 0.11
0.77 ^.77
0.0 0.005 0.0 0.0 0.005 0.0
0.0 0.005 0.0 0.0 0.005 0.0
1
n.77
0.11 0.005 0.005 0.11
»•"
w
0.03 0.11 0.0 0.0 0.11 0.03
FIG. 11.22. Valores de ajuste interpolativo
usando funciones, da tipo gausiano.
12:
2,6.-2 ERRORES
Al trabajar con imágenes discretas y de
dimensiones finitas surgen los obvios srr-or-es
originados por el truncamiento necesario de las
funciones empleadas. Sin embargo existen otro tipo de
errores que vienen motivados por la naturaleza de las
funciones que intervienen en el proceso
interpolativo., que originan una disirai laridad entre
las imágenes ideal original y reconstruida
cuantif icabls. Se han establecido distintas medidas-
de este tipo de error basados en la densisdad
espectral de potencia de las servales implicadas que
producen result-ados razonables C853. Nosotros
proponemos un método alternativo para medir este
error usando como medida de semejanza el error
cuadrático. Consideremos para ello el filtro de la
fiqura 11,23.^donde F. <w ,w > y F <w ,w > son
i x ' y ^ o x y
las tr-ansformadas de Fourier de las señales de
entrada y salida respectivamente correspondientes a
sendas imaqenes y R< w „,'••> > la T. de F. de la
X y
respuesta impulsiva del filtro en cuestión.
Definiremos el error de resolución como;
R
Donde R es el dominio de definicio'n —w, <w <w
ox X ox
j -w <i...i <w • La expresión CZ.I?? puede
oy y oy
transformarse para dar;
2 2
E„=// F. (w , w ) | l - R ( w ,w )I dw dw
R 1 ^ x' y ' X y ' X y
R
Definimos a continuación el porcentaje de error
de resolución como:
EL ^-^ ^i^^^x'^y^ ' l-Rí^x'^y^ ' '^^x "^^y
' R=-
^M //F^(w ,w ) dw dw
j^ 1 x' y' X y
<2.18)
La senai de test empleada es
F <w x ' "^ v ''"^ ^
i ^
V'.-.i¡í , w,-
y
j en cuvo caso la ecuación <2.18> nos conduce
2
e _= // 11 -R(w ,w ) i dw dw / (4w w )
R ' X y X y' ^ OX oy'
R
<2 • J 9>
Realizamos seguidamente un análisis de las dos
funciones de interpolación propuestas., evaluando los
e:rr-or-<^s cometidos en la reconstrucción debido al
método interpolativo. Si usamos una función como la
124
d e f i n i d a en •::2,10>j es d e c i r si empleamos:
R . (x,y) = sinc(2 TTX/ T ) s i n c ( 2 ny/ T )
smc ^ X y
X ' ox ' y ' oy
Cuya transformada de Fourier es
SI w = w„„; w - w
' X ox y oy
R . (w ,w ) =
smc X y
O en V otro caso
Resultara que el error correspondiente deducible
de <!2.19> es nulo> lo que nos indica una fiel
aproximación a la realidad de la imagen de salida.
Para una interpolación de tipo gausiano podamos
r^5\\-¡:^r consideraciones similares. Sea
R„,„,^(x,y)= (1/2 ira 2) exp{-(x^+y^)/2 a 2)
La respuesta impulsiva del filtro, cuya T. de F.
es:
R gauss (wx ,wy )= exp(-(w
"^ x ^+w^ ^)' ^a^/2)
' '
Evaluamos a continuación desde <2.19> el error
que motiva el uso de este tipo de función:
125
e =(4 w w ) - 2 J"/exp(-(w^^+w„^)a /2) dw dw +
Rgauss "• ox oy "^' ' x y x y
R'
2 2 2
+ // exp(-(wy. +w )a ) dwx dwy =
R'
=(l/^oxV^^^QxV ( - A ' ) ^ ^ f ( % x /2'')erf(w^^ / 2 ^
+ (7r/4a^) erfíw^^ ) erfíw^^ ))
Siendo erf(x)= (2/Tr^) /e dx. c . . 3 . oj realizamos
o
Í3 Simplificación de hacer w j^ =i...« y, =w Q. y > =uio'^' •
nos resultara:
^Rgauss^l -( ^ " ^ ' ( ^ /2^)-erf2(x)/4) (./x^)
< 2 . 2 O .1
Cuya representación puede observarse en la
figura 11,24. Corno resulta fa'cilmente comprobable
para valores de ^ elevados el error es considerable
como p--=ir-![Link].r-ia lógico suponer si hacemos w^=2i/T'y
^-. cT ; en cuyo caso , A, = 2TTa. , La curva presenta
un óptimo entre 0.1 y 0.5 para los cuales el efecto
de la función gausiana es comparable al de una sinc.
Sin embargo valores exesivamente bajos de X . no
resultan aconsejables a efectos prácticos., pues el
entorno contribuye muy poco.
12r
F_(w ,w ) 7 (w ,w )
I x' y o x' y
Rl(w^.Wy)
r : } : FIG.11 .Z3. Fil-tita interpolador,
Error
FIG. 11.24 Error de interpolación para sucesivos
valores de .....
127
2,6.3 SOFFUñRE DE PRESENTACIÓN
En base s- las distintas filosofías adoptadas a
la [Link] realizar la reconstrucción de la imagen de
salida a partir de sus muestras,se han realizado
programas de presentación que posibilitan reconstruir
la imagen residente en disco mediante el uso de una
impresora PRINTONIX. Esta permite su empleo como
ploter con acceso al punto y puede reproducir las
imágenes en una matriz de 128x116 pixels de 6x6
puntos o bien en 128x116x4 subplxeis de 3x3 usando
métodos de interpolación pues la imagen global sólo
posee la información contenida en sus 128x116
muestras.
En el primer caso el programa que se encarga de
la presentacio'n es el [Link] que imprime la
imagen residente en el fichero FOTO en disco en forma
de tonos de gris , asignando el "O" al blanco y el
"253". al negro. Para ello usa una tabla de 37 niveles
de gris, realizando el ajuste desde 0-255 a 0—36 de
forma proporcional. En el apartado siguiente se
explica la estrucctura del mismo. El programa esta
escrito en lenguaje ensamblador y su listado así como
los de las subrutinas empleadas se recogen en el
apéndice. En el segundo czas-o el programa que realiza
la interpolación op-tima usando funcionies sinc es el
[Link] mientras el que realiza iainterpolación de
tipo gausiano es el [Link]. Algunos ejemplos del
usos de estos programas se recogen en las figuras
11.25^ 11.26 y 11.27. El efecto [Link] espacial
producido por el segundo método de interpolación
queda bien patente.
La reducción de niveles motivada por la
necesidad de imprimir subpixels de 3x3 producen en
las imágenes ciertas deformaciones no deseadas que
analizaremos a continuación.
129
FIG. 11,25. Impresión de una imagen en 36
niveles a partir del fichero FOTO usando pixels de
6x6.
130
:T. - £ÍT< , ^ — ~TrF=£=} ^ ^
m. ~.^r 9-
:^í^*
i^^m-2-
m ^:^%
'I
FIG.11.26, Resultado de la impresión de una imagen
contenida en el fichero FOTO en 10 niveles utilizando
si proqram^a PRTl 01 .SR que proporciona una
interpolación con funciones tipo sinc.
131
¿
Z. -í
FIG. 11.27. ídem 11.26 utilizando el programa
[Link] que emplea funciones gausianas.
132
En general al cuant-lficar en pocos niveles una
imagen aparecen una serie de espúreos y falsos
contornos manifiestos. En este sentido Nischikara et
al.. C 76 3 ha realizado .un. estudio heurístico sobre
como eliminarlos.. Su método está basa>do en adicionar
en las zonas correspondientes a bordes y contornos
una señal aleatoria de un ruido de la misma amplitud
que el nivel de cuantizacion minimOjCcir«siguiendose
asi una mejor [Link] visual a la hora de
presentación de la imagen, aunque con ello se
incremente el error de cuantizacion sevpun pasamos a
anal izar.
Sea una imagen fCx,y> que toma valores
continuos en un cierto intervalo , definida
discretamente por sus muestras fij, definimos un
proceso de cuantizacion como una correspondencia de
la forma:
r.
1
Siempre que .d. < f < d. ^, siendo los di un
1 1+1
conjunto de valores que caracterizan los niveles de
decisión. El error de cuantizacion se define como;
-. (f-r. )^ P(f) df
j=0 j ^ <2.21
133
Donde J representa el numero de niveles de
cuant-ización y P< f ?J es la función de distribución de
probabilidad de f'. la adición de ruido incorrelado a
una imagen produce una. nueva función de distribución
Pg<f>j de manera que si definimos
g(x,y) = f(x,y) + n(x,y)
C 2.22)
Representado n'-'x,y> la imagen aleatoria añadí da ^
la nueva función de distribución sera';
P (f) = / P^íf) P(f-f') df
< 2.23 )
Expresión en la que Pn<f> es la función de
distribución de ruido . Para la función definida en
< 2 • 22 ?i pijede encontrarse el error como resultado de
aplicar las ecuaciones <2,2t.'> y <2,23?, Desde un
punto de vista analítico esta adición de ruido tiene
como consecuencia un aumento del error de
cuantización, lo que se encuentra en franca
contradicción con los resultados obtenidos por
Roberts y que Rosenfeld recoge en CS7 3,en el sentido
de que se produce un aumento de la calidad visual de
una ixnaqen cuantisada en pocos niveles si previamente
se le ha añadido cierta cantidad de ruido relacionada
134
con el nivel de cuant-izacion
Por - el momento no existe una explicación clara
de por que. l3j adición d e u n a determinada cantidad de
ruido pueda producir un incremento' de la calidad.,
dado que., como es conocido, otras cantidades de ruido
elevado son francamente perjudiciales para
conseguir una calidad visual aceptable. Hay que
resaltar que la [Link] citada sólo es observable
cuando se realiza la cuantificación con un número
reducido ds niveles en cuyo caso se producen falsos
contornos y gradientes elevados de nivel, El ruido
adicionado, que según las hipótesis de Roberts debe
ser del mismo orden de magnitud del nivel de
cuantizacion , solo produce efecto en la imagen
cuantizada en el entorno del nivel de decisión, es
decir en el entorno espacial del falso contorno
produciendo una zona de transición que difumina este.
En este principio es el que se fundamentan en C 76 3
para la [Link] de la calidad visual.
Podemos sugerir que la disminución de la calidad
en las imágenes cuantizadas se debe a la presencia de
componentes de altas frecuencias espaciales
provenientes de fuentes muy localizadas
espacialmente, motivadas por los falsos contornos.
Suponemos que el proceso visual entre otras muchas
135
cosasj realiza en una de sus primeras etapas de
captación un efecto asimilable a un filtrado espacial
que acentúa las coroponentes de baja frecuencia
presentes en la imagen, eliminando las
corespondientes .altasi frecuencias^ . Pueden
considerarse distintos modelos de filtros paso-bajo
espaciales , dentro de los cuales resultan
particularmente interesantes los de tipo radial.
Entre ellos los que proveen un efecto parecido al
descrito son los que poseen una función de
transferencia en el dominio frecuencia1 de la forma:
2 2, 2
SI W +W < W
X y o
H(W ,W ) =
X y
2 2 2
O V w ,X v ;y ; w X + w y > wo
<2.24)
Cuya respuesta impulsiva, como mas adelante se
analizará, vendrá dada por;
.2, .2^h
Wj J-^í WQ (i + j ) )
h(i,j)^
2 TT (1 + 3 )
Siendo -Jl la función de Bessel de orden uno •
136
Es un hecho conocido que el observar una imagen
qus contenga cambios bruscos de nivel se produce en
las zonas pro'ximas al cambio un efecto perceptivo
contrario al. del cambio •; de;.- nivel.'. CFIG. 11.28.^^
•Teno^meno conocido como bandas Mach por inhibición
lateral. Para justificar este hecho es 'necesario
considerar un efecto de interacción espacial
inhibitoria que motiva el oscurecimiento v
aclaramiento en las zona próximas a los bordes. Por
ello es necesario la existencia de un tipo de
transformación cuya respuesta impulsiva posea una
zona periférica negativa en la convolucion. El tipo
de filtro propuesto permite conseguir estos efectos.
Teniendo en cuenta los datos de frecuencia
espacial reflejados en LJ-2 ,Í521, £531, se realizo
el proceso experimental que puede ser descrito como
sigue!
Dada una imagen original que corresponde a una
variación uniforme de iluminación en una de las
dimensiones «CFIG. II. 33a), se le sometió al proceso
que esquemáticamente se expone en la figura 11.29.,
siguiendo dos trayectorias bien definidas, una de las
cuales incluye la adición de un nivel de ruido de
amplitud variable^ a partir de una Imagen aleatoria
CFIG. II.30>, en distintas proporciones del nivel de
137
cuant-izacion N que se emplee en cada caso, La etapa
final es la de coníputacion del error cuadrat-ico
espacial^ ev.'aluado como :
116 128
3=1 x=l
<2.25>
Para distintos niveles de ruido añadido y
diferentes grados de cuant-izacion se obtuvieron los
valores que se representan en la figura 11.34. , que
corresponden a algunas de las imágenes de las figuras
II,33bj 11.33c, II.33d. En algunos de los casos
estudiados observamos que como consecuencia de la
adición de ruido no se verifica un aumento de error
en algún nivel de percepción, sino mas bien una
disminución de tal error. Esto puede concordar con
las experiencias mencionadas de Roberts^ siempre que
se suponga que tal error concebido según C2,25.')
presenta una correspondencia con la calidad visual de
percepción. El efecto es tanto más pronunciado cuanto
menor es el numero de niveles de cuantización. Para
números elevados de niveles ,el efecto ys no es
observable. Puede constatarse, asimismo, que existe
un nivel de ruido próximo al nivel de cuant-izacion
para el cual el error es mínimo. Ademas se observa
que p-ara un nivel de cuant ización, el error se
incrementa al -aumentar el nivel de [Link] por encima
del nivel de cuantizacion, como parecería lógico ,
pues es el conocido efecto de contaminación de
imágenes.
En las figuras 11,31. y 11.32. se muestra el
resultado de la adición de ruido incorrelado con
nivel igual al de cuantizacion a las imágenes de las
figuras 11.26. y 11.27, cuantizadas en niveles,
donde puede apreciarse una disminución sensible de
los falsos contornos
139
I(t)
Hecho risico
(t)
Hecho Perceptivo
i-IG, 11.28. Hechos físico y p e r c e p t i v o en un
c o n t - r a s t e luminoso,
g, (x,y) E
Cuantificador -i
(N niveles)
F( X,y)
g^/x.y)
E
Cuancifi cador
ti(x,y)
FIG. 11,29 Esquema experimental del proceso de
adición de señal aleatoria contaminadora.
140
FIG. 11.30. Imagen aleatoria empleada.
141
lÜiiiülifapiS
-iliÜliüliS
FIG. 1 1 , 3 0 b . H i s t o q r a m a d e l a -FiQura 1 1 , 3 0a,
142
«i^frM
B ^ ^ -fe "-J
^ ^ ^ ^ • a
*S»fif^^^
FIG. 11,31. Resultado de la contaminatrion con ruido
de la imaqen de la flaura 11.25,
143
i^s»s»
FIG. 11.32. ídem para la imagen de la figura II,2S
144
I
¡I !
llUlll
FIG. 11 . 3 3 a . Imagen p a t r ó n empleada en e l test-
145
. .
-1 •
j •
J. • 1 • !
?5É||fÉÉBí^^^=5^
FIG. 11.33b, Imagen patrón cuant-ificada en niveles
^46
i i
* • • -
FIG. II Imaqen anterior cont-aminada con ruido
147
FIG. 11.33d. Imagen cuantizada en 3 niveles y
contaminada con ruido
148
Error
Cuadra ti co
300
NIVELES DE
CUA.-iTIZACION
100 4
2 2.5
nivel ruido (q)
FIG. 11.34. Errores obtenidos respecto de la
imagen original
14-3
2.6,3.1 PPsOGRAMA PRTFOTO , SR
Este programa es el que se encarga de la
impresión de la imagen desde el -fichero FOTG
utilizando la impresora del sistema en pixels de 6x6
puntos realizando una asignación de tipo proporcional
entre los niveles 0-255 que da el digital izador y
0-37 condicionado por el formato de pixel. Su
organigrama puede verse en la figura 11.35.
Inícialmente el programa abre el fichero, lee media
imagen sobre la dirección IMAGE y llama a la
subrutina PICGN que se encarga de generar un fichero
denominado PICTURE donde se van a almacenar
previamente a su impresión los códigos de impresora
correspondientes a los pixels de la imagen que se
quiere representar. Siguiendo el diagrama de flujo de
la figura 11.36, una vez almacenado el retorno y
haciendo AC2=1 , que indica a IPIXEL subrutina que se
llama a continuación que no se inicialize PICTURE.
IPIXEL prepara ios datos que van a ser- utilizados por
la subrutina PIXEL. Estos datos consisten en los
códigos de impresión de los distintos tonos de gris
que son leidos del fich^sro TABLA donde previamente
han sido grabados usándose técnicas empíricas de
densidad de puntos. En caso de error tanto en estas
subrutinas como las siauientes ei<iste una subrutina
150
<ERMES> que se enc-arga de enviar un mer^aje a la
consola indicando el tipo de error del cual se trata.
El organigrama de IPIXEL pusde observarse en la
figura 11,37. Después de leer TABLA abre PICTURE y
carga en AC3 el código de impresión correspondiente
al blanco. Si AC2 es distinto de cero, lee la zona
"O" de PICTURE, pone el registro ZONA a cero y
retorna. Si AC2 viene a cero primeramente grabara
HBZH/2 < número de pslahr^s por zona > co'diqos de
blanco a partir de la dirección de comienzo de la
zona en memoria <.BL.ÜOK/'2.'>, Psrs utilizar esta zona,
llena de códigos blancosCpara iniciaiizar las ocho
zonas de PICTURE>, coloca AC1 a NBZH y AC2 al número
de zonas. Por último pone ZONA a cero y retorna al
programa PICGN.5R,
A continuación <FIG. 11.37) se inicializan ios
contadores de x e y y las coordenadas de ios puntos
de la imagen y se entra en ios bucles de generación
de los tonos de gris para todos los pixels. Para
cada pixel se llama a la subrutina PICFH <FIG II.33>
que obtiene el tono de gris 2 de un punto dado por
las coordenadas x,y que le vienen del programa
principal. El tono de gris se evalúa estableciendo
una correspondencia de manera proporcional entre el
nivel de señal comprendido entre O-S-^S y el de salida
0-36. El valor obtenido se almacena en el reqistro Z,
151
tercer termino de la tabla XY2 cuyo puntero ha de
evi
venir AC2. Se supone que el fichero FOTO esta abierto
y leida su primera mitad tomándose primero los puntos
de esta primera parte. El registro FLAG, que esta
inicialmente a cero, indica que porción de FOTO
reside en memoria. Cuando la coordenada Y ha llegado
a la mitad se pone FIAG a -5S> de manera que se
obtienen correg idas las coordenadas verticales
sucesivas respecto a la porción de FOTO que reside en
ese momento en memoria. En el caso de que Y halla
llegado a 58 se abre un canal para FOTO^ se
posiciona en el punto medio del mismo y lee su mitad
restante sobre IMAGE, cerrándolo a continuación.
Seguidamente se calcula la dirección en memoria del
pixel en cuestión, sabiendo que en la matriz FOTO los
pixel de cada línea se almacenan consecutivamente,
mientras los de cada columna vertical lo hacen con
una separación de 128 palabras. Para evaluar la
dirección se emplea IMAGE+X+128*Y, Una vez evaluado
el tono de gris en AC1 se retorna.
Cuando ya se ha obtenido el nivel de gris para
el punto objeto se llama a la subrutina PIXEL CFIG.
II.39>, que coloca sobre PICTURE los códigos de
impresora que corresponden ai tono suministrado.
Mantiene en memoria 1/3 de este fichero y lo
actualiza conforme le van suministrando los sucesivos
152
tonos. Una vez cedido control a esta subrutina se
almacena la dirección de retorno y el puntero de la
tabla XYZ que le llegan desde AC2, calculando a
partir de la coordenada Y la zona < 2P0S de 0-7:) a la
que corresponde dentro de PICTURE;, asi como la linea
dentro de esta zona. Compara seguidamente ZPOS con la
zona actualmente en memoria indicada por ZONA. Si
fuesen distintas almacena la zona actual en su
posición adecuada dentro de PICTURE^ para lo cual
necesita evaluar la dirección en disco
correspondiente y posicionarse en ella^ realizando
luego la lectura de la nueva zona^ actualizando ZONA
a su nuevo valor. A continuación calcula la dirección
del primero de los seis códigos de impresora que
representan un tono de gris por su densidad de puntos
, almacenados a partir del fichero TABLA en orden
creciente desde el "O" al "36". Para ello emplea la
expresión TABLA+6*Z, siendo Z el nivel de señal. Como
resultado de las operaciones anteriores^ en el bit de
carry se almacena la posición izquierda o derecha <. O
o 1 respectivamente> de los bytes dentro de una
palabra que contendrá' los códigos de impresora. Se
calcula entonces la dirección en memoria de la
primera de estas palabras sobre ftC2, conociendo la
dirección inicial BLOCK/2 y sabiendo que las líneas
horizontales se almacenan consecutivamente <teniendo
cada una NWLN palabras por 1ínea> y que cada pixel
153
•tendrá 6 lineas de alto. Es decir obtendremos
NWLN*6*CYPTR>j ai que habrá qus sumar la posición
dentro de la línea dada por X/2 coordenada
horizontal. Como existen 2 bytes por palabra hay que
utilizar una mascara que evite modificar el posible
byte almacenado anteriormente en la palabra a
utilizar para lo cual en función del carry se cargara
una ma^scara en la porción derecha o izquierda.
Posteriormente se entra en el bucle de grabar los
seis códigos de impresora señalados por TBPTR,
utilizando como puntero AC". Una vez se ha completado
PICTURE se llama a la subrutlna FPIÍ<E <F1G. II.40>
que se encarga de grabar la última zona de PICTURE
que aún no ha sido actualizada y de cerrarlo una vez
finalizada ésta operación. A continuación se llama a
la subrutina [Link], <FIG. 11.41> que envía el
fichero PICTURE a la impresora del sistema leyendo
NZOH partes del mismo, que contienen 9 0 líneas de 132
códigos de impresora, que trasmite añadiéndoles los
códigos de funcionamiento en modo piotter y de avance
de línea. Asigna un canal <CHLPT> a la
impresora y otro <CHPIC> a PICTURE e inicial iza el
contador de ZONAS <ZOHCTR>. Para cada zona ieida se
inicial iza el contador de líneas <LINCTR) y el
puntero de principio de líneas <.PTR>, Por líneas se
envía primero el código de funcionamiento en modo
piotter <5 en ASCII> y a continuación se le envía los
1-54
132 códigos ds la línea horizontal completa,
incrementándose . PTR y enviándoss seguida-Tsente si
código de avance de pagina. Una vez impresa la
totalidad de las zonas <ZOHCTR=0> se cierra PICTURE y
se retorna primero a [Link] y Iwzgo a [Link]
que a su vez devuelve el control al sistema operativo
155
START
abre FOTO error
^~ RETURÜ
Lee ¿ FOTO error RETURN
>-
Cierra FOTO errc^ RETURN
PICGEN
Ret.S.O,
END
FIG. 11.33, Oroaniarama de [Link]
yT;\I<r
A iiacicerid kec .
IFIXE
I
(CTk'Y)i- 1 2 0 .
(V)-0
1
1 {c:n<A)-- ^ i 3 2 .
(X)--U
!
^c2•-•{•Á\••/Jr^B)
PICFM
PTXEL
i
(X)=(X)+1
(CTRX) = (CTI«)-1
(Y)=(Y)+1
;CTkY)=( C T R Y ) - !
-«o-
FIG. 11,36, Organigrama ds [Link]
157
Q IPIXEL J
•'
alm, rat.
!•
ABRE TABL4 ' " " »(ERMES^
ACl=NBZN
LEE TABÚ KERMES)
AC2=-8
srror / \,
CIERRA TABLA >( ERMES )
CRASA ZONA ' " " > ( ERMES ) i
error ^/ \
ABRE PICTURE K ERMES > AC2=AC2+1
/O
ACU-NBZN/2
(ZONA)=0
AC2=BL0CK/2
f retorna )
(AC2)=blan.
AC2=AC2+1
AC1=ACl+l
FIG. 11.37. Organigrama de [Link]
15S
í PICFN J
olm. rotorno
olm. XYZPTR
ACO=X
> XMAX
<XMAX c i e r r a FOTO
AC1=Y
ACO=X
>YMAX ACl=Y
<YMAX
1=0
AC2=IMAGE+X+128xY
-G
AC1 =Y+F1IAG GE)
AC0=(AC2)
AC1 ^
< YMED
*•
Q 37xAC0
* ' - ' = 25á
>YMED
(nj«3)=-YMED
Z=AC1
GCHN AC2
'r ( ratomo )
ABRÉ FOTO
' '•
POS. Mitad FOTO
leo 28 roitod FOTO
é
FIG, 11.33. OrQaniqrama de [Link]
159
(PIXELj
I •"'
olmac. rotorno
olmac. XYZPTR G> (TBPTR)=TABLA+<5XZ
CY=1ZQ0A/DRCHA
AC2=BL0CK/2+X/2+NWLNx6x(YPTR)
calcula poaCZONA)
{ZOHA)=ZPOS
error / \
POSICIOfW
error / \
-grabcj: la zono ——*\ ERMES^
calcula dirección
en disco de ZPOS
srror / \
POSICIONA — — » ^ ERMES )
error / \
lea nuevo zona ——n ERMES ^
FIG. 11.39. Organigrama de [Link]
160
"^ í FPIXE
almacena retorno
calcula dir. en
disco de la
zona en memoria
error W •. ERMES
posiciona
I
graba zona error
->< ERMES
error
cierra fichero -M ERMES
retorna
FIG, 11,40. Oraanigrama de [Link]
161
(iMPIC J
olmoeena
retorno escribe línea puntos •^•^^-*/ ERMEs\
(.PTR) = (.PTR)-i-132.
(CHPIC)= canol
libre
line feed ' " " >(ERMES)
obre PICTURE '-^IRt^ES )
(LINCTR)=;(L1NCTR)-1
(CHLPT)= canal
libre
/O
B ^
obre impresora •^^^•/ERMES y
(ZONCTR) = (Z»JCn?)-l
(ZONCTR)=NZON
G> lee zona de PICTURE
e*T;
¿/ERMES \ (^^J)*
/O
>
(LINCTR)=NLIN
cierra PICTURE ^ ERI«s\
(.PTR)=BLOCK
c i e r r a impresora '"V/ERHES \
cádigo PLOT HOOE
í^i/ ERMESy t retorna 1
a impresora
FIG. 11.41. O r g a n i g r a m a de IMPICSR
162
2,6,3.2 PROGRAMAS [Link] Y [Link]
. Es-tos programas rsa^liran el proceso de la
subdivisión de cada uno de los 128x116 pixels de la
imagen en 4 subpixels asociados a cada uno de ellos.
El tamaño de estos es de 3x3 y los valores de nivel
<10 en total> se obtienen por ajuste interpolativo
según los métodos descritos. El programa [Link]
realiza la interpolación empleando •Punciones tipo
sinc mientras [Link] utiliza funciones gausianas.
El organigrama y estructura general son análogos
para ambos programas difiriendo en el tipo de
factores de peso empleado que vienen determinados por
la subrutina [Link] a partir de la direccio'n IPTR.
El organigrama del programa principal puede
observarse en la figura 11.42, Se inicia con la
subrutina [Link]^ que realiza la conversión de forma
proporcional de la imagen original residente en FOTO
con 256 niveles a otra residente en XIMA en 10
niveles, cerrando posteriormente los ficheros
implicados. A continuación se abre PICTURE y de nuevo
XIMA y se lee desde este la mitad de la imagen a
partir de la dirección IHFOT. Se inicializan
seguidamente los punteros de PICTURE <ZONA) y el del
offset de la zona en memoria <GETFL>, que nos
163
indicara la porción de la imagen que estemos
tratando. Posteriormente se hace un barrido de toda
la imagen y para cada punto de la misma se llama a la
subrutina COKV,SR <F1G. 11,43) que toma los valores
de pixels conexos s'^l propio del'punto , evaluando
los valores de los subpixels por proceso
int-erpolativo. En WORD se van almacenando los valores
parciales de la convolucion y a partir de la
dirección IWORD se encuentra. el bloque donde esta'n
los cuatro valores asociados al pixel una vez
calculados. Para obt^ener los valores de señal en los
distintos pixels necesarios para la convolucion
[Link] usa la subrutina [Link] <FIG. 11.45), la
cual emplea como para'metros de entrada las
coordenadas del punto en GETXM y GET'^1 , además del
offset de la zona actual en memoria GE7FL. Calcula en
valor de señal, si el punto corresponde a la zona
presente en memoria, o lee desde disco si el punto no
esta en la misma. En ambos casos el acumulador ftCI
devuelve a [Link] el valor de nivel solicitado y en
GETFL el nuevo offset. Una vez obtenido los distintos
valores de los subpixels se procede a su distribución
mediante la subrutina [Link] <FIG.11.45) en PICTURE
< fichero de la imagen de Impí'esora). Lo primero que
hace GPIC tras almacenar la dirección de retorno es
comprobar, a partir de la coordenada Yt del punto, si
la zona de PICTURE es correcta o no, mediante una
164
división seguida de una comparación con ZONA. En caso
neqat-i ••yo se repondrá el valor de ZONA y se grabara el
trozo de PICTURE construido. Siraultánearsente se
obtiene YPTR, puntero dentro de la zona de PICTURE,
en el resto de la división anterior. Como las
palabras son de 16 bits y cada pixel es de 6x6, según
que la coordenada x del punto sea par o impar se
cambiara la másuzara para obtener una u otra parte del
byte. Siguiendo con el diagrama de flujo de la figura
11.44 se procede a evaluar, a partir del bloque que
se proporciona en IWORD los subpixels de 3x3 puntos.
Para ello emplea la tabla de los diez tonos ubicada a
partir de la direccio'n ITAB y los contadores: a')CPl>i,
que indica si se refiere a los dos primeros subpixels
superiores o a los dos siguientes inferiores, y
b;>SPIí<, que dentro de cada grupo de dos subpixels
permite direccionar uno u otro. Una vez evaluados y
despue's de añadir el co'digo de impresión con el
puntero PTR BLOCK, se situaran dentro del bloque de
datos que se grabará seguidamente en PICTURE.
Cuando se ha finalizado el barrido de todos los
puntos de XIMA se escribe en PICTURE la ultima zona
de 15 lineas y se cierran los ficheros utilizados. A
continuación, se llama a la subrutina [Link], cus'a
estructura es análoga a la explicada para PRTFOTO y
que gestiona la impresión a partir del fichero
165
PICTURE, Seguidamente se ret-orna al programa
principal y este cede control al sistema operativo.
166
<™1>
Zrror
Abre ?IC-
y XI- STCP
©
Lee 5 Tmager. en IH
id
!ZONA)=
(G£:TFL)=O
í YT)=0
"r-
(CTRYT)=0
AC:=(ZCNA)
(XT)=0 Error
(CTRXT)=0 Posiciona en PIC-
TURE y escribe út STOP
tima ZONA ^
\ CONV />
Cierra PICTURE
y XIMA STC
<li—>
T
•; X T =
<X"
í XT; *
"3X7;-i
<ZiZ>
"" SET'JRN
STOP
FIG. 11,42. Organigrama del programa principal
[Link]
3TA RT
Almacena Retorno
;:<T.i )=;xT¡--;
(YT.1)=(YT)-1
©
CTRAD=4
?TRAD=3 ^ O
-€)
O
1
• "" \
;CTSYM)=3.
(VM)=3
(WORD 1=3 AC1=WORD/256-
:.-.WORD)=PTRAD + Almacena AC1 en IWORD
. -IWORD
?TRAD=?TRAD+1
<=) .:T?,AD=CTRAD-I
!C?SXM)=3.
XM=fl
.GETYM)=YT-1^YM
:GETXM)=XT-I+XM
< "" y
(VCRD)=(WORD)-AC-*í .? .PT?.AD = ? T R A D 3 ( 9 . +IFTS
! .FT?.AD; = ': .?T?.AD;-;
( XM ) = í XM ) -f 1
Í C T S X M i ^ ' CTRX.M)-:
' Y M ' =í Y M ) *;
( -T-Y.-Ds' C T S X M ) - -
FIG. 11.43. O r a a n i a r a m a d e [Link]
16!
START
Almacena Retorno
1
(ATAa) = (ITA8)+(HEt)
AC3 = (( AWORD) ) » 3
ACIí» : ATAB)*AC3) )
AC1=AC1 . A N D . M i i S K l
ACi=ÍYT)/i5. {AWORD)=(AWORD)^1
(vpTR)=Resto AC3=(ÍAWORD))M3
AC2 = ( ( A T A B ) * - A C 3 )
ACa=ACl+AC2
CAC0) = ( A C 3 ) * 1 0 0
Enmascara « AC2=[Link];
A C 1 = ( 3 J ! ( S P I X ) + ( P T R X ) )« Jt66+(PTRBLK)
í Z0NA)=AC1
Posiciona en PICTU-
RE,Crea nueva ZONA Graba en SLOCK
en .5L0CK
{PTRX)=(PTRX>+1
CFTRX=CPTRX-1
Par
?í9
<t)
Ca.-Tibia Mascara
TW0RD=TW0RD-i-2
(3P:X) = (SP!X)Í-1
';;?IX!=(CSP:X;-I
(rTSBL:<)=BLOCK + (YPTR)t
(3PIX)=0
(CSPIX)=2.
{TWORD)=IWORD
(?TRX)=0
'CPTRX ^ =J
FIG. 11.44. Oraanigrama de [Link]
169
Almacena Retorne
Retorna
Retorna
AC1=(GETYM)J£128.
=0
AC1=Zíx.y)
Posiciona en XIMA
Lee i Imagen y aC'
tualiza GETFL
FIG, 11.45. Orqaniarama de [Link]
170
2,6.4 DIAGRAMAS DE FRECUENCIA DE OCURRENCIAS
Los diagramas de frecuencia de ocurrencias,
comunmente denominados histrogramas, constituyen una
in-Pormacion global que puede S'er^ interesante emplear
a la hora de desarrollar metodologías de
representación de ima'genes E 3 5 ] ,
Las técnicas de realce por modificación de
histogramas se fundamentan en considerar a la imagen
f<X/y> definida en términos de pixels con niveles
cualesquiera 2i <i = 1j,.n."> como un mensaje procedente
de una fuente de información, donde N<Zi> denota el
numero de veces que un nivel determinado Zi aparece.
Podremos interpretar el proceso de visualización como
la transmisión desde la imagen impresa <Fuente de
información> y el cerebro <Receptor de información>,
de forma que el conjunto de niveles de señal
<Z1j .....Zn> constituirá el alfabeto de la fuente.
La entropía de una fuente de información que
emite mensajes, donde cada símbolo h aparece Nh veces
con una frecuencia relativa Ph, se define como el
valor medio de la información Ih de los eventos que
la componen, esto es:
171
n n
— 1. T D = 2
k=l k=l <2.26)
Si Involucramos a todo el conjunto de la im-agen
la entropía de la misma s&t^á máxima cuando todos los
símbolos que la componen sean squiprobables., bajo
estas circunstancias!
H = lg2 n c; 2 . 2 7 >
Consideremos ahora el histograma de niveles de
serial ds una imagen <FIG, II,46>.. si realizamos una
transformación de los niveles Zi a otros I i de manera
tal que los símbolos resultantes sean equiprobables ,
ocurrirá que el histograma de los mismos s^f^á plano..
o lo que es semejante.. el histograma acumulado
después de la transformación sera una recta que pase
por el origen y de ecuación:
^l(^i)= (^i/^m^ N ^ - ^z(^i)
< 2.23 >
Donde F <Ii> y F <2i> son los histogramas
acumulados de I i y Zi respectivamente, y NM el numero
total de puntos de la imagen. De •::2.23> ios nuevos
niveles li se obtendrán <FIG. II.46> como:
I.=IF(Z.)/NM <2.29>
1 m z 1
172
Es decir realizamos una transformación es manera
que.- a cada punto de la ifnacjen íx.. y ) Is asociamos un
nivel I i definido por la anterior ecuación , con lo
que conseguiremos que la ^"rsicuenaia de aparición de
todos los niveles sea idéntica. Esta transformación
puede ssr- útil siempre que se tenga en cuenta que a
todo el conjunto al que se aplique la misma contenga
información relevante.. proporcionada por la fuente.
En cualquier otro caso aparecerían un numero exesivo
de niveles ficticios que contribuirían a enturbiar la
imagen.
Un ejemplo de aplicación de lo expuesto puede
observarse en la imagen de la figura 11.50a.. cuyo
histograma se representa en la figura 11.50b Después
de realizar el proceso de equalizacion del histograma
de ninyeles de grises se obtuvo el resultado que se
muestra en la figura II.50c^ donde se aprecia un
incremento del numero de blancos de la imagen final
resp/ecto de la inicial, motis/ados por la nueva
distribución de grises de la transformación.
Son posibles otras transformaciones , algunas de
las cuales se encuentran referenciadas en la
literatura C ?T 1, C £'C 3 , C-:^ 1, que toman como elemento al
histograma y que contribuyen a crear una mejor
sensación visual.
173
Analizaremos a continuación el caso de las
trans+^ormaciones de t-ipo [Link]-mico e hiperbólico.,
por la relación que existe con ciertos procesosdt
percepción en el ser humano., y por la presencia en la
retina de situaciones de umbrales y saturaciones que
pueden ssir- explicadas, con funciones de este tipo.
Podemos pensar que., en muy pr-imtsra aproximación., la
información en niveles de ssnal que procedente del
sistema visual llega al cerebro no es li, sino
Lg< 1+1 L'^Io >.. y que nos pueda interesar que ssa máxima
la entropía implicada en este flujo informativo. Por
ello^ proponemos una transformación de los niveles
primarios 2i a ot.'^os Ii de forma tai que el
histograma de Lg< 1+ 1 i.-'Io > sea piano, o bien que el
histograma acumulado correspondiente sea una recta.
';FIG. II.47>
Sea Fj <Ii> el histogran>a acumulado de li y E
<2i> el correspondiente a 2i. La condición de
equivalencia establecida por la transformación es :
lg(l+ I V I ^ )
F (I )= N M ^-=F(Z.) <2.30>
lg(l+ V I ^ )
Y de ella podemos obtener los nuevos niveles I i a
asociar a cada nivel primitivo Zi.
174
F (Z.)/NM
I.= I ((l+I /I ) ^ ^ - 1 )
l o m o ''
< 3 . 31 >
Según esta [Link]+ormacion.. resultara qus van a
aumentar el número de puntos con niveles próximos al
Im.. si lo que queremos es acentuar el número de
blancos de la imagen podemos, hacer la trans+'^ormación
siguiente .. opuesta a la anterior:
(1-F^(Z.)/NM)
H= Io( (l+V^o) -1 )
< 2.32 >
Con ello se mejora la calidad visual de la
imagen., porque en términos generales c>Brs:c.& que el
observador prefiere aquellas imágenes en que exista
contraste y predomine el numero de blancos sobre el
correspondiente de negros,
Se adjunta un ejemplo desarrollado para la
imagen de la t'igura 11,51a., cuyo histograma se
muestra en la figura 11,51b. La aplicación de la
técnica de preproceso dada por C2.32) puede
analizarse para distintos vailoir^s de lo.. en las
figuras 11.51c y siguientes.. se observan algunos da-
los resultados obtenidos. Es de resaltar, que la
ciase de las transformaciones definidas por <2,32>
producen histogramas logarítmicos decrecientes
conforme crecen los valores correspondientes de
175
señal .
Frei Z~L 2 ha sugerido una transformación ds
histograma de tipo hiperbólico de manera que., al
pBs.3r- por el sistema -Totoreceptor.. resulte un
histograma uniforme., es decir^ que la igualación del
histograma la realizan ios conos y bastoncillos de la
retina. Esto es., supone que el histograma acumuLado
responde a:
N(I) = 1/ (l^ (In I^ - In I^) )
<2,30>
Y la transformación correspondiente es
F (Z. )
I. = I^ ( I /I ) ^ ^
1 o m o
<2.31 >
Posteriormente.. tiene lugar una igualación del
histogram-áí en otras zonas de la retin-a. El proceso
global se ilustra en la figura 11 . 4S. Es de resualt-ar
que la transformación í2.32> pasee características
del tipo de la propuesta por Frei> aunque tiene una
justificación neurofisiológica más pausible.
17é
FIG. 11.46. Transformación de [Link]
LCJ( ] t l / lo]
IMAÜliN CERLBRO
Lg(lrlm/Io)
FIG. 11,47, Transformación de tipo logarítmico.
li
HIPERBCLIZACION RETINA
t-i ( T i ) N(Ji J
Xn Xi Ii
1o 1,11
FIG. 11,43, Esquema del proceso propuesto por Frei,
177
FIG. 11.50a. Imagen ejemplo
FIG. 11.50b. Histograma de la imagen anterior
173
El ' ^^ -* ¿ S í , * I*
FIG. 11.50c Resultado del proceso de igualación de
histoqrama aplicado al la imagen de la figura 11,503
•••¡^•¡•^
iiiHIlili
i
FIG. 11.51 a. Imagen Ejemplo.
179
FIG. 11.51b. Histoqrama de la imagen anterior,
FIG. II,51c. Resultado de aplicar una transformación
de tipo logarítmico la imagen de la figura II.51a.
con 10=0.5.
130
FIG. I I . 5 1 d H i s t o g r a m a d e l a imagen anterior.
iiliiii!*iéSS!^E
\:;: :;j:;::;::;i;:i::::v::::i>¿Í '"•n "
ililli
FIG. II.51e. ídem a n t e r i o r e s c o n I o = 3 .
181
FIG. [Link]. Resultado de la transformación
logarítmica con Io=10.
132
2,6,5 IMPRESIÓN EN COLOR
El problema de la reproducción de imágenes
adquiridas por la tz-á[Link] admi-fce soluciones diversas;
bien realizando mezclas aditivas de un color en un
mismo puntoj o bien construyendo estas mezclas a
partir de puntos muy cercanos en el espacio tiempo^
debido a la limitación en la agudeza y a la
existencia de la memoria visual., producto la primera
de la naturaleza discontinua de La superficie
retiñíana, Anal izaremos el caso de la reproducción
cromatica utilizando una impresora que permite el
acceso al punto y que posee 4 cintas de colores
elementales que se corresponden con el Amarillo j
Cianj Magenta y Negro.
Cuando los conos de la retina son estimulados
por radiaciones primarias procedentes de un mismo
punto del espacio o de puntos muy próximos se
producen en la corteza visual reacciones análogas
Esto es debido a la agudeza visual del sistema
óptico humano.. y que es aproximadamente igual a un
minuto de arco para el observador humano promedio.
Este fenómeno de integración se llama mezcla aditiva
espacial y la condición para que se verifique para un
observador humano standar es que la separación entre
puntos subtienda un ángulo igual al de 0,3 mm o
menos^ para una dis-bancia superior a un metro desde
el cristalino a la superficie que contiene la imagen
impresa.
Dentro de los límites de integración visual un
grupo cercano de puntos de colores serán percibidos
por el sistema visual humano como si se t-rat-ara de
una fuente puntualj cuyo espectro resultante fuera la
suma de los espectros componentes de la radiación de
cada uno de los puntos del grupo. En ésto se basa la
síntesis del color por los receptores de televisión.
En ellos los haces electrónicos que emiten los
cátodos son modulados por las señales R^G^B
procedentes de la escena y presentes en la señal de
video^ y dirig idos hacia los fo'sforos de la
pantalla^ produciéndose por impacto luminancias roja
verde y azul^ pues en cada zona elemental <triada>
existen fósforos formados por las sales inorgánicas
adecuadas. Estas zonas son verdaderos radiadores
planckianos fluorescentes^ existiendo en el tubo de
imagen de TVC unos 4 00.000 de ellos.
En el caso de querer sintetizar una imagen en la
impresora con los colores mencionados el problema es
en principio diferente. En primer lugarj como el
resultado del proceso es una superficie impresa, la
1 84
imagen incident-e ai sistema visual humano sera
producto de reflexiones y no de radiaciones puras. En
segundo lugar hay que indicar que el máximo blance-
posible a sintetizar s&rá el blanco de fondo del
pápela al que habrá que hacer intervenir en las
ecuaciones^ lo cual, como veremos^ nos conducirá a
una serie de indeterminaciones.
Con las consideraciones aludidas, el problema
puede plantearse como sigue? " Dado un pixel de
dimensiones nxm de una imagen global de HxM pixeis
deben distribuirse en el puntos de colores Amarillo,
Magenta, Cyan, Blanco y Negro •'. ios cuales pueden
superponerse), de manera que, a partir de las
componentes puntuales Y,R,B que proporciona la cámara
de TVC, se obtengan las densidades de los cinco
colores citados más las correspondientes a las
mezclas Amarillo-Magenta, Amarillo-Cyan y
Magenta-Cyan. CFIG, II.52>.
1 Sí
A ^ "^^ M PIXEL
A:Amarillo
\^ l\ M'.Magenta
C: Ciari
c\.
•rn 11.52 Distribución en el pixel de las
distintas combinaciones de colores.
El siguiente conjunto de ecuacionias formalizan
el problema!
8
Y = K Z S. Y.
i =l ^ ^
8
R = K Z S. R.
1=1 ^ ^
; s^^ o
B = K £ S. B.
1 1
1=1
K = 1/ S = 1 / Z S.
1=1
<2.35>
Donde 3t es la superficie total del pixel de
diiTiensiones nxm, Cada una de las tres primeras
ecuaciones puede descomponerse en los diversos
términos correspondientes a la contribución de la
superficie de color a la componente cromática en
186
cuestión. Asi por €.-,1 inmolo para la Luminancia SÍ
tiene:
^T^T Vw"^ ^A-(A A(MUC))'^A'^ ^ C - ( C A ( M U A ) )^C"^
''"^M-{MA{AUC) ) V ^AAC-N^AAC"^ ^MAC-N'^MAC'^
+q Y + <^ Y
AAM-N AAM N N
Análogamenta ocurriría para las otras
componentes R y B.
Puesto que Yi.. Ri.. Bi son los datos y las Si las
incógnitas.. el sistema <2.35> resulta evidentemente
indeterminado. Sin embargo.. si suponemos que no
existe intersección entre los colores elementales de
csr^ a la contribución 5 la componente cromatica.,
podemos realizar algunas simpli+^icaciones. Bajo este
supuesto •;• 2 . 35 > se transforma en ;
Y= Sci.Y. =a^Y^ +a^,Y^, +a^Y^ +ar,Y„ + a„Y„
11 AA MM ce WW NN
R= 2:a.R.= a_R„ +a,,R,. +a^R_ +ct,,R„ + a,,R^,
11 A A MM c e WW NN
B= Ea.B.= a^B, +«,3,, +a^B^ +a,,B„ + a,,B^,
11 AA MM ce WW NN
< 2.36 >
Siendo las ~<- .las densidades relativas de cada
color- dentro del p^ixei . Cofno las distintas
componentes Y.. R^B.. del Hegro son nulas., puesto que
los puntos de este color- no contribuyen en ninguna de
las tres primeras ecuaciones^ podemos replantear el
sistema dejando como parámetro la densidad de puntos
blancos. Con estas consideraciones resulta:
"A^ ^A /^ " '^w V ^
"c= ^c /' - "w ^c/'
M M W M
C2.37)
Los parámetros C. <i=A.. M,C) se pueden obtener a
partir de las componentes originales Y,R,B procedentes
de la cámara, asociadas a cada pixel¡
^A= ^ (Ve- V e ) + ^ ( V e - Ve^-^ ^( Vc-^e^M'
S= ^ (VA- V e ) ^ ^ ( V e - V A ^ ^ ^^ Ve'VA^
Cc= R ( V M - V A ^ + ^ ( V A - V M ) + «( V M - V A ^
<:2.3S>
138
Mientras que los coeficientes /\i <i=H..M..C>
resultan ser constantes y de valores:
Í^TT ^-KK ^j~t
W M C ^A ^W ^C
Y Y Y ^M== Y Y Y
W M C A W C
^W ^M ^C ^A ^W ^C
RA R,« RT7
^A «M ^C
A • M W
Y Y Y A= Y Y Y
A M W A ""M C
\ ^M ^W ^A ^M ^C
Í2,39>
El sistema •; 2. 37 > junto con la condición de que
la suma de todos ios oc sea la unidad es aun
i
indeterminado, y para su resolución podemos emplear
métodologias de programación lineal que lleven a una
solución para las distintas o.^' de manera que todas
sean positivas con la condición adicional de que l-a**^
correspondiente al blanco •3€:.3i máxima.
Si representamos en forma tridimensional las
ecuaciones <2.37>.. nos queda como solución.. un
regmento de la recta:
^"A-^A _ ^"C-^C ./"M-^M ,2.40>
'A 'C V
Comprendido sn el prirriar oct-ante del espacio a,
ÍFIQ. II.53 >.
La solución <FIG. 11,54> se reduce pues a
encontrar- el máximo '^^i '•^'-'^ satisfaga el sistema tal
que haga todos los «j^ positivos. Probaremos., a
partir de «^ =nxm,. valores decrecientes de a
hasta encontrar la solución óptima. Los puntos extra
que es preciso añadir para completar la dimensión del
pixel.. serán cubiertos por puntos negros que no
afectan a los valores finales del conjunto cromatico.
Para la obtención de las compon-entes de las
distintas cintas de color se han tomado con la cámara
un pattern de cada una de ellas consistente en un
cuadrado de [Link] 80 x 8 0 de cada color-
impreso. A partir de estas componentes se obtuvieron
los coeficientes para la elaboración del programa de
impresión denominad-o PRTCOLOR y •- e : e ha
desarrollado en lenguaje de alto nivel <Pascal), El
p&i-ifiB:rico sobre el cual se vuelcan las distinta-s
lineas de la imagen es una impresora PRI3M 132 de
Integral Data Systems • que permite el SÍZ'ZÍ^SO al punto
y posibilita el empleo alternatis/o de cuatro cintas
de color.
1 9O
El organigrama del programa principal puede
verse en el Apéndice -~', - , Los pijceis que se elaboran
son de 7x8 puntosj realizándose el proceso por
líneasj pues la comunicación del sistema <HP 3000>
con el periférico es serial <RS232C> y el tiempo de
proceso es sobradamente inferior al de envío. Para
cada linea de la imagen se leen en LR;, LBj LY las
componentes cromaticas de la misma. A continuación
para cada punto se llama la subrut-ina ALFA que se
encarga de la obtención de las densidades de puntos-
para cada color^ y devuelve un vector BETA <i>
i=1..5^ donde se encuentran las densidades de puntos
de color en el intervalo 0-56. Una vez obtenidas las
densidades corresp<ondientes a cada color se llama la
subrut-ina PIXE, que. a partir del vector BETA <i>
genera PIXE <i,.j>, i = t , .4. .j=1 .,56^ donde distribuye,
según una ley de tipo ale-atorio. ios puntos en
función de las densidades de los cuatro colores. La
generación de este conjunto se efectúa llenando con
"1" la parte del vector que corresponda al color de
máxima densidad e introduciendo "O" de forma
aleatoria en un numero igual a la suma de las otras
densid-ades, Con una subrut-ina ramdon se generan 56
valores <alf.3 máximo^ números aleatorios en un
conjunto. que se distribuye en el resto de las
componentes de PIXE <i..j>. previamente puestas a
cero.
191
ñ continuación cuando ya se ha generado PIXE
<i,.j>, se convierte su contenido en caracteres
mediante is function GENERftCARAC y se distribuyen en
las líneas de impresora para su posterior envió a
ésta. Una vez completada la línea de la imagen y
generadas las cuatro líneas de impresión; LCVHH>
LMAGEHTA. LAMARILLO, LNEGRO.. se envían a la
impresora intercalando entre ellas los códigos de CR
y de cambio de color. Terminada la impresión con la
cinta de color negro> se le envia un CR-LF. Esta
secuencia se repite hasta completar las 116 lineas
horizontales de la imaaen.
19;
FIG. 11.53. Representación espacial
óptimo
FIG. 11.54. Solución por metodologías de
programación lineal.
19:
III. PROCESO Y RECONOCIMIENTO EH ESPACIOS CRCr^ATICOS
3.1 PREPROCESO
:. 1 . 1 INTRODUCCIÓN
No solo las perturbaciones de aámara y los
srror&s del tubo y óptica ocasionan distorsiones y
anomalías en las imágenes. Existen adema's en ellas
coroponenetes de ruido de naturaleza no controlada que
introducen srror&s que han de ser corregidos si se
desean evitar posteriores problemas. En general por
motivos de diversa índole^ aparece un ruido de
naturaleza no correlada superpuesto en la imagen que
enmascara la información significativa. Los factores
que motivan este ruido pueden ser internos, como
ejemplo los ruidos creados por inducción en los
conductores de la señal de video, ios cuales son los
más difíciles de detectar y eliminar.
Anteriormente hemos tratado el problema de las
correcciones homotetico-parabo1icas para aminorar
efectos de la óptica de la cámara . Por otra parte el
problema del incremento de la relación señal-ruido
194
en los conductores se solventa con el adecuado
conexionado de pantallas eiectroroagneticas^ sin
embargo pese a todo, otros factores externos no
controlados producen alteraciones en la imagen que
deben s^r subsanadas.
Ademas de las razones mencionadas que justifican
el empleo de técnicas de preproceso en el mecanismo
global de reconocimiento existen otras muy
importantes como la adecuar la imagen incidente a
unas determinadas condiciones normalizadas que
faciliten el tratamiento posterior.
En los siguientes apartados se explican algunos
métodos de preproceso. que facilitan la obtención de
información significativa y re les/ante, y que
posibilitan la aminoración o la supresión de la
presencia de ruido no deseado.
195
3.1.2 UNBRALIZ.^CIO.N
Por umbral izaci'iín se ent-iende la operación que
transforma una imagen f<.;<,<,>'> en otra g<x,y) definida
como sigue;
f(x,y) si f(x,y) y U
g (x,y) =
en V otro caso
Esta transformación resulta pacticu1ármente
interesante a la .hora de extraer los objetos que
forman parte de una escena separándolos del fondo de
la misma., pudiendo aisla'rseiss con relativa facilidad
por procesado posterior. Además la operacicán de
umbral izacion permite extraer los boí^des de los
objetos . Así por ejemplo., si un conjunto de objetos
en una escena posee un nivel lumínico superior al
fondo., ocurre que los bot-d'&s tendra'n tonos
intermedios que permiten proceso selectivo doble tal
como el descrito por <3,i >,
1 si U2 - f(x,y) ^ U^
g (x,y) =
O en V otro caso
< 3. 2)
lyfo
Si ss emplean umbrales como en <3,1 >.. seguidos,
de binarizacion la situación es mas de-Finida., pues en
muchos aasosj la información que corresponde al
interior de la forma u objeto es redundante.
En todos estos procesos., la cu^stio'n reside
básicaiTisnte en la obtención del nivel de urribrai < U..
U1 .. U2 >de una forma rápida y eficaz. Una primera
aproximación consiste en obtener cierta información
de la salida g<x., y> y realizar el estudio sobre la
entrada f'ÍK.y'í. Por [Link] si sabemos que la salida
es la imagen de un numero de piezas oscuras finito y
conocido y el fondo de la imagen esta iluminado
uniformemente., podemos conocer el orden de magnitud
del número de puntos del fondo y el de las piezas.,
con su nivel aproximado y asi decidir el valor de
umbral a aplicar. Sin embargo., e'ste puede no ser un
método <=:f'icB:z, puesto que., en general no se posee
información de éste tipo respecto de la salida.
Rosenfeld L811 propone el denominado "método de la
moda" .! se basa en suponer una distribución bimodal
para ob._ietos y piezas existiendo dos picos máximos en
el histoqrama de niveles de gris de la imagen.,
representativos del fondo y objetos de la misma. Se
el ije para el umbral la parte mas baja del valle
existente entre estos dos picos máximos. Ueszka et
si. CM23, proponen una modificación de la técnica
•Snb'E.r'-i Or"- qUii {•"•esidé f . i i " i ¡TÍSr'O ¡Sn a p i ÍC-3r'' 5 1-3 Íili3íigi£ri s i
opcr'^ador" L5pl3CÍ3ria y cons-ideir'"3"r" 3C}Uisllos puntos
donde si resultado de la oper-ación es significativo.
A continuación son ignorados todos los dema's puntos..
e.>íHpto aquellos pr-óximos a un borde sapar-^íiof- entre
objetos en la escena o entre objetos y fondo. Debido
a la simetría de la Laplaciana IB -Trecuencia relativa
de puntos de objetos y fondo es la misma y el
histograma posee dos picos de igual peso pudiendo asi
separarse objetos y fondo con algoritmos de decisión
rrias- simpies.
Estas técnicas residen en encontrar un umbral
selectivo U tomando como referencia una función F
U
descrita a partir de;
U = Fy ( f^(x,y), f2(x,y) )
< 3 , 3>
Es decir .. no solamente se emplea información de
la imagen de entrada sino también se usa aquella que
suministran algunas transformaciones de la imagen
como se describe en LiiZJ. El algoritmo de selección
empleado es el siquiente;
198
DATOS:
1 • Para cada punto se evalúa el gradiente como
el valor absoluto de las diferencias entre f<i^j>
,f< i + 1 ^.j >, f< i-1 ,.j + 1 > , f<i,j-1> respectivamente . Si
el resultado e>sde a un cierto valor h fijado^ se
hace h<ij.j>=1 ; si no h<i,j>=0.
2. Se construye el histograma de h<i,j>*f<i^j> y
se escoge el umbral como valle del histograma.
3. Se efectúa con U y f < i ^ .j > la operacio'n de
umbral izado para obtener la imagen de salida,
la matriz h<>íjy> contiene ios puntos con cambios
significativos en la i luminacio'n.
3,2,2.1 EL PROCESO DE UMBRAL COMO CLUSTERIHG
Pueden utilizarse para encontrar el umbral
adecuado las técnicas de segmentación o clustering.
Aunque volveremos sobre el particular mas adelante en
posteriores apartados.. vamos a explicar aqui el
procedimiento a seguir cuando se utilizan estas
técnicas.
199
Supóngase qus se tiene un conjunto de n muestras
•°\ .• "2 • "3 •• ' ' '"n •^'' '^'^^ -'^ quier-e realizar una
partición X en c subconjuntos disjuntos XI,.. Xc. En
una primera aproximación al problema suponemos que
conocemos' la [Link] probabi 1 istica global del
mismo con la excepción de un cierto vector para'metro.
Por la propia cc'ncepc ion del problema de la
umbral ilación conocemos el número de clases c y la
probabilidad a priori de cada ciase P<Xj> j=1..c.
Ademas se conocen también IBS f'ormas de las-
densidades de probabilidad condicionadas P< X/X j .! 8 j >
donde 63^.. 6)2 , 6c son los valores de los c vectores
paraiTietros a determinar. Suponemos que las muestras
se obtienen seleccionando un estado de naturaleza Xj
con probabilidad PÍXJ?.. de manera que podemos
seleccionar X de acuerdo con la ley de probabilidad
PíX/Xj.i ^j'>. La densidad de probabilidad para las
muestras es entonces;
p(x/e)= z p{x/x^;
j=i :
e^)
:
p(x^)
:
<3. 4j
Siendo 6 el vector parámetro a determinar con c
componentes 6, .. f)^, Oc. El problema reside en estimar-
este vector tí.
Refiriéndonos a la funcio'n c'3.4>.. se dice que
;=:uu
PíX/&> es identificabie si se verifica
67^ 9j^ =5» EXISTE X I P(x/e) i^ p(x/e, :
Podemos emplear- algunos métodos para determinar
el valor de P<K/8> para cada X^ si el valor de & que
produce el valor observado de P<.-</e> es único,
entonces la solución es en principio., posible. Si hay
valores distintos de O que producen un mismo valor de
Pc:</6j no es posible obtener una única solucio'n.
En los casos en que existen dos niveles de
iluminación claramente diferenciados en la imagen es
posible realizar una estima de la función P''X/6>.
Puede suponerse que la distribución de niveles de
gris en estos c^Bas corresponde a una nezcla de dos
gausianas, Para un tamaño de regio'n fijo, las P< X j >
son proporcionales a las [Link] relativas de cada
nivel de gris en la región y si las P<Xj ) no son
iguales, P':.x.''e:J es identlf icable y es posible
determinar sus comp>onentes.
Consideremos la figura 111,1.. que representa el
histograma de una imagen.. supondremos que este tipo
de distribuciones corresponde a una combinación de
.2 2
gausianas de \Í:EÍX-X5Í-\I:.:=Í^- O-, y .0,
p{x)= AP^(x) + BP2(x) r-3 ^•
Donde A+B=l
P^(x) = (l/ O^(2IT)^^) exp(-}5(x-u^)^/o^)
••: 3 . 6 >
Aquí P<;-<;/8> tiene cinco parámetros desconocidos
•j 8 puede suponerse como un vector de cinco
componentes .•
e= (M^,y2'^l'''2' ^) <3.7:>
Para estimar estos parámetros a partir del
8
histograrria de ios H niveles de gris de la imagen.,
emplearerrios el procedí miento de rriinimisar el error
cuadratico definido coroo¡
N
2
E^= (1/N) 2 (p(x^)-h(x^))
<3.-3-:>
i=l
Donde P<Xi> es la expresión < 3.5!) antes descrita
M ri<¡--:!i> es el histograma de niveles de señal
obtenido. De minimizar E, nos resultan las
siauientes condiciones;
;E, N
= O ; Z RW^ RW^ =0 ; RW^= p{x^)- h(x^)
?A 1
-"^h = O ; ^I (x^-pj^)^RW^RW2=0;
2 2 2
RW2-exp(-}5(x^-yj^)7o^)
K -L
202
3 E, N
= O ; Z (x^-Pj^)RWj^RW2 = 0 ; k-1,2
^^k 1
De donde se obtienen 5 ecuaciones transcendentes
de cómputo difícil y sólo resolubles mediante
procedimientos de iteración numiárica.. para los cuales
puede emplearse como primera aproximacio'n dos de las
modas diferenciadas del histograma. Mientras que para
l3=- V3t-iari2:3s, pueden utilizarse varianzas locales en
torno a la media. Este procedimiento fue desarrollado
por Choui et al. C23 3.. aunque es posible realizar
algunas, simplificaciones.. como las estudiadas en
C 753., basadas en determinar la moda y tomar en torno a
ella., tres veces la varianza del conjunto de
muestras.: el valor de umbi'al es el de este punto, |
En el c a s o de [Link] determinar l o s para'metros §
ei del vector é encontraríamos el v a l o r de u m b r a l a |
•o
aplicar como sigue: |
i
I
La probabilidad de clasificar a Jjn punto como |
a
oscuro siendo claro es: ®
£,2" •'' Pi(^) dx <:3.9>
U
Y vicecersa la de clasificar un punto oscuro
como claro es;
U
£^1= •<• P-^íx) dx <3,10>
•.US
V l a p r o b a b i l i d a d de e r r o r es:
^CT= ^ ^Cl + ^^C2 <3.11>
Elegimos U de forma que se minimize e^rp
haci endo;
CT
= O í3,12)
8 U
Obtenemos
(A/a^) exp(-35 {(U-vi-^)/o-^)^)= (B/a^) exp (-J5 ( ( U-p^ )/a.^ ) ^ )
c:3, 13>
S i mp1 i f• i c a n d o
Aj^U^+ A^ü'^ +A^= O
2 2
2
^ 2 ~ ^ ^^1 °2 ~ ^2 ''l ^
2 pp2 + o_2 n^2
A^= a, + 2 a,2 a_2 In (Ao„/Ba,)
Resultando dos umbrales de la forma
"l,2""^^2/^^l^- ((A2/2A^)^- (A3/A^))^
<3 , 1 4>
existen otras soluciones para la función
20-:
dü.[Link].3d de probabilidad P< .SV& >.. entre ellas la
resultant-e de aproximar- h< x > dentro de los limites
Xm, X'M <FIG III.2 > por un polinomio de cuarto orden
ta1 como!
p(x.) 4 +. B^x"'
= B,x" „ 3 +. B^x"
„ 2 + B,x + B
f ^ 2. 1 -I- W "V -»- l-í
<3 . 1 5 >
p (X . ) = O x < X
m
Con
p(x^)= O X > X^
La ecuación <3.5y, tiene cinco parámetros
desconocido», siendo & un vector de cinco comoonentes
C — ( B-j / B- / B_ , B. , Bj- )
Minimizando la expresión <3.8> c o n P<Xi> se>puri
la exp>resion anterior., resulta un conjunto de 5
e c u a c i o n e s de l a forma
a F N
h S-k
'- = Z x.^ ^ (p(x ) - h ( x . ))
3 B, ,
k 1 < 3 . 16 >
k= 1..5
Que c o n d u c e a l siguiente sistema;
3 6 5 4 ?
sx. h ( x . )=BT 2 x. +B_J:X. +B-,SX.+B.2: X
I i l i 2 x 3 i 4 i
z x . h í x . ) = B , z x . 4-B„5:x. +B^rx^+B^zx^
1 1 1 1 2 i 3 i 4 i
3 4 3 2
z x . h ( x . ) = B , 2 X. + B _ 2 : x . +B^Zx +B.2;x.
1 1 1 1 2 i 3 i 4 i
205
íh(x^) = B-,^ ^^i"''^2 ^^J+B^2:x^+ B^N
< 3 .1 7 •;
Este procedimiento tiene mucho mas sencillez
computacional que el definido anteriormente.. y es
resoluble de -Torma rápida empleando el método de
Gauss-Seidel. El valor de umbral se encuentra a
partir de <3.15>.. tras hallar el minimo Xmr.. y
¡T.a;< irnos < >^:Mr 1 ,rtMr2 > relativos ÍFIG. [Link]. Existen
dos alternativas para el mismoí bien emplear el
minimo Xmr.. o bien utilizar valores ponderados de
Xmr. .XMrl y Xr1r2. Asi resulta;
U =(X +X,^ , +X,, „)/3 ^-3 1QN
mr Mrl Mr2 <3,18>
La ecuación <3.18> es de fácil evaluación, pues
el u asi obtenido resulta de igualar a cero la
derivada de la ecuación <3.15>.. es decir;
U = - ^ 3 / 4 B^ ^3^ ^.5^
«si pues., no es necesario recurrir a soluciones
lentas y complejas como en Í23 1, Pudiera ocurrir que
existiese un numero elevado de puntos que posean un
nivel de iluminación cercano al ori>gen. En este caso
ei coeficiente tí., es negativo., y puede realizarse
el ajuste por un polinomio de tercer orden entre
KM) = Cl •.• KM ÍFIG I 11.2). Resulta asi una cúbica con
206
un máximo y un mínimo KMr1 y Xmrl. Es dacir
p(x.)
' ^ x = C,x^
l i +C_x^
2 i +C^x.
3 x +C,
4
<3.2i)>
p(x.)=0 Vx. 0 O^x. ¿XM
En este caso.. «I calculo del valor de umbral es
inmediato u vendrá dado por:
" =( ^mrl+ ^Mr2)/2= " V S ^^'^^^
El programa que realiza est-a operacio'n se
denomina MFCALUM. Su listado y organigrama se
presentan en el Apéndice 5.2. Para ilustrar la
aplicación del método, hemos elegido la imagen de la
figura 111,3, que representa una escena de
características análogas a las exig-idas para este
tipo de operación. En la figura III.4 puede \/sr-Be el
histograma de niveles de señal corre-spondiente. El
resultado de la operación se presenta en la figura
III.5, El método es también aplicable a textos
escritos, con resultados aceptables <[Link].o,
111.7>,incluso si se contaminan con ruido adicional
<FIGS III.8, III.9>.
La ventaja de tomar el valor de umbral U como
í3.13> o como .'••ímr puede observarse en las figuras
111,10 y III. 11, donde se representan un conjunto de
piezas y su histograma de grises. Si umbral izamos por
20^
el mi nime Xmr del polinomio de cuarto orden < para el
caso en que nos ocupa Umin=159)í resulta la irnagen de
la figura III.12, Vemos que se pierden algunos
grises significativos. Sin embargo el uso de <3,18) o
<.3,1S> proporcionan un mejor umbralizado <FIG.
III.13).
208
FIG. 111.1 Ajuste de un histograma por dos
gausianas"-.
•4 3 2
Bx +Cx -i-Dx +EX+F
FIG, 111.2 Ajuste de un histograma por un polinomio
de tercero y cuarto orden.
2 09
FIG. 1 1 1 . 3 . Imagen e j e m p l o ,
21 O
'¡=^ií^ ll^tííj f - ' t l í ^ ' "
FIG. 111,4 Histoqrama de la imagen de l a figura
anterior.
!1 1
FIG, 111,5. Resultado de la aplicación del umbral
definido por <3.1>.
:12
í ' í
"< )
7". r±^* l&^^0j
•<-•
<^^ •ir
Xv^
y*- r
i
FIG. 111,6.
:i3
A^smíiiíix^u I jiiiíH %iáiu[kMM
FlG. III.7
214
5|gpaa
ilÜfi
FIG. III.8
:15
i
FIG. I I I .9 .
216
FIG. 111,10.
21
FIG. I I I , 11.
218
FIG. 111,12.
21 "3
FIG . I I I .13.
i ü U
1,3 FILTROS LINEALES ESPACIALES
El eíTipleo de filtros que.- solo afecten a la
componente espacial de una iiTi3>gen r-esulta de interés.,
pues p-ermite resaltar información que pu>5de facilitar-
la identificación de los objetos de la misma.
Par-a realisar un breve estudio de estos filtros
consideremos el conjunto de imágenes bldimensionales
f (jín, mi , a=1.. 2.. 3, que proceden del elemento
sensor.. obtenid-as por muestreo sobre una red < A x.,
A y > de f a < X , y >.. es dec i r ;
f (n,m)= Z 2 f (i,j)6(n-iAx)ó(m-jAy)
a a
i=r-ooj=-a. Í:3.22>
A estas imágenes digital izadas pueden aplicarse
1=:
toda una serie de transformaciones T^ invariantes en
el tiempo, que afecten únicamente a la componente
espacial de las señales bidimensionales f ^ <ri,m>,
generándose, a partir de ellas., otras g „ <n,m> que
nos permiten resaltar u obtener algunas de las
propiedades de aquellos elementos que componen la
imagen original incidente. Sea pues T la
transformación realizada de manera que*.
221
g^(n,m) = T { f^(n,m) ) c3.23>
Sea h<ri,m> la respuesta impulsional
correspondiente a esta transformación. La +""uncion de
salida es calculable entonces como:
00 os
g (n,m) = z z h(i,j) f (n-i,m-j)
i = — oo"Í = — co
<3.24)
[Link] [Link] HO RECÜRSIVOS
Si hín.. m> es cero fuera de un sre.B finita., el
filtro se dice que es no recursivo., v los límites de
la sumatoria son reemplazables por limites finitos.
Para filtros no recursivos., la salida gj¡,.<n,m!) se
obtiene a partir de un número finito de muestras de
la señal de entrada f ^(.n.m).. pues para un filtro no
recursivo se tiene que:
g (n,m) = z z h(i,j) f (n-i, m-j)
'-• Ct
I J
< 3.25 )
A l c o n . i u n t o de p u n t o s a l o s c u a l e s e x t e n d e m o s la
02í>
sumatoria lo deriominaremos región de soporte del
filtro y en lo sucesivo lo denotarerao» por Rij de
fTianera que;
h '.i,j) = O ¥ (i,j) 0 R^j
< 3.2é >
Existen un gran numero de posibilidades para
definir la regio'n de soporte. Adoptaremos la más
simple .. que es tomar una región rectangular en torno
al punto de trabajo, representada por;
Rjj={ (k,l) I 0^ k ^I ; 0^ 1 ^J }
< 3.27 >
Bajo las consideraciones mencionadas. la
respuesta en frecuencia de un filtro espacial digital
no recursivo h<n,m> viene dada por !
OO 00
H(w^,Wy) = I I h(n,m) exp(-j(nw^ +mw ))
n=-=om=-=. r;3.23>
El problema de diseño se reduce a encontrar los
adecuados coeficientes h<n^m> que producen una
respuesta dato en el dominio de la frecuencia. Para
filtros no recursivos es preciso resaltar que debido
al tamaño de Rij.. H< w j^ • w y. > es un polinomio de las
223
variables e ;>•• e -^ ., que es una función puramente
real si '.> solo si se verifica la condición;
*
h (-n , -m) = h (n,m)
< 3.29 )
Estas consideraciones son ¡iiuy importantes a la
hora de reducir la cantidad de información y computo
globales. A los filtros que poiseen &sf,:5 propiedad se
les denomina en C483 filtros fase-cero.. y son
simétricos respecto al origen en el plano <n.. m)^ de
manera que si ios filtros son reales se cumplirá lo
siguiente;
h (n,m) = h (-n, -m)
<3.30>
Pueden realizarse simcilif icaciones adecuadas
para obtener estos filtros con relativa sencillez.,
como las efectuadas por Fiasconaro X3Z>1, que esta'n
basadas en construir filtros simétricos <i=j en Rij>
y restringirlos al caso de coeficientes puramente
K-eaies. Es decir:
H ^{ wX ; wy) = H ( | w |X , | w y| ) ^_..
K ^ ^•S^ 3
La reírpuesta en f r e c u e n c i a definida por < 3 . 2S >
224
;s en sste caso [Link] por;
I
H{w ,w ) = h(0,0) +2 T. h(n,0) (cos(nw )+cos(nw ) ) +
^ y _|. n=l ^
+2 Z h(n,n)(cos(n(w +w ))+cos(n(w -w )))+
n=l
I I
+2 Z E h(n,m)(eos(nw +mw )+cos{nw -mw )+
^ \ f /V "• X y X Y
n=l n=l -^
+ eos (mw + nw ) + cos(mw - nw ))
X y X y
<3.32)
A partir de <3.32 5 pueden evaluarse los h<n.. mJ
correspondí entes al filtro deseado. Sin embargo la
respuesta iuipulsional de muchos filtros ideales
poseen una extensión infinita. Por ello resulta
imposible de impiementarlos usando técnicas no
recursivas. Psr^B encontrar respuestas impulsivas con
aproximaciones no recursivas, se suele usar otro tipo
de estrategias <por ejemplo^ el empleo de funciones
ventana y obt^aner las respuestas impulsivas de los
filtros no recursis^os a partir de las
correspondientes ideales re:>zfjrsi''yss>. Clasicamente
los dos tipos de filtros ventana ma's comunmente
emoleados son:
225
a> Los rectarigulares., definidos como resultado
de la extrapolación del caso unidimensional como
sigue:
1 ; -1/2 ¿ n ^ 1/2 y -J/2 ¿ m ¿J/2
W^{n,m) =
O ; V otro (n,m)
b> Los circulares que pueden describirse por;
1 ; (n^+ m^)'^ ^ R
c
W^(n,m)=
O ; V otro (n,m] C3.34>
Evidentemente son posibles otros tipos de
funciones ventana. La respuesta en frecuencia para el
caso de funciones ventana rectangulares , resulta del
producto de dos funciones separables coíiio fácilmente
se deduce a partir de:
sen( (H-l)w^/2) sen( (J+1)w /2 )
WR (wX ,wy ) =-
sen(w X /2) sen(w y /2)
< 3.35 >
22b
para ei caso de filtro ventana <zircL.l5f-, la
respuesta sn -rrecusncia no es tan immediata y es
preciso realizar algunas operaciones. La transformada
de Fourier de Í3.34> es:
T\ =pcos 9
Wc(Wx,^y)= //exp(-j(w^n+ w^p) d^dn^í }
X y
R M =psen 9
2 2«
w =(w +w ísení 2ir-i')
R X X y
c
= (5/ exp(-j(w pCOs9 +w psen9) d9dp = {
^ y 2 2%
O w =(w +w ;cos(2iT->t')
y X y
R
c
W (w ,w )= (5/ expj(w 2...
+w 2,35
) ^ sen('i'-e) pdp d9
c X y X y
Como exp(-jzsen9)= Z exp(jk9) Ji^ (z)
k=-oo
Siendo JkC2> la funcio'n de Bessel de orden K,
así resultara:
R
W^(w^,w^)- z exp(jk(y-9) d9 / Jj^( (w^+wj)'^) pdp
k=-o° O
Sumatoria que posee valor nulo e-^epto para K=0,
que vale 2 TT . Adema's, como:
2 JQ(Z)= Z J-[(Z) + J^(z)
Donde J^ < Z) ss la derivada de la funcio'n ds
Bessel de orden uno., se tiene;
R
c
2.„ 2,Í5
W (w ,w ) - 2-n f J (p (w +w ) ) pdp =
C X y O X y /^'^'
R O
-27r / (pj'(p(w^^+w^,^)^ ) + J . (píw^^+w^^)*^)) do = {z=p(w^+w,^)'^}
o
2 ,..2,% „ , 2 , 2,^5
R ^ í w " H-w")'^ R (w^-i-w"^)
- j p c x y e x y'
= (2Tr/ (w +w )) (zJ (z)| - / J (z)dz
^ 0 O
2 2 k
R (w +w ) '
e x y
+ / J^(z) dz )
O
Obtenemos así para la respuesta en +"'recuencÍ3 de
una ventana circular;
^c("x'-y)= ¡ ^ ^ ,3.36>
(wX +wy )
Estas dos funciones ventana nos proporcionan una
herramienta muy útil a la hora de diseñar filtros
digitales espaciales. Si se parte de la respuesta en
frecuencia de estos filtros H< w ^ , w ,^ > se puede
X y
obtener ia respuesta ideal impulsiva h <n,m> que nos
daría la misma:
7T ir
h_(n,m)
1
= (l/4^ ) ^ ^ H{w^,w
A y
)exp (jwA n+wy m) dwA ¿wy
C3.37)
Multiplicando por alguna de las funciones
ventanas descritas anterior ¡Tiente se puede evaluar la
respuesta impulsional del filtro no recursivo
deseado., por medio de:
h(n,m) = h (n,m) W(n,m)
es.33)
Cuya respuesta real en frecuencia viene dada por
la expresión siguiente;
co oo
2 ^
H-,(w^,w,)= s £ { (l/4Tr ) / / W(p,n)exp(j (pn+nm) dpdn }
ts. X. y
m=—oon=—oo
h^(n,m)exp(-j(nw^+mw, )
^ X Y .;3.39>
Es decir
H^(w ,w )= i z h(n,m) exp(j(nw^+mw, ))
i\ X y X y
i j
<3.40>
i.. j pertenecen a Rij,. región de soporte del
filtro. La mayor o menor bondad de la respuesta en
frecuencia del filtro ventana utilizado viene dada
por ei grado de aproximación a un impulso en el
dominio da 1.5 frecuencia del lóbulo principal
Í29
ÍFIG . III , 14 >. Cuanto mas grande sean Re o < I.. J > tanto
mejor sera la respuesta en frecuencia del conjunto.
Ambos se escogen de manera que resulten •Trecuencias
de corte mucho mas pequeñas que las correspondientes
al filtro en cuestión. Hpl icar-emos a continuación las
técnicas descritas a algunos filtros típicos.
3.1.3,2 RPLICHCIONES .¿í [Link] CLASICOS
1. Paso—bajo
E.n el dominio de la frecuencia, el filtro ideal
deseado <FIG II I,15> posee una respuesta determinada
por:
1 ; si (w^2^w^2^Í5 Z ^^
H^(w ,w ) -
I x' y'
O ; V otro w ,w
X y
<3.41>
Este esta representado en el rjlano w ,w por
^ "^ X • y ^
un círculo de r^dio Rw, La respuesta ideal impulsiva
para es-t-e caso .=era:
i3.0
2
h (n,m) = (l/4Tr ) / exp (j (nw^^+mw ) dWj^ dw
<3.42>
Siendo A al arsa interior a la circunferencia
2 2_ 2
w^ +w =R^ . Siguiendo un proceso análogo al que se
siguió para encontrar <3,3o>.. realizamos los cambios
de variables!
w =w cos9 ; n=(n 2+m 2 )% senY
X
2 2 Í5
w =w sen9 ; m=(n +m ) cosí»
Y
h (n,m) = (l/4tr ) £ f^ exp(jw(n +m )^sen(f-e)) wdw de
O
R
= (l/4Tr^) T. é expíikíY+e) de ; Jj^(w(n +m ) 'w dw =
k=-» O
= (l/2Tr) /^ J (w (n^+m^)'^ w dw =
O
R
(1/ 2Tr) / (w J|( w(n^+m^)'^ + J^ (w(n^+m^) ^) ) dw
O
Resultando
2.2.^,
^ , , ^w "Jl^^wí" +"^ )
h^(n,m)=
^ ' 2. (n^+m^)^ <3.43>
respuesta impulsiva del filtro no recursivo
231
correspondiente es
h(n.m)= (R /2iT) J^ (R (n^+ra^ ) *^) W(n,m)/(n^+m^ )'^
W -L W
< 3.44 ?
[Link]-Banda
Para un filtro digital pasabanda ideal la
respuesta en frecuencia <FIG,III.15> viene dada por;
1 ; RwlT ^ (w^+w^)'^ - Rw2
o
X Y
H(w ,w )=
X y
O ; V otro w ,w <3.45)
Por un procedimiento naturaleza parecida ai
anterior se obtiene la siguiente respuesta
impiulsional para el filtro ideal correspondiente:
h^(n,m)=
2= (n^+m^)*^ 2^ (n^+rn^)^
•C3.4é>
del filtro recursivo:
h ( n , m ) = h (n,m) W(n,in)
'-. 3 . 4 7 >
Í32
3. Paso—alto
Para un filtro Paso-alto <[Link].16> la
respuesta en frecuencia en el caso Ideal es¡
2 2 h /
O ; (w +w )^ ^ R
X y w
H(w ,w )=
X y
C 3.43 >
1 ; V otro w ,w
X y
Cuya respuesta impulsiva e s :
hj(n,m)= 6(n,m) - hjpg(n,m) <3.49>
Siendo h..<n.m> la respuesta impulsional del
IPB
filtro [Link] de igual frecuencia de corte Rw que
el tratado. Resulta asi¡
2
1-R /4ir ; n=O,m=0
w
hj(n,m)=
-) -> L <3.50>
-R..
J, (R (n +m )^)
w 1 w
5 ^-j- ; ¥ otro n,in
2 Tr(n^+m^)^
La respuesta real puede obtenerse a partir del
ideal con el empleo del filtro ventana apropiado.
1-R /47r ;n=0,m=0
w
h(n,m)=
9 9 k <3.51 )
•R„ J, (R (n +m )^)
W 1 w
— W ( n , m ) ; V otro n,m
2 2 i?
233
( I + 1 )(J4-1 )
oxI+1
FIG. I I I . 14. Respuesta en frecuencia ubteriidas para
filtros v e n t a n a rectagula.--- y circular.
I _J_ !
.v\»-.
[Link]
R ,=1
R"Í=2
w2
FIG3. I I I . 15-16. Respuestas impulsionaies obtenidas para
filtros clásicos.
234
3.1.4 TRANSFORM.'iíCIONES CROMATICAS ELEMENTALES
Las imágenes adquiridas contienen asociada a la
luiTiinancia la i nforniac ion cromatica R—V,B-V. Las
clásicas componentes R.. B.. G se obtienen a partir- de
las anterio.^-es para cada punto por mera substracción
evaluándose la corriponents G según
f^^(x,y)= (fY(x,y)-0.3fj^(x,Y)-0.11fg{x,Y))/0.59
c" 3 . 5 2 >
una vez sintetizadas., se pueden realizar algunas
transformaciones para extraer de la imagen alguno de
los para'metros que determinan ciertas sensaciones
como las de tinte < relacionado con la sensación de
percepción de la cualidad de color propiamente dicha>
o bien la de saturación <conectada con el grado de
aproximación del color a su blanco equienergetico>.
P-Br-eics bastantes: reconocido C25D.. CSOl. c 2o 3 que en
condiciones normales de iluminación.. el ssr humano
solo necesita tres de las componentes de un color
para identificarlo. Ello es debido a que los
pigmentos que poseen conos y bastones en una primera
etapa f'otoreceptora, solo permiten adquirir la
información suministrada por tres zonas del espectro.
Esto nos hace pensar que los parámetros antes
235
mencionados.. junto con la luminanciaj. son ds gran
poder discr-iminat inyo para rsalisar- segmentaciones
cromaticas. Por ello procedemos a formalizarlos u a
definir algunas transformaciones en los distintos
sistemas de coordenadas, que permitan computar los
mismos.
De < 3 , 52 > y tomando f g < x, y !J y í"^ 'ii<,y'> 1 as
coordenadas en el espacio normalizado r^b.-g para cada
punto son inmediatamente evaluables por-¡
r(x,y )= f (x,y)/ z f.(x,y)
R j 3
b(x,y) = fg(x,y)/ z f.(x,y) ; j=R,G,B
g(x,y) = f (x,y)/ z f.(x,y) < 3.53 >
G j D
Este sistema de coordenadas presenta cierto tipo
de inconsistencias y anomalías analizadas por Ito
C^5]• Sin embargo, permite realizar algunas
definiciones que posibilitan el cii-antif icar la
saturación y el tinte empleando una medida para cada
color determinado. Así, con la notación que se
detalla en la figura 111. 17., un punto p de este
espacio tridimensional, rep<resentado por sus
coordenadas normalizadas "'-'•"•pj 9r~,f ^r,''' tendrá' una
saturación definida poK
WP ((r-l/3)2+(b -1/3)2+(g - 1 / 3 ) 2 ) ^
SAT(p)=
WS ((r^-l/3)2+(b^-l/3)^g^-l/3)2)^^^_^^.
SAT(p)= 1- min(r ,g ,b )
p'^p' p'
236
Esta expresión sstá just.i+''icaída por su
proximidad al blanco absoluto. 31 se toma co.-ao color
de ref"erencia el rojo normalizado <.),0,0'>, el tinte
puede igualmente tener una expresión cuantitativa
dada por;
(2r - g -b ) / 6 ^
P ^P P
TON(p)=arcose= arcos
((rp-1/3)^+(gp-1/3)^+(b^-l/S)^)^
< 3 , 5 5 .)
De esta manera realizando estas operaciones
locales que involucran a las tres componentes
croma'ticas <r.. g., b > podemos encontrar las f u n c i o n e s
SAT<x,y> <j 10l[Kx,<jj'> representativas del tinte o
saturación de la imagen. Con vistas a posteriores
procesos de segmentación primaria, generamos el
espacio cromatico Y^U,V,, que tiene m a s capacidad
discriminativa que el anterior, <r,g..^b>, en este
sentido. Asimismo, dada las características del
sistema de adquisición de imágenes, resulta
particularmente interesante la c o d i f i c a c i ó n en e s t a s
magnitudes, K^a q u e la información destinada a cada
una d e l a s c o m p o n e n t e s c r o m á t i c a s U,V pue;de r e d u c i r s e
respecto 3 las q u e s e n e c e s i t a r í a p a r a d e s c r i b i r con
cierta precisión un color dado con el sistema
< 3 . 53 i . L a s e c u a c i o n e s ciara p a s a r d e u n o a otro son
simplemente:
Y=0.3R+0.11B+0.59G
U=B-Y
V=R-Y .-,-,-,
En e s t e r - e r e r e n c i a l , l o s p i a n o s de i g u a l energía
están r-sprasentados por pianos de lUiT^inancia
constante. E l p u n t o de i n t e r s e c c i ó n de e s t o s planos
con si e j e Y deteriiiinan el blanco equienergetico de
ese plano para todos los colores,cuyas coordenadas
esta'n en él incluidas. Esto permite d e f i n i r de una
forma simple la medida de la saturación como la
distancia al blanco equienergético correspondiente.
Con l a n o t a c i o ' n e s c > e c i f i c a d a en l a - f i g u r a 111,18. se
tiene;
s ( p ) = ( (U -U )^+ (V -V )^) ^ <'3 5 6 ^
W p W p N O . V J O .
El tono o tinte de color puede ser definido como
el ángulo que forma la proyeccio'n del vector
cromatico representativo del color en el plano de
i um inane i a nula <Y=0'í.. con la proyección del rojo de
referencia, en dicho plano que a.=¡& sot>r-& el eje U.
Esto es!
t(p)=arcos e =arcos(U /V ) r3.57)
ir ir
De esta forma todos ios colores
correspondientes a los puntos de una imagen tendra'n
su representación en este espacio. El grupo de
colores acromáticos vendra'n representados por la
recta U=0, V=0 donde se hallara toda la gama de
233
[Link] compirendida ds^de el blanco al negro
atiso I u t o s .
(I.('."'
5 (l„.il..l' )
(0,1,0)
FIG. 111,17. Sistema de cooraenadas cromat-icas
< r ^ g.. b >
FIG. III.13. Sistema de coordenadas Y,U,V,
P7-=r
3.4.5 DETECTORES CROMATICOÍ
En muchos casos., los contornos de los objetos en
una escena pueden bast-ar- par-a desh^ibir- todo lo
relevante en la imagen original. Por- ello., la idea de
extracción de bordes en los objetos que aparecen en
una Imagen ha sido ampl iaüíente tratada en la
bibliografía <í2kl, CS'^ 3, 1851 >. Existen ademaos
infinidad de métodos descriptivos utilizados en
reconocimiento de formas que usan el contorno por
suponer un menor tiempo cofriputacional Íí71, l\G2.
Fundamentalmente un contorno puede definirse como
aquella [Link] una imagen en la que se ha producido
un cambio substancial e.n alguno de los valoras
cromaticos que la definen. Esta definición involucra
a todo el conjunto de las coordenadas cromáticas.,
incluyendo la posibilidad de que se produzcan cambios
en tono o saturación en zonas de la imagen de
luminancia constante o viceversa. Asi., dependiendo
del sistem^a de referencia cromatico elegido.. es
posible indicar la existencia de un borde o contorno
por variacio'n de alguno de los parámetros que definen
el referencial, Para detectar estas variaciones un
método socorrido es el empleo del gradiente de las
funciones f^.<i.. j> Ü<: = 1.. 2,3 o bien diferencias
propiamente dichas en el campo discreto., seguidas de
24 0
operaciones no lineales que acentúen la select-ividad.
En esencia, la operación de extracción ds bordes
en la imagen, puede sintetizarse por el procedimiento
que a continuación se describe. Considérese la figura
III.19 que representa espaciaimente tres matrices que
corresponden a cada coordenada cromatica <í •. ,
<a -1,2,3J. Cada una de ellas contiene parte de la
información de la imagen a la cual carsnteriza. A
cada punto <i,jj de la imagen le corresponderá un
valor cromatico en cada una de estas matrices. Sea
Aa la componente del gradiente de la funcio'n
f <.y.,y'} en una dirección dada^ < siempre referible a
un sistema ortonormal ':^ Aa-^ .. Aa2 )).. evaluabies,
para cada punto y coordenada cromatica a , por:
^^2= I n^meA« fj"'"^)" nfmeA^ ^„(^'">)
Una medida del cambio Aa , puede obtenerse por;
2 2 k
A« =( Aai + Aa2 )
A continuación resulta conveniente emplear algún
método no lineal local para dar mav'or selectividad.
•Jarvis L'^Sj propone para la detección de contornos
una operación de "masking" usando el gradiente
trasversal de Roberts y da dos versiones de
241
aplicación del mismo. La primer-a usando una mascara
de dimensiones 2x2 < FIG . 111 . 20 :> calcula:
E= M a - d i ^ + |b-c|^
a
'•: 3.58)
a=R,G,B
Par-a cada pixel.. donde a,b,c y d son los valor-es
de las intensidades en la posición indicada. Luego
somete a la imagen al proceso de umbral!zade;
1 ; E ^ T
E(i,j)=
o ; V otro E
La segunda versión usa la misma mascara y para
cada pixel evalúa las tres cotriponentes!
E^ = |a-d| + |b-c|
"^ a a <3.59>
ci=R,G,B
Realizando una binarización como sigue;
1; Si(E^^ T).OR.(Eg^ T).OR.(E^^ T)
E(i,j)=
0; V otro caso
Es posible emplear otras formulas de computación
del gradiente ma's elaboradas. Existe un número
elevado de éstas para la conriponente Y de la imagen,
que- son ampiiables a todo el conjunto de la
información cromatica adicional. Entre estos metodos-
242
se encuentra el de Sobel C 2'5 ] . Por extrapolación del
mismo.. se calcula., para cada punto <[Link].20> los
^(^ como sigue:
Aa.= (f (c)=+2f (f) + f (i)) - (f (a) +2f (d)+f (g))
-'- a a a a a a
Aao= (f (g)+2f (h) + f (i)) - (f (a) +2f (b)+f (c))
•^ ot a ci a a a
< 3-6O>
P-Bf-s aplicarlo al c a s o de imagenias croma'[Link]
sugerimos- evaluar ^c como;
^«= ( Aa2 ^ Ac2j% ^.^^^^^
V seguir luego un proceso de binarizacion para
obtener g<i,j>.. < imagen de salida.")., por:
1 ; Si -j^^ [Link]. 27 [Link]. ^ T
g(i,j)=
O ; en V otro caso
Otra forma interesante de computar los cambios
de [Link] en una imagen es la debida a Kirsch
C85 3 que es aplicable a caso tridimensional
cromático. El valor de Aa necesario se obtiene
"TFIG. I I I . 2 0 ) . . por!
7
Aa = m a x ( l , m a x ( I 5S, - 3 T , I ) )
=0 <3.é2)
donde Sj^= a + a + a
ka k+la
k+2a
T]^= a + a H-a + a + a
k+3a k+4a K-t5x k+6a k+7a
243
Exist-en ot-ros op6:r"-adore3 de contorno como el
debido a Wailis C ^51.. que tiene naturaleza no lineal
de tipo logarítmico. Presenta la ventaja de la
insensibilidad a cambios multiplicativos en el nivel
lumínico.. aunque tiene el inconveniente de un alto
costo computacional. La imagen de salida se obtiene
por generalización del método anterior., es decir., por
medio de:
g (i,j)=(l/4) lg((f (i,j))^/a, a^ a^ a^)
a ot -•-« ^ a ->a ' a
<3,Ó3>
Seguido de umbral. En los casos de computación
lineal seguida de no linealidad local., los Aa . . en
cada punto son siempre avaluables por!
^«]^(i/j)= ^ 2 h(n,m) f (i+n,j+m) k=l,2
"k^j^ "^ «=1,2,3
Donde ios h<n , ., m > son los factores de peso,
Esto nos induce a considerar estos procesos como una
operación de enmascaramiento a lo lar)go de toda la
imagen. Los coeficientes de peso pueden ser
diferentes según la componente cromatica. En general.,
estos coeficientes son un conjunto de IxJxSxK
números.. donde I.. J son las dimensiones de la matriz
de convolución de cada componente. De manera general
estas operaciones son del [Link];
G = y(F. * H.^) k=l,2
1=1,2,3 244
Donde G es la matriz bidimensional de salida ,
* denota convolucion y F¿ , i-1,2.3 son las matrices
originales que contienen la in+'ormacion a analizar.
Las rriatrices de convolucion Hik, podran tener el
iTiisiTfO o diferente valor para los posibles de I..K.:
según la naturaleza del proceso de detección. La
[Link]-i ''' < de naturaleza no [Link]> nos posibilita
acentuar la dif e.^-enciacion de la propiedades
extraidas del resto del contexto, facilitando asi la
obtención de zonas significatis/as de interés.
Por ejemplo un detector de bordes elemental
consiste en una operación de enísascar amiento
sencilla, idéntica para los tres canales de
información cromatica tono, brillo y saturación con
un operador laplacian^a lineal, de. la forma:
-1 -1
H.,
ik
= -1
-1 -1 -1
í e g u i d o de una o p e r a c i ó n no l i n e a l de l a forma:
g(i, j ) = max ( I g^^ ( i , j ) i )
«-1,2,3
3i deseamos aplicar un método como el de Sobel
para la detección de contornos, las matrices de
convolucion son dos para cada componente. Ello
245
permite obtener para cada punto.. Aa. '•2-- q u '
po^iD i 1 i t a n la gene-Kaciori de l a fnatr-iz de s a l i d a
según se describió anteriormente. E s t a s m a t r i c e s dí
convolución responden a:
- 1 0 2 -1 •2 -1
Hi l -2 0 2
«12=
- 1 0 1
246
i A • 1
2 1
j .- r
1
A
3
^ 1
/ • !
1 1
^ 1
: ^
0C=1 1 1
1 ^
1
0C=2 I
CC=3
FIG. 111,19. Valores empleados en el calculo del
contorno
M. Sobel M.. Kirsch
a b e a a a
1«. 2o(
d e • f a
"7^ 3*
a h i
V a a
-ex
M Roberts
a b
c d
FIG. 111,20. Mascaras para la evaluación del
gradiente.
Í4?
^::C*.-Sv-'o;c-7"-fl
:< - • •
|v-
:Í:Í-
•:Í
^-t
w-
.•Sí;á:i™üu-.:i-
FIG. III.21• Resultado de la aplicación del operador
laplaciana a la imagen cuyas cofTipon>E:nt-es pueden
observarse en las figuras ^ y siguient-es.
243
aliB«*s»'lí;i::
fllIBi mm-
«fP*^ •(.."^ÍÍ:-. -
r-K:V.c;-.
-••;ÍIÍ-'
FIG. III.22, R e s u l t a d o de l a a p l i c a c i ó n «del método d i
Sobel L .3.
>[Link]
3.4.6 TRATAMIENTO DE IMÁGENES RUIDOSAS
En las imágenes s¡psrs:¡zs: generalmente un ruido ds
natuí-aleza aleatoria introducrido por el elemento
ssnso.-^.. o debido a errores durante el proceso de
adquisición. Es posibis eliminar o atenua.^^ dicho
ruido por medio de técnicas de f'iltrado lineales o no
[Link]. E.n ocasiones.. si no es de excesiva
amplitud, puede [Link] incluso con el empleo de
filtros pasa bajo de [Link] respuesta en
frecuencia, tales como los descritos en apartados
anteriores. Asimismo, se pueden emplear en este caso
otro tipo de técnicas lineales, [Link] ia de "average",
que consiste en asignar a la función de salida en
cada punto <n,m>, el valor medio de la función de
entrada dentro de una cierta área centrada en el
punto en cuestión. Es decir:
K L
g(n,m)=(l/4KL) Z z f(n+i,m+j)=f(n,m)
i=-K j=-L <3.64>
El punto central puede omitirse en La operación.
Sin embargo, este tipo de tratamiento suele producir,
al igual que el empleo de filtros paso bajo ideales,
un desenfoque de la imagen, ya que se pierden
bastantes componentes ds alta frecuencia, y se
25 0
difunden los bordes y los cont-ornos de las formas
presentes. Por ello resulta de interés recurrir en
estos casos a filtros o procesos no lineales., que
permiten un tratamiento mas ef^ectivo del ruido.,
alguno de los cuales describimos a continuación.
Un tipo de proceso que en ocasiones es
aplicable ísi al ruido adicional tiene naturaleza
impulsiva) es el de average no lineal . Este
tratamiento descrito por varios autores C":3.. Fv'iJ
para ima'genes monocromáticas., consiste en evaluar la
función f<n..m> , para cada punt^ de la imagen., como
se indicó en <3.64>.. seguida de umbr al ización.; es
dec i r:
f (n,m) si f (n,m) -y U
g(n,m)=
f {n,in) en V otro caso
Esta operación permite eliminar el ruido de
naturaleza impulsiva presente en las zonas de la
imagen que tengan valores continuos. El valor de U
está condicionado por la relación sería 1-^'ruIdo deseada
y suele tomarse entre un 50 }i y un 6 0 r-;
aproximadamente.
Otro tipo de filtrado no lineal muy adecuado
para suprimir el ruido es el filtro mediana.
Originalmente el filtro mediana fue sugerido por
251
Tukey C~v3 como herr3rriient.a en el análisis de series
"temporales .. siendo ma's tarde aplicado en técnicas de
proceso de ima'genes Cr53. Consiste en el barrido,
sobre los puntos de una imagen de una ventana, A, de
tamaño dado, y remplazar el valor central, de la misma
por la mediana de los valores originales. En general
se obtiene un suavizamiento de la imagen. Como ya se
indicó, los filtros pasa-bajo espaciales son en
bastantes ocasiones útiles para conseguir efectos
parecidos, atenuando ruidos de carácter impulsivo.
Pero los filtros mediana presentan la ventaja de
preservar bordes y ser muy efectivos para la
eliminación de ruido da naturaleza no uniforme.
Definimos un filtro mediana bidiniensioñ.al de ventana
A en una imagen f<n,m) como:
g(n,m)=Mediana f(n,m)=Mediana(f(n+i,m+j); (i,j)eA)
A
Es decir se calcula, para cada punto, la mediana
del entorno contenido en A, Del estudio de los
filtros mediana se deducen propiedades interesantes,
como las de '^rs.B&r-\>^r- flancos y contornos rrvl,C;:l,
C.'5D. El empleo de los filtros mediana para la
supresión de ruido fue estudiado cualitativamente por
Pratt CíS], pero si hecho de la e>{istencia de una
transformación no lineal de la índole de [Link]Í.
252
dit'"icult.a su expresión cuant-itat-i va. Sin embargo
pueden deducirse i'^gunas interesantes conclusiones
si se supone que los valores de señal Zi Ci=1...n> de
cada punto de una imagen son independientes y están
ide'nticamente distribuidos con media M ., es decir:
Donde ECw3=0 y ECZD=^. Usaremos para ello la
función de distribución de las variables 2, F<Z>. Se
puede demostrar í5ol que la función derisidad gC Y > de
la función Y=median3<Z1 Zn> viene dada por:
g(y)=nl f'iy) F(y)("-l)/2 ^ ^^.^^^ ^ ^ (n-1)/2
(Hzi) <3.67)
2
Resulta que.. para valores altos de n, la
distribución es aproximadamente normal H< v , crn>..
donde M es una media teórica determinada a partir de
F< u >=0.5 y donde cr. esta definida por-¡
n
a^=l/(n4f^(í))= var(y) <3.68>
Si las variables Zi son independientes, e
idéntica y uniformemente distribuidas en el intervalo
<0,1>, la varianza de la función Y se calcula
exactamente por la expresión Í3.67 5
253
var (y) = 1/ 4 (n+2) < 3 . 69 )
En el caso de que las variables sean
independientes y distribuidas con N< ^-, '^ >, ^^,= ^^ y
la varianza deben determinarse por integracián a
partir de < 3 .67 ) . En IIQ82 se da una expresión que
reproduce con bastante precisión., para n impar., la
varianza:
var (^ = ho^Tr/{n+ TT/2-1) <3.70)
Para el caso de variables independientes e
idénticamente distribuidas pue-den compararse las
opciones de procesamiento por filtro mediana y
2
average lineal. Para esta ultima., la varianza es ./n
mientras que la ecuación <3.70> nos indica que la de
la distribución de la función mediana resulta ser
aproximadamente un 57.-; mayor. Ello indica que un
proceso average suprime ei ruido blanco con
distribución normal con ma's efectividad que un filtro
mediana con la misma ventana. La aplicación de un
filtro mediana puede verse en la figura III . 23. Se
observa como la acción de un filtro de este tipo
respeta los bordes.
^•\rk^
A
m
^WílP'**^
FIG. 111.23. Resultado de la aplicación de un
filtro mediana.
255
3.2 SEGMENTACIOH
3.2.1 DEFIh^lICIOH Y rtPLICACIOHES PRIMARIAS
El •término segfTjentacion ha sido ampliamente
usado con iriuchas sc&ocion&s.. y po-.s«e distinto
significado según ios autores. Aqui nos referiremos a
la operación de analizar una escena compuesta por
objetos sobre un cierto fondo, dividiendo la imagen
en diferentes partas cada una de las cuales poses
significado propio para el observador. En todos
aquellos problemas en ios que se precise reconocer
algunas de las partes de una escena.. 'C cofuo pueden ser
textos escritos, escenas industriales, fotografías
•B&[Link], ect.>, es necesario previamente segmentar la
imagen en este conjunto de sus partes. Así para
identificar un CBr-Bct&r- de un texto, primero es
preciso aislarlo del entorno del mismo; para
reconocer una pieza en un sistema industrial de
visión con manipuladores es necesaria separarla
primero del contexto [Link] a la misma ect. .
El problema general que se plantea es ma's bien
de percepción y no admite soluciones analíticas
rencillas, aunque para determinados tipos de imágenes
256
puedan encontrarse soluciones de tipo heurístico.
Intuitivamente poderrios subdividir una imagen en
regiones que posean una cierta uniformidad en un
amplio sentido. Por ejemplo.. el problema de la
separación del fondo de la imagen del conjunto de
objetos por niveles de gris C^Sl^ las operaciones de
gradiente para la extracción de bordes tratadas en
temas, anteriores y l^s de enmascaramiento que veremos
mas adelante pueden incluirse dentro de este concepto
C87 3.
Para la formal ización de la idea general..
Horowits y Pavdilis C'fol.. t8|. 3 han establecido una
definición del termino segmentación ampliamente
aceptada LCol y que puede enunciarse como sigue:
"Sea una función imagen f <.•:<, y >. definida en un
cierto dominio 2 y sea S un subconjunto de 2 que
contiene ai menos 2 puntos. 5e define un predicado
lógico de uniformidad PC 3> el cual asigna el valor de
verdadero o falso a 3 dependiendo sólo d e la función
f>'x,y'> en S. Una segmentación en 2 por un predicado P
es una partición de 2 en n subconjuntos disjuntos
SI Sn, de manera que cumplan las siíquientes
propiedades:
1 . - o 1 =£.
2. P< Si >=verd3d'iro para todo i. En cada
sutsconjunto Si., el predicado p'sSi> es cierto.
3. Sin,Sj=0 para todo i distinto de j.
4. P<S"i. ,3j>=Falso para todo i = j ; P=s falso
en la unión de algún numero de miembros adyacentes de
la partición. "
De esta ¡nanera resulta que predicados como los
siguientes., definidos en Z.. son particiones:
"P1 c; 3 >=Verdadero.. si el valor de intensidad
luminosa dado por ri''x,y> en cualquier punto de S es
el mismo".
"P2<S>=Verdadero si el tinte de color en
cualquier punto de S es el mismo".
"P3ÍS )=Verdadero si el valor de intensidad en
dos puntos de S no difieren en mas de una cantidad
dada A i " .
La segmentación puede ser considerada corao un
tipo especial de "el uster ing" C 8 7 3 .. C 37 1 en el cual
Pf=iñ
algunas: iiiedidas corr-sspondisn a local ilaciones
espaciales. Por "clustering" se entiende el
agrupamiento en un conjunto de medidas iQy, donde el
vector medida ü =< 81 .. 62^ . . .. 8n > representa las
propiedades de un cierto conjunto de formas. En
contraste con el problema de clasificación
supervisada.. los vectores muestra no están
etiquetados. En este caso, el proceso de "clustering"
es una forma de aprendizaje no supervisado., que
consiste en determinar ei numero de clusters y el
grupo al cual pertenecen l^s muestras.
El abordar el problema de segmentación como un
caso particular de "clustering" permite usar aunque
concierta precaución , las técnicas matema't-icas
desarrolladas, para la solución de problemas en este
ultimo campo E37.1. Algunas operaciones de
segmentación pueden ser aplicadas directamente a la
imagen. Entre éstas se encuentran las de segmentacio'n
a través de histogramas aislando objetos y fondo., que
puede plantearse desde el punto de vista de
"clustering", tomando como vector medida
9 = I e^ I = i f I ^3,7,_,
Como criterio o medida de disimilaridad se toma
239
la distancia euclidea a dos puntos fijes en el
histogr-ama < FIG . I 11 . 25 i)., que son representativos dsl
fondo y objetos respectivamente. Si realizamos
previamente una normal izacidn de f<x.. y>, dada por:
d^ (X, X^)= I (f-f-^) I ; d^ (X,X^) = | (f-f^) I
Esta ecuación proporciona una medida relativa
p-ai^a clasi-Ticar el punto. Evidentemente., procesos
selectivos de umbral resultantes de ajustar el
histograma a un conjunto de gausianas o a un
polinimio de cuarto orden conducirán a resultados mas
rápidos y fiables para estos primeros pasos en la
segmentación, Al aplicar este método a la figura
111.28 obtenemos como resultado en dos niveles la
imagen que se corresponde con la figura 111.29.
El segundo paso en la segmentacio'n consiste en
aislar las diferentes partes de la escena. Es
posible aplicar técnicas que utilicen predicados como
el PK3> anteriormente errtjnciado. El algoritmo
desarrollado para tal aplicación puede abss.rv3rse: en
la figura III.26.. donde por continuidad., se aislan
los distintos objetos que intervienen en la escena.
La imagen es procesada por fiias^ de jnanera que un
punto determinado de la imagen es en principio un
nuevo cluster si no existe a priori ninguno contiguo
2éO
con él • En el caso ds queu lo hubisr-a se aafagara 5
este y no se generara uno nuevo. En al caso de no
existir conexidad con ningún cluster vecino., este
punto creará un nuewo cluster.. al cual pueden
agregarse futuros puntos. Los resultados del método
usando el predicado de uniformidad pueden observarse
en las figuras 111,30 y siguientes., donde se muestran
las distintas partes a que da lugar el método
descrito. Un nuevo [Link] de aplicación se detalla
en las figuras III.31 a. y siguientes.
También es posible aplicar técnicas de
segmentación primarias a imágenes cromaticas usando
predicados del tipo P3<S> directamente sobre la
imagen original de manera que aislemos zonas que
posean valores cromáticos muy cercanos. La dificultad
practica de este sistema reside en la gran influencia
que ejerce el tipo y forma de la iluminación sobre
las distintas componentes de color^ pues brillos y
reflejos en la imagen enmascar^an la información
realmente signif icatisya. Sin embargo, a niveles muy
simples^ pueden ensayarse métodos que faciliten el
aislamiento de las zonas cromáticas. El método
empleado .. cuyo algoritmo puede \Í£:Í^S& en la figura
III. 2 7 , es de tipo heurístico ., y se basa en
detectar las zonas de máxima aglomeración de puntos.,
en el plano Y=0 <B-Y Vs. R - Y ) , y separar las mismas
261
sin tener sn cuenta la saturación. Esto es, solo se
considera al a'ngulo que forman con el origen,
prescindiendo de ícluster 0>, donde se encuentran los
grises acroma'fcicos de la imagen. Aplicando el método
para la imagen cuyas componentes están en las figuras
111.32, y siguientes se obtienen las proyecciones
aglomerativas sobre el plano de referencia que se
muestran en la figura II 1.33, Los resultados del
proceso de aislamiento para los clusters 0,1,2,3 se
muestran en las figuras III,34-<a,b,c,d>. Para
ssparar- ios objetos acromáticos, definidos por el
cluster O, recurrimos al aislamiento por umbral izado,
con elección del umbral en términos del histograma de
grises correspondiente <FIG, 1II.35>. El resultado
se muestra en la figura 111,36.
Con la esíspcion de técnicas tales como l^s de
umbral izado o gradiente, los algoritmos desarrollados
en segmentación, como se ha visto en los ejemplos
citados, requieren en primer lugar, comparar cada
punto con su entorno. Esto lleva a plantear el
problema de como estructurar los datos de forma que
facilite la comparación. A continuación exponemos las
estrudruras de datos mas usadas en procesos de
segmentación, asi como sus ventajas e inconvenientes.
262
FIG. 111.25, Clustering mediante histogramas,
FIG. 111.20 Organigrama Algoritmo
Regiones—Conexas.
263
1 No
Asigna Cluster Fl=FI+20
1
K=K+1
FIG. III.27, Organigrama Algoritmo
Regiones-Cromaticas,
264
FIG. III Imagen original a Segmentar
265
FIG. 111.29, Resultado segmentación tipo umbral
FIG. III.30a.
266
FIG. III,30b,
FIG. 111.30c,
267
W^:M
FIG. 111,^1 a. Imagen Original a Sagment-ar.
263
FIG. I I I . 3 1 b . Segmentación t i p o Umbral.
MÉEM^ú'^k^hjÉiú&jií¿^úimMlÉlÉ teik
FIG. 111.31c.
269
FIG. III.31d,
FIG. III.31e.
270
FIG. III.31f.
FIG. III,31.g
271
FIG. III.323. Componente: Y Imagen Ejemplo
FIG. 111.32b. Componente R Imagen Ejemplo,
273
;: . ••.••.•t:tf§Jíi:í::::--
.v-«lü-.:::: :••• :i-:• • :-: ':
••.[Link]--
•:Hi«:ñÍ7:' •
• • « : ; • • . : • •
. *
...•¡Ví«S|¡jS.
••••;i;i|p~- •• •
iü^-
FIG. 111.32c. Componenter B Imaigen EJerriP'lo.
274
X/^
FIG. III.33. Clustering en el piano Y=0.
FIG. 111.34a. Cluster num. 1
273
FIG. I I I , 3 4 b , C l u s t - e r num. 2 ,
FIG. 1 1 1 . 3 4 c . C l u s t e r num. 3
276
L
.üillllyÉiijiliáálcl.
FIG. 1 1 1 , 3 5 . H i s t o g r a m a g r i s e s C l u s t e r num. 0.
FIG. 1 1 1 , 3 6 . O b j e t o r e l e s / a n t e C l u s t - e r O,
3.3,2 ESTRUCTURAS DE DHTOS
[Link] GRAFO DE REGIONES ADYACENTES
Un grafo G consiste en un conjunto A de nodos
asociados a otro conjunto B., cuyos ¡niembros
denominados ramas son parejas de nodos no ordenados
de A. Dentro del grafo.. dos nodos de A se dicen que
son adyacentes si la rama entre ellos es la misma y
se llama grado del nodo ai numero íle ramas que
inciden sobre él. Un grafo de regiones -adyacentes es
un cla'sico grafo en el cual a cada j^egión de una
imagen se le hace corresponder un nodo y las ramas
que unen los nodos representan regiones adyacentes a
la misma.
En general cualquier tipo de predicado definido
como se indico en el apartado anterior^ origina en la
imagen segmentaciones descriptibles por grafos de
regiones adyacentes. Estos grafos han sido utilizados
en formas muy diversas en algoritmos de segmentación
sobre todo como estapa final de ¿sta y a un nivel
alto de abstracción, pues existen algunas propiedades
de la imagen que pueden ser deducidas de la topología
del mismo. Por ejemplo^ si observamos la figura
27!=!
111.37^ los nodos de grado uno corrssporKien a regiones
c&tTsdas .. esto es a regiones que se encuentran
completamente rodeadas, por otras. AsiraismOj.y como
consecuencia de la definición de adyacencia, resulta
que un grato de regiones adyacentes es siempre
p lanar.. pues no existe intersección entre las
distintas ramas de este cuando se aplica a imágenes.
También puede observarse que las regiones c<s.\--Y^:^ds.z se
corresponden con los puntos de articulación, esto es.,
con aquellos puntos., H.. tales que existen otros., L^M..
de manera que todos los caminos posibles de L a M
pasan a través de H, Si asignamos la i margen global al
nodo cero, resultará que podemos definir las regiones
cerradas como puntos de articulación del grafo de
regiones adyacentes. Resulta particularmente útil que
aquellos nodos que posean un grado elevado, íes decir-
aquel los que correspondan a re-giones que tengan un
grado de adyacencia considerable >., pueden absorber
otros cercanos, < de acuerdo con su ^'r^s^'}, que posean
un grado bajo., eliminando asi el excesivo número de
regiones que aparecen muchas veces en el proceso de
segmentación.
279
[Link] PIRÁMIDES V ARBOLES
La estructura de árbol es un grafo donde las
relaciones de inclusión son más impiDrtantes que
relaciones de adyacencia. Su ra\2 corresponde a la
imagen y sus extremos a pixels sencillos. El hijo de
cada nodo ft representa regiones que forman una
partición de la región correspondiente. A menudo se
suele construir dividiendo cada regí»3n en cuatro
partes iguales de manera que si la imagen original
posee dimensiones NxN donde N=2, el árbol tiene L
niveles. A este tipo especial de a'rfaoles se les
denomina "Quartic Picture Tree" CQPT> y han sido
usadas en paginación y proceso de i margenes
Ci,oS3^ C 1063, CSS3 , Una propiedad muy interesante de los
QTP es consecuencia de la definición de corte en un
árbol C813. El corte se establece como un subconjunto
de nodos de un árbol.. que posee las propiedades
siguientes:
a>No existen dos nodos en el mismo camino desde
la raíz a los extremos.
b )Ho pueden añadirse ma's nodos a este sin que
pierda la propiedad anterior.
230
De esta definicidrí de corte resulta que una
segmentación es un corte del QPT.
En lo referente a la estructura de piráiTiide
existen, para la mayoría de los autores dos-
definiciones de la misma , que se dan a continuación:
Piramide-M
Es una secuencia de L imágenes <expresadas en
forma matricial í, ÍM'CL:?, M':L-1>, , M<0)> donde
MCL) representa la imagen original^ y M<i> representa
una versión reducida de M< i-1 ) a mitad de resolución
, ect.. M<O> es un pixel.
Piramide-T
Es un conjunto de P nodos =<<K,l,j) tal que
Q ^. k ¿. L y ü L^L-^-Y ^ oLñ^L 2^-1 J junto con una
relación binaria F definida en P con F<K,i,j)=C K-t,
Ci/23, Cj/''23> y una función V de P sobre R donde R es
un rango de valores tal como <:0,1,2, .... , 255>. Aqui
Cx3 representa el mayor entero menor o igual a x. Los
P nodos de una piramide-T se corresponden con los
pixels de una pirara ide-M y el conjunto <K, *,>««> se
281
corresponde a las rriat rices indi vi duales de una
pirámide -M, a estos conjuntos o matrices se les
denomina niveles de la pirámide. F es el padre,
función definida para todos los nodos P excepto para
ÍO.. 0,0) el cual es la rsiz de la pirámide T, Cada
nodo P, excepto los del nivel L, tienen 4 hijos los
cuales-son p nodos q tal que F<q'>= q . Una pirámide T
es muy similar a un QPT pero difieren «n un aspecto
importante Cl06]., las pirároides-T son arboles
balanceados en casos donde los QTP necesitan no
serlo. Además la interpretación que se le da a los
árboles es diferente en cada caso.
Comunmente una pirámide-T se construye a partir
de la matriz Ai i,j> representativa de la imagen
original por una regla de tipo ^[Link]&i
1/4 2 V(k+l,2i+x,2j+y) ; para k -^ L
x=0,l
v(k,lo)= y=0,l ,3_,^,
A(i,j) , para k=L
Se generan asi imágenes de inferior resolución.,
donde se aplican métodos de búsqueda y aislamiento
tanto en sentido creciente como decreciente. Sin
embargo j por esta clase de estructuras.. en las
imágenes de diferente resolución producidas, aparecen
ciertos errores que deterioran la calidad del método
de segmentación que se emplee a partir de ellas. El
proceso de crear- una imagen en el K—esimo nivel es
equivalente a la acción de un filtro espacial paso
bajo de la imagen situada en el nivel <k-0.. seguida
de un muestreo realisado a la mitad de velocidad del
nivel k-1 CFIG,III.33^ Esto es la función de muestreo
puede ser representadla por:
M(X,Y)= I Z 5(x-j^2 AX, Y-J22AY)
Cuyo espectro de Fourier es! i
i
Si el filtro paso bajo es ideal.. aparecen |
I
espúreos de baja frecuencia espacial como ^
consecuencia del efecto de Al i asing. En el dominio de ¿
£
3
frecuencias, la salida Ao< w „ ^ ui > viene dada por: I
^o^^x'^y)^ ^-l^^x'^v^ H(w ,w )
X Y
el espectro de Fourier de la señal muestreada
^k^^x'^y^"^^ /AXAY) AJ^_^(W^- ^J^/AX, W -wJ2/Ay)
H(w^- TTJJ^/AX, W -TrJ2/Ay)
y
El filtro paso-bajo que se efectúa en la
estructura Jerárquica como se desprenda de <3.72) es
233
1 1
1 1
Que es aproximable.. para n= 4, a una función de
la forma i
H(w^,w )=(cos(w X /2) cos(w Y /2))n
X y
n esta determinado por la frecuencia de
atenuación más alta del filtro. Esta clase de filtros
ha sido estudiada DC'r Hall. . y resulta que para
n=t,una considerable cantidad de energía de alta
frecuencia pasa a través del f i itro., resultando un
error de aliasing elevado . Para n=8 la energía de
alta frecuencia se ve atenuada obteniéndose como
consecuencia errores oequerfos. Paira n-=4., caso que nos
ocupa., el termino de error., computado por
0.5 0.5
n
A X y dw dw /
-^ X y
0.25 0.25
/ // (cosTTW cosTTW ) dw dw
X y X y
no r e s u l t a s&r e>iEsivamente elevado
284
FIG. 111.37. Grafo de regiones adyacentes,
A^^.^íx.y)
^o'^-y'^ Aj^tx.y;
t , h(x,y)
^
S(x,y)
FIG. III.38. Generación de la imagen correspondiente
al nivel K a partir de la del K—1.
283
3.2.3 SEGMENTACIÓN JERÁRQUICA
Durante el proceso de segmentación de un
conjunto de datos en el que hay una estructura
espacial a priori resulta particularmente
interesante realizar 1-BS operaciones de asignación en
base a una cierta jerarquí[Link] pueden obtener
soluciones al problema de la segmentación cromática
aplicando métodos que usen conjuntos de datos
representados en dos espacios distintos. El primero
de ellos es el cromático o descriptivo., caracterizado
en [Link] de coordenadas cromaticas de los
distintos puntos de la imagen. El segundo es el
espacial propiamente dicho o restrictivo. El problema
general de segmentación <"elustering" de los datos de
entrada en un espacio de cinco dimensiones V'.,<X.M,
T
"r-' '^2 ' ""'B •'•'•' 'l<-'S:da restringido,por el empleo de
este tipo de descomposición , al elustering sucesivo
en dos esoacios: el restrictivo V. <x.u> u si
S
descriptivo V_ < a,.. "o •• "n •• • ^^ ^^ espacio
restrictivo, es posible definir relaciones de
continuidad.. de manera que disminuyan el numero de
clusters dispersos y optimicen el tiempo de
segmentac\on.
Sea C< F :> una jerarquía estratificada de un
236
conjunto F . De-Pinimos una r e l a c i ó n da c o n t - i n u i d a d en
C<F> como una relación binaria simétrica y
t r a s m i s i b l e R^ q u s s a t i s f a c e las propiedades:
a) Simetría
V ( f . , f . ) C C(F) ; f . R f. === f.R f.
i j i j j x
b) Trasmisibilidad:
V ( f . , f . , f , ) C C(F) ; s i [Link]. y f .Cf,== f . R f.
El grafo de continuidad G<F5 es un grafo en el
cual los elementos de C<F> son nodos y los bordes son
la unión de p.^r&s de nodos contiguos . El concepto de
trasmisibilidad es Importante, pues si un cluster fj
es cont-iguo a otro f'i, todos los cluster que
contienen fi son contiguos con •Tj . Ademas, cuando dos
ciusters son agregados,el nuevo cluster- es contiguo a
alguno de los ciusters previamente conextDs de los que
han sido agregados.
Suponemos que una estructura a priori de F puede
ser per+"ectamente definida en el espacio V., y que
podemos asociar un índice de disimilaridad con la
estructura definida, considerada esta como una parte
de V3 . Entonces, si 63 es un numero real positisyo,
puede definirse la relación de continuidad como:
V (f.,f-) C F ; f.R f. ===^ O ^d(f.,f.)
s
231
Q. es el umbral de continuidad e indica la
s
máxima distancia a partir de la cual los objetos no
son considerados continuos. Si existe alguna
contigüidad entre objetos., estos están en principio
asociados a un único cluster^ de manera que solo
existe R entre el cluster "1" <o fondo> y cualquiera
de los formados por agregación. <[Link].29> Para la
elección de "d" pueden seguirse varios criterios
<como distancia entre centros de gravedad criterios
de unián total o parcial., ect. >
El paso siguiente en la jerarquía es realizar la
segmentación dentro de cada cluster procedente de la
primera etapa, de forma que en base a criterios de
asignación por distancia a ciertas clases
colorimétricas tipo,pueda determinarse de forma
rápida las componentes de color de cada cluster
existente en el espacio Vs <[Link],40>. Psra ello,
se eligen como coordenadas del espacio Ve las ya
mencionadas Y,R-Y,B-Y.. donde se representa cada color
por sus proyecciones en el plano de referencia Y=0.
Para definir los colores tipo, sector izamos el plano
V=0 C FIG . III . 41 >.. y asignamos a cada color una regidn
estrechamente relacionada con las medidas de
saturación y tinte. El fondo de la imagen es tratado
como un cluster espacial mas en esta etapa, pues
puede ocurrir que, por determinadas circunstancias
existan objetos con luminancias semejantes al fondo.,
pero que posean otras coroporientes cromaticas con
valores significativos. Para ilustrar el método
consideraremos las -Tiguras III.41 <a..b..c>, donde
representamos las componentes Y,R,B da una imagen. El
resultado de la aplicación del método descrito puede
verse en la figura III . 42. COÍTÍO se observa., los
colores reales son escasamente saturados pues son
productos de la reflexión de la luz incidente. Sin
embargo, los distintos componentes de cada cluster
cromatico aparecen claramente determinados.. pese a
que, por el tipo de iluminación, resulten zonas más
saturadas que otras.
Se han desarrollado otros métodos de tratamiento
de la información cromática, que usan estructuras de
tipo jerárquico, como el empleado por Levine CÍIDD.
Este utiliza la estructura piramidal, realizando el
proceso de segmentación generando tres pirámides de
color mas otras dos adicionales que son las de
textura y bordes. Sin embargo, este método, aunque
puede aplicarse a una imagen que ten^^a un extenso
rango de variabilidad en sus parámetros <motivados
por la inclusid'n de Isi información proporcionada por
la textura>, resulta excesivamente costoso en cuanto
a tiempo computacional. Sin embargo, sugiere nuevas
posibilidades para estudiar la información cromatica
239
en relación con otras propiedades y magnitudes de la
imagen.
FIG. III.39. Agregación espacial de clusters
23 0
NIVEL ESPACIAL
NIVEL CROMATICO
FIG. III.40. Jerarquía espacio-cromatica
U = B-Y
FIG. III.41. Definición de colores tipí
291
3,3 RECONOCIMIENTO
3,3.1 TRANSFORMACIONES STANDARD Y NORMALIZACIÓN
Tras la segmsntaclori, las partes que forman una
escena aparecen aisladas y separadas de su contexto.,
aunque., en general.. transformadas.. en posición u
forma., respecto de los posibles patrones standard.
Una propiedad de una imagen es una función de la
misma cuantificable en una forma numérica. Es decir^
las propiedades que caracterizan a una forma dada
tendrán su expresión equivalente en un conjunto de
números. De acuerdo con ello.. [Link] similares
deberán poseer las mismas propiedades esenciales
para su reconocimiento.. aun en el caso de que la
disposición espacial de ambos y las distancias y
condiciones en que fueron adquiridos fueran
diferentes en cada caso.
Podemos disting-jr dos grupos de propiedades o
características.' las geométricas.. dependientes
directamente de la forma y posición del [Link].. < como
el perímetro, centro de gravedad, ^rsa, ect.>, y las
no geométricas, que son función de la imagen en si,
< niveles de s-=nal en un determinado punto.
292
coeficientes de fourisr-, momentos.. descriptores
espectrales ortogonales.. ect. >. En general serán
deseables aquellas propiedades cuyos valores
numéricos definitorios sean invariantes ante cambios
de intensidad luminosa., orientación .. tamaño., ect...
en la imagen o porción segmentada de la misma.
En algunas circunstancias presentes en problemas
de reconocimiento^ dos segmentos equivalentes solo
van a diferir en su nivel de intensidad o en la
posición y tamaño., y entonces deben pertenecer a la
misma clase. Es decir, <aunque no en todos los
casóse, las clases son tZ'zr'radas ante cambios en los
parámetros mencionados. Por ello,se deben buscar
propiedades que no dependan de estos parámetros., o
bien normalizar los segmentos para que sean
invariantes frente a posibles variaciones de los
mismos. Existen operaciones elementales pai"5
normalizar de forma adecuada un segmento definido
matemáticamente corao una función luminosa fXx,'j'}. Por
ejemplo podemos variar su contraste sin mas que
multiplicar por un factor de escala K, Kf<.'x,y>.. o
bien realizar operaciones de traslación desde su
centro de masas <Xo.. Y o ) a cualquier otro punto
standard del plano <X1,Y1 ) de manera que la nueva
función fCx-,'/-? venga definida por fC CX-C Xo-XI )3 ..
CY-íYo-YI53>. También pueden efectuarse rotaciones
293
del segmento., una vez conocido el ángulo 9 r-especto
3 una posición standard.. sin mas que ef^ectuar el
cambio de coordenadas:
x' = X eos 9 + y sen O
y' = -X COS0 + y eos 9
Asimismo, la normalización de tamaños es una
homotecia de razón apropiada., tomando como centro de
la misma el centro de masas. Por [Link], si todos
los objetos quedan reducidos a un taraaPTo standard
caracterizado por la distancia máxima al c.d.m. <Do>
resultara que., si <Xm3x,Yma>;> son las coordenadas del
punto de máxima distancia <Dmax>.. las nuevas
cordenadas vendrán dadas por!
x' = (D /D ) X + (1-(D /D ) X
o max o max o
Análogamente para y'. Algunas propiedades como
el át^&a o perímetro son invariantes ante traslaciones
y rotaciones. Los ángulos y relaciones entre
distancias lo son ante homotecias. Sin embargo., mas
que normalizar propiedades geométricas locales, en
cuyo cálculo se puede fa'cilmente cometer errores,
debido a variaciones en el proceso de cámara -
digital ización , resulta mas conveniente la
normalización de propiedades de naturaleza global que
proporcionan descriptores absolutos, y que permiten
la deí'inicion de un objeto (o pieza > en su espacio de
294
propiedades normalizadas, por- medio del representante
de la clase de equivalencia a la que pet-t-enece o a la
que mas se asemeja.
Un conjunto de funciones [Link] permite la
caracterización de una función. Según mencionamos al
principio de este apartado.. existe un tipo de
propiedades no geométricas de la imagen que l^
definen. Entre ellas se encuentran los coeficientes
de Fouriér C8L3 , los momentos Cife3 y los
descriptores espectrales ortogonales L^fl. Los
coeficientes de Fourier <CkJ> son el resultado de la
aproximación de una función f<Xíy> de la formas
f(x,y) = z z C.-. exp(2TTÍ (k-x+jy) )
j k
Donde C]^ j viene dado por;
C^.= ^^ f(x,Y) exp(-2 TTÍ(kx+jy) ) dx dy
El conjunto de estos coeficientes C^j k,j = 0,+1..
+2.... constituye la transformada finita de Fourier
de fCx,y> y define la imagen correspondiente, aunque
representen un conjunto no finito de números que
generan un espacio de propiedades de dimensión
infinita. Estos coeficientes se ven afectados por las
traslaciones.! si efectuamos el desplazamiento
espacial lineal definido anteriormente., resultará.,
para los nuevos coeficientes:
C'^j-= //exp(-2Tri(k(x-(xQ-x.L) )+j ( y-(y^-y-j^) ) ) f (x,y )dxdy
235
*^'kj" exp(-2Tri(k(x^-x^>fj(y-Y^)) C^^
Es decir, una traslación en el plano es
equivalente a un cambio de fsse: en el espacio de
frecuencias. Una rot-acion ..8.. respecto a una posición
dada, transforma los coeficientes <Ver Apéndice 5.1>
según:
C' = C
kj kcosO+jsen9,-ksenG+JCOS 9
Análogamente, una homotecia de razones B,tx
según X e Y genera unos nuevos coeficientes definidos
por!
C' kj.= a b C ak,b]
, , .
De los resultados anteriores, concluimos que los
coeficientes de Fourier son muy sensibles frente a
transformaciones sencillas, ademas de no poseer una
rápida convergencia í \G1 . Se ha recurrido a otros
descriptores que forman un conjunto completo u a los
que se pueda truncar en un rango finito sin error
apreciable y que además presentan algunas
invariansas frente a movimientos en el plano . Entre
estoe se encuentran los momentos.. definidos por:
i Y k f(x,y) dx dy
m., = f f X-'
3i f<x,y> está sacotada., esta asimismo
determinada unívocamente por la secuencia ímjk
j,l-; = 0,1..> C-iZ-D. Los momentos definidos respecto al
29Ó
c.d.m. de la imagen son invariantes frente a
traslaciones!
i k
"^cjk"^-''^^"^o^ ^^"^o^ f (x,y) dx dy
Donde Xo = mlO/mOO e Yo = mOI/mOO. Sustituyendo
X'.. Xo'.. Y', Yo' ^ por sus valores referidos ante de
la traslación., se cumple que:
cjk cjk
En figuras que no presenten simetrías centrales.,
el uso de momentos de bajo orden permite la obtención
del ángulo de giro respecto a una posición dada. Se
demuestra í . ,1, que^ referido a momentos de segundo
orden.. el ángulo de giro respecto a los ejes
principales viene dado por;
e = h arctg (2 m^ 13/(^011 ""^0 22 ^^
La ecuación <3.73> conduce a indeterminaciones
en casos de segmentos de alta simetría. No obstante
se han desarr-ol lado.. a partir de la teoría de
invariantes algebraicos., funciones que son invariantes
frente a rotaciones, íver Apéndice 5.1.) y que han
tenido un amplio campo de aplicac:ión. Ziool, Cioi3.,
Cnn.. í'^ol. Maitra í¿il ha propuesto un conjunto de
funciones que, ademas de ser invariantes ante
237
rotaciones y traslaciones,lo son también ante
variaciones de contraste <ver Apéndice 5.2). Estas
funciones usan para su definición, alguno de los
invariantes frente a rotaciones anteriormente
citados.
Otras propiedades que se dedsjcen de desarrollos
de series de funciones ortogonales, pueden ser
normalizadas. Un ejemplo son los descriptores
espectrales ortogonales Cé73, obtenidos al
desarrollar en coordenadas polares la T. de Fourier y
cuya expresión general es de la forma:
'^nm^ ^^nJ' . l"" ^""l 2 f (r, 9 ) exp ( inG) dA
ATV -'nm - w o r
:i
n , m= 0,1,2 ...
Donde jnm son los ceros de las funciones de
Bessel y Jn la función de Bessel de orden n. Estos
coeficientes describen de manera completa a una
imagen dada, f"(.r-, Q >, y pueden s&r^ reducidos a un
número pequeño sin apreciable error. Para obtener
fácilmente invariantes frente a rotaciones, dichos
coeficientes están expresados en coorden-adas polares.
Así mismo, al estar definidos respecto al c.d.m. son
invariantes frente a traslaciones. La normalización
frente a ár-&a se consigue realizando una homotecia de
manera que la figura quede circuscrita a un área de
radio determinado, Ro.
293
3.3.2 ENMASCARAMIENTO
A continuación consideramos el uso de ciertas
técnicas básicas de reconocimiento que pueden ser
aplicadas a una escena compleja para localizar en
ella determinados tipos de elementos.. sobre los
cuales se posee un con<ctcimiento apriori . La
complejidad y condiciones de una eisa.&nB puede hacer
excesivamente dificultoso al observador distinguir en
ella un pattern determinado y separarlo del resto del
contexto no relevante. Suele ocurrir que se enmascara
la información significativa no sólo por la presencia
de señales aleatorias de diversa índole, sino por la
presencia en la escena de otros elementos de
naturaleza análoga, como es el caso de fotografías
•^íát-^si-as. escenas industriales, ect. Un procedimiento
usado para detección <que se encuentra ampliamente
referenciado en la biliografia C85],C8T], ES3]> es el
de enmascaramiento. En lo que sigue, generalizaremos
los conceptos correspondientes al caso de proceso de
formas cromaticas.
En esencia esta técnica consiste en definir
primero un conjunto de segmentos patrones Cfí,
correspondientes a los objetos que se quieren
reconocer. Dada otra imagen inco'gnita g, es preciso
299
establecer:
a^La similaridad existente entre cada segmento
patrón y las distintas zonas de g.
b>La similaridad que existe entre los distintos
segmentos patrón y los obtenidos como
resultado de una segmentacaon•
Son varias las •Tormas de medir el grado de
similaridad que puede existir entre una -Forma
establecida f y distintas regiones Ag de otra imagen
problema g. Se observa que el error cuadrático
existente entre f V <3 en una cierta región sera
minimo en aquellas zonas A de g que mas se asemajen a
la forma dada +". Por ello el error cuadratico es una
medida aproximada, en un amplio sentido^ del grado de
similaridad. Para una imagen dada por sus tres
componentes, definimos el error cuadratico que existe
entre las imágenes f y g sobre una superficie ft, por
la expresión!
3
^ . z «i ^(fi(x,y)-g^(^y))'dA,3 .,^^
Siendo"^i factores de peso para cada componente,
que supondremos en lo sucesivo igual a la unidad. Si
desarrollamos la expresión < 3 , 74 !);
e = zf f?(x,Y)dA+ zf gf (x,y)dA-2i/ f • (x, y )g • {x,y )dA
IA"- IA^ IA^ ^^.,
Cada sumando del prinier término del segundo
miembro representa la potencia de la serial de entrada
en un sentido restrictivo. Análogas consideraciones
pueden hacerse para el segundo termino con respecto a
gi <i = 1..2^3). Si los dos términos anteriores vienen
fijados^ entonces el er-iror^ será mininio cuando el
tercer termino de la ecuación <3.75> sea máximo, es
decir cuando la correlación cruzada entre f y q sobre
la superficie de aplicación sea máxima. La
correlación tzr-uzsda definida a partir de <3.75>
.. í tomando fi cero fuera del dy&a A>, caracterizada
por sus coordenadas centrales u^v^ es;
3
I f f°° f . (x,y )g(x+u,y+v)dxdy <3.75>
i=l '" ^
Puede justificarse que la ecuación <3.75:) es una
medida de la semejanza entre dos formas f y g.
También puede llegarse a esta conclusión <aunque con
ciertas . restriccionesí con el siguiente
razonamiento; supongamos señales discretas y que
dentro de un at^em A , una función gi <i = 1^2^3) puede
duaimente expresarse por;
g^(k,l)=f^^(k,l)+ n(k,l)
g^(k,l)=f2i(k,l)+ n(k,l)
Donde n<x,y> es una señal aleatoria
independiente de tipo gausiano con media O y
301
desviación o ^ Como se trata de sucesos-
independientes y n-: k, 1 > se disti^ibu^^e de forma
gausiana, la probabilidad de observar en g<>í,y>
representada a la imagen f1<x,y>.. si esta esta
presente., resulta proporcional a:
í T'' T ^ exp(-(g. d c D - f n • (k,l)) /2 a^)
1 k=l 1=1
Donde mp^ry.n]:^ representa el numero de puntos de
la superficie A. De forma análoga., para f2<x^y> se
tiene:
^ "^A ""A
T f T exp(-(g.(k,l)-f .(k,l))^/2 a^)
1 k=l 1=1
Para comparar el grado de similaridad entre g y
f1 o g y f2 se comparan sus probabilidades y se
decide por aquella que la probabilidad sea mayor. Es
equivalente comparar dos magnitudes o sus logaritmos
Pr-escindiendo de factores irreievantes en la
comparación^ resulta que.. para dos imágenes de
potencias parecidas, nos decidiremos por aquella que
posea mayor el términos
3 n iti
z z^ z^ g^{k,l) fj_{k,l)
i=l k=l 1=1
Así pues, evaluando este coeficiente para todas
las regiones A.. encontraremos la proximidad o
similitud que existe entre las formas f<x,y'> y las
distintas zonas de g<x,y). Es decir.. las zonas de
302
máxima correlaci<ín nos indican las zonas de máxima
semejanza. Las medidas de correlación normalizadas
son general isables al caso de imágenes tricromáticas
por la expresión:
3 n m
f f í 9^(1^'™) fj^(n-i,m-j)
Cfg(i,j)=
2 Z Z g (n,m) Z Z Z f (n,m)
k n m k n m
P-ar^a una mascara-imagen dada f . < i , j > <k = t.. 2,3>,
resulta que el termino zzzf es una constante. Por lo
k
tanto, se tiene que:
, ,. ., k n m ^k^"'"^^ f],(n-i,m-j)
'fg^ '-" ZZZ gj^(n,m)
Sin embargo estas expresiones presentan la
desventaja de una alta sensibilidad al ruido CíS], y
un costo excesivo en si tiempo empleado para su
evaluación en cada punto <i,j> . PsKa disminuir
tiempos computacionales.. se han empleado otros
métodos de cuantificacion del error , que
proporcionan asimismo una medida de semejanza Í'^Z 1..
C37D. Estos están basados en determinar el error por
medio de:
3
E(i,j)= Z a / I f (x,Y) -g.(x,y)| dA
k=l ^
Con "i=1.v i; En C :] se efectúa un análisis del
tiempo de proceso., que es inferior al que resulta de
aplicar las anteriores expresiones <3,77 ),<3,73>.
Psir^B cada punto de la imagen discreta gCl..J), el
303
error se evalúa por medio de:
3 n m
E(i,j)= 2 2 J: |gj^(n,m)- f j^(n-i ,m-j ) |
k=l n=l m=l
Estas técnicas exigen un posterior tratamiento
selectivo de tipo umbral de maniay^a que
1 ; si E(i,j) ^ U^
O ; en V otro caso
Donde Uf se fija de acuerdo con las condiciones
del tipo de mascara f empleado.
Se han aplicado algunas de estast¿cnicas para
imágenes tricromáticas, obteniéndose los resultados
mostrados en las figuras Aol y siguientes. Sin
embargo, se ha presentado el problema del e>íEsivo
coste computacional. La utilización de mascaras como
método rápido de reconocimiento exige que que objeto
u JTias-izsr^st se encuentren en la misma posición y posean
tamarTos análogos, pues, aunque en el método existen
invarianzas ante traslaciones, no los hay frente a
homotecias o giros. Como consecuencia, se necesitan
mecanismos previos que lleven el objeto problema a
posiciones tipo. Para la optimización de tiempos
puede recurrirse a estructuras de tipo Jerárquico,
como las propuestas por Hall et al. C373. Los métodos
alli expuestos se basan en la reducción jerárquica de
información psrs conseguir imágenes de menor tamaño.
La búsqueda se rssliza por niveles, cada uno de los
304
cuales corresponde a un tamaño de imagen dada. Solo
son objeto de búsqueda aquellas zonas que en el nivel
jerárquico inferior dan resultado positivas. Así., si
en el método descrito anteriormente son precisos
CN-M+o desplazamientos., en el método propuesto por
Hall Concluyendo los cálculos correlaciónales> se
necesitan lg<H-M+1>.. que aun sigue siendo un numero
elevado. Por ello concluimos que, salvo deter.tíinados
casos muy específicos <como son ciertas actividades
de tipo industrial que involucren un número muy
reducido de objetos a reconocer y que mantengan una
posición fija> las operaciones de enmascaramiento son
costosas, aunque se empleen procesadores de array "ad
hoc" . La solucidn mas versátil consiste en recurrir
a técnicas de reconocimiento globales como el uso de
momentos o de descriptores espectrales ortogonales
que faciliten una reducción de la información.
3 03
IV. COHCLÜSIONES Y PRINCIPALES APORTACIONES
1. Se ha realizado una formulación generalizada del
proceso de construcción de los espacios de color,
partiendo de un esp'acio cuadrimensional de entrada..
para ima'genes piañas., y generando, con
transformaciones integrales los espacios de salida.
En estos., se definene los parámetros que caracterizan
localmente el color. Asimismo, se ha realizado un
enfoque de la clasificación cromatica de acuerdo con
las ideas de reconocimiento de formas.
2. Se ha estudiado y realizado un nuevo sistema de
adquisición de imágenes en cóior a partir de una
cámara tricromática., construyendo y probando todo el
"hardware" necesario de adaptación de señal y de
Ínter face con el sistema de computadores., asi como el
"software" de control.
3, Se han desarrollado ios problemas implícitos en la
representación de imágenes en color a través de
impresoray que ha permitido converger en un
procedimiento optimizado. El procedimiento ha sido
implementado en los correspondientes programas de
ordenador., experimentando y evaluando las varias
3 06
a 1 ternat- i vas .
4. Se ha realizado un estudio t-sórico original de las
perturbaciones esperabiss en la cadena camara-color
computador, desarrollándose sistemas para su
(zoiT'SiCiszlén. Se han planteado y resuelto los distintos
problemas de presentación de imágenes blanco y negro,
con la inclusión de señales aleatorias en la
presentación y la transformación no-lineal de
histogramas. Asimismo se han planteado y resuelto los
distintos problemas relativos a filtrado espacial.
5. Se ha generalizado el concepto de umbral izacion y
se han analizado ios problemas de "clustering" con
vistas a su aplicación en procesos de separación en
espacios de color. Asimismo, se ha tratado y resuelto
el problema de umbral ización automática., por métodos
de aproximación gaussiana y polinomica de
histogramas.
6. Asimismo, se ha hecho un análisis de la incidencia
sobre la clasificación de la segmentaci'ín,
segmentación jera'rquica, técnicas de transformaciones
y normalización, asi como el enmascaramiento. La
conclusión final es que cualquier sistema para el
reconocimiento de propiedades cromaticas de utilidad
práctica, han de estar basados en el uso de
procedimientos de reconocimiento de formas., con i as
asnera1izaciones necesarias•
7. Las distintas técnicas de representación.,
segmentación y reconocimiento han sido implersentadas
en la cadena cámara coior-computador ,Se han
realizado experiencias con imágenes reales., que han
sido preprocesadas., obteniéndose resultados que son
de incidencia inmediata en los sistemas visuales de
robot-ica industrial para aplicaciones muy variadas.
•3, El logro conceptual m-ás importante de este [Link]
consiste en la idea de tratar el problema de la
identificación del color local en imágenes como un
problema de reconocimiento y clasificación en
espacios crom-á^ticos. Esta idea permite aplicar toda
una serie de herramientas formales para extraer
descriptores del color que tengan las propiedades de
invarianza frente a transformaciones standard en
dichos espacios de descripción. Se concluye que ei
problema''de la información cromática adicional de una
imagen coincide con el de la integración
multisensorial ^ de forma que dicha informacio'n ha de
ser utilizada globalmente con otras para aumentar el
proceso discriminante del proceso de identificación
en situaciones robot icas concretas, asi como para
•Bc^ler'3r- <:> o p t i m i z a r los pr-<::}C.^SQS- d e diagnóstico
30S
visual . fj~imi=mc-^ la mebologia seguida indica varias
perspectivas futuras de trabajo.. de aplicación
inmediata en el desarrollo de sistemas visuales para
robots industriales, que pueden ss^r- resumidas de la
s i cju i ente forma !
a> En lo que respecta a la adquisición da
im-ágenes cromaticas., el sistema desarrollado sugiere
un nuevo ataque del problema.. basado en la
adquisición paralela de la información cromática., y
en procesos que supongan una reducción de la
información total a [Link].
b> En lo que respecta a los procesos cromaticos
para la extraccio'n de descriptores., se aporta la
necesidad de proseguir las investigaciones
teórico-prácticas, incluyendo toda una variedad de
procesos espacio cromáticos., es decir > procesos
donde existe una influencia lateral espacial entre
los componentes cromaticos locales.
c> En lo referente a los mecanismos de
reconocimiento., procede el desarrollar • algoritmos de
etiquetado espaciales... con definición de un número
pequeño de etiquetas de zonas cromáticas, cuvos
valores sean invariantes frente a transformaciones
standard y que permita una reducción apreciable en
3 09
los espacios de descriptores de nivel ma's- alto
31 O
'I , REFERENCIAS
ABRAMOWIZ. M,; SEGÜH. I. 'ri,964>: "Handbook of
Mat-hemat-ical Functionn" . Dover Pubiications Inc.
Inalaterra•
ALBERS, J. •M.971>! "La Interacción del Color".
Alianza Editorial^ Madrid,
Zaragoza.
ALBUS. .J:S, ''1.9S1>: "Brains Behavior and
Robotics". Byte Books. McGraw-Hi11. New York.
ARBID, n.A. <.1,SB])>; "Cerebros Ma'quinas y
Matemáticas", Ed, Alianza. Madrid,
AYANT. Y..: BORG. M, < 1.974:)! "Funciones
Especiales", Ed. Alharobra, Madrid.
BAIRD, M. L, < 1.973:); "Sight I: A Computer Vision
System for Automated IC Chip Manufacture". lEEE^
tranc. SysterT?. Man and Cy_ Cybern. > vol . SMC-S, pp.
BARLOy. H. B, <1,979>; "Reconstructing the visual
Imaqe in Space and Time". Hature, vol 279^ 17. Mayo.
Pp. 189-19 0,
BASAHEZ, L. c: 1 .983 >: "La percepcicín visual en ios
Robots Industriales: Realidades y Tendencias". Primer
Congreso de Robética Industrial^ Marzo. Actas sin
numerar. Bilbao,
BERHHART. -J . < 1 . 977 > ; "La ILuminación para la
Televisión en Color", Instituto Oficial de
Radiodifusión y Televisión. Madrid.
10,- BETEHCOURT, T. <1.978>; "Teoría y Técnica de la
Televisión en Color". Instituto Oficial de
Radiodifusión y Televisión. Madrid,
31 1
REFERENCIAS
11.- eiRD. J. F,j MASSOF.. R, W, < 1 .'^FS): "A General Zone
Theory of Color and Briqhtness Vision. II. The
space-time Fie Id" . .Journal of the Optical Society of
HiTiericaj vol . 68^ numero 11^ Noviembre^ pp.
147)-14.30,
12.- BOLÍVAR. O. ';'1.9S3>; "Clusterización y Aislamiento
de Textos Adquiridos por una C3ÚQ.n-3
cámara-Ordenador". Tesina de Licenciatura
Universidad de La Laauna•
BROWN, P, K.j I...IALD. G. •'1 .964 >: "Visual Piqments in
single rods and cones of the Human Retina". Science.
144, ppv 45-52.
14,- BÜRGEAT. M.j GRALL. V,; LOTH. A. C1.973>: "Physique
et Biophysique: Biopysique Sensorieile". Tomo 3.
Masson et Cié, Paris.
5.- CALDERÓN LÓPEZ, E. <1.38CO: "Televisión I:
Fundamentos. Dispositivos, Televisión Monocroma",
E:T.S.I, de Telecomunicación. Madrid.
16,- CANTOH, H. <1.932>; "La Teoría de Momentos en el
Análisis de Formas. Formulación Tensorial.
Invarianzas y Aplicaciones". Tesis Doctoral,
Universidad de La Laquna•
17.- CANTÓN. M,t RUBIO ROYO, F,; GARCÍA ALEGRE. M, C,
<1,983>! "La Teoría de Momentos Generalizados en la
Reconstrucci>:^n y Caracterización de Formas", Actas
del II Simposium de Ingenie__ ria Bioroédica. pp.
475-481. Octubre. Madrid,
CASAS J, < 1972>; "Opt-ica" , Facultad de Ciencias.
Universidad de
9.- CÜIFFET. P,j KlVES. P, ':;Í,9SÜ>: "Reconnaissance par
un Robot de 1" ürientation d' [Link] Tridimensionels
en vue de Faches de Saisie Automatique", Syst, Anal,
Control, 14. 1. pp, 5-32,
REFERENCIAS
20.- CORHSWEET. T, H, <US7Q>: "Visual Psrcept-ion"
rtc-sdefTíic Ppess: New York •
21.- CUADRAS. C. M. >.•: 1 ,981 >! "Métodos de Aná'lisi:
variante", Ed. Universitaria de Barcelona.
CHIN, R. T.j MARLOW. C. A. < 1 . 983 >! "Aut-omated
Visual Inspection ; A survey" IEEE, Tranc. Pat-tern
Anal. Mach, Inte11.. PAMI 4, 6. pp. 557-573.
CHOU!. C, K,; KANEKO, K. < 1 .972): "Automatic
Boundary Detection of the Left Ventricle -rrom
Cineangiograms". Comp, Biomedical Res.. 5. pp.
3S8-392.
24.- DAVIS. L. S, <1,975>! "A Survey of Edge Detection
Techniques ". Computer Graphics and Image Processing.
4. pp. 248-270.
25.- DAW. H. W. <1^..973>: "Neurophysiology of Color
Vision". Physiologicai Reviews. vol. 53. numero 3.
•Julio, pp. 571-611,
26.- DÍAS VELASCO. F.; RCSENFELD.. A, < 1 . 9 S 0 ) : "Some
Metbods for the Analysis o+" Sharp'ly Boundered
Clusters" . IEEE transe. System, flan and Cybernetics.
vol 3MC-10. numero 3. pp. 519-524.
DORN. I.Ü. S.; MCCRACKEN. D. D, < 1 .974 >: "Humerical
Methods [Link] Fortran IV Case Studies" . Wiley. New
York .
D U B E S . R . .: J AIN. A . K . < 1 . 979 > : " Va 1 i d i t y St ud i es in
Clustering Nethodologies". Pattern Recognition. vol,
II. numero 4,, pp. 255-262.
313
REFERENCIAS
29,- DUDA. R, O.; HART, P. E. < 1 .373 >; "P-at-tern
Ciasif icat-ion and Scene Anaiysis" . Jhon Wiley and
Sons. Hew Vork,
30.- DUDAHI, S. A.; BREEHDIHG. K. C.} McGHEE, R. B,
<1,9?7>! "Aircraft- Identification bs-> Moroents
Invariants", IEEE transe. on C o m p w C-26j I^ pp.
39-45.
31.- EKMAN, G. •; 1 . 954 >: "Dimensión of Color Vision"
Psichology j 3S. pp. 467-474,
FALCOH, A,; MÉNDEZ, J. A. <1.9.S3)! "Proceso y
Segmentación Cromática en una Cadena
Cámara-Coloi—Computador". Actas del II Simposium de
Ingeniería Biomédica. pp, 505-510. Octubre. Nadrid.
FIASCORANO, s, G, <1.975>: "Two Dimensional
Honrecursive Filters". En Facture Processing and
Digital Filtering, Topics in Applied Physics^ vol. 6,
pp. 70-128. Springer Veriag^ New York.
34.- FORTES. J. <1.982?: "Realización y Puesta en
Funcionamiento de un Sistema Cámara—Ordenador, <con
diseñ'o hardware y soft'.oare de adquisicicín. proceso y
presentación de imaqenes digitales/". Pros.»ecto de •Fin
de cBrrizr-a: ETSII. Universidad Politécnica de Las
Palmas-.
J5.- GONZÁLEZ, R. C ; WINTZ. P, <;i,977>i "Digital Image
Processing". Addison Wesley.
56.- GONZÁLEZ RODRÍGUEZ. M.; MORENO-DIAZ. R. <1.983>:
"Modelo de Procesos Retínales de Color a Nivel
Analítico". Actas del II Simposium de Ingeniería
Biomédica. pp. 239-244, Octubre. Nadrid.
HALL. E. L,.i WONG. R. Y.j ROUGE. L. J. C 1 .976 >:
•'Hierarchical Scarch for Image Natching" . Procc . IEEE
Conf, on Desicion Control. pp, 791-796. Clearwater.
F. L.
314
REFERENCIAS
HALL. E. L,.; TÍO, J. B, K.; McPHERSOH. C, ft.;
3AD..iñNI, F. H, '-:i.932>! "fieasuring Curves Surfaces
for Robot- Vision". IEEE Computer, vol . 15, numero 12,
pp, 42-54.
39.- HÜLLAHD S. W.; UARD M, R, <1,979>! "Consight-I: A
Vision Controlied Robot Svstem for Transfering Parts
from Belt Conveyors" . En Computer Vision and Sensors
Based Robots. <Ed, Dodd G. G. ; Rossol L,>., Pienum
Press, pp. 81-100. He'...» York.
4 0,- HOROWITZ, S. L. .; PAVDILIS, T. < 1 ,974 >: "Picture
Segmentation by a Directed Spl it--and-Merge
Procedure". Procc, Second Int. Join Conf. on Patern
Recognition, pp. 424-433. Agosto. Copenhagen.
41.- HURVICH, L. ri,; -JAMEJON D. < 1 .957) "An Opponent
Theory of Color Vision", Psichological Raw., vol. 6 4 ,
6, pp. 334-4 04,
42.- HU, n, W, - n . ^ e S ) ; "Visual Pattern Recognition by
Moments Invariants" . IRÉ, trans. Inform. Theors',
IT-8, pp. 179-187,
43.- HUTSON, G, H. •ri.971>: "Colour Televisión Theory" .
McGraw- Hill, Inqiaterra.
44,- ITO, T. <1.975:>! "Color Picture Processing by
Computer", 4th. ínter, .Join Cont. Artificial
Intel 1igence, pp. 635-642,
45.- ITO, T.,' FUKüSHiriH, M. ':I.S76J\ "Computer ftnalysiS
of Color Information with Applications to Picture
Processing", 3rd. ínter. Join Conf. Pattern
Recog i t i on, pp, 333-S37,
46,- ITO, T. •::i.976>: "Pattern Clasification by Effect
Nethod". 3rd, ínter. Join Conf, Pattern Recognition,
nri , 26—3 O ,
315
REFERENCIAS
4?=- ITO, T. <1,980>: "Digital Color Picture
Processing". Proc. of the EUSIPCO-80, ÍFirst- Europsan
Signa! Processing Conference>. Pp- 71-81= Lausanne.
48,- JARVIS, L, <1,yS2>: "A Computer Vision and Robotics
Laboratory". Computer lEEEy Junio, p p , 8-24.
^9.- .JEREZ, H. <1.972>: "Fundamentos Matemáticos de la
Estadística y la Información", E.T-S. Ingenieros
Industriales. Madrid,
50.- .JUSTUS30H, B. I, •;i.981>; "Median Filtering:
Statistical Properties", En Two-Dimensional Digital
Signal Processing II, Topics in Applied Physics, vol,
43, pp,161-196. Springer Veriag, Hew York.
51,- KIHG-SUN-FÜ: <1,982>! "Pattern Recognition for
Automatic Visual Inspection", IEEE Computer,
Diciembre, pp. 34-40.
52.- KELLY, D, H. <1.965>: "Spatial Frecuency, Bandwitch
and Resolution". Applied Optics, vol, 4, numero 4,
Abril, pp. 435-437.
53,- KELLY, D, H. <1.974>¡ "Spatio-Tamporal Frecuency
Characteristcs of Color-vision Mechanisms". Journal
of the Opt-ical Society of America, vol , 6 4 , numero 7,
•Julio, pp. 983-990,
54.- KEHT, E.W. <1.9S1>¡ "The Brains of Men and
Machines", Byte Books, McGraw-Hill. New York.
55.- KLIHGER, A,; DYER, C, <1,976>: "Experiroents on
Picture Representations Using Regular
Descomposition" . Computer Graphics and TTiage
Processing, Marzo, vol. 5, numero 1, pp. 68-105,
56.- KRUGER, R, P, ; THOMPSON, W. 8, < 1,981): "A
Technical and Economic Assesment of Computer Vision
for Industrial Inspection and Robotic Assembly",
Proc. of the IEEE, vol. 69, numero 12, pp> 1524-1538,
316
REFERENCIAS
5?:- LARABEE. R, D. < 1 , 959 > ; "Spectral Emissitivit-y of
Tunqst-en" . J. Opt. Soc. Am, 49j 6j Junio, pp.
" >25.
53,- LE GRAHD, Y. <1.972>! "Optique Physiologique.
Lumiere et- Couleurs" . Tomo II, Masson et- Cíe. Paris.
59,- LEVINE. ri. D. < 1 ,969 >: "Feature Extracción: a
Survey". Proc. of the lEEE^ vol. 57j 8, pp.
1391-1407.
60.- LEVIHE, M. D. •.•:i.9.S0>! "Región Analysis Using a
Pyramid Data Structure". En Structured Computer
Vision <ed. Tanimoto, S.j Klingerj A.> pp. 57-tOO,
Academic Press•
61.- MAITRA, S, ':i.979>! "Moment Invariants" . Proc.
IEEE, 6 7 , 4, pp. 697-699.
62.- MASSOF, R. W. j BIRD, -J. F, < 1 .978 >! "A General Zone
Theory of Color and Brigtness Vision. I, Basic
Formulation" , .Journal of the Opt i cal Society of
America, vol, 68, numero 11, Noviembre, pp.
1465-1470.
MASSOF, R. I..1.; STARR, S. .J. (:i,980>! "Vector
Magnitude üperation in^ Color Vision Models:
Derivation from Signal Detection Theory" . .Journal of
the Optical Society of' America, vol. 70, numero 7,
Julio, pp. 87 0-S72,
64.- MENDEL, .J . M . ; FU, K . S . <1970>: "Adaptative Learning
and Pattern Recognition Systems; Theory and
Applications". Acad. Pr^ss. New York.
65.- , MÉNDEZ, -J. A.j F H L C O H , A. '-1,983); "Criterios de
Discrepancia y Distancia en el Reconocimiento de
Formas", Actas del II Simposium de Ingeniería
Biom^dica, pp. 439-494. Octubre. Madrid.
317
Rtt-tREHCIAS
;.6,- MÉNDEZ, .J, ft.j FALCOH. A. -CI.^SS:); "Detección y
Aislamiento de Formas en un Sistema de Control Visual
para Robots". V Jornadas de Automática/ pp .... Vigo.
;.7.- MÉNDEZ, J. A. < t , SS3 >; "Contribuciones a una Teoría
Generalizada del Reconocimiento de Formas". Tesis
Doctoral. Universidad Politécnica de Las Palmas.
MERSEREAU, R. M. <:i,9.81>: "Two Dimensional
Honrecursive Filter Desing". En Two Dimensional
Digital .^rocessing I. <!Ed. Huang T,S, ). Topics in
Applied Pht,Jsics, Vol 42, pp- 11-40. Springer Verlag,
New York.
69.- MESE, M,; YAMAZAKI, I . .i ÑAMADA, T, <).S77>: "An
Automatic Position Recognition Technique for LSI
Assembly". Proc. of the 5th. Int. Con-T. on Artif.
Intel 1., pp. 6S5-693. Cambridge.
7 0.- MILLER, G,; SHYDER, A. W. <1.973>: "Qptical
Function ot" Human Peripheral Cones". Vision Res.,
v.-o 1 , 13, pp . 21 85-21 94 .
MORENO-DIAZ, R,; SANTANA, O, <1 .979 ) ; "Computer
Programs to Implement Retinal Nodels" Int. J. Biomed.
Comp., pp. 231-234.
72.- MORENO-DIAZ, R.; RUB10, E. < 1 .979 >: "A Theoret ica1
Model for Layered Visual Processing" Int. J.
Bio-Medical Computing, <10>j pp. 231-243.
73.- MORENO-DIAZ, R,; RUBIO, E. ''1.980>: "A Model for
Nonlinear Processing in Cat's Retina" Biol .
Cyberneti es, 35, pp, 35-89,
MORENO-DIAZ, R,j RUBIO ROYO, F, <1,981>: "Toi,."ards a
Theory of Visual Processing in Vertébrate Retina". En
Applied Svstems and Cyberneties <ed, Lasker, E.> pp.
1859-1864. Pergamon, New York.
318
REFERENCIAS
75.- MUÑOZ J.j BOLÍVAR. O.; CANDELA, S, <1.983>!
"Clusterizacicín de Textos Escritos Adquiridos por una
Cadena Cámara Ordenador". Actas del II Siraposiurn de
Ingeniería Biomédica, pp. 511-516. Octubre. Madrid.
'6.- NISHIHARÁ. S.j IKEDA. W, <1 .982 > i "Fai se-Coutour
Removal by Random Blurring". Computer Graphics and
Image Processing, vol. 20, numero 4, pp, 39t-397.
NUNEZ, A. •; 1.9.31); "Teoría Unificada del Proceso y
Transmisión de Datos en la Retina". Tesis Doctoral.
E.T,S.I.T, Uní v^rsi dad Poli técn i ca. Madr i d.
'8,- ONOE, n,j ISniZüKA, ti,; TSÜBUI, K. <:i.981?!
"Real-Time Shading Corrector for a Televisión Camera
'.•.'ith a Microprocessor" . En Real Time^'^Parallel
Computinq, Imaqe Analysis <ed. ONOE, M,; PRESTON, K.;
ROSENFELD, A . / p p . 339-346,
79.- OPPEHHEIM, A. V.j SHAFER, R. W. <1,975): "Digital
Siqnal Processinq". Prentice Hall, New York,
3 0.- PADGriAM, C. A,; SAUNDERS, O, E. CI . 975 > i "The
Perpception of Light and Colour", Academic Press. New
York ,
:l,- PADLIDIS, T, <1.977>; "Structural Pattern
Recognition". Springer Series in Electrophysics, vol.
I. Springei—Verlag, New York.
32.- PAPOULIS, A, < 1.962>! "The Fourier Integral and
Its Applications". McGraw-Hi11, New York.
PAPOULIS, A. <1.972>.' "Sistemas Digitales y
Analógicos, Transformadas de Fourier, Estimación
Espectral". Ed. Marcombo. Barcelona.
34.- PIRENHE, M. H, <1 ,967>; "Vision and the Eye" .
Science Paperback 4 7 , Chapman and Hall Ltd.. Londres.
319
REFERENCIAS
85.- PRATT,. i.'.i: '.'.I. 'í 1 .• 978 > ! "DiQit-al Iroaae Processing".
•John '.".'il'sy and Sons. Heu' York,
86-.- RIHK; M. '• 1 .976 >: "ft Computer ized Quant-it-at-ive
Image ñnalj^-isis Procedure í'or Investigating Featur^s
and an Adapted Image Proces-s" . Journal of Microscopy^
vol. 107, 3, pp. 267-286.
ROSEHFELD. A.j KAK, A. C, <1,976>! "Digital Picture
Processinq" . Academic Press. He'...' York t
Í3 . - RUe 10, E, •: 1 . 979 > ; " Mo»de 1 os Ret i na 1 es
Generalizados", Tesis Doctor-a 1 . Universidad de La
Laguna, Tenerife,
89 = - RUDIH,- I-.!, <1=974>! "Real and Complex Analysis" .
NcGraw-Hi11. New York.
90 = - RUSHTON. W. A, H. < 1 ,962 .•>: "Visual Pigments in
Man", Scientific Americanj, vol. 207, 5, pp. 120-t32v
91.- 3AID, S.j WEALE, R. A. <1.959>i "The Variation with
Age of the Spectral Transmisibity of the Living Human
Cristal ine Lens". Gerentelogia 3, pp, 2t3-2í7,
92.- 3AHTAWA, O, <1.979>: "Simulación de Procesos
Retínales en Orden-sdor: Des-arrollo de un Lenguaje y
Aplicaciones". Tesis Doctoral. Universidad de La
Laguna,
¡3.- SAHTAHA, O.j FORTES. -J. .; DE L A H U E 2 , I. c:i.980>;
"Visual [Link] Isolation and Recognition by a
Camera-Computer System", Proc, ínter. Congr. on App,
Syst, Research -and Cybernet i es, pp. 24 05-2410.
ftcapulco•
94,- SAHTESNASES, J. "Cibernética y Proceso de la
Interacción Visual en ios Seres Vivos y en las
Maquinas", Real Academia de Ciencias F. y H. Discurso
In.3uqural del año -scadémico 197 0-1971.
\.' C 'J
REFERENCIAS
95.- 3CHERL. i.ü. .; WñHL. F.; FÜCHSBERGER. H. <:^11.980>:
"fiutomatic Separat-ion of Text- Graphic and Pict-ure
Segments in Printed fíat-erial". En Pattern Recognition
in Practique < ed. Gelsemaj E, S.; Kahalj L. W. ."> pp.
213-221. North-Holland Pub. Company.
96.- SHEPARD, R. H. <1.962>: "The Analysis of
Proximities ! Muí ti dimensional Scaiinq with an Unknou'
Distance Function I". Psycometrica^ 27^ pp. J25-140.
9?.- 3HEPARD, R. H. •'1.962:.'! "The Analysis of
Proximit-ies: Multidimensional Scaling wit-h an unknow
Distance Function II". Psycometricaj 27^ pp, 219-246,
SINGH, J. í-1.972>: "Teoría de la Informacicín del
Lenguaje y de la Cibernética". Alianza Universidad.
Madrid.
99,- 3MITH, C. U. M, í1,9, . )! "El Cerebro". Alianza
Universidad. Madrid.
ion,- SMITH. F. W.j WRIGHT. M. H. <:i.97i3>: "Automatic
Ship Photo Interpretation by the Method of Moments:
an Application of Feature Selection Techniques". IEEE
Conference Record of the Simp, on Feature Extraction
and Selection in Pattern Recognition^ pp. 145—154.
Arqonne, IL.^ USA.
101.- SMITH. F. W.; WRIGHT. M. H, «C 1,971.1: "Automatic
Ship Photo Interpretation by the Method of Moments".
IEEE Trans. on Comp,, C-20. pp. 1089-1095.
102.- SPATH, H. <1.980>! "Cluster Analysis Aigorithms for
Data Reduction and C1asificatión of Objects". Ellis
Horwood Pub.j Chinchester, Inqlaterra.
103.- STILES. W, 3, <1.939>; "The Directional Sensitivity
of the Retina and the Spectral Sensitivitles of the
Rod and Cones". Proc. of, R. Soc. B., 127, pp.
64-105.
321
REFERENCIAS
104.- TAHIMOTO.. S= L, .; PAVDILIS. T, < _ / . 975 > i "A
Hierarchical Data Structure for Picture Processing"•
Computer Graphics and Image Processing, vol. 4,
numero 2, Junio, pp. 104-119.
105.- TANIMOTO, S. L. <1,976>: "Picturial Feature
Distorsión in a Pyramid". Computer Graphics and Image
Processing, vol. 5, numero 3, Septiembre, pp.
333-352.
106.- TAN I HOTO, S, L, -[Link]; "Image Data Structures" .
En Structured Comput-er Vision, pp, 31-55 < Ed.
Tan i moto, S, L. j Klinqer, A. ?^ Academic Press.
107.- TUKEY, J. I...1. <1.977>! "Exploratory Data Analysis"
Addison Wesley Reading, Mass.
103,- TYAN, S. G. <1.981>! "Median Filtering:
Deterministic Properties ". Two-Dimensional Signal
Processing II. Topics in Appiied Physics, vol, 43,
pp. 197-217, Springer Verlag-New York.
105",- VOS, ..I. J.; WALRAVEH, P. L, í[Link]?; "An Analytical
Description on the Line Element in the
Zone-fluctuation Model of Colour Vision.- I Basic
Concepts". Vision Res., vol. 12, pp. 1327-1344.
110.- VOS, .J. ..!,; WALRAVEN, P. L, <1.972>! "An Anal yt i cal
Description of the Line Element in the
Zone-fluctuation Model of Colour Vision.- II The
Derivation of the Line Elements", Vision Res., vol.
12, pp, 1345-1365.
111.- I...IALD, G. < 1.945:); "Human Vision and the Spectrum"
Science 101, pp. 653—658,
112.- I..JESKA. D , S , : NAGEL, R . H . ; RÜSENFELP, A . < 1 . 974 > !
"A Treshold Selection Technique". IEEE Trans. On
Computer, vol. C-23, pp, 1322-1326.
322
REFERENCIAS
113,- 'í'ACHIDA. H , ; SABÜRO. T . < 1 . 977 > : "R versati ie
Machine Vision System for Conípiex Industrial Part-S" .
IEEE Trans. on Computers^ vol, C-26, nuíT/ero 29, pp.
,q,q2—p!94 ,
TESIS DOCTORAL
PROCESO Y EXTRACCIÓN DE PROPIEDADES CROMATICAS
EN FORMAS VISUALES
DESARROLLO DE UN SISTEMA Y APLICACIONES
( APÉNDICES )
Autor: Antonio Falcón Martel
Director: Roberto Moreno Díaz
Escuela Técnica Superior de Ing. Industriales
Universidad Politécnica de Las Palmas
Noviembre, 1.983
VI. APÉNDICES
324
6.1 ECUACIONES Y RESULTADOS
325
6.1,1 DEMOSTRKCICNES
326
a ) O b t e n c i ó n de l a c c i u i c i ó n (2.4)
E(k,A,13,i ,j = y Z. (f. . - k ( l + A ( i - i )^+B(3-j ),2s
^ ) )^2
'
.N=128
M=116
l3 k^ = LT 2(-l) G(i,j) W(i,j)= e
o
3E
OA = ¿_ H 2(-k) (i-i )^ U'(i,j)=0
'aE ::= >; 7 ' 2(-k) (j-j^)^ W(i,j)=0
•B
^ = /_ • 2(-kA) (-2)(i-i ) W(i,3)=0
•1 — o '
o - í-
ÍE
-= :_ ¿ . 2(-kB) (-2)(j-i ) W(i,j)=0
^'0.
W(i,j)= f^^-k(A(i-i^)2+B(j-j^)^+l)
^•G(i,j)= A(i-i^)2+B(ó-j^)^+ 1
üe la ecuación A.2 se tiene:
Xllw(i,j) + AÍI(i-i^)^ V.'(i,j)+BrZ(j-j^)^ V/(i,j)=0
De A.3 y A.4 en A.7 se tiene:
^^W(i,j)=0
327
i)p A . 3 , A . n y A.8 r e s u l t a :
Z^ 2'l'=kNM+kAM¿ ( i - i )^+ki)¡\ir(j-j ) "
o o
2: :•:'.(i-i )f= k M l ( i - i )+kAMZ(i-i )^\kB(I'(i-i ) " ) ( Z ( j - j )^)
o o o 0 0
:'i-^-(i-i^)^f= kMr(i-i^)^+kAM2:(i-i^)'*+kij(L(i-i^)^)(2:(j-j^)^)
T E ( i - i )f = (2:(i-i ))(kM+kB¿"(j-j )^)+kAMr(i-i )
=( l ( i - i ))(2:^f-kAMZ(i-i ) ) + kAMllíi-i )"" (A.9)
o o_ o
N
i r (i-i )^f=(Z(i-i )^)(rrf-kA¡.;i(i-i )") + k A K r ( i - i )'^ ^'^•"^^'
o
Eliminando A entre A.9 A.lü
4 ,v-/ . . ^2^2,
( N 2 ( i - i ^ ) f - i ( i - i ^ ) z : f).iNZ(i-i^r-(Y:(i-i^)'^) )=
=(Nzr(i-i^)^f-z(ixi^)^z:z-f)(Nríi-i^)^-r(i-io)ni-i^)^) ([Link]
rüembro 1 = 1 , • Ip
iacmbro I I = I . I
De A.11 s e o b t i e n e :
1^= HZií-iZDZTf (A.12)
I„= i^(4Nri^-4(ri)^)+i„(4Ii(ri^)-4Nli^)+
+ (N^i^-Í^i^)^) (A.13)
i_-i ( 2 ( i i ) ( r z f ) - 2 r ; z i i f ) + ( N r z : i ^ f - ( ; ! : i ) ^ S £ f ) (A.M)
i^=i^(2CEi)''-2Nri'')+(N?i^'-i:ii:i'') (A.15)
üe l a i g u a l d a d : I , I_= I „ I .
^ 1 2 o 4
i e s u l t a (2 4)
328
b) Cüof i c i o n t o s f1p (2 ,1)
a^3^ = 116 RRj^ D3-RRj^ RR^^.D^
a22=128(RRj^ D3-RHj^.D^)
bj=116(RRj^ D2-128D^)
b^=128(RRj^ D^-llGD^)
Ri4^=V (i-i^)4
VL>_(i-i^)2fia
V'^lí^-Jo^^^ij
329
c) Influencia de las rotaciones en los coeficientes de Fouricr
Los coeficientes C., de Fourier vienen dados por la expresión:
C = i i exp (-2ri(jx+ky))f(x,y)dz dy
Si expresamos en coordenadas polares la expresión anterior
(x=r cosV; y=r sen'-f) resulta:
C.j^=|í exp (-írí jcos +ksen Y ))f (r, íf ) rdr d^^
'^- 2írL
Si se somete f(r, '•') a una rotación arbitraria JS", se verificará;
C ,= ;1 exp(-Ir(jcos/ Cf+0)+ksen( ^ + 0 ) ) )f (r ,<P)rdr d^^ =
= 1. e x p ( - ' í r ( j ( e o s ' f c o s / í - s e n ^seny5)+k(sen 'Pcosí^cos f* senjií))
f (r , ^ )rdr ds" =
= i e x p ( - ! l r ( c o s "^ ( j c o s í ^ k s e n 0 )+senf' (-jsen0+kcosí5) ) )
f{r, ^)rdr df = C. ., , , . ^ , ,.
/ i jcos>c-+ksen>9, -gsen0+kcos0
330
6.1.2 INVARIANTES
331
a) I n v a r i a n t e s frente a rotaciones
^1= '"20'"'"02
^2= ^ '"20""' ^02 "^ ^ " ' í l
13= ( ni3Q-3mj^2 ) + ( ^m^i-mQ^ )
4= ( m3Q+ini2) "t ( ni2i+mo3^
I 2
5= ( m3Q-3mj2Í ^ '"30-*-"'l2^ ^ ^ '"30'''"l2^ " ^í"'21+'"03)^ )
+ ( 3m2j-mo3 ) ( m2i+nio3 ^ ( 3 ( m 3 o + m i 2 ) ^ - ('"21-^'"03 ^^ >
Ig= ( ni20-"'02^ ^ ^ ' " 3 0 ' ' ' " l 2 ^ ^ - ^'"21-'"'o3^2 ^ "^
17= ^^"'21"'"03^ ^"'30-''"l2^ ^ í"'30'''"l2^^~^^"'21-''"03^ ^-
-(m3Q-3m^2^^"'21-'"'03^^^^'"30-*^'"l2^^-^"'21-''"03^^ )
b) Invariantes frente a cambios de contraste
^2= I3"'0C/ ^^1^2^
^3= ^4 / H
332
6.1.3 RESULTADOS
333
íjfffai,
ili i-=á-
FIG. A.l, Componente Y de imagen problema.
.¿BU*!.. :
•iag^
K5Si,p?syísji •iívílt^^í^-'*^'";
FIG, A,2. Componente B de imagen problema.
334
fe:
mm^l
:.:mm •mm
FIG. A.3. Componente R. de imagen problema.
¡»
FIG. A.4. Componente Y máscara a reconocer.
335
'^mr^ >
WilKÍíi;^
l'lG, A.5. Componente R máscara a reconocer,
:'r-i^¥:
FIG. A,6. Componente B máscara a reconocer,
336
FIG. A,7, Resultado de una operación de enmascaramiento
donde se aprecian las zonas de máxima semejanza.
FIG. A.8, ídem anterior urabralizadao
337
FIG. A,9, Componente Y imagen ejemplo.
FIG. A,10, Componente R imagen ejemplo,
338
;;«;::i!::2:iíí!!'*;:: '
• •v:;iS;:ji;:;i!:i:!r;iiM:::!i;-:rv;iiJi;ííS:í:;;lf '
•í5fc3í::S:i:!:;:::5::::;í::.;.:::::::í:::::::jiü¡,,
:.;Í:)SJÜ.U:;ÍS!:::J.\::ÍÍMVVVVV
•3.l4:"-v5r'iv;'-sy;":;"á:';*:í-'
•""••'••••!.:!: Ji
FIG, A.11, Componente B imagen ejemplo,
FIG. Aol2, Clusters en el plano de luminancia nula.
339
•s
FIG. A , 1 3 , C l u s t e r núm. 1 ,
" ^
FIG. A . 1 4 . C l u s t e r núm. 2,
340
FIG. A.15. C l u s t e r núm. 3 .
341
6,2 PROGRñMñí
342
C'PERrtCIüit: GEÍHEKH E IrlPRlriE 'JÍÍH F Ü H C i Ori 2 = 2'.'/.,'i''}, DÜML'E
.••: E ¿ LR C Ü D R Ú E . M H C ' H H O R I Z Ü r l T p . L '.UE'lvE O A 131 , ),
'í' E 3 L H CÜ üR D E í<H f'H '•/ E R T I C HL 'i í>Eo DE O A 1 1 9 . ^J Y
2 ES E L H I '•,•'EL C'E GR I S •:' [ ' E 3 O E ú . HE GRO . A 3£• . ..
GLrtt-iCO > .
LA F ü H C I Ü H Z';.... V ' VIEH.E S u r l I M I STRAL'i^ POR LA
SUBRUTIM.A P I C F H ,
úriTÚS C'E EUTRHDA; HIHGÜHO
DATOS L E S H L I D H : FICHERO "PICTÜRE"
; FüRMATÜ DE L L A M A D A : .PICGN; PICGN
JSR 9. PICGN
; 3UBRUTINHS UTILIZADAS;
.EXTH PIXEL ; CÜLOCA UN P I X E L EN P I C T Ü R E
.[Link] IPIXEL j INICIALIZA P I C T Ü R E
.EXTN FPIXEL j F I H A L I Z A C I O H DE P I C T Ü R E
,EXTN IMPIC ; IflPRIME P I C T Ü R E
,EKTN PICFH ; GENERA Z = Z < X , Y >
.TITL PICGH
.ENT PICGH
HKtL
PICGH S iA -i / SVHCO DIRECCIÜH oE RETÜRr-JÜ
3UBZL \> y = 1, Nú INICIAL ICE "'PICTU
.J3R M PIXEL IHICIALIZACION
LDH ú H\20 NO . V
3TÁ ú CTRY , INICIALIZA
3ÜB ú. 0 0
3TA 0, Y INICIALIZA
i LOÜP LOA 0 H132 HG . X
SI A Cl, CTRX I NIC I AL IZA•
SUá Ü. Ú 0
3TA 0. j<; INICIHLIZH
.LOUf- LDH 2 ^X Y Z T B PTR XYZ
JSR y PICFH C A L C U L A Z E N F ü H CI Ü N D E X . Y'
JSR 1? PIXEL COLOCA PUNTO
I3Z J<¡ SIGUIENTE X
DSZ cz•RX ULTIMA X •'>
JPl? [Link]ÜP HUEVA X
ISZ 1 SIGUIENTE Y
DSZ CTRY ULTIMA Y ?
JHP YLÜÜP HUEVH Y
JSR [Link]
JSR y,IMPIC
JriP eSVACS ; RETORNA
•'r-lCj' ; U
IPIXEL; IPIXEL
PIXEL: PIXEL
343
FPL•^EL FPí^^:EL
i f'í t^ 1 G '. I rl P IC
P 1 CFH: PI CFr^
HUMERO DE COLÜMrihi DE PÍKELi
:Ii1 Ú ; t¿! HUMERO DE FlLHi [Link]-
PIKELS
; CÜÍ-ITHDÜR X
LTftY: Ú j CÜMTADÜR V
:;vZTB; .+i ; FÜHTERÚ DE LM T A B L H H Y Z
; C O Ú R D E H H D H H O R Í Z Ü N T A L <Ú A 13!
; COORDEHADA VERTICAL <O A 1 1 y. )
; TÜHÚ DE GRIS <ü A 36.)
,EHD
344
.: I M P R E S I D M DIRECTH L'E FUTO
; üPERrtCIÚH; L E E E L F I C H E R O ">^ÜTÜ" S O B R E M E H Ü R I H , C R E M E L
F I C H E R O "PICTURE" L O R R E S R ü H D I E H T E r LO IMPRÍMh
C O H E S C A L M D O D E £• R L I D H R R •"! P O R C IO M H L A L C' E
ENTRrtDri.
: Ü H T Ü S DE. E N T R H D H ; FICHERO "FOTO"
; DATOS DE SALIDA; FICHERO "PICTURE"
; SUBRUTIMAS U T I L I Z H D A S ;
.EMTN PICGH ; GENERA E IMPRIME "RICTÜRE"
; MOTA; SI NO EXISTE "FOTO". RETORNA
.EHT IMAÜ[Link]
.HREL
; PUNTO INIClHL DE EJECUCIÓNi
START; SUb 1,1 ; MA3K A O
LDA 0,,FFOTO .: BYTE PTER
.3Y3TM
.UPEN 1 j ABRE "FOTO"
JhP RETURN ; 31 ERROR., RETORNA
LD^, Ú,,ÍMAGE ; WORD PTER
ADD ü,O j BYTE PTER
LDH 1,NBVTE
.SV3TM
. RDS 1 L11 M E 'J I O "FOTO'
JMP RETURN
. SYSTM
. CL03E 1 .! CIERRA "FOTO"
JHP RETURN
9-PICGN ; CREA "PICTURE" Y Lü IMPRIME
RETURN
.RTN ,3Y3TM
JMP ; RETORNA
JHP .+1 ; 31 ERROR., PARA
; STOP CPU
INAGE: IHAGE : PUNTERO
PICGN: PICGN
FFOTO; .+1^*'2
. [Link] 1
.TXT ".'^OTO" ; ,*^ICHERO CÜ.N TONOS DE GRIS ENTRE
. ,-, K., •-, c c
HUÍMG = 123,*116 ; NO, VE úíORDS QUE FORMAN
; UNA IMAGEN COMPLETA
r-iSYTE; N.. I.-'IG
I H A C E : , £_.< NIJIMG.''2 ; M E D I H IMAGEN
345
+1 f J ti I I c H Ic h
O T P H r l E ü l H IrlRGEiJ ÜbA r^ríKH
G E tí £ R R R P I C T ü R £ .'
t-'Aü STHRT
346
h I N H L I ^ H L lüM Dt LH SÜBKÜIÍMH PD'.i
'PICTüRh
LO CIERRA,
Í'HTÜS üh hH I RHL'H ;
.EKTN HBZM ; Hü , OE E:VTES POR 2ÜHH
.E-<TN BLÜCK ; DIRECCÍÚN INICIAL DE L M Z Ü H R
; MENOR IH
,E.-<;TN ZONrt j NUMERO (DE O A ? .> DE LA ZONA DE
; "PICTURE" EN MEMORIA
DATOS DE SALIDA: FICHERO "PICTURE"
FORllATÜ DE LLAMADA ; ,FPIKE; FPIh'E
JSR [Link]
SUBRUTIHHS UTILIZADAS;
ERMES ; SUBRUTINA DE PRESENTACIÓN
.TITL FPIXEL
.ENT FPIXEL
. EXTD ERMES
.EXTD MPVU
•TKTM 1
CANAL DE -PICTüRE" = ú
LHPÍC = U
NREL
3TA 3 , S V A C 3 .; DIRÉ C C I O N D E R E T ü R H O
LDA 1,y,ZONA ; ZONA A ESCRIBIR
LDA 2..HBZH ; NÚ, oE B Y T E S POR ZONA
JSR iJnPYÜ ; ACú,.^C1 = 3VTE PTER EN FILE
,SY STM
. 3P CHPIC .; PÜSICIOHA
JMP ERRÚ1
LDA Ü,tí.BLÜCK .1 BYTE PTER
MOV 2,t .; Nü , DE BYTES POR ZONA
. SY TM
. yRS CHPIC ; ESCRIBt ULTIMA ZONA
JMP ERRÜ2
.SVS
.CLD CHPIC CIERRA "PICTURE"
JMP ERRO3
tfSVACo ; RETORNA
JMP
t i P R i'.n : JSR •i E ,•<h b S ; P R h •;• t ti I ,A C I O h Db M b r-í S fí J c. D fc b Rf-í OK
.TXT "ERROR SPOS< 1 5 :• "
ES.R 02 : JSR yERMES
,TKT "ERROR iiJRS< t 5 > "
ERR03; JSR INERMES
.TKT "ERROR CLÚ3E<15>"
r^B2H: HBZH ; Nü . DE &VTES POR ZüítH •. = 1 1 38O , .J
ZOrÍH ; ZÜHH ; ZüNri EH f l E M O R l H
¿LOCK ; 3LÜCK ; BYTE PTER DEL 3UFFER DE ZOHA
:.vnC3; ü .; DIR£CCIÜr-l DE RETORMÜ
. END
348
CÜLÜCH U N PII'ÍEL L'HLiAS LHS C O Ú R D b H H D H S ?<.. Y Y t L T O H Ü Dt
G R I S Z.
ü P E R H C I ü r J ; G R h B H E H " P I C T U R E " L O S C O [? IG O S [;• E I rl P R E S ü R A
I; TOMACiOS D E " T H B L H " ) C O R R E S P O N D I E N T E S A L O S
T O N O S D E G R I S Z., C O N L M F I H H L I D H D D E Q'JE
SEHN IMPRESOS,
D I V I D E " P I C T Li RE'' E N 8 20 í-i 9 3, rl A N T E rH E N D O U N A
EH M E M Ü R I H ,
DrtTÜS D E E N T R A D A ;
.EXTN NLZN NUMERO DE LINEAS POR ZONA
•EMTN NBZN NUMERO DE BYTES POR ZONA
NUMERO DE UORDS POR ZONA
.EMTH HULH TABLA DE TONOS DE GRIS
.Eí<TH TABLA DIRECCIÓN INICIAL DE LA ZONA EN
.EXTH BLOCK MEMORIA
AC2 = XYZPTR
.XYZPTR; X COORDENADA HORIZONTAL
(DE O H 131,)
COORDENADA VERTICAL
CDE O A 191 . )
TONO GRIS
<DE ú A 36. >
DATOS DE SALIDA; FICHERO "PICTURE"
FORMATO DE LLAMADA: .PIAEL; PIXEL
J3R [Link]
SUBKÜTI.'-IAS UTILZADAS; ERME3 ;MENSAJES DE ERROR
Í[Link]',' ; LI3. MATEN AT
TITL PIXEL
E'AT PIXEL
,EKTD ERMES
,E:aD DIVI,MPYÜ
, ENTN MPY
. T rí I M 1
C A N A L Dt. P I C I Ü R L = O
NLINTABLrt = d
D H I Ü S : ^ C 2 = P T E R T A B L A ;<:YZ
DESPLAZHMIENTDS EN._LA TABLA XYZ
ü =< X =< 1 3 1 , H O R Z Z ü N í A L
ú = •^i Y = <i 1 1 "3 . V E .R TI C H L
O =< Z =< 3b ,
NIVEL DE GRIS;
ü => NEGRO, 3 ó . => BLANCO
C H P IC
. NREL
349
P I X E L : OTH 3,3VAC3 DIRECCIÓN DE RETOñí-lü
3TA ¿L, XY2P PUNTERO DE LA TABL.M XYZ
LOA 1 Y ^ AC1 = V
LOA 2, ,ML2N Nü . DE LINEAS EN UNA ZONA
JSR C-DIVI AC1=ZPÜS, ACü=LINEA
LDA [Link] .: ZONA ACTUAL EN MEMORIA
STR Ú,YPTR SAVE LINEA
•5UB# 3.1,3NR C O M P H R A ZPÜ3 Y ZONA
JMP MEMPIX IGUALES
STA 1 , L" . ZOHA ; SAVE NUEVA ZONA
MÜV 3, 1 ZONA ANTIGUA
LDA 2..HB2H NÚ. DE BYTES POR ZONA
JSR L-MPYU ACÚ,AC1=BVTE P T E K EN FILE
,3Y3TN
,3P03 CHPIC POSICIÓNA
JMP ERRÚ1
LDA [Link] j BYTE PTER
NOV
.SY3TM 2,1 ; NO, DE BYTES POR ZONA
.UR3 CHPIC ; ESCRIBE ZONA ANTIGUA
JMP ERR02
LDA 1,ü,2ÚNA ; HUEVA ZONA
JSR eClPYU ; AeO,AC1=BYTE PTER NUEVA ZOHA EN FIL
.3Y3TM
.SPÜS CHPIC j P03ICIONÁ
JMP EP>RÜ1
LDA [Link] j BYTE PTER
MOV 2,1 ; NO, DE BYTES POR ZONA
.3Y3TN
.SDo CHPIC ; LEE: NUEVA ZONA
JMP ERRÚ3
MhHPIX LDA 2, XVZP ; AC2 =* PUNTERO TABLA XYZ
LDA 0,Z,2 TONA Z
MOVZL 0, 1 AC1 = 2=«Z
ADDZL 1,0 ACÓ = Ó*Z <HLINTAeLA:)
.LDA 1 , I?. TABLA
MOVZR ; BYTE PTER
1.1 UORD PTER
HDD 1 ,0
STA PTER P I X E L . E H TABLA
O^TBPTR ALMACENA PUNTERO
LDA 1,YPTR
MOVZL LINEA
1, O ACÚ = 2*LINEA
ADDZL Ú. 1
LDA 6+LINEA •
0 , .^, 2 TOMA í<
LDA 2,[Link]
MOVZR ; BYTE PTER
2,2 WORD PTER
MOVZR 0, O UORD PTER, CY=1 => BYTE MENOS
SIGNIFICATIVO ES PIXEL
ADD 2, O OFFSET EN ZOHA
LDA Z, .NULN NO. UIORDS POR LINEA <=bó,>
MPY MANTIENE EL VALOR DEL CARRV
MOV 1 ,2 AC2 = PTER WORD DE PIXEL EN ZONA
LDA 1,MA3K 37?
MOV 1,1,3ZC CY=1 => BYTE MENOS SIGNIF.
COM 1, 1 MA3K=177400 => BYTE MENOS SIGNIF
LDA 0,N6 6
STA 0,CTER 6 BYTES POR PIXEL
LüúP : LDH u. U , i ; iJúRD EN Z Ü H H
HND t, 0 ; ENMASCARADA
LDA 3, yTBPTR ¡ WÜRD EN TABLH
ISZ TBPTR S I G U I E N T E CÜC'IGÜ EN TAbLA
CÜM 1 .1 C O M P L E M E N T A MASK
AND 1 ,3 BORRA BYTE ANTERIOR
CÜM
AHÜ 3. Ü
ADC >i / ü AC3 OR ACÓ => A C Ó : COLOCA
NUEVO CÓDIGO
3TA 0, 0,2 ESCRIBE UúRD EN ZONA
CÜM 1 ,1 REPONE MASK
LDA 3, , NldLN ; INCREMENTO DEL PUNTERO EN LA
3, .NldLN
ZONA EN M E M O R I A
ADD 3, 2 S I G U I E N T E LINEA DENTRO P I X E L
DSZ CTER FIN DEL B U C L E ?
JMP LOOP N O . E J E C U T A DE NUEVO
JMP QISVAC3 RETORNA
ERftúl: JSR SERPlES j 3ÜBRUTIMA DE M E N S A J E S DE ERRDR
.TXT "ERROR 3 P 0 3 < 1 5 > "
E R R 0 2 ; JSft ÜERMES
.TKT "ERROR ÜKS<Í5>"
EKK03I JSR SERrlES
.Tí<T "ERROR RD3';i5>"
,HLZN: NLZ.N NO, DE L I N E A S POR ZONA ( = 1 5 . )
.HBZN; NBZN NO, DE BYTE3 POR ZONA O I B S O . )
•HULN: NÜLM NO, DE UIÜRD3 POR LINEA < =^66 . >
.ZÜHA! ZUNA ; ZONA EN MEMORIA
.BLOCK ; BLOCK ; BYTE PTER DEL BUFFER DE ZONA
.TABLA ; TABLA ; BYTE PTER TABLA TONOS
MASK: 377 ELIMINA BYTE I Z Q U I E R D O , C O N S E R V A N D O
EL DERECHO
Hb; HUMERO DE L I N E A S H O R I Z O N T A L E S POR
P I X E L EN IMPRESORA
KYZr^: U ; PTER TABLA X Y Z
YPTR: ú ; P O S I C I Ó N Y DENTRO ZONA
TBPTR: O .: PTER TABL.'í TONOS
CTER: ú ; CONTADOR LOOP
SVAC3: ü ; ADDRESS RETORNO
EHD
351
; CALCULÜ DE TONO DE GRIS P H R A I M P K E S Ü R H
ÜPERHCIÜH: C H L C U L A 2 = Z'; X ..
V .) TOMO DE GRIS COMPRENDIDO
ENTRE O Y 30, H PARTIR DE UNA IMAGEN EN
MEMORIA DE TONÜS DE GRIS CüMPREHDIDÜS ENTRE
O Y 37?, ALrIACENADA A PARTIR DE "It-'.AGE".
RETORNA EL MISMO AC2 DE ENTRADA,
DATOS DE ENTRADA: PRIMERA MITAD DE "FOTO" A PARTIR DE
IMAGE
DATOS DE SALIDA; SI Y >= YMED, SEGUNDA MITAD DE "FOTO"
A PARTIR DE IMAGE
H C 2 = KYZTAe
XYZTAB:
FORMATO DE LLAMADA; .PICFH; PICFN
JSK e,PICFN
3IJBRUTINA3 UTILIZADAS; MPYU <MATH,LB>
NOTA: FLAG HA DE INICIALIZAR3E A O POR UN PROGRAMA
EXTERIOR, ANTES DE PROCESAR CADA NUEVA IMAGEN.
.TITL PICFN
.ENT PICFN,FLAG
.EKTN IHAGE ; 1/2 FOTO.. FLAG = ú => PñlrlERA MITAD
.EXTN HPYU ; SU5RUTINA DE MULTIPLICACIÓN
.NREL
PICFN: 3TA 3,SVAC3 ;DIRECCIÓN DE RETORNO
3TA 2,XYZPTR ; [Link] TABLA KYZ
LDA Ü, Ú,2 ;X
LDA 3,XMAK
3üBZ# 3,0,SZC ! K < KNA.-Í ?
JMP ZZERO ; X >= XMAK
LDA 1.1,2 ; Y
LDA •3,XHAX
SU8Z# 3,1,3ZC ; Y < YMAX V
orlP ZZERO ; Y >= Y M M X
LDA 3,FLAG
ADD 3,1 ; CORRIGE COORDENADA Y
LDA 3,YMED
SUBZ» 3,1,3NC ; Y >= YMED ?
v'^P CÜNTI ; Y < Y M E D : CONTINUA NORHALMENTE
SEG 3,3 ; -YMED
STA 3,FLAG j <FLAG>=-YMED
.3YSTM
•GCHN ; TOMA EN A C 2 ÜN CANAL
. .••uj
; SI E R R O R , PARA
352
3UB 1,1 J
LDR O, , FFÜTü ; BYTE PTER DE "FOTO"
,3Y3TN
.ÜPEH 77 .; ABRE "FOTO"
JMP j 31 ERROR, PARh
LDH 1 , NBYTE ; MEDIO "FOTO"
3UB ü, O ; O
.3Y3TM
, 3PÜ3 77 POSICIONA tH LA MITAD Db. "FOTO"
JMP ; SI ERROR. PARA
LDA 0>.IMAGE .: UÜRD PTER DE LA ZONA DE MEMORIA
ADD 0.0 ; BYTE PTER
.SY3TM
, RD3 77 ; LEE SEGUNDA MITAD DE "FOTO"
JMP ; 31 ERROR, PARA
.SY3TM
. CLÜSE 77 ; CIERRA "FÜTQ"
JMP ; 31 ERROR., PARA
LDA [Link]
LDH Ú, Ú , 2 ; X
LDH 1,1,2 ; Y
OH TI M0''/3 1.1 ; Y*4 0 0
MÜVZR 1.2 j Y*2úO
ADD 0,2 ; K+2 0 0*Y
LDA O,,IMAGE
ADD 0,2 ; ADDRES3 (í<!,Y>
LDA 1,0,2 ; Z <EHTRE O Y 377!)
LDH 2,H37
J3R GMPYU ; AGÍ = Z*4ÜÚ í Z' ENTRE O Y 3Ó. >
LDA 0,MA3K
AND Ú,i ; ELIMINA "DECIMALES"
M0V3 1,1 ; Z
LDA 2,.MYZPTR
3TA
1,2,2 ; GRABA Z
JMP
eSVACS ; RETORNA
:2£R0: LDA 2,KY2?TR
3U8 O, O ; Z = 0 31 ?< O Y EXCEDEN LOS LIMITE;
3TA 0,2,2 ; GRABA Z
JMP e3VAC3 ; RETORNA
ÍVAC3: ú ; DIRECCIÓN DE RETORNO
;VZPTR! O j PUNTERO EN TABLA X,Y,Z
i'\-^' ¡ ji' ; NUMERO DE POSIBLES TONOS DE GRIS
; EN IMPRESORA
flrtSKi 1774Ü0 ; MÁSCARA DE LA PARTE ENTERA DE Z
.TííTM 1
FFDTÜ: , + t •+ 2
. T:-ÍT "FOTO" ; FICHERO EN EL QUE SE ENCUENTRAN
; LOS PIKEL3 DE VALORES ENTRE O Y 255,
rrihD; lié, /2 ; VALOR MEDIO Í'E LA COORDENADA
; VERTICAL Y DENTRO DE "FOTO"
rJ&'í'TE: 11b.* 123 ; HUMERü DE BYTES DE L H HITAD
; DE "FUTO"
FuriG CORRECTOR DE V EN MEMüRIrt
VALÚRtS P Ü S I t í L E S ;
O — > PRIMERA MITAD DE "FOTO"
-<YMED> - - > SEGUNDA MITAD
KnñXi 128 VALOR MAÍÍIMO DE LA COORDtNADtt X
VHAX; 116 VALOR MAÍÍIMO DE LA COORDENADA Y
¡MAÜE IMAGE DIRECCIÓN DE LA PÜSICION INICIAL
EN MEMORIA DONDE SE ALMACENA
MEDIO FICHERO "FOTO"]
.END
354
5ÜBRUTIHA DE I NICIAL I2HCÍOH DE L H S Ü B R Ü T I N H P I X E L .
ÜPERHCICIN: L E E " T H B L H " DE NIVELES DE GRIS,.
I H I D I H L I Z A " P I C T Ü R E " A BLANCOS SI A.C2=0.
LEE LA ZUNA ú, INICIALI2A ZONA=0
DATOS DE ENTRADA: AC2
DATOS DE SALIDA; TABLA DE TONOS
ZONA ü DE "PICTURE"
FORMATO DE LLAMADA; .IPIXEL: IPIKEL
..ISR I? , IPIXEL
3UBRUTIHA3 UTILIZADAS; ERMES
NOTA: "PICTURE" QUEDA ABIERTO,
.TITL PIXEL
.EKTN BLÜCK
.EHT I PIXEL
.EfíT NLZN,NBZH.. NULN
.EHT TALBA,ZÜNA
.EXTD EftMES
. TMThí 1
; HÜ. DE LINEAS EN TABLA = 6
.: NO, í>£ TUNOS DE GRIS = 37,
; CANAL DE "PICTURE" = O
ChVIC ú ; CANAL DE PICTURE
NL2H 15, ; NO, DE LÍNEAS DE PIHELS POR ZONA
,HBZN 132,*90. ; =11880,, NO. DE BYTES
j POR ZONA
HWLN óó, ; NO. DE UI0RD3 POR LINEA DE PUNTOS
NREL
ZONA: ; Nú, Db LA ZONA EN MbClORIA
TABLA; . TABLA^Í<2 . ; BYTE PTER TABLA TONOS DE GRIS
.E.LÜCK: BLOCK ; NO. D£ bJORDS POR LINEA DE PUNTOS
IPIXEL; 3TA 3.3VAC3 .; DIRECCIÓN DE RETORNO
3UB 1,1 ; NA3K A Ú
LDH
[Link], ; BYTE PTER FILENAME
.SYSTM
.RÚPEN CHTAB ;HBRE FICHERO "TABLA"
JMP ERR01
LDA O,TABLA ; BYTE PTER TABLA
LDA [Link] .: NO. DE BYTES
. SYSTM
.HVó CHTAB ; LtE TABLA TÜHÜS DE GRIS
JMP ERR02
.SYSTM
.CLüSE CHTAB ; CIERRA FICHERO
JMP ERR03
¿UB 1,1 ; AC1 = O
LDñ 0,PICTIJRE .: BYTE PTER .^ILENAME
.SYSTM CHPIC ; SE DEJA ABIERTO
. UPEN ERR04
JMP O^[Link] .: BYTE PTER
LDH 1 , .HB2H NO. DE BYTES POR ZONA
LDH 2,2,3ZR INICIALIZA PICTURE 31 ¿<C2 = O
MOV NO INIT NO INICIAL IZA
JMP 3;BLrtNC0 ; 2 BYTES BLANCOS
LDH 1. 1 IJORDS POR ZONA
MÜV2R 1 . 1 -NUMERO DE WQRDS POR ZONA
0,2 UORD PTER
BLGOP HEG 3,0,2 ALMACENA BLANCOS EN ZONA
MOVZR o o PTER
3TA 1,1,SZR CTER
IHC BLOOP TODA LA ZONA
INC 1,.NBZN Ng. DE BYTES EN ZONA
JMP 2, 2 _o
o o -8, CTER ZONAS
LDA
ZLÜOP ADC2L
CHPIC ; ZONAS A BLANCO
ADOZL ERR05
.3Y3TM CUENTA
.UIRS ZLOOP EJECUTA DE NUEVO
JMP NÜREAD NO HACE FALTA LEER
HÜIHIT IHC
JMP CHPIC ; LEE ZONA ú
JMP ERRÚ2
HÜREHD Ú, ü ú
.SYSTM Ú,ZONA LA ZONA INICIAL ES O
• RDS ySVAC3 RETORNA
JMP
ERROI 3UB líERMES
3TA •' I p T S(¡ £ \_ ERROR RÜPEN<Í5>"
EñRú2 JMP y £ ,R M E S
JSR " I.^^IMEL ERROR RDS<15>"
ERRÚ3 .TXT iíERMES
"IPIXEL ERROR CL0SE<15>"
ERRÚ4 JSR tíERMES
. T.^<T
"IPIXÉL ERROR 0PEN<15>"
ERRÜ5 JSR
tfERMES
. TXT
"IPIXEL ERROR UR5<15>"
JSR
NE I ABLA ;
.TXT
3? . •¡«0*2 ; NO. DE BYTES DE TABLA
JSR
LH 1 Atí .TXT U ; CANAL DE TABLA
. H3ZN NBZN ; N U M E R O Db BYTbS POR CADA ZONA
; POR CADA ZONA DE P I C T U R E
bLANCO= IBWiBS' + O ; CÓDIGO BLANCO PRINTRONIX
I HbL . + 1*2
,TKT "THBLH" ; FICHERO DE T H B L H DE
; CÓDIGOS DE IMPRESORA D:
; LOS 3?. TONOS DE GRIS
.PICTURE: . + 1=*2
.TXT "PICTURE" ; FICHERO DE CÓDIGOS DE
IMPRE30RH QUE COMPONEN
UNA IMAGEN <DIVIDIDA EN
3 ZONAS DE NBZH BVTES>
SVAC3 ; DIRECCIÓN DE RETORNO
.TÁBLH: ,BLK 37. +0 ; ALMACENAMIENTO DEL
.; FICHERO "TABLA"
,EHD
357
ÜPERACIÚN: A D Q U I E R E R TRAVÉS DEL DIÜI TAL!ZADOR DE
IMÁGENES 2b ÚA. UNA P O R O I OH DE LA IrtAGEM
T R A N S M I T I D A POR LA C A M A R H , ESPECIFICHDA
POR LOS D A T O S DE E N T R A D A , úüE PERilITEN
DEFINIR L A P O S I C I Ó N , N ' J M E R Ü DE P I X E L S Y
R E S O L U C I Ó N DE LA IMAGEN R A D Q U I R I R ,
DATOS DE ENTRADA:
ENT KU COORDENADA HÜRIZONTftL DEL
LADO IZQUIERDO DE LA
IMAGEN A ADQUIRIR
<ENTRE Ú Y 5 1 1 . )
.ENT YO COORDENADA V E R T I C A L
DEL LADO SUPERIOR
(ENTRE O Y 579.>
.ENT NX NO, DE C O L U M N A S
.EHT NY NO. DE LINEAS H O R I Z .
.ENT INCX DISTANCIA .X E N T R E DOS
PUNTOS S U C E S I V O S
.ENT INCY ÍDEM PARA Y
DATOS D E SALIDA; IMAGEN D I G I T A L I Z A D A A PARTIR DE
LA D I R E C C I Ó N " I M A G E "
CV=1 <=> ERROR EN LOS DATOS DE E N T ,
FORMATO DE L L A M A D A ; .GZONA; GZONA
J3R e,GZONA
SUBRUTINAS U T I L I Z A D A S ; MPY ; ([Link])
NOTA; EL D I G I T A L I Z A D O R DEBERÁ TENER EL INTERRUPTOR
EN P O S I C I Ó N "RUN"
.TITL GZONA
.EHTN IMAGE,MP Y
.ENT GZONA
, NREL
ONH : 3TA 3,SVAC3 J ALMACENA RETORNO
LDA
LDA 1,XMAk / < }28 , )
ADCZ 1,0,SZC
[Link] l?3VAC3 RET SI Ni--; >= 123. ,
D E V U E L V E CY=1
«DD 0, 1 NX-1
LDH 2, INC.X
LDA ú, K Ú
MPY i A C 1 =« N )< - i > * I .M C is + )•< 0
LDA 0,HMAK ' •: 5 1 2 . ':>
ADCO 1,0,SZC
JMP y3VAC3 f RET SI AC] >= 5í 2.
i D E V U E L V E CY=1
LDA 0,NY
MOVZR 0,0, SZC
358
JHP RtT 51 HY IMPHK.
DEVUELVE CY=i
HÚVZL O, 1
LC>H [Link]
LDA Ú, Y ú
2, Ú VÜ-IHCY
SUB
A C 1 = r-i Y -^ I N C \' + Y O - 1 r^ C 'r =
HPY
= '. N Y - 1 >-t-INCY + Y O
LDH <53O , )
RDCÜ 1,0,SZC
JMP R E T 5 1 A C 1 > = 5 8 Ci . .
DEVUELVE CY=1
MÜVZR# 2,[Link] SK'IP 31 C H S Ü INCS" PAR
JMP IMPAR CASO IMPAR
r MK •• LÚA 0,NY
3TA Ú,CNY ; INICIAL IZA
LDA O,IHCY
3TA
LDA Ü.CINCY ¡ INIC
1 .O
LDA
ADD 3,NA£KY ; MASK COÜRD. Y
3TA 3. 1
LDA 1,CY ; INIC. AC1 Y CY
LDA Ü,KÚ
HDD 3/mSKK : MASK COÜRD. X
3TA 3. O
LDA Ú,Ci<. ; INIC, a< i VARIA)
STA 2,.IMAGE
LDH
2,PTEK ; INIC, AC2 Y PTER <VARIA)
STA
LDA [Link]
PLÜÜP: J3R Ü^.í^CTER j INIC, PCTER
CKHAK .1 ACO=INC. PTER
LDA GTCÜL ; TOrlA UNA COLUMNA
LDH ; DE LA IMAGEN
ADD 3, C"-. NUEVO C.H
STA [Link] NUEVO PTER
LDA 3,2 AC2=PTER
LDA 2,0;-; AC1=CY
D3Z 2,PTER ; CUENTA COLUMNAS
JMP 1 , CY
PCTER ; O.K,> CY=0
MÜV; PLÜÜP
¿SVAC3 ; RETORNA
JNP ü, O
SVAC3 ; A L M A C E H Á M I E H T Q TE.f'IPORHL
.; DE LA DIRECCIÓN DE RETORNO
iíMAX; )2S. ; NUMERO MAiíIMO DE PUNTOS
; POR LINEA HORIZONTAL
; ADÜUIRIBLES CON ESTA
YHA;<; 1! 6 ,
; 3UBRUTINA
riNAX; 5)2 . .; ÍDEM POR COLUMNA
; NUMERO DE PIXELS DISTINTOS
.! OUE EL DIGITALIZADOR
; PERMITE A D ü UI ,R IR POR
; LINEA HORIZONTAL
359
Vrt«',<; 5-30. .: ÍDEM PÜR LlfJEA VERTI CR'.
.'.i' ; U
'V 1.' ; 0
ij
M': : 0
IriCK ; 0
IriCY; 0
. INRGE: IHAGE
PCTER; O
IMPAR: L D R ú,HY
MÜVZR O, O
STH 0,CHY I í( I C
LDA O,IHCY
flOVZL 0.0 ; 2*IHCY
3TA Ü.CINCY ; INIC
LDA 1 , YO
LDÁ 3,NASKY
ADD
3TA 3. 1 INIC, AC1 Y CY
LDA 1 , CY
LDA O, X O
ADD 3,XNAK
3TA 3.0 IHIC, ex <VARIA)
LDA O, ex
3TA INIC. Ae2 Y PTER OVARÍA)
LDA 2,. ZMAGE
3TA 2,PTER
LDA Ú,NX
MCiVZL Ü,PCTER ; ACÚ
IHIC = IHC, PTER
ILDOP; J3R O,XMAX TOrlH UHA MEDIA COLUMNA
0.. O • DE U.H CAMPO DE LA IMAGEH
LDA
GTCOL
LDA
AD D 3,XMAX PTER SEGUNDA MEDIA C Ú L U M N A
LDA [Link]
'Z' V
LDA 2,IHCY
ADD 1 Y INICIAL ScGUí-ÍDA
1 , CY ; MEDIA C O L U M N A
J3R 3, í ; TOMA S E G U N D A MEDIA
GTCÜL ; COLUMNA D E L OTRO C A M P O .
; C O M P L E T A N D O UNA C O L U . M N K
o n Q 1^ 11 ¿j r, o r¡
LDA 3, ex
LDA 2.. IHCX
ADD 3,2 ; HUEVO ex
STA 2 C X!
I3Z PTER ; HUEVO PTER
LDA 2,PTER ; AC2=PTER
LDA 1 ,CY ; AC1=CY
D32 PCTER
; CUENT.A C O L U M N A S
JMP ILOÜP
MOVZ 0, 0 .! O.K. = !> C Y = O
JMP as\'üC3
'i'.fT«.Ti--rr^—íC',7^-'_*tfT;r^ jíi-v-.-íTS-**--*
360
TÜMA UHA C Ü L U H H H
DHTÚS: C H V , C I H C Y , OÍS. H C 1 = C Y , A C 2 = FT£F: EN IrJHGEM
HCÚ=INC. PTER
u
GTCOL STH 3. ,-1 ; HLHACtHA M R , R E T O K N D
LDH 3,CK
DOH 3,56 j E N V Í A ;Í
LDH 3, CNV
STH 3,CTER
CLüOP DÜA 1 , 56 ; EHVIA Y
LDH 3,CINCV
3, 1 j NUEVA Y
HDD 5Ó
SKPDH .-1 .; BUCLE DE ESPERA A
JMP .; QUE EL DIG [Link]ÜK
j REALICE LA ADQUISICIÓN
DIH 3, 5ó ; TOMA EL TONO DE GRIS i
3TA 3.0,2 ; ALMACENA EN IMAGEN
HDD 0,2 INC, PTER
D3Z CTER
JMP CLÜÜP
JMP yGTCOL-1 ; RETORNA
CÑV: Ü
CIHCY: Ü
ÜK : Ü
CV; Ü
CTER; 0 ; CÚNTAL.
TER: PUNTERO
MASk;;-;! ÍB3+ÍB5 ; LATCH ONLY + ?< CODE
MHSKY; úe3+2B5 j LATCH & OPÉRATE' + Y OOOE
END
:;t;^•-v•^-^^:;¿•í^r.;••; "••'
STURH sue 1,1
LDA Ü. .FOTO .; BYTE PTER
.3V9TM
.UPE ti U HbRE "FüTü"
JrtP CREAR SI E R R O R , LQ CREA
LDH ü. . IMAGE
HDD Ú, fJ ; BYTE PTER FI LEÑAME
LDA 1,HBYTE ; IMAGEN C O M P L E T A
.SYSTM
. WRS ú j GRABA EN " F O T O " LA
.: IMAGEN A D Q U I R I D A
JMP
.SYSTM
.RESET ; CIERRA FICHEROS
JMP
•SYSTM
.RTH ; RETORNA
JMP , ; SI ERROR.. PARA
JMP . ; STOP
CREAR .SYSTM
.CRAND ; CREA EL FICHERO " F O T O "
; Y ENTRA DE NUEVO
JMP .: SI ERROR, PARA
JMP RETIJRN ; VUELVE A ABRIR "FOTO"
DBIr-i DBIH
BIHD Bli-iD
,TXTM u
Crí ; .1X1
LF ; ,TXT "<12>"
ESC;,TKT " < 2 2 > ''
k ; ,TXT "R"
IMAGE IMAGE
GZOHK GZONA ; SÜBRUTIHA QUE TONH
; UNA ZONA DE LA IMAGEN
. rí u ; xa
. -r' 0 ; YO
. INCÍs: IHCX
. I N C Y ; I HOY
, HK : NX
. HY : NY
,TXTM 1
TTÜ: . + 1*2
. TXT "JTTO" .; NühBRt: A S O C I A D O A LA
.; P H N T H L L A DE LA CONSOL,^
: MENSriJE DE P E T I C I Ó N DE P A R Á M E T R O S :
. nSG ; . •>• 1 + 2
,TXT •'< ! 5 > < Í2>XiJ, Y O , I H C X , INCY, N X , H Y •?<15> ••. 'I '¿ > '
7.f,9
.NHSG: 32. HUMERO DE [Link]
.FOTÜ! .+1+2
.TKT "FUTO"
N3VTE: Í29,*115,*2 ; NO, DE BVTES IMAÜE.'^
IrlAGE; ,BLK 123.*) t ó .: IMAGEN COH.^'LETri
.END START
363
; IMPRIME "PICTURE"
j ÜPERACIOH: IMPRIME LOS CÓDIGOS DE PUNTOS ALMs^CEHADOS EN EL
j FICHERO "PICTÜRE"
; DATOS DE ENTRADA;
,E}<TH BLüCK ; DIRECCIÓN DEL COMIENZO DEL
; ÁREA C^PñZ PARA UNA DE LAS
; N20N ZONAS DE "PICTURE"
FICHERO "PICTURE" <EL FORMATO HA DE SER DE 66.
U0RD3 CONTENIENDO LOS CÓDIGOS DE IMPRESORA DE
.; t32,*ó PUNTOS POR LINEA HORIZONTAL;.
.: DATOS DE SALIDA: NINGUNO
; FORMATO DE LLAMADA: .IMPIC: IMPIC
; JSR [Link]
.1.
; 3UBRUTINA3 UTILIZADAS; ERMES ; PRE:5ENTA MENSAJES DE ERROR
([Link]> ; LIBRERÍA MATEMÁTICA
.TITL IMPIC
,ENT IMPIC
.EXTD ERMES
.TXTM 1
.NREL
ERRúl! JSR GERMES ; SUSRUTIHA DE PRhSEHTACIOH DE
. j DE MENSAJES DE ERROR
,TXT "ERROR GCHH<15>"
ERR02: JSR (íERMES
.TXT "ERROR RÜPEN<15>"
ERR03! JSR (3ERME3
.TXT "ERROR RDS<15>"
EF:RÜ4:' JSR tfERMES
,TXT "ERROR URS«M5>"
ERR05; JSR WERMES
,TXT "ERROR OREN $LPT<15>"
ERROó! JSR líERMES
.TXT "ERROR CLOSE *LPT<15>"
ERRO?: JSR KERMES
.TXT "ERROR CLOSE PICTURE<15>"
IMPIC: 3TA 3,.RETN ; ALMACENA RETORNO
.3YSTM
.GCHN j AC2 = CAMAL LIBRE
JMP ERR01
STH 2 , C H P I C ; CANAL DE PICTURE
LDA Ú.,PICTURE ; BYTE PTbR
SUB 1 , i jú
.SY3TM
.ROPEN 77 ; ABRE PICTURE
JMP ERR02
.SY3TM 364
.GCHN ; ACi = C A H A L LIBRE
JNP ERR01
STH 2,CHLPT ; CAHAL DE IMPRESORA
LDH Ú, .LPT ; BYTE PTER
SLIB 1< 1 ; ú
.SY3TM
.ÜPEH 7? ; ABRE IMPRESORA
JMP ERR05
LDA O, .NZON ; NÜ. DE ZOMAS EM QUE SE DIVIDE
; EL FICHERO PICTURE <INICIALI2A>
3Tñ Ü,ZÜHCTR
ZÜHLÜOP; LDA [Link] ; PRINCIPIO DE LA ZONA
; EH MEMORIA
LDA 1,.NBYT j NO. DE BYTES QUE LA COMPONEN
LDA [Link] ; CAHAL DE PICTURE
.3YSTM
.RDS 77 ; LEE UNA ZONA
JMP ERR03
LDA 0,.NLIN ; NO. DE LINEAS POR ZONA
3TA [Link] j INICIALIZA CONTADOR DE LINEAS
LDA 0,(?.BLOCK
STA O,.PTR 1 INICIALIZA
LDA 2,CHLPT
LIHLOOP:
3UBZL 1,1 .: 1
LDA O, .CH
.3Y3TM
• WRS 77 ; PONE EN MODO PLOT
JMP ERR04
• LDA 1 , .NI 32
LDA 0..PTR
.3Y3TM
• WRS 77 j E N V Í A LINEA HORIZONTAL DE PUNTOS
JMP ERR04
ADD DIRECCIÓN DE LA SIGUIENTE LINEA
STA ú..PTR ACTUALIZA PUNTERO
3UBZL 1, 1 i
LDA O, ,L,^
.3Y3TM
.UR3 ; AVANZA UNA LIHtA, IMPRIMIENDO LA
; QUE SE ACABA DE ENVIAR
JMP ERR04
DS2 LIHCTR ULTIMA LINEA ?
JMP LINLOÜP NUEVA LINEA
DSZ ZONCTR ULTIMA ZONA ?
JMP ZONLOOP NUEVA ZONA
LDH 2,CHPIC
.3Y3TM
.CLÜSE CIERRA PICTURE
JMP ERR06
LDA 2,CHLPT
.3Y3TM
,CLÜSE 77 ¡ CIERRA IMPRESORA
JMP ERRO?
JMP [Link] ¡ RETORNA
RETN: O ; DIRECCIÓN DE RETORNO
365
:HPIL;: ú ; CHNHL DE PICTÜRE
CHLPT: Ú ; CHNrtL DE IMPRESÚRtí
.íiZÜN 3, ; Hü , oE ZüriAS EN QUE SE DIVIDE PICTURí
,HLIN yú, ; Nü , DE LIHEi^S POR ZC'HA
.HBVT 9 ú .* 1 3 ; Hü . DE BYTES POR ZUNA
. H 1 32 1 3 2 . HÜ, DE C H R H C T E R E S POR LINEA
CÜNTEHIENDO CADA UNÜ INFÜRMACIÜN
SOBRE LA POSIBLE IMPRESIÓN DE 6
PUNTOS
CHUS . +1 *2
.TXT "<5>" ; CÓDIGO QUE PONE LA IMPRESORA
; PRIHTRONIX EN MODO PLOTTER
LF . + t*2
.TXT "<r2>" ; CÓDIGO DE LINE-FEED < AVANCE DE
; LINEA>
ZONCTR; CONTADOR DE ZONAS
LINCTR CONTADOR DE LINEAS DENTRO DE
UNA ZONA
.PICTURE: . +1 *2
.TXT "PICTURE" ; FICHERO QUE CONTIENE LOS
; CÓDIGOS A IMPRIMIR
LPT . + t *2
.TXT "ÍLPT" NEMOTSCNICÜ EMPLEADO POR EL
SISTEMA OPERATIVO PARA DESIGNAR
LA IMPRESORA
üLOCK BLQCK j A D D K E S S DtL BYTE PiER Dt LA ZONA
i EN MEMORIA
.EHD
366
OPERHCIOHÍ MUUÜ.IERE Y ALMACENA EH EL h'ICHERÜ
"FOTO".. POR MEDIO DEL APARATO
DIGITALIZADOR DE IMÁGENES 26OA.
IJhH PORGIQH DE LA IMAGEN TRANSMITIDA
POR LA CÁMARA. ESPECIFICADA POR LOS
DATOS ENTRADOS DESDE EL TECLADO.
CON LOS QUE SE PUEDEN DEFINIR LA
POSICIÓN. NUMERO DE PIÍ\ELS Y
RESOLUCIÓN DE LA IMAGEN A ADQUIRIR.
DATOS DE ENTRADA: DESDE TECLADO. SON LOS
SIGUIENTES;
>sO = CORRDENADA HORIZONTAL
DEL LADO IZQUIERDO DE
LA IMAGEN A ADQUIRIR
<E>JTRE O Y 511 • >
YO = COORDENADA VERTICAL DEL
LADO SUPERIOR CENTRE
O Y H?-?. :>
HK = NUMERO DE COLUMNAS
NY = NUMERO DE LINEAS
HORIZONTALES DE PUNTOS
INCX = DISTANCIA X ENTRE DOS
PUNTOS SUCESIVOS
INCY = Í D E M PARA Y
SI SE PULSA "R". RETORNA.
GRABANDO PREVIAMENTE LA
ULTIMA IMAGEN ADQUIRIDA
SI SE PULSA "<ESC>". PIDE DE
NUEVO LOS PARÁMETROS-
DATOS DE SALIDA: FICHERO "FOTO" CONTENIENDO LOS
NIVELES DE GRIS DE LA IMAGEN
ADQUIRIDA POR EL DIGITALIZADOR.
SUBRUTIÑAS UTILIZADAS:
MPY. .eIND. .DBIN ; < MATH,LB )
i NOTA: EL DIGITALIZADOR DEBERÁ TENER EL INTERRUPTOR
i EN POSICIÓN "RUN"
.EXTN GZONA
. EXTN X O. Y O. Nh'. N Y. INCX. INC Y
•ENT .GTCH..PTCH ; NECESARIOS PARA
; .DBIN Y .BIND
• ZREL
.GTCHi GETCH
.PTCHi PUTCH
, HREL
STH=?T ; SUB 1.1 j O
LDA [Link] ; BYTE PTER
• t' 1 :_• ! 11
• OPEH 0 i ABRE PANTALLA
JMP ,
LDíH ri, .MSG
LDA 1. , HM3G
,SYSTM
, [Link] n ; PRSENTA MENSAJE EN PANTALLA
SOLICITANDO LOS PARÁMETROS
DE LA ZONA A ADQUIRIR
JMP
.SYSTM
. CLOSE 0 ; CIERRA PANTALLA
•JI-IP t
•JSR i?DBIN ACl=VHLnR TECLEADO
STH 1 , i?K Ü
•JSR TEST "R" O "<ESC>" ?
JSR i?DBIN
STH 1 .Qi, YO
JSR TEST
JSR I3DBIN
STH 1,1?. IHCX
JSR TEST
JSR eDB IH
STA 1,G,INCY
JSR TEST
JSR eOBIN
STH [Link]
JSR TEST
JSR eDBIH
STH 1, [Link]
JSR TEST
JSR [Link] i TOMA LA ZONA ESPECIFICADA
JMP START ; VUELVE A PEDIR DATOS.
<ESTO PERMITE IR HACIENDO
VARIAS PRUEBAS, HASTA
ADQUIRIR LA ZONA DESEADA>
O DIRECCIÓN DE RETORNO
GETCH; STA 3. .-1 ALMACENA RETORNO
.SYSTM
.GCHAR ; TOMA CARÁCTER DE TECLADO
JMP ; SI ERROR. PARA
JMP .+2 i ECO DE LO TECLEADO EN
; LA PANTALLA
PUTCH! STA [Link]-1 i ALMACENA RETORNO
.SYSTM
•PCHAR i PRESENTA CARÁCTER
JMP
JMP (?GETCH-1 j RETORNA
TEST LDA 2,.ESC
SUBZ# 2,[Link] ; COMPRUEBA SI <ESC>
JMP START i LOOP SI <ESC>
LDA 2, .R
SUB2# 2.0.S2R ; COMPRUEBA SI "R"
JMP
•R" RETORNA0,3 j NO, O.K., RETORNA
368
KtTUKH; bUt. 1 , 1
LDA 0..FOTO j BYTE PTER
.SYSTM
. OPEN O : ABRE "FOTO"
JMP CREAR SI ERROR, LO CREA
LDA O,.IMAGE
ADD 0. O BYTE PTER FILEÑAME
LDA [Link] . IMAGEN COMPLETA
.SYSTM
. I..IRS n GRABA EN "FOTO" LA
IMAGEN ADQUIRIDA
JNP
.SYSTM
.RESET CIERRA FICHEROS
JMP
. SYSTM
• RTN } RETORNA
JMP SI ERROR, PARA
JMP STOP
CREAR . SYSTM
.CRAND ; CREA EL FICHERO "FOTO"
; Y ENTRA DE HUEVO
JMP ; SI ERROR, PARA
JMP RETURN i VUELVE A ABRIR "FOTO'
DBINi .DBIN
BIND: .BIND
. TXTM
,CR! .TXT "<15>"
• LF i ,TXT "<12>"
.ESC;.TXT "<22>"
,R i .TXT "R"
:IMAGE! IMAGE
,GZONH i GZONA j SUBRUTINA QUE TOMA
j UNA
UNA ZONA DE LA IMAGEN
• XOi XO
,YOi YO
.INCX; INCX
,INCY: INCY
.NX; NX
.NY i NY
. TXTM
, TTO; . + 1*2
. TXT 'ÍTTO" j NOMBRE ASOCIADO A LA
¡ PANTALLA DE LA CONSOLA
; MENSAJE DE PETICIÓN DE PARÁMETROS;
.MSG i . + 1*2
.TXT "<15><12>X0, YO, INCX, INCY, NX, NY ?<15><12>"
369
; NUMERO DE CARACTERES.
.FOTO; ,+1*2
.ThT "FOTO"
HBYTE ¡ 1 28 , * n 6 , *2 i NO , DE BYTES IPIñGEN
IHAGE •. . BLK 1 28 . * 1 1 6 ; IMAGEH. COMPLETA
,END START
370
P0SICI014r-,Dl POR EL MAIN EN XT. YT. REALIZA LA CONVOLUCION DE UNA r*
DE 3 X 3 EN ^- CASOS DIFERENTES, PARA OBTENER L O S VALORES DE ILUMIN»?^
EN PUNTOS '4) EN QUE SE SUBDIVIDE EL PIXEL.
GETXM, QEFV i. SON LAS CORDENADAS DEL PUNTO M A S LOS DESPLAZAMIENTOS
DENTRO DE LA MATRIX.
3/4/82
EN IPTR SE ALMACENAN LOS COEFICIENTES * 256.
. TLTL CONV
. ENT CONV, GETYM, GETXM, IWORD
. Zr.H XT. YT, GETXY
.EXrD MPYU
NñrX
CONV: STA 3,SVAC3
LDA O, e. XT
NEG O, O
COM O, O ; XT. 1= XT - 1
STA O, XT. 1
LDA í,e. YT
NEG í, 1
COM 1, 1
/ YT. 1= YT - 1
STA 1, YT. 1
LDA O- N4
STA O,CTRAD
SUB 1, 1
iINICIALIZA CTRAD Y PTRAD
STA 1,PTRAD
LOOPl: LDA 0/N3
STA O, CTRYM
SUB 1.1
STA 1, YM INICIALIZA CTRYM E YM
SUE O, O
STA O,WORD
LDA í,PTRAD
LDA [Link]
ADD 1,3
STA 3,AWQRD ACTUALIZA AWORD DENTRO DEL BLK IWORD
MOV í,2
ADD 1, 1
ADDZL 1,1 AC1= PTRAD # 9.
ADD 2, 1
LDA 2, . IPTR ADRESS INICIAL DE COEFICIENTES
ADD 2, 1
STA I, . PTRAD . PTRAD= IPTR + PTRAD * 9.
L0ÜP2: LDA O, N3
STA O. CTRXM
SUB 1,1
STA 1,XM / INICIALIZA XM Y CTRXK.
L00P3: LDA 1, YM
LDA O, YT. 1
ADD O» 1
STA [Link] ; GETYf1= YT - 1 + YK
LDA 1< Xfl
LOA O, XT. 1
AOD OI 1
STA Í,GETXM ;GETXM= XT - 1 + YM
.J5n Q.. GETXY ;DEVUELVE AC1= Z(X,Y)
LOA 2. e. PTRAD
MÜVL 2.0 ,SZC
NEO 2, 2
J3R SMPYÜ
rtuV 0,0/ SZC
HKO 1.1
LDA O,WORD
ADD O, 1 .•GUARDA EN WORD VALOR PARCIAL DE CQNVOLUCION
5TA 1,W0RD
ISI .PTRAD
laz XH
DSZ CTRXM
JMP LOOP3
ISZ YH
DSZ CTRYM
Jl'iP LOOP 2
LDA [Link]
HOVL 1.2 SZC
SUS 1. 1 SI NEGATIVO ENTONCES CERO
LDA O.N377
HOVS i,1
AND 0,1 iACl = WORD / 256.
LDA O. N U
SUB 1.O
MGVL 0,0 SZC
LDA [Link] SI MAYOR QUE 11 ENTONCES 11
STA 1,eAWORD GUARDA WORD EN BLK IWORD
ISZ PTRAD
DSZ CTRAD
JMP LOQPl
Jf'lP eSVAC3
. XT: XT
. Y1 : YT
XT. i : 0
372
.MPYU: MFVU
YT. 1: O
CTRAD: O CTR TABLA DIRECCI0h4ES 4-1
PTRAD: O PTR TABLA DE DIRECCIONES 0-3 OFFSET
.PTRAD O IDEK REAL
YM: O DESPLAZAMIENTO DENTRO DE MATRIZ
XH: o ÍDEM
CTRYH: o
C1RXH; o i ALMACENAMIENTO DE CONVQLUCION PARCIAL
WORD: o
. GtTXY: GETX /VALORES QUE USA GETXY REFERIDOS A LA IMAGEN (XT)
GETXri: O ;ÍDEM (YT)
GE Vvri: OIUÍOKD
W377: . D_Á ^ i BL¡\ DONDE SE ALMACENA LOS 4 VALORES ASOCIADOS A C
NI WORD: O
IWORD: O iPTR, AWaRD=IWORD+PTRAD
SVAC3: 4.
AWORD: 3.
N4: 11
N3:
IFTR
Nll: 22.
.IPTR: 69.
IP1R; -15.
A12: ¿9.
A13: 2G.5.
A14 — tj.
A15: -15.
A16: -43.
7.
Al?
-1-5.
AlB:
69.
A19:
22.
A21
— 43.
A22: 205.
A23: 69.
A24 y
A25: -43.
A2Ó -15.
A27: -15.
A28: -43.
A29: 7.
A3Í: 69.
A32: 205.
A33: -43.
A34: 22.
A35: 69.
A36: -Í5.
A37: 7.
A3S: -43.
A3V: -15
A4Í -43
A^2: 205.
A43: 69.
A44 -15-
A45: 69
A46
A47
A4S: 373
A49:
iPaSICIOHADl POR EL MAIN EN XT,YT. REALIZA LA CONVOLUCION DE UNA MAl
DE 3X3 F''. f CASOS DIFERENTES. PARA OBTENER LOS VALORES DE ILUMINACÍ
EN PUNTOr: <4> EN QUE SE SUBDIVIDE EL PIXEL.
GFTXH, GET,' 1, SON LAS CQRDENADAS DEL PUNTO MAS LOS DESPLAZAMIENTOS (
DENTRO DE LA MATRIX.
3/4/82
EN IPTR ALMACENAN LOS COEFICIENTES * 256.
. rí.TL CONV
. EfjT CONV, GETYM, GETXM, IWORD
. £;<TW [Link], GETXY
. e:íTD MPYU
. NREL
CONV: STA 3,SVAC3
LDA O, e. XT
NEG O, O
COM 0/ O
STA O, XT. 1 ; XT. 1= XT - 1
LDA Í/@. YT
NEG I,1
COM 1, 1
STA 1. YT. 1 i YT. 1= YT - 1
LDA O, N4
STA O,CTRAD
SUS í.1
STA [Link] i INICIALIZA CTRAD Y PTRAD
LOQPl: LDA O. N3
STA [Link]
SU8 1, 1
STA 1, YM iINICIALIZA CTRYM E YM
SUS O, O
STA O. WORD
LDA i,PTRAD
LDA 3,NIWORD
ADD 1.3
¡ACTUALIZA AWORD DENTRO DEL BLK IWORD
STA [Link]
MGV 1.2
ADD 1.1
ADDZL 1.1 iACl= PTRAD * 9.
ADD 2. 1
LDA 2, . IPTR ÍADRESS INICIAL D E COEFICIENTES
ADD 2, 1
; . PTRAD^ IPTR -»• PTRAD * 9.
STA 1. . PTRAD
L0QP2: LDA 0 . N 3
374
STA O,CTRXM
SÜB 1,1
STA 1, XM ¡INICIALIZA XM Y CTRXM
LQQP3: LDA 1.Y«
LOA O. YT. 1
ADlí O, 1
STA [Link] i GETYM= YT - 1 + YM
LCA 1,XM
LDA O, XT. 1
AC'D O, 1
STA [Link] iGETXM= XT - 1 + YM
JSrí &.. GETXY /DEVUELVE AC1= Z<X,Y)
LDA 2 . e . PTRAD
MOVL 2,0 / SZC
t-4EG 2, 2
JSR SHPYU
flQV 0 , 0 , SZC
tiEG í, 1
LDA O, WORD
ADD O,í
STA [Link] i GUARDA EN WORD VALOR PARCIAL DE CONVOLUCION
ÍSZ . PTRAD
ISI XM
D3Z CTRXM
JKP LQ0P3
ISI YM
DSZ CTRYM
JñP LOOP2
LDA 1,W0RD
HOVL 1,2 SZC
SUB 1, 1 i SI NEGATIVO ENTONCES CERO
LDA O,N377
rtOVS í,i
AND O, 1 i ACl = WORD / 256.
LDA 0,N1Í
SUB 1,O
HQVL O,O SZC
LDA 1,N11 fSI MAYOR QUE 11 ENTONCES 11
STA í.eAWQRD i GUARDA WORD EN BLK IWORD
ISZ PTRAD
DSZ CTRAD
JfnP LOOPl
Ji-IP eSVAC3
. XT: XT
. Yl: YT
XT. 1: O
375
. MPYU: MPYU
YT. 1; 0
CTRAD: 0 CTR TABLA DIRECCIONES 4-1
PTRAD: 0 PTR TABLA DE DIRECCIONES 0-3 OFFSET
. PTRAD: 0 ÍDEM REAL
YM: 0 DESPLAZAMIENTO DENTRO DE MATRIZ
XM: 0 I DEM
CTRYM: 0
CTRXM: 0
WORD: 0 i ALMACENAMIENTO DE CONVOLUCION PARCIAL
.GFTXY: GET'XY
GEIXM: 0 ¡VALORES QUE USA GETXY REFERIDOS A LA IMAGEN (XT
GETYM: 0 ; IDEM {YT)
N377: 377
NIWORD. iKiQRD
IWQRD: . }:._:•;. 4 iBLK DONDE SE ALMACENA LOS 4 VALORES ASOCIADOS A
SVAC3: 0
AWQRD: 0 ;PTR, AWORD=IWQRD+PTRAD
N4: 4.
N3; •Ú.
Nll: 11
. IPTR: IPTñ
IPTR: 4.
A12 27
A13 0.
A14 27.
A15 197.
A16 1.
A17 0.
A18 i.
A19 0.
A31 0.
A22 27.
A23 4.
A?4 1.
A?5 197.
A26 27.
A20 0.
Asa 1.
A29 0.
A31 0.
A3? 1.
A33 0.
A34 27.
A3b 197.
A36 1.
A3? 4.
A3B 27.
A39 0.
A41 0.
A42 1.
A43 0.
A44 1.
A45 197.
A46 27.
A47 0.
A48 27.
A4? 4.
376
TOMA El- VALOR DE Z CORRESPONDIENTE A LAS COORDENADAS GETXM E GETYM t
MANTIENc LA MITAD DE LA IMAGEN EN MEMORIA. SON POSIBLES 3 ZONAS, SEF
ENTRE Sr 1/4 DE IMAGEN. LAS 3 ZONAS SE VAN CARGANDO POR ORDEN.
PERMITE ÜN BARRIDO DE LA IMAGEN EN QUE LA Y NO VARIA A GRANDES SALTL
SU VARIACIÓN ES APROXIMADAMENTE PROGRESIVA AUMENTANDO.
DATOS: COC-RDENADAS X, Y (QUE PUEDEN SER NEGATIVOS O SUPERIORES A LOS
HA OE INICIALIZARSE GETFL A O CADA NUEVA IMAGEN
DEVUELVE AC1 =
=Z(X,Y)
3/2/82
. TITL DAXY
. ENT GETXY
. EXTN MPY
. EXTN INFOTí GETXM. GETYM, GETFL
NREL
GETXY: STA 3.SVAC3
LDA O, e GETXM
MGV'Ltt O, O, SZC J TEST <0
Jhp QUTQ8
LDA [Link]
SU3¿# 2, 0<SZC i TEST >= XMAX (=128. >
JMP 0UT03
LDA l.e. GETYM
MOVZL# 1, 1/SZC ¡ TEST <0
Jf'iP QUTOB
LDA 3,YMAX TEST >= YMAX (=116. >
SU3Z# 3/ [Link]
jnp 0UT03
MPY ACl = OFFSET ABSOLUTO EN IMAGEN
LiJ'A 2, e. GETFL / OFFSET DE LA ZONA ACTUAL DE IMAGEN E
SüE 2, 1 OFFSET EN LA ZONA ACTUAL DEL X. Y
LDA O. IMMED NO. DE WORDS DE IMAGEN EN MEMORIA {TOTAL/2)
SUBZ# 0/ [Link] TEST SI SALE FUERA DE LA ZONA ACTUAL
JÍ1F SALE FUERA
NEWZON
LDA ADRRES INICIAL ZONA
2. . XIMA PTER X, Y
ADD
LDA
1.2 TOMA Z(X,Y) -> ACl
JMP 1,0,2 RETORNA
eSVAC3
QUTQB: LuA [Link] í VALOR.. NULO (OUT OF BOUNDS)
JMP eSVAC3 / RETORNA
NEWZON: MOVZR O. O j INCREMENTO DE GETFL (NO. WORDS TOTAL/4)
ADD 0.2 i NEW GETFL
SFA 2, @. GETFL
2. 1 í [Link] BYTES POSITION
M3VZL
0.0 HIGH ORDER
SUS
.SYSTM POSICIONA
:5PGS
.JfiP O. . XIMA WORD PTER
LDA 0. O BYTE PTER
ADD WORD COUNT
1, IMMED
LDA
377
, BVTECOUNT ,«EDIA IHAGEN)
. SVt'.TM , LEE flEDIA IHAGEN
FDíJ
JKP
J!' P
SVAC3-. O
PTER ZONA EN MEMORIA
. XIHA: ir.'r-'JT
. GETXH. G h T - H
.GFTYH: GhT'Vt't
GETOO: O
. GLTFL G^T-L 11 t -o
, f,0. TOTAL WORDS IMAGEN / 2
IMHED: ¿28 ^ U 6 . / 2
XHAX: 126.
YMAX-. 11¿-
. Et-4D
378
.TITLE FINE
i GRABA EN tli. FILE XI LA IMAGEN TRANSFORMADA
. Eir- FINE
. EIXrN . ZONA
. Er-D ERfiES
. TX^"11 1
. KW.t:L
FINE: STV*. 3,SVAC3
LC'A 0, . XIMA
. SYí"Tfl
. OPt:N 2
Jf-iP El
LDA 0, NZONA
ADD 0/0
L&A 1,N2969
.SYñTM
. wR-ü 2
JMP E2
.SYSTM
.GLOSE 2
JK.P E3
JMP eSVAC3
El: JSR SERMES
. T'íT /FINE:
E2: JSR SERMES
.TXT /FINE ERROR WRS<15>/
E3: JSR eERMES
.TXT /FINE ERROR CL0SE<15>/
NZONA: . ZONA
.XIMA: . +1^2
.TXT /XIMA/
N29Ó9: 2969¿.
SVAC3: 0
. Ei-iu
r^7P
COLOCA Et-i "L FILE DE IMPRESORA (PICTURE , 132#120 > LOS TONOS
DF GRISdS :..aRRESPONDIENTES A LOS CUATRO SUBPIXEL QUE DIRECCIONA
IWQRD . EN ITAB SE RJICIA LA TABLA CON LOS VALORES DE GRISES
3/15/82
.TITL GPIC
.ENT GPIC
EXTN ZONA, XT, YTi IWORD, BLOCK/ MPY
E/íiD DIVI, ÍIPYU
. J'iREL
GPIC: STA 3,SVAC3
LDA l.e. YT
LDA 2,N15 ;15=NUM. DE LINEAS EN UNA ZONA
JSR eoivi ;AC1/AC2 — > ACl + (RESTO EN ACÓ)
SfA 0,YPTR YPTR= Y DENTRO DE ZONA . AC1= NUEVA ZONA
LDA 3. e. ZONA ZONA ACTUAL EN MEMORIA
SUBff 3, 1. SNR COMPARA LA ZONA ACTUAL Y LA NUEVA
JMP GPICO IGUALES
STA l.e. ZONA ¡ACTUALIZA NUEVA ZONA
Hoy 3, 1 /ZONA ANTIGUA
LDA [Link] 188
JSR ©MPYU >AC2*AC1 — > ACÓ, ACl
.SYSTM
.SPOS 0 iPOSICIONA EN PICTURE EN ZONA ANTIGUA
JMP
LDA 0,.BLOCK
ADD 0,0
LDA [Link]
.SYSTM
. UfiS 0
JMP
LDA 2, e. ZONA
JSR eMPYU
.SYSTM
.SPQS 0 JPOSICIONA EN NUEVA ZONA
JMP
LDA 0, . BLOCK
ADD 0,0
LDA 1,NI188
.SYSTM
. RDS 0 i LEE NUEVA ZONA
JMP •
GPICO: LDA 2,N377
LDA 0, e. XT
?iQV2:R 0, 0. SNC ¿COMPRUEBA SI XT ES PAR O IMPAR
ñJVS 2, 2 i SI IMPAR CAMBIA MASCARA
STA 2,MASK
3 80
LDA I,.BLOCK
ADD 1. O XT/2 + BLQCK
LDA 1, YPTR
LC'A 2,N396
HPV iAC2*ACl + ACÓ —:> ACl
STA 1,PTRBLK ;PTRBLK= BLQCK + Y*396. -»- X/2
5UB 1, i
STA 1,SPIX
LC'A 1, t.12
STA 1,CS»^I)(
LDA í, f'JIWORD
STA [Link]
GPIC2: SÜB í, i
STA [Link]
LDA i.H3
STA 1/CTRPX
GPICl: LDA 1, TWORD
STA [Link]
SÜB O. O
LDA [Link] I INICIALMENTE TOMA EL SUBPIXEL 1 LUEGO EL 3
H0V2L li3
ADD i, 3 ¿MULTIPLICA POR 3
LDA 1, . ITAB
LDA 2, PTRX
ADD 1,2
STA [Link] iATAB=ITAB + PTRX
ADD 3.2
LDA 1,0,2
LDA 2, ^470
iACl = 000 000
AND 2, 1
ADD 1,O
ISZ AWORD
LDA [Link] i PRIMERO SUBPIXEL 2 LUEGO 4
MQVIL 1,2
ADD 2,1
LDA 2,ATAB
ADD 1,2
LDA 1,0,2
LDA 2.N7
Ar4D 2. 1 ; AC1 «. . . .000
ADD 1. O
LDA 2, r4200
ADD 2, O COLOCA 1 PARA IMPRESIÓN
MQ'v/ O, 3
MQVÜ O, O
ACD O, 3 i DUPLICAR INFORMACIÓN
LDA [Link]
AND 1,3
LDA O, SPIX
MOViL O,1
381
AC-D 1.0
LDA 2, PTRX
ADD O, 2 i3*SPIX •»• PTRX
LDA 1.N¿6
STA 3, ABC
U:A O, PTRBLK
LÚA 3< ABC
nü\' 1,2
LDA 1,0,2
LÍ:A O, MASK
C011 o, o
AIvu O, 1
AIZ'L' 3 , 1 ¿LIMPIA BYTE Y SUPERPONE
SfA 1,0.2 ;GRABA EN BLQCK
IS2 PTRX
D3Z CTRPX
JnP GPICl
ISZ TWQRD
ISZ TWQRD
ISZ SPIX
DSZ CSPIX
JHP GPIC2
JMP eSVAC3
SVAC3: O
ABC: O
NI 5: 15. íNÜM. DE LINEAS E N UNA ZONA
N6: é.
N2: 2.
N3: 3
O ;Y DENTRO DE LA ZONA
YPIR: iNUM. DE BYTES POR ZONA
N118S: iieeo.
flASK: o
377
N377:
396.
N3V6:
YT
. Yl:
XT
. XI :
ZONA
.ZONA:
BLQCK
-BLOCK:
IWQRD
NI WORD:
7
N70:
7G
N7:
IGO íPTR DENTRO DE BLOCK
N200:
áó. íPTR BLOQUE IWORD (0-1>
N66:
O
PTRBLK:
O
SPIX :
ATAB:
o
o
AWQRD: o íITAB=ADRESS INICIAL EN TABLA DE TONOS
TWQRD: o ;PTR DENTRO DE CADA SUBPIXEL (0-5)
CSPIX: I TAI;
. ITAB: O
PTRX: 382
CTRPX:
ITAB; 0
PQ2: 0
P03: 0
Pll 0
•n ;.
P12
P13 0
P21 0
P22 55
P23 G
P31 o 7-
P32 0
P33 55
P41 55
P42 G
P43 55
P51
P52 77
P53 22
Pól 55
Pó2 77
PÓ3 22
P71 77
P72 22
P73 77
P81 77
pa2 55
P83 77
P91 77
P92 77
P93 77
ENI
383
TITLE HISTQ
if\ PARTIR DC UNA IfiAGEN EN DISCO OCIMA) ABRE PARA LEER
i l N I C I A L l Z . ^ PTRS EVALÚA HISTQGRAMA. CIERRA FICHERO Y DEJA TODA LA It-
i A PARTIR i:-:: .ZONA ( I 1 6 í * 1 2 8 i .
. f;¡*T H I S T O , H I S T l , . ZONA
. £;<TD ERMES
. TXfrí 1
. [Link]
HISTQ; STA 3, SVAC3
LDA 1,N148'^
STA l í C T R Z i INICIALIZA CTRZ
LOA O,NPTRZ
3 7 A O, PTRZ /INICIALIZA PTRZ
LDA l / N H I S l
STA 1 / . H I S l ; INICIALIZA . HISl
LDA O , . F A L C O
.SV8TM
.QPEN 1
JMP E l JABRE XIHA
LDA O,NPTRZ ÍADRESS COMIENZO
ADD O, O
LDA Í , N 2 9 6 9
SYSTíl
RD3 í
•MP E2 /LEE FILE
SYSTM
CLOSE 1
J{1P E3 /CIERRA FILE
ALFA: LDA O. ePTRZ ¡EVALUACIÓN HISTOGRAMA
LDA 1/ . HISl
ADD o, 1 iACl= ADRESS F(X>
STA [Link]
ISZ eiNCD
131 PTRZ
DSZ CTRZ
JHP ALFA
eSVAC3 i RTN ,.
El: JSR eERMES
.TXT /HISTO: ERROR OPENCIS:»/
E2: JSR SERMES
. TXT /HISTO: ERROR RDS<15>/
E3: JSR ÜERMES
.TXT /HISTO: ERROR CLQSE<;i5>/
. FALCO: . +1^2
.TXl /XIMA/ i BYTE PTR
N2969: 2969¿.
PTRZ: O iPTR PARA BARRER HEMORIA
NP1RZ: . ZÜÍ'4A
CTRZ: O ¡CTR CONTROL BUCLE 116*128
NI 484 14S48.
INCD: 0
. HISl 0
NHISl HISTl
SVAC3 0
HISTl . ELK 256. i B L K PARA F ( X ) i XO. . . X 2 5 5
. ZONA .SLK 14848
EÍMÜ
385
PROGRAJIA á-iE ir>PRIME EL FILE FOTO, ESTANDO ESTE EH 37 NIVELES
IHICIALHEWTE SOLO SE CARGA MEDIA IMAGEN EN MEMORIA DE 128. •»116.
2/26/82
. riTL PRTFT37
.f:.<TH IPIXEL PIXEL FPIXEL IMPIC
.EXTD HPYU
. NnCL
PRTFT: SiJB 1. 1
LDA O..FFOTQ
.SV3TM
. QPZH 1
JM? RETURN
SUS 2.2
J3R [Link]
ZLQQP: LDA 1,NZ
LDA 2,NBYT
JSR SMPYU
.SYSTM
.SPQS I
JHP RETURN
LDA O. . IMAGE
ADÍi 0.0
LDA [Link]
.SYSTM
. RDS í
JílP RETURN
LDA O, NSa
STA O. CTRY
SUB O,O
STA O, Y
YLOOP: LDA O.N128
STA [Link]
SÜ3 O.O
STA O. X
XLQOP: LDA I.Y
MQV8 1,1
HÚ\>V. 1, 1
LDA O, X
ADD O.1
LDA O,.IMAGE
ADD O. 1
MQV 1, 2
LDA 1.0,2
STA 1,Z
LDA 2.Y
STA 2,YR
LDA [Link]
LDA O.N58
HOV 1. [Link]
ADD 0/ 2
GTA 2< Y
LDA [Link]
•JSR e. PIXEL
LDA 1. YR
STA 1. Y
IS¿ K
DSÍ CTRX
J^iP XLOOP
IS? Y
D£Z CTRY
•JKP YLOOP
ISZ NZ
DSZ CTRZ
Jl'^iP ZLQQP
JSR e. FPIXEL
JSR e. IMPIC
.SYSTM
.CLQSE 1
Jf'íP RETURN
RETURN: .SYSTM
. RTN
Jt'iP .
N58: 5e,
N12a: 128.
YR: 0
CTRY: 0
CTRX: 0
NZ: 0
CTRZ: 2
NBYT: 128. «116.
NWQRD: 128. *58.
XYZT: . +1
X: 0
Y: 0
Z: 0
.IPIXEL IPIXEL
. PIXEL : P I XEL
.FPIXEL FPIXEL
.IMPIC: IHFIC
.FFOTO: . +í->2
. TXTM 1
. TXT "FOTO"
.IMAGE: IMAOE
IMAGE: . BL.K 128, #58
END PRTFT
7.9.7
iSUBRUTIWA :<UE REALIZA LA INTERPOLACIÓN EN UNA IMAGEN DE 10 NIVELES
DE 12e-*llt PARA SUBDIVIDIR CADA PIXEL EN CUATRO SUBPIXEL DE
10 NIVELES [Link] LA SUBRUTINA [Link] DADOS X, Y DE LA
IMAGEN NG5 PROPORCIONA LA ILUMINACIÓN Z ASOCIADA
USA CONV r-V-RA REALIZAR LA CONVOLUCION EN LOS ENTORNOS DE CADA PIXEt
PUTXY CGwQ' A WORDIOÍPALABRA EN DONDE ESTÁN ENPAQUETADOS
LOS CUATW3-: VALORES ASOCIADOS)EN UN FILE DE SALIDA DENOMINADO SIMA
3/4/BS
. TiTL PTRIO
. ¿MV XT,YT,WORIO. INFOT,OUTFT,GETFL,PTRIO,PUTFL
. EXTN CONV,PUTXY
. NREL
.TXTM 1
PTRIO: LDA O, . IMO
.SY3TH
.OPEN O
Jfit^ RETURN i ABRE FILE DE ENTRADA
LDA O, . IMl
.SYSTM
.OPEN 1
JMP RETURN i ABRE FILE SALIDA
LDA O, . XIMA
ADD O, O
LDA 1,NBYTE
. SYSTM
. RDS O ;LEE MEDIA IMAGEN
JhP RETURN
SUB O, O
STA O,GETFL ilNICIALIZA OFFSET LECTURA
SFA O,PUTFL ;ÍDEM ESCRITURA
LDA 0, W116
STA 0, CTRYT
SUB 0, 0
STA 0, YT ;INICIALIZA CTRYT E YT
YLOQP: LDA 0, NI28
STA CCTRXT
SUB 0, 0
STA 0, XT
XLOOP: J¿'ríe. CONV i EN WORIO DEVUELVE LOS 4 VALORES EMPAQUETADí
JSR e. PUTXY ¡CON XT,YT COLOCA WORIO EN FILE DE SALIDA
ISZ XT
DSZ CTRXT
JMP XLOOP
ISZ YT
DSZ CTRYT
JtlP YLOQP
388
sue o. o
LDA l . N B Y T E
. SVtlTM
.SPüS 1
J h r RETURt4 iPQSICIONA EN MEDIO
LDA O, . SIMA
ACD O, O i BYT PTR
LDA l . N B Y T E
. sv>::Tf-i
. uirtr; 1
Jf'.P RETURtJ i GRABA ULTIMA ZONA
Jf^P RETURN /•CIERRA FILE ENTRADA
SYríTCI
CLOSE O
üfiP RETURN CIERRA FILE SALIDA
RETURN: .SYSTM
. RTN
. IMO: . -i 1-^2
. TXT "XIMA" ;FILE ENTRADA
. IMl: . -í-l*2
.TXT "SIMA" íFILE SALIDA
NBYTE 123. íHló. MITAD DE IMAGEN
PUTFL O
GETFL O
. XIMA INFOT
. SIMA QUTFT
XT: O
Yl: O i CONTADOR DE XT(X TOTAL)
CTRXT: O ;ÍDEM YT
CTRYT: O
N128: 123.
N116: 116.
WORIO: O
. CONV: CGNV
.PUTXY
INFQT: PUTXY
. ELi'.. 128. *58. «MEDIA IMAGEN DE ENTRADA
OUTFT: . BLK 128. -a-SS. jÍDEM SALIDA
.END PTR10
389
ESCRIBE £- VALOR DE Z CORRESPONDIENTE A LAS COORDENADAS X E Y EN X
HANTIENE A MITAD DE LA IMAGEN DE SALIDA EN MEMORIA A PARTIR DE SI
DIVIDE LA IMAGEN EN DOS ZONAS IGUALES, QUE GRABA EN DISCO CONSECüT
EL BARf^n;0 DE LA IMAGEN HA DE SER POR LINEAS HORIZONTALES SUCESIV
DATOS: COORDENADAS X E Y (DENTRO DE LOS LIMITES DE IMAGEN)
VALOR DE Z A GRABAR EN ACl
!Jí.N\L DE ESCRITURA (HA DE ESTAR ABIERTO Y HA DE CERRARSE)
H.A í'E INICIALIZARSE PUTFL CADA NUEVA IMAGEN
3/4/S2
. TITL STOXY
. EH ! PUTXY
. E/:TN MPY
. tí:<TH OUTFT, XT, YT, PUTFL, WORIO
NRCL
PUTXY: STA 3.SVAC3
LDA O. e XT
LDA i.e YT
LDA 2. XMAX
Hpy i ACl«OFFSET ABSOLUTO EN IMAGEN
LOA 2. e. PUTFL / OFFSET DE LA ZONA ACTUAL DE IMAGEN
SUB 2. 1 OFFSET DE LA ZONA ACTUAL DEL X, Y
LDA O, IMMED NO. DE WORDS DE IMAGEN EN MEMORIA (TOTAL/2
SUBZtt O. [Link] TEST SI SALE FUERA DE LA ZONA ACTUAL
J'AP NEWZQN SALE FUERA
LDA ADDRESS INICIAL ZONA
2. .SIMA PTER X, Y
ADD 1,2 í TOMA Z
LDA l.e. WORIO GRABA EN IMAGEN
STA 1.0,2 ; RETORNA
eSVAC3 i
NEWZON: ADD 0,2 i NEW PUTFL (ACO=INC. DE PUTFL=NQ. WORDS/2)
STA 2, e. PUTFL í NEW PUTFL
SUB 1,1 i BYTE COUNT
SÜ8 O,O i HIOH ORDER
.SYGTM
1 i POSICIONA EN LA MITAD
. SPOS
Jt'iF 0, . SIMA WORD PTER
LDA 0,0 BYTE PTER
ADD 1,IMMED WORD COUNT
LDA 1, 1 BYT5 COUNT
ADD
.SYSTM 1 ; GRABA MEDIA IMAGEN
. i4RS
JMP PUTXY+l
JMP
SVAC3
. SIMA OüTFT ; PTER ZONA EN MEMORIA SEGUNDA IMAGEN
IMMED V2e.-»116. /2 ¡ NO. TOTAL DE'WORDS IMAGEN / 2
XMAX: 123.
. XT: XT
390
YT: YT
PUTFL: PUTFL
WQRIO: WOíílO
. Er4D
391
. T I T L E TRAS
. r4REL
.TXTM 1
TRAS: LDA U. . XIMA
.SYSTH
.QPEN O
JI1P RETURl'4
LDA O, . IMAíiC
ADD 0 / 0
LDA 1 , N
ADD 1, í
.SYSTM
. RDS O
JMP RETURW
LDA O- ^4
STA O. CTRN
SUB O,O
STA [Link]
LQÜP: LDA 1. . IMAGE
LDA [Link]
ADD 1.2
LDA 0,0,2
HQV O.í
ADDZL O,O
ADD 1,0
ADD 0,0
HQVS 0.0
LDA 1,N377
AND 1,0
STA 0,0,2
ISZ PTRN
DSZ CTRN
jnP LOOP
SUB 0,0
MOV O,1
. SYSTM
.SPQS O
JfiP RETURN
LDA O, . IMAQE
ADD O,O
LDA 1,N
ADD 1,1
.SYSTM
. WRS O
JMP RETURN
.SYSTM
.GLOSE O
JMP RETURN
RETURN: .SYSTM
. R1N
JMP .
392
N: 116.«122.
. XIMA . -^1^*2
. TXT •XIMA"
N3?7: 377
CTRN: 0
PTRN: 0
. IMAGEN: IHi-ÍGE
IMAGE . BLK 116 « 1 2 8 .
.END TRAS
.TITLE TRHISTO
ECTÜA r-lANSF. DE XIMA EN OTRA DE FORMA QUE PRESENTE UNA DISTRIBUCIÓN CONSTA
Y Umr3,}t^E EN SU HISTOGRAMA. USA SUB HISTO QUE EVALÚA HISTOGRAMA DE XIMA,
X QUE TwuNSFORMA DISTRISUCION DE 256 NIVELES EN 37, Y FINE QUE CIERRA LOS;
.ENT HIST2
EXTN HISTO, [Link], HISTl, ERMES, XELK
EXTN FINE
LDA O.N256
STA O,CONT
LCA 1.NHIS2
tíTA 1, . HIS2
L C A O, NHISl
STA O, . HISl
JSR e. HISTO
SUB 1, 1
LDA O, e. HISl
ADD O, 1 i EN AGÍ EL RESULTADO PARA CADA X
STA i.&. HIS2 i NUEVA POSICIÓN DEL VALOR ACUMULADO
ISZ .HISl
ISZ .HIS2
D£Z CONT i ACABA SI X255
üñP INIC2
JSR e. TRX ;CALCULA XO. . . X36
LDA 1,NPTRH
STA [Link] »INIC. PTRM
LDA 0/NI484
STA O, CTRM ¡INIC. CTRM
LDA í,ePTRM ¿ASOCIA A CADA PUNTO EL NIVEL XO. X36 SEGÚN TRANSF.
LDA 0,ENRI
ADD O. 1
STA i/POSX
LDA liSPOSX GUARDA ADRESS PARA PSICIONAR EN TABLA
STA l,ePTRM
ISZ PTRfl
DSZ CTRM
Jt-IP BETAl
JSrí e. FINE i PARA DESPEDIR
.SYSTM
. RTN
5TQ HIoTQ iSUB QUE EVALÚA HISTOGRAMA
51 HISTl ;PRIMER ADRESS TABLA VALORES HISTOGRAMA INICIAL
31 O
>2 HISV2 i PRIMER ADRESS HISTOGRAMA ACUMULADO INICIAL
¡2 Q
>: 256.
lE; F lisie
XELK
O NUM NIVELES POSIBLES
TR X
M: . ZONA
n^íi
PTRM: 0 iPTR IMAGEN MEMORIA
«1^184: 143-e. ill6íH2e= 14848 NUM PTOS MEMORIA
CTRM: 0
PQSX; 0
HIST2: .QIM 256
E\-m INIC
:s95
i OPERAClONf IMRPIME EL HISTOGRftriA FRECUENCIA-
TONO DE GRIS < O A 255, :> CORRESPONDIENTE
AL FICHERO "FOTO", REALIZANDO UN CAnBIO
DE ESCALA, QUE APARECE MARCADO EN LOS
BORDES DEL HISTOGRAMA. CADA 8 BARRAS
IMPRIME UNA ESCALA DE PUNTOS SEPARADA
12. UNIDADES DE ORDENADA.
DATOS DE ENTRADA! FICHERO "FOTO"
TAB ; DIRECCIÓN INICIAL DE LA
; TABLA DE FRECUENCIAS
DATOS DE SALIDA: NINGUNO
SUBRUTINAS UTILIZADAS:
•EXTN STAB ; GENERA TABLA DE FRECUENCIAS
. EXTN ZDIST IMPRIME BARRA DE HISTRÜGRAMA
. EXTN PRTLN IMPRIME LINEA DE 132. CÓDIGO?
.ENT IMAGE
. EJ<TN TAB
.NREL
START: SUB 1, 1
LDA O,.FOTO BYTE PTER
.SYSTM
. OPEN ABRE "FOTO"
JMP
LDA 0..IMAGE
ADD 0,0
LDA 1,NBYTE } FOTO COMPLETO
.SYSTM
.RDS O ; LEE FOTO SOBRE IMAGE
JMP
.CLOSE O j CIERRA FOTO
JMP
SUB 1,1
LDA O,.LPT
.SYSTM
. OPEN O j ABRE IMPRESORA
JMP } SE DEJA ABIERTO
JSR [Link] ; GENERA TABLA DE
; DISTRIBUCIÓN DE TONOS
IMPRIME ESCALA HORIZONTAL INICIAL
LDA 0,.ESCALA ; BYTE PTE
JSR &,PRTLN
JSR C", PRTLN
LDA 1,NPUNTO
STA 1,CESC j MARCA DEL CAMBIO
; DE ESCALA
JSR [Link]
JSR [Link]
LDA 1,.ESCALA+5
396
STA 1 . [Link]
JSR C". PRTLN
.JSR e,PRTLH
INICIñLIZACIOH DE VALORES ANTES
DE IMPRIMIR EL PROPIO HISTOGRAMA
LDA 0.MN256 ; NO. DE TONOS
STA 0,[Link] ¡ INIT
LOA 0..TAB
STA [Link] j INIT
LDA [Link]
STA [Link] j INIT CTER MARCAS
LOOP ¡ LDA [Link] ; TOMA FRECUENCIA
IS2 PTER ! SIGUIENTE TONO
JSR [Link] ; IMPRIME TONO
DSZ CTER8
OMP COHL ; CONTINUA <N0 DIBUJA MARCAD
LDA 0,NS
STA 0,CTER8 ; RESET A 8
LDA 0, .ESCALA
LDA [Link]
STA 1,.ESCALA+2 i PONE A BLANCO
} EL PRIMER PUNTO
JSR e,PRTLN } DIBUJA MARCAS DE REFERENCIA
LDA 1,,ESCALA+5 } TOMA PUNTITO
STA 1.,ESCALA+2 ; REPONE
COHL! DSZ CTER
JMP LOOP SIGUIENTE BARRA
j IMPRIME ESCALA FINAL
LDA 0,.ESCALA
JSR G,PRTLN
JSR [Link]
LDA 1,NPUNTO
STA 1,CESC ; MARCA BLANCA DEL CAMBIO
JSR e,PRTLN
JSR e,PRTLN
LDA 1,.ESCALA+5
STA 1,CESC
JSR e,PRTLN
JSR e,PRTLN
.SYSTM
•CLOSE 0 s CIERRA CANAL IMPRESORA
JMP t
.SYSTM
• RTN RETORNA
JMP 1 ^ SI ERROR. PARA
JMP 1 } STOP
,STHB: STAB
.TAB! TAB
.ZDIST 1 ZDIST
.PRTLH 1 PRTLN
N256 i 256.
397
HBYTEi 128,*1 16,'».2 ; NO. DE BYTES EN IMAGEN
He¡ 8. ¡ UNA MARCA CADA S. TONOS
CTER8 í 0 ; NO, DE BARRAS ENTRE
j MARCAS DE REFERENCIA
CTER i 0 ; CONTADOR
PTER! 0 } PUNTERO
.FOTO; ,+1+2
. Tr-sTM 1
. TXT "FOTO"
.LPT! .+1*2
. TXT ":ÍLPT" ; NOMBRE DE LA IMPRESORA
NPUNTO i 1B1+1B9 ¡ BLANCO
.IHAGEi IHAGE
.ESCALA i . +1 *2
5B7+5
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9 ' " • -
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
398
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
CE se! B1+5B9
B1+5B9
B1+569
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
B1+5B9
399
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B5«
1B1+5B9
1B1+5B?
tBI+SBS"
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
IBI+SBS»
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1BH-5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
1B1+5B9
12B7
j LINE FEED. FIN DEL BUFFER
IMAGEi .BLK 128.+116. j IMAGEN COMPLETA
.EHD START
400
RHGE 1 HEWLETT-PACKARD 32201A,7,11 EOIT,''3C00 MON. HOV 21, 1583.
,1 * U S L I N I T , S T A N D H R D _ L E V E L 'HPSOOO'*
1 PROGRAM PRTCOLOR< INPUT>0UTPUT.0UTFILE•.>;
2 TYPE
3 SUBINTEGER=-32000..32000;
4 VECT0R=ARRAYC1 . .1281 OF SUBIHTEGERj
5 TPI>sEL=HRRñY ti,,563 OF SUBIHTEGER;
5,1 TPI«GÜL=ARRAY[1,.43 OF TPIXELj
6 L I N E A = P H C K E D ARRAYCI,.10243 OF CHAR;
7 FICHERn=FILE OF VECTORj
7.01 COLOR=<HnARlLLO,MHGENTA>[Link]>j
7.1 TC:ARAC=PACKED ARRAY [COLOR, 1 . . 83 OF CHARj
7.2 TALFH=ARRAYC1,,53 OF REAL;
O VAR
9 YAH-LUMENANCIA^i
10 R. <'*COriPÜNENTE ROJA* >
11 B.Í'í.COMPOHENTE A Z U L * >
11.1 F , <*CODIGO ASOCIADO AL FICHERO O U T F I L E * )
11.2 P A R M , < * p a r a m e t r o d e l FCONTROL n o s e u t i l i z a * ?
11.3 CONTROLCODE,<*parm d e FCONTROL,27 p a r d i s a t a l e LF y CR*?
12 K,[Link]ÜBINTEGER;
12.1 NR 1 REAL; < ••NUMERO RAHDOM* )
13 LY,<ALINEA DE FOTOY* )
14 LR.<*LIHEH DE F0T0R*>
15 LBIVECTORÍ<*HNEA DE FOTOB*>
16 LINIMPR) ARRAY CC0L0R3 OF LINEA;
20 INFILEiARRAYCI..33 OF FICHERO;
21 0UTFILE¡TEXT;
22 NOMFILEÍARRAYCI..33 OF PACKED ARRAYCI.,83 OF CHAR;
23 BETA¡TALFA;
23.1 CODIGOiPACKED ARRAY C1..43 OF CHAR;
24 PIXEITPIXCOL;
24.1 CARACí TCARAC;
24.2 C: COLOR;
25
25.1 PROCEDURE FCONTROLjINTRINSIC;
25.2 C* el FCONTROL permite gobernar el Carriage Return, en
25.3 este programa se quita, colocando controlcode=27 *)
26
27 FUNCTION ALFA<Y,R,BiSUBINTEGER>sTALFA;
28 <*esta función dada las Y,R,B, de un punto devuleve
23 las densidades asociadas a cada cinta de color *>
30
3 0.1 COMST
30.11 Kl=32j
30.12 K2=42;
30.13 K3=3j
30.14 K4=34;
30.15 K5=40;
30.16 Kó='32;
30.17 K7=56;
30.18 K8=16384;
30.19 K9=1Ó2;
30,2 K10=165;
31 VAR
32 DiARRAYCI..33 OFREAL;
32,1 N,
33 ALFAMIN,
401
PHGE 2 HEWLETT-PACKARD 32201A.7.11 EDIT/3000 MOH< HOV 2\, 1963. 9:05 Pi
34 [Link];<+MHX DENSIDAD BLANCOS* >
34 , 1 1,
34.1' iriIH¡SUBlHTEGEft;
34,3 RALFA!TALFA;
35
36 BEGIN
3;^ RALFAC43í = 0;
36 DC í 3 ; =K 1 *V-K2*< B-Y )+K3*<: R-Y >;
3'3 D C 2 ] !=K1*Y+K4*<B-Y)+K5:<«<R-Y>;
4O D C3] ¡ =K 1 *Y+Kc.*í B - Y )-K7*< R - Y ) j
41 FOR I!=1 TO 3 DO
42 IF DC13 < O THEN DC13 1=0;
43 HLFAMAX¡=TRUNC< í DC13+DC23+DC3 3-KS >/K9 >j
44 IF ALFAMAX < O THEN
45 BEGIW
4¿ ALFAMAXi=0J
47 FOR Ii=1 TO 3 DO
48 RALFAC13i=DCI3j
461 END
5ú ELSE
51 BEGIN
52 ALFAMIN:=DC13-ALFHMAX*K1Qi
53 FOR I¡=1 TO 3 DO
54 BEGIN
55 RALFAC13¡=DCI3-ALFAMAX*KlOj
56 IF RALFACI3 <= ALFANIN THEN
57 BEGIN
58 ALFHMINi=RALFAni3j
59 imN;=I
60 EHD;
61 ENDJ
62 ALFAMAX!=DCiniN3/K1Oj
63 FOR Ii=1 TO 3 DO
64 RALFACn : =DCI 3-ALFAMAX*Kt 0 ;
65 END;
66 RALFAC53i=ALFAriAXj
67 Ni=RALFAC13+RALFAt23+RALFAC33+RALFAC53j
68 FOR l!=1 TO 5 DO
69 RALFACI3 i =TRUNCC56*RALFAi: I3/N >;
70 RALFAC43i=5Ó-RALFAC13-RALFftC23-RALFAC33-RALFA[53 j
7 0.1 ALFA¡=RALFAj
71 EHD;
72 <H<FIN DE LA FUNCIÓN ALFA* >
73
74 PROCEDURE XTRAND<NXiSUBINTEGERjVAR VRiTPIKEDj
74,1 < *este procedimiento genera un pixel raridom de 56 elementos*)
75
76 VAR
77 X.
78 Y i REAL j
79 I,
81 IX.
62 L¡SUBINTEGER;
83 CONJUNTO iSET OF I.,56j
84
85 BEGIN
87 CONJUNTO i = C3j
PAGE 3 HEWLETT-PACKARD 32201A.7.11 EDIT,'3CiOO MOH. MOV 21, 1983, 91 05
es UHILE [Link] DO
89 BEGIN
90 NRi»=ftBS<NR:'+17¡
91 X!=SQRT<HR>+0.37j
92 X1=X-TRüNC< X ) i
93 NR!=NR*X;
94 Y!=0;
55 FOR Li=1 Tü 6 DO
96 BEGIN
97 Xi=10*Xj
95 IX;=TRUNr:<X)j
99 Xi=X-IXj
00 Y!='; Y+1X)/1 OJ
01 EHD;
02 NR ! =NR,^< 7+ O . 1 >;
03 I ! =ROUHD< Y*55 .1+1 j
04 IF NOT<I IH CONJUNTO) THEN
05 BEGIN
06 VRCNX3¡=I;
07 CONJUNTO!=CONJUNTO + tI3;
08 NX!=NX-1
09 ENDj
10 EHD;
11 END;
12 §
13 PROCEDURE PIXEURALFftiTALFAJVAR PIXEiTPIXCOLí; |
15 VAR I
16 MAX i REALJ s
17 N, i
18 [Link], g
19 L, §
20 CONT, I
21 M, i
22 JiSUBINTEGER; I
23 VRiTPIXEL; |
124 • i
25 BEGIN %
Ze MAXi=RALFACnj I
127 FOR I 1 = 1 TO 5 DO 3
28 IF RALFACI3>=MHX THEN |
29 BEGIN i,
50 MAXi=RALFACI3j Í:
131 1MAXJ=I "
132 END;
133 N)=56-TRUNC>:MAX>J
134 XTRAND<N,VR>;
6 C0NTi=1j
37 IF INAX05 THEN
S BEGIN
139 FOR Li=1 TO 56 DO
140 PIXECIMAX,LDi=1j
141 FOR K¡=1 TO N DO
142 PIXE£IMAX,VRtK33!=0j
143
144 FOR Mi=l TO 4 DO
145 BEGIN
403
PHGE 4 HEWLETT-PACKARD 32201A,7.11 EDIT/3000 MON. NOV 21. 1983. 9i05 P
146 IF n o I MAX THEN
14? BEGIH
14S FOR Ki=l TO 56 DO
149 PIr--;E[M..K3i=n;
150 FOR 01 = 1 TO TRUNCXRALFftCM] ;> DO
151 BEGIH
15¿ PIXECM,VRCCONTD]:=1;
153 C0HTi=C0HT+1
154 EHDJ
155 EHD;
156 END ;
15? EHD
158 ELSE
15y BEGIH
1ÓÜ FOR Mi=l TO 4 DO
iei BEGIH
162 FOR Ki=l TO 56 DO
163 PIXECPhK] ¡ = 0i
164 FOR Ji=1 TO TRUNC<RALFñCM3> DO
165 BEGIH
166 PIXEI:M,VRCC0NT3DI = 1;
16? C0HT!=C0NT+1
1 68 ENDJ
169 EHD;
170 ENDj
171 EHD;
172
173 FUHCTIOH GEHERACHRftC<PIXE¡TPIXCOL>!TCftRAC;
175 VAR
176 DECIMAL><««valor decimal del carácter*)
177 [Link];
177, CI COLOR;
178
179 BEGIH
180 FOR Ci=AMARILLO TO HEGRO DO
181 BEGIH
182 FOR Ki=l TO 8 DO
183 BEGIH
184 DECIMAL!=PIXEC0RDÍC)+1,K*73;
185 FDR J:=K*7-1 DOWHTO K*7-6 DO
186 DECIMAL I=DEC1MAL*2+PIXEC0RD<C>+1.J];
189 IF DECIMAL=3 THEH DECIMAL!=6j
190 GEHERACARACCC.K3i=CHR<DECIMAL>;
192 EHDj
193 EHD;
194 END j < *END GEHERACARAC* >
195
196 <*PROGRAMA PRINCIPAL*)
197 BEGIH
198
198. C0DIG0Cni=CHR<27); CODIGOC23 i=CHR<81 >;
198, C0DIG0C33i=CHRC51 ); CODIGOC4 3;=CHR<36);
199 UIR1TELN< 'FICHEROS A PROCESAR< Y, R, B ) ' );
200 FOR I 1 = 1 TO 3 DO
201 BEGIH
202 REHDLH<H0MFILECI3)¡
2 03 RESET<IHFILEC13.NOMFILECI3)
404
PACE 5 HEULETT-PACKARC) 32201A.7.11 EC)IT,'3000 MON, HDV 21, 19S3. 9:05
2 04 EHDj
205 [Link]<OUTFILE>;
2 06 Fi=FNUM(OUTFlLE>;
2 06 . 01 NRI=F)
2 06. 1 C0NTR0LC0DEi=27j
206.2 FCOHTROL< F,CONTROLCODE,PñRM >j
2 06.3 WRITE-;0lJTFILE,CHR<3)Jj < [Link] L H IMPRESORA EH MODO GRÁFICO^.-)
2 07
208 FOR Ii-l TO 116 DO
2 09 BEGIH
21 0 READ<INFILEC1],LY)j
21 1 READCINFILE[[Link])j
212 REAP<[Link]>j
213 FOR J ¡ « 1 TO 128 DO
214 BEGIN
215 Yi=255-LYC.J3j
216 Rl=255-LRCJ3;
217 B:'=255-LBCJ3j
218 BETAI=ALFH';Y,R,B>J
219 PIXEL<[Link]>;
220 CARAC(=GENERACARAC< PIXE >;
221 FOR C!=AMARILLO TO NEGRO DO
222 FOR K i = t TO 8 DO LINIMPRCC,<J-1>*8+K3i=CARACnC,K3;
223 ENDj
224 FOR Ci«AMARILLO TO NEGRO DO
225 BEGIN
226 CODIGOC33 i=CHR<49+0RD<C))j
226. 1 WRITE<0UTFILE,CHR<3.'>,CHR<:2>,C0DIG0>j
227 lJRITE<;0UTFILE,CHR<3?.LINlNPRCCD,CHR<3>.CHR<)3.-)>;
228 EMDJ
229 WRITE<0UTFILE,CHR<3>.CHR<14>>
230 END;
231 WRITE< OUTFILE,CHRC 3 ).CHR< 2 >)
232 EHD.
405
PftGE 1 HEWLETT-PACKARD 3 2 2 0 t A . 7 . 1 1 EDIT.-3000 nOh4. NOV 2 1 . 1983, 9i02 PM i
I
1 *GOHTROL USLINIT
2 C PRÜGRANrt DE AISLAMIENTO DE FORMAS CROMATICAS
3 C LEE DE FILE 25 FOTO QUE CONTIENE INFORMACIÓN
4 C DE LOS CLUSTERS ESPACIALES NO CONTIGUOS. Y DE
5 C FILE 3 0 FOTO QUE APORTA LA INFORMACIÓN CROMATICA,
6 DIMENSIÓN IES<: 1 28. t 1 6 ). ICRC 128, 58 >
7 R E H D < 25 > < <IES<I.J >.1 = 1.128 >.J=1.n 6 >
B READ <30> << ICR<I.O>. 1 = 1 , 128>. 0=1 .58>
9 WRITE <6.10>
lij 10 FORMAT < ' CLUSTER ESPACIAL DESEADO './. ' ****:«**^***** •,
1 U. 1 1 'i*!******»*'******'***** ' >
1) ACCEPT NC
12 WRITE <:6. 1 1 >
13 11 FORMATí • INTERVALO CROMATICO DESEADO;'./.' *****;<:*******,-.:+.-,
13,1 1 '**:*********** ' >
14 ACCEPT I C 1 . I C 2
14.1 IC1=IC1-1
15 .JK=0
15,1 CnHT=0
16 DO 9 0 ..1=1. 1 16
17 DO 9 0 1 = 1 . 1 2 8
18 I F <IES< I . J>-HC.l 8 0 . 2 0 . 8 0
1Í< 2 0 IF<<ICR< I . J - J K > , L T . IC1 > , 0 R . < 1 C R < I . J - J K J . G T . IC2>> GOTO 8 0
20 IES<I.J>=255
20.1 C0NT=C0NT+1
21 GOTO 81
22 80 1ES<I.J>=0
23 81 IF<[Link].12S> GOTO 9 0
24 IF< J - 5 3 > 90.85.90
25 85 JK=58
26 READ < 3 0 > < < 1CR< I L . J L >. I L = 1 . 1 2 8 >. J L = 1 . 5 8 >
27 9 0 CONTINUÉ
28 WRITE < 6 . 1 0 0 ) NC
29 100 FORMAT < ' NUM, DEL CLUSTER ESPACIAL '.13./.'
29.1 1 ' './>
30 WRITE <6.110) ICt.IC2.C0NT
31 110 FORMAT < ' INTERVALO CROMATICO'.13. ' A '.13.//.' NUM. PUNTOS'.
32 1I5.//>
33 WRITE <20> < < IES< I. J >. 1 = 1 .1 28 >. J==1 . 11 6 >
54 STOP
35 END
406
PnCE 1 HEIJLETT-PACKARD 32201A,7,11 EMT/3000 MOH. HOV 21, 1983. 9100 PM
1 C REALIZACIÓN DE UN "MEDIAN FILTER"
2 C LOS VALORES DE LAS DIMENSIONES DE LA MATRIZ DE CONV. SE
::. C INTRODUCEN POR TECLADO
4 C 29-4-82
5 DIMENSIÓN 1EN<128,116> . IV<25é> , I S C 1 2 8 , 5 8 >
e READ <20> << 1 E N < I . J > , 1 = 1 , 128 >, ..1=1, 11 6 >
6.3 JINIC=1
c-,4 JFIN=58
6.5 IC= O
7 DISPLAY "N . M MATRI^ CONV. "
S HCCEPT N,M
9 NC=N/'2
1O NC=M/2 '
11 Nr'1=H'«'Mí^2
12 3 DO 5 0 J = v i I N I C , ..IFIN
13 DO 5 0 1 = 1 , 1 2 8
14 DO 10 I A 0 = 1 , N
15 DO 1 O .JA0=1.M
16 I0=IA0+I-NC-1
17- JO^JAO+J-HC-I
18 I F < < I 0 . L T , 1 >,0R.< I O . G T , 128.1.0R.< O O . L T . I >,OR.Í . J O . G T , 116>> GOT
19 JMED=IEH<10.J0>
20 I'v'< JMED>=IV< JMED)+1
21 10 CONTINUÉ
22 K=0
23 DO 20 JMED=1,256 i
24 IF'', IV< J M E D ) . E Q . 0 ) GO T O 2 0 Í
25 K=1V<JMED>+K |
26 IFÍ[Link]) GO TO 30 I
27 IV<JMED>=0 I
28 2 0 CONTINUÉ i
28.1 GOTO 4 0 g
29 3 0 I S <!, J - I C * 5 8 > = J M E D - 1 =
29.1 IF <[Link].255> GOTO 31 I
29.2 DISPLAY " I'M . " J" . J. " = " , JMED
30 31 DO 40 IFIN=JMED.256 |
31 IV<IFIN>=0 I
31.1 40 CONTINUÉ I
32 50 CONTINUÉ I
33 DISPLAY "OK. ZONA'MC |
35 WRITE <41) <<IS <I,J>,1=1.128 >,J=1,5e> ¡
36 DISPLAY "END ESCRITURA ZONAii", IC |
36.1 IF <[Link].0> GOTO 60 !
36.2 . IC=1C+1 i
36.3 01NIC=59
36.4 JFIH=116
36.5 GOTO 3
37 60 STOP
38 EHD
407
PAGE 1 HEWLETT-PACKARD 32201ft,7.11 EDIT/3000 MDN. NOV 21, 1983, 31 "r.^
1 ^CONTROL USLINIT
2 C PROGRAMA PARA EVALUAR LAS CARACTERÍSTICAS DE LA MASCARA
3 C IMAGEN EMPAQUETADAS FILE4O ••
4 DIMENSIÓN IEN<12S,nó>
5 COMMON I,XC<3>
6 READ < 4 0 > <<1EN< I . J > , 1 = K 1 2 S > , J = 1 .ney
y ..iriiH=o
S I M I H = 3 00
9 JMAX= O
10 iriA;s=o
1 1 DO 6 0 ..1=1 , 5 S
12 DO 6 0 1 = 1 , 6 4
13 C A L L DESPAC < lENC I , •.' > >
14 DO 10 K= J . 3
IS I K = I X G \ ' K .1
16 I F < IK> 10, 10.20
1? 10 CONTINUÉ
i-e GO TO 6 0
19 20 I F - ; ( IXC-; 1 ) . EQ . IXC< 2 > > . A N D . < IXCC 1 > , E Q , IXCC 3 > > > GOTO 6 0
20 IF< viMIN) 2 5 > 2 5 , 2 9
21 25 OMIN=J
22 29 ¡ F K - I M I H - I > 3 0 , 3 0 . 3 1
23 31 I M I N = I
24 30 IFCI-1MAX> 4 0 , 4 0 , 3 5
25 35 INAX=I
26 40 IF< 0-JMAX> 6 0 , 6 0 , 4 5
27 45 .JMAX=J
28 60 CONTINUÉ
29 DISPLAY "VALORES M Í N I M O S I, J",IMIN,JMIN
30 DISPLAY "VALORES MÁXIMOS I, J",IMAX,JMAX
31 I F < JMAX> 6 5 . 6 5 . 7 0
32 65 DISPLAY "4iN0 EXISTE PATTERNfi"
33 GO TO 99
34 70 N=IMAX-ININ+1
35 N=.JMAX-JMIN+1
36 WRITE <20,80) N,M
37 DISPLAY N,M
38 eo F0RMAT<2I3>
39 WRITE <20> << lEN'í I, J>.I = iniN,IMAX),0=JMIN, JMAX.'
40 DISPLAY "FIN ESCRITURA MASCARA [Link]"
41 DO 90 I=IMIN,IMAX
42 DO 90 J=JMIN,JMAX
43 CALL DESPAC <IEN<I,J>>
44 IEN< I-IMIN+1 , J-JMIN+1 >=IXC'; 1 >
45 90 CONTINUÉ
46 DO 95 I=N+1.128
47 DO 95 J=1,116
48 95 IEN(I.J>=0
49 DO 96 1=1,N
50 DO 96 J=M+1.116
51 96 lENCI,J>=0
52 WRITE <21> << lEN'ÍI, ..!>. 1 = 1 , J2S>,.J=1 , 116>
53 DISPLAY "FIN ESCRITURA DE LA MASCARA COMPROBACIÓN"
54 99- STOP
55 END
56 SUBROUTINE DESPAC <IEN>
57 COMMON IXC<3>
HEWLETT-PACKARD 322 01 A. 7.11 EMT/300 0 MOH, HOV 21, 1983, 8 ¡ 55 P
58 RV=<FLOAT<IEN/2 04S>-S, >'M2S.,-7.
59 XI=ANOD<FLOAT<IEN),204S.?
60 XY=AMODCXI,123. )
61 BY=< < XI -XY ":>/128.-8, >* 1 23 . /7 .
62 l'XCC. 1 >=254.-2.*XY
63 IXC<2>=254,-<2,*RY +2.*XY>
64 IXC';3>=254.-<2,*BY +2 , *XY >
65 RETURN
66 END ^^^
PRGE 1 HEWLETT-PACKftRD 32201ft, 11 EDIT/SOOO MON. NOV 21. 1533.
*COHTROL USLINIT
C PROGK'HMñ P H R A REALIZAR LA OPERACIÓN DE MASKING CROIIHTICI
READ <41,3) H.H
FORMAT Í:2I3>
DISPLAY "DIMENSIONES MATRIX" .N.M
CALL MASK<N,ri>
STOP
4 END
_5 SUBROÜTINE r-lASKí[Link]
S DIMENSIÓN IEH< 1 2 8 . 1 1 6 ) , IS< 1 2 6 . 5 8 >. XC1 < 3 >, IHASC< 2 0 . 2 3 , 3 "^
9 READ <41> << I S - Í I , J ) . I = 1 . N > . 0=1 .M>
I O READ <40> << lEN't I , .J>.I = J , 1 2 8 > , ..1=1 , 116>
II HC=<N+I)/2
11.1 MC=<M+1 >r''2
11.2 DO 10 I = 1 . N
1 1 .3 DO 10 J=1 . M < I S Í 1 / J ) . X C 1
1 1 31 CALL DESPAC
11 4 IS< I . J>=0
11 5 INASCÁI. J . 1 >=XCU 1 >
11 6 10 IMASC< I . J . 2 ) = X C 1 < 2 >
11 •7 }MASC< I . vi,3>s=í<:CU3>
1 I ..S DO 15 1 1 = 1 . N
1 1 .9 15 DO 15 J1=1.M
12 I S < I 1 , J1 >=0
13 JK=0
DO 60
14 DO 60 J=MC.116-MC
15 SX=0. I=NC,128-NC
IS DO 30 I A 0 = U N
19 DO 30 JA 0= 1 . ri
I0=IA0-NC+I
2Ü
Jo=JAO-nc+j
21 CALL DESPAC < l E N Í I [Link]>.XC1 >
22 DO 30 K = l . 3
23 S><=SX+XC K K ) * I riASC< IA O. OA O. K >
25 30 CONTINUÉ
26 SX=SX/<8.*32000. )
40 IS'Í I . J - J K > = I F I X < S X >
27
2'3'
I F ' Í I . N E . 12S-NC) GOTO 6 0
50 I F Í J - 5 S ) 6 0 . 5 1 . 6 0
30 51 JK=53
34 59 WRITE <20> <<IS< I L . J L > . I L = 1 . 128.>. JL=1 . 5 8 ?
35 DISPLAY ' I * * * * * * * * * * * * * * * * * * * * * * * * *******v(íX;+.m'
39 60 CONTINUÉ
40 WRITE <20> <<IS<[Link]=1.128>.JL=1.58>
41 DISPLAV " f i n c o n v o l u c i o n "
61 IHA=255
42
IMI = 0
43 LLH=127-NC
44 LLN=115-MC
45 REWIND 2 0
46 READ <20> < : < I E N < I , . > . I = 1 . 1 2 8 > . 0 = 1 , 116>
47 DO 100 1 = 1 . 1 2 8
DO 100 0 = 1 . 1 1 6
48
I F < < I . L T , N C > . O R . < O , L T . M C > . O R . < I . G T , L L N ) , O R . < [Link]>>
49 IF-: l E N Í I , J > - I M H > 75.75.70
50 70 IMA=IENCI.J>
51
52
53
54
(109
PrtQE 2 HEWLETT-PACKftRD 3 2 2 0 1 f t , 7 , n EOITr'3000 MON. HOW ZU 1933. e•í^'^ Pll <
55 GOTO 100
5Ó 75 IF< IMI-IEtK'1, J>) 100<100>80
57 80 IHI=1EH<I.J>
5é 100 CONTINUÉ
5.-> DISPLftY "VALOR MAXlNO" , IMA. "VALOR MINIMO" . IMI
c-Ci DISPLAY " D E S E M CORRECCIÓN DE NIVELES, SI = 1,H0 = n"
ol ACCEPT NCLA
62 IF<NCLA) 150,150,160
63 160 DO 120 1=1,126
¿4 DO 120 J=1,116
65 120 IEN< I., J )=< FLOAT< 1EM<; I, J>+IABS<INI ) )*225 ./FLOHT< I M A + I ABSÍ'IMI
66 DISPLAY "O.K, CORRECCIÓN"
67 150 REUUND £0
6S WRITE (SO) << lENú I, J>, 1 = 1 , 128>, ..1=1 , 116>
ei- RETURN
70 END
71 SUBROUTINE DESPAC <IEN,XC >
72 DIMENSIÓN XC<3>
73 RY=< FLOATC IEN/2 048 >-8 . ;>*255 . /? .
74 XI=ftNOD<FLOAT<IEN>,2048.>
75 NY=AMODC X 1 , 1 2 8 , >
76 BY=< < ><I->ÍY V I 28 . - 8 . ) * 2 5 5 . /7 .
77 XC-; 1 )=254 . - 2 . *XY
78 XC';2)=<254,->:RY+2H<XY>>
79 XC<3 >=< 254.-C BY+2*XY >) §
SO RETURN i
81 END i
PACE 1 HEWLETT-PñCKftRt 32201A.7.11 EDIT/3000 MON. NÜV 21, 1983. 8 ; 5 7 PM <
1 C TRftHSFORMftCION DE H I S T O G R H M H DE T I P O
i c LOGARÍTMICO,
3 D I M E N S I Ó N ! £ « • ; 1 2 8 , 1 1 6 > , IHC 2 5 c O . lAHC 2 5 6 >
4 XIM=36,
5.01 DISPLñY "VALOR DE 10"
5.02 ACCEPT rSlO
y,! REHD<20> <•.'. I E N < I . J > , 1 = 1 , 1 2 8 > . . J = 1 , U Ó >
5,11 DISPLAY "LECT. O . K , "
5.2 C E V A L U A C I Ó N HISTOGRAMA
5.3 DO 5 K = 1 . 2 5 6
5.4 5 IH(K:I=0
6 DO 1 O 1 = 1 , 1 2 6
r DO 10 J = 1 , 1 1 6
i- K= 1 EH< I . ^,1 >
iH<K+i >=IH<:K+I > + I
10 10 CONTINUÉ
11 C EVALUACIÓN HISTOGRAMA ACUMULADO
12 IS=0
13 DO 20 K=1.256
14 IS=IS+IH<K>
15 IAH<K>=IS
16 20 CONTINUÉ
16.1 DISPLAV " H I S T . 0 , K , "
17 C E V A L U A C I Ó N TRANSF, L O G ,
18 DO 3 0 1 = 1 . 1 2 8
19 DO 3 0 J = 1 . 1 1 6
20 IK=IEN<I..i>
21 IEN< I . . J > = I F I X < X I D * < < X I M / ' X I 0 + 1 ) * * < I - I A H C I K + 1 >/< 1 2 8 , * i 1 6 . ) ) - 1 >'
21,1 lENC I . . J > = 3 D - I E N < I . J)
22 30 CONTINUÉ
22,01 REWIND 2 0
22.1 DISPLAY "TRANSF. O . K , "
23 WRITE < 2 0 ) < < lENC I . J >. 1 = 1 . 126 ). J=1 . 11 6 >
24 STOP
•^'=^, END
(111
PHCÍ: 1 HEIJLETT-PACKARD 32201A.7.11 EDIT/3000 MON. HÜV 2 1 . 1933. 8 ¡ 5 8 Pil C C
1 C CREACIÓN DE F I L E S PARA IMPRESIÓN FALSO COLOR
2 C FILE20=FOTOINPUT.F1LE21=FOTOOUTB.FILE22=FOTOOUTR,
4 IHTEGER B . R . H
í. REAL [Link],KG\,KL>KWRJ<WB
C D I M E N S I Ó N H< 2 5 6 > .B< 1 2 8 >. R'C 1 2 8 >, IEN< 1 2 8 . 1 1 ó >
READ < 2 O > •; < IEN< I . J >. I = 1 . 1 2 8 >. .J= 1 , 1 1 6 >
•£ KB=Ci,11
KG=0.59
11.1 KR=n.3
1 r,. 1 KL=128.
1 1 DO 3 0 5 1 = 1 . £ 5 6
i;- 3 05 H': I >=n
13 DO 31 O 1 = 1 . 1 2 8
14 DO 3 1 0 J = 1 . 1 1 6
15 310 H'! IE1-K I . J > + 1 >=H< lEN'C I . Jr' + I >+1
16 IMIN=0
17 IMAX=255
18 DO 3 2 0 1 = 1 . 2 5 6
1':' I F < H < I )> 3 2 0 . 3 2 0 . 3 1 5
20 315 IMIN=I-1
21 GOTO 3 3 0
22 32 0 CONTINUÉ
•TT?
330 DO 3 4 0 1 = 2 5 6 . 1 . - 1 i
23: , 1 IF<H<I>) 340.340.335 I
2 3 , ^J 335 INAX=I-1 i
^•'P. , 2 1 GOTO 3 5 0 }
C - J ' 1, 3 34 0 CONTINUÉ I
2 3 , ,4 35 0 IHCR=INT<<FLOAT<IMAX)-FLOATClMIN>>/4.> I
2 3 ,,5 I1=IMIN+INCR 5
23, 6 12=11+1NCR ]
2 3 . "? I3=I2+INCR i
"yy. 8 KWR=KG*KL/FLOAT<INCR> 1
9 KWB=KR*KL/FLOAT<INCR> í
24 DO 1 2 0 J = 1 . 1 1 6 I
25 DO 1 1 0 1 = 1 . 1 2 8 'i
26 IC=IEN<I.J) I
27 IFíIC-11> 5.5.10 ¡
2S 5 B';i>=0 i
2Si R<I>=0 i
31 GOTO 1 1 0 - ¡
32 10 IF<IC-I2> 20.20.25 '
33 20 B': I )=0
34 R< 1 )=< FLOAT< I C >-KWRi<FLOAT< I 2 - I C ) ) / K R
36 GOTO 1 1 O
37 25 IF<IC-I3> 30.30.40
38 30 B'; I >=< FLOATC I C > - K W B * F L O A T < I C - I 2 ) V K B
39 R< I > = < F L O A T < I C - I 2 > * K L ) / F L O A T < I N C R )
41 GOTO 11 O
43 40 B< I )=FLOAT< I N A X - I C J'^-KL/FLOAT-; INCR )
44 R< I >=0
46 GOTO 11 O
SS- 110 CONTINUÉ
65 WRITE < 2 1 ) CBC 1 ) . 1=1 . 1 2 e >
66 WRITE < 2 2 > <: R< I >. 1=1 . 1 2 8 >
68 120 CONTINUÉ
6Si D I S P L A Y "OK e s c r i t u r a "
70 STOP
(
PAGE 2 HEUILETT-PHCKARD 32201A.7.11 EDIT.'3000 MOH. NOV 2 1 . 1983. 8:58 PM < L
71 END
412
PHGE 1 HEWLETT-PACKARD 32201A.?,11 EDIT/SÜOO MOH. HOV 2\, 1933, 8 : 5 5 Pl
1 C LEE Y R B DE UNA IMAGEH GRABA E M P , EH OTRA Y , B - Y > R - Y
1,1 C FILE20=[Link],FILE21=COMPR.FlLE2¿=COMPB,F.TLE40=RESüLTrHDn
¿ D l r i E H S I O H 1Y< 1 2 8 . n e O ^ l R k 1 2 S , 1 1c.>
3 REHD <20> VC Í V K I , J > , 1 = 1 . 1 2 S > , 0=1 , n6>
A R E A D < 2 1 > << IRc: I . J > , i = 1 , 12e>.. •J=l .. 1 1 6 )
t; DO 10 1=1 , 128.
ó DO 10 ..1= 1 . 1 1 6
? 1 O I R< I -..' .•>= I Yí I , j >-iR'; I , .1 :•
8 UIRITE < 4 0 > << IR< I . J > . 1 = 1 , 128.1> ..1=1 ^ I 1 6 )
9 READ < 2 2 > < í IRC I , J .''. 1 = 1 . 1 2 8 >, ..1= 1 , 11 ó >
I O DO 2 0 1 = 1 . 1 2 8
II DO 2 0 J = 1 , 1 1 6
12 20 IR< I , ..l>=IY< 1 , J>-1R< I , ..!>
13 DO 3 0 1 = 1 , 1 2 8
14 DO 3 0 J = 1 , 1 1 6
15 IY< I , . J > = < 2 5 5 - I Y < I , J > > / 2
16 IR< I,..I> = < ? * I R < I . J > . V 2 5 5 + 8
17 IY< I , .J>=IY< I , J ) + 1 2 8 * I R < I , .J>
18 3 0 CONTINUÉ ,
18.1 REUIND 4 0
19 READ < 4 0 > << 1R< 1 , J ) . 1 = 1 . 1 2 S > , J = 1 . n 6 > I
19,1 REWIND 4 0 f
20 DO 4 0 1 = 1 . 1 2 8 i
21 DO 4 0 0 = 1 , 1 1 6 f
22 IRC I , . J ) = < ? * Í R Í : I . J ) > / 2 5 5 + 8 |
23 40 IY< I,.J)='iY': I, J>+204S'»<IR<.I, J>
24 WRITE <40> << IY< I, J>, 1=1 , 128>,0=1 . n ó > §
26 STOP I
27 END I
413
PHGE 1 HEWLETT-PACKARD 32201A,7.n Et>IT,'3000 MON, HOV 2 1 . 1983. 81S2
t íCONTROL USLINIT
2 C PROGRAMA CUANTI2AD0R EH N NIVELES
3 DIMENSIÓN LK255>, IE<12S. M 6 >
4 R E H O C'Ki.J <<IE< I, •J>.I = 1 .12S>, •J=1 . 116>
5 DISPLAY "NUn, DE NIVELES DE CUAHTIZACION"
e HCCEPT N
7 DO 1 O I = 1.N
e. 10 U< I >= FLOHT< I-l >*255 . / F L O H T < N >
^ DO 8 0 1 = 1 . 1 2 8
O DO 8 0 0 = 1 . 1 1 6
2 IF <IE<I,.J) - LK2>) 20.30.30
2.1 20 I E < I , . J > = 0
2.2 GOTO SO
3 30 IF <IE'CI...O - LKN:0 31.32.32
3.1 32 lE-; I. J:>=U(N>
3.2 GOTO 8 0
4 3 1 DO 4 0 K = 2 , N - 1
5 I F << l E í I . v O , G E , L K K > > . A N D . < I E < I . J > , L T . U < K + 1 >>> lE'-'. I.. •-'>
6 4 0 CONTINUÉ
8 8 0 CONTINUÉ
9 WRITE < 2 0 > << l E k ' I . J > . 1 = 1 . 1 2 8 . 1 . •-1=1 . 1 16>
0 STOP
1 END
PAGE 1 HEWLETT-PACKARD 32201A.7,11 EDIT/SOOO MON. NOV 21. 1983. : 52
,1 •CONTROL U S L I N I T
c PROGRAMA QUE MEilORA LA C A L I D A D DE LAS IMÁGENES
c C U A N T I 2 A D A S EN POCOS N I V E L E S POR A D I C I Ó N DE UNA
c IMAGEN A L E A T O R I f t f F I L E 4 1 > . H L H 0 B J E T 0 < F I L E 4 0 >
4 c LA IMAGEN F 1 N A L < F I L E 2 0 > ES CUANT12ADA EH 10 N I V E L E S 0 - 9
D I M E N S I Ó N IN< 1 2 8 ^ 1 16 >. I 0 v 1 2 8 . 1 1 6 . '
READ ' : 4 0 ) << I N < I . J ) . 1 = 1 . 128.--'. 0=1 ^1 1 6 >
READ < 4 1 ) , < < ID< 1 , 0 >. 1 = 1 . 1 2 8 . 1 . 0 = 1 , 1 1 6 >
DO 5 0 1 = 1 . 1 2 8
9 • DO 5 0 0 = 1 . 1 1 6
10 I 0 < I . J > = í F L O A T < I N < I . 0 > > - 8 , + < F L O A T ( l O Í I , O > > i ' 2 5 5 . / 9 0 0 . / )H<9 .
1 1 1F< I 0 < I . 0 > - 2 5 5 > 2 0 . 2 0 . 1 0
12 10 10<r,0>=225
13 GOTO 5 0
14 20 IF<I0<I,0)) 30,50.50
15 30 IO<I,0>=0
16 50 CONTINUÉ
1? WRITE < 2 0 > << lO't I , 0 > , 1 = 1 , 1 2 8 . 1 . 0=1 . 1 1 6 1
18 STOP
19 END
414
PMGE 1 HElJLETT-PACKftRD 32201A,7.11 EC'IT/3000 MON. t)OV 2 U 1933, 8:51 PH (t
C PROGRAMA DE AJUSTE POR r i I H I M O S CUADRADOS DEL PARABOLOIDE
C PRODUCTO DE LOS ERRORE:5 DEL TUBO Y Ó P T I C A .
C 20;ABR:S2
DIMENSIÓN l F n < i 2 S . 1 1 ó >
REAL A , B . 1 0 . J O
READ < 2 0 > <•'. I F O ( I , J > . 1 = 1 , 1 2 8 r j . J = l , 1 l ó >
SMF = 0
SMI1F=n
srivnF=o
SMI2F=n
Sr-Ki2F=0
sr'iii = o
sr'iJi=o
SM12= o
sriJ2=o
sni3=o
SMJ3=0
srii4=o
sr-iJ4=o
DO 1 o 1 = 1 . 1 2 8
21 S N I 1 = S N I I + 1-1
SMI2 = SMI2 + F L 0 A T < 1 - 1 > * * 2
SMI3 = SrlI3 + F L 0 A T < I - 1 > * * 3 ,
24 SMI4 = SMI4 FL0AT<I-1>**4
25 1 O CONTINUÉ
DO 6 0 ..1=1 1 16
Sr-lJI = S f l J I J-1
sriJ2 = Sr'1J2 <FL0AT< J - 1 > > * * 2
SMJ3 = S r i J 3 < FLOAT< J - 1 > > * * 3 ,
30 SMJ4 = SMJ4 <FLOAT< J - 1 > ) . + * 4
31 60 CONTINUÉ
DO 70 1=1 .128
33 DO 70 J=1 . 1 16
34 SIFO=IFO-: I. J>
35 SMF = SMF -^ SIFO
smiF = SMI1F + SIFO*<I-• 1 >
SIFO'*< J - 1 >
SMJ1F = SMJ1F SIFO*FLOAT< 1-1 )*H-.2
SMI2F = SMI2F SIFO*FLOAT< ..i-1 > * * 2
39 SM02F = SMJ2F
40 CONTINUÉ
41 XNUMI=<128.•SMI2F-SMF*SMI2)*<128.*SMI3-SMH *SMI2 J
42 XNUMI=XNUMI—; I S S . f S M I l F - S M F - H S M I l >*< 1 2 8 . * S M I 4 - S M I 2 * * 2 .•>
43 DENI=<128,*SMI2F-SMF*SNI2 >+<128.*SMI2-SM11**2 >
44 D E H I = D E N I — : 1 2 8 , * S M 1 1 F - S M F * S M I 1 >*< 1 2 8 . * S M I 3 - - S n i 1 * S M I 2 >
45 10= X N U M I / ' ; 2 * D E N I >
XNUM J=< 1 1 6 . *SM J2F-SMF+.SH J 2 >*< 1 1 6 . * S H J 3 - S M J1 *SM J2 >
XNUM J=XNUM J - < 1 1 6 . *SM J1 F - S M F * S M J1 >>*<< 1 1 6 . * S M J 4 - S M J 2 * * 2 :>
DENJ=< 1 1 6 . * S M . J 2 F - S M F * S M J 2 > * < 1 16 . * S M J 2 - S M J 1 * * 2 >
D E N J = D E N J - < 1 1 6 , * S M J 1 F - S M F * S M J 1 >*<11 ó , • S M J 3 ~ S M J 1 * S M J 2 >
J 0= XNUM J / < 2 * D E N J >
51 DISPLAY " 10 = " M O . " JO = " . J O
RRIO=0
RRJO=0
54 RRI1=0
RRJ1=0
DO 2 0 1 = 0 . 1 2 7
RRI0=RRI0+<FLOAT< I •.i-I0>**2
415
HHGE ¿ HEULETT-PHCKARD 32201A.7.11 E D I T / 3 0 0 C 1 t-lOH, HDV 2 1 , 1933, S;51
•:".? R R I 1 =RR.I 1 +< FLOAT< I > - I O >**'»
.fiw 20 CONTINUÉ
6O EiD 3 O 0 = 0 , 1 1 5
61 [Link]-=RRJO+< F L O A K •) >-^fO>**2
62 RR J1 =RR J1 +< FLOAT< J > - J O J * * ' »
6i 30 CONTINUÉ
6'} D1 = O
65 D2=0
6f. D3=n
67 DO 4 0 1 = 1 , 1 2 8
68 DO 4 0 •J=1 , 1 1 6
es Dl=D1+<FL0i:iT< I > - 1 - I O> * * 2 * F L 0 H T < I F O S I , J > >
70 D2=D2+IF0<I,J)
71 D3=D3+CFLOHT< J ) - 1 - J O > * * 2 * F L 0 A T < I F O Í I , J > >
72 4 0 CONTINUÉ
73 A n = < 1 16*RRI0fD1 >-< 1 16*RRI1*D2:'
74 ñl2=<128*RRJ0*D1)-<RRI0*RRJ0*02>
75 ft21=< 1 16*RR10*D3>—:RRIO'<'RROO*D2>
76 rt22=< 128*RRJ0*D3>-< 1 2S*RR..ll *D2 >
77 B J =>: 11 ó*RRI 0^D2 >-C 1 1 6* I 2S*D 1 >
78 B2='; 128*RRJ0'*D2>-< 1 16*128*D1 >
79 «=< A22*B 1 -A21 *B2 > A A22+A11 - H 1 2*ft21 !>
SO B=CA11*B1-A12*B2>/<A22*A11-A12*A21>
81 DISPLAY "A= ",A," B= ",B
82 50 DISPLAY "OK,"
63 STOP
64 END
416
1-Mu.t 1 HüiJLETT-HHUi.t • ^' O í ^ ^ u i M . - , 1 1 i-Lii. >L.i.o n u i l , n^>' ^
,1 *COHTROL USLINIT
1 C PROGRAMA PARA REALIZAR LA COHVOLUCION DE UNA MATRIS
2 C A<N,t-0 SOBRE UNA IMAGEN I EN< 1 28 , 11 6 ) . CONSIDERA NULOS
3 C LOS [Link] 4 0>=ir'lHGEH ENTRADA . FILEC 20 ) = IP1HGEH
4 C [Link](41>=MATRI2 A DE DIMEN. MAX 10*10.
5 DIMENSIÓN A<30,30>,IEH<12S<116>.IS<128-58 >
c READ < 4 0 ) íí IEN< 1. J>,l = 1 , 128>. ..1=1 .1 ie>
7 READ <41,1> N-M
f- 1 F0RMAT';2I2>
8,1 DISPLAY
DO 5 I=1 . "MATRIZ
H DE CONVOLUCION <",N.".",M." V
3 [
DO 5 j= 1, ri
1O REHD < ^ 1 , 2 .••' H
11 DREAD
I S P L H<41 I. J
,2.''
Y «•; HÍ: I . J>
11,1 CONTINUÉ
FORI'IHTK F 7 , 4 :
12
NC==<N+1 )/2
13
14
nc==<ri+i >/2
JK== 0
1Í5 DO 40 j = i . n 6
15.1 DO 40 1=1.1S c¡
1? suri=o. 0
17.1 DO 30 lftO=1, H
DO 30 JA0=1. N
17.2
1S
19
20 I0=IA0-NC+I
21 Ü0=JA0-MC+J
22 I F < < l O . L T . 1 ) . 0 R . ' : l O . G T . I S S J . O R . C J C L T . I ) , 0 R . < J O . G T , 1 1 6 > > GOTO 3 0
225
3 01 S U M = A < I A O . J A 0 > * F L O H T ' ; lEN-; l O j J 0 > > +SUM
24
25 1 30 CONTINUÉ i
25 IS-; l A J - J K > ) = S U M '
2
I F Í I . N E , 128:,« GOTO 4 0
25 3
IF< 0-53> 4 0 , 3 5 . 4 0
25 31
35 JK=58
26 U R I T E < 2 0 > << IS< I K . J L > , IK--=1 , 1 2 8 > , J L = 1 > 5 8 > i
C1 DISPLAY "****>K**>t<***í(<***H<****H<******" S
2S 40 CONTINUÉ ']
2S D I S P L A Y "OK CONVOLUCION" ¡
31 WRITE < 2 0 > << I £ < I I , J1 ) , 11 = 1 , 1 2 8 > , J1 = 1 , 5 8 >
32 D I S P L A Y "OK E S C R I T U R A " I
60 1MA=255 i
IMI=0 3
32,01 REUUND 2 0 i
32.1 READ < 2 0 > << lENC I , J > , 1 = 1 . 1 2 S > , J = 1 , n 6 . ' > ;
34
33 DO 1 0 0 1 = 1 , 1 2 8 i
37 DO 1 0 0 J = 1 , 1 1 6 i
3í' 70 IF<IEN<I,J)-IMA> 75,75,70 i
3S IMA=1EN<I,J> i
40 75 GOTO 100
41 80
IF< IMI-IEN'! I, .J>> 1 00,100,80
42 100
43 iriI = lEN«; I. J>
44 . 1 CONTINUÉ
44 .2 DISPLAY "VALOR MÁXIMO" , IMA, "VALOR N I N I N O ' M M I
44.3 DISPLAY "DESEA CORRECCIÓN DE NIVELES, SI=1,NÜ=0"
44 . 4 16 ACCEPT NCLA
45 1
IF<NCLA> 1 5 0 , 1 5 0 , 1 6 0
DO 1 2 0 1 = 1 , 1 2 8
DO 1 2 0 J = 1 , 1 1 6
PHGE 2 HEWLETT-PACKARD 32201 A . 7 . 1 1 EDIT/3000 MON, NOV 2 1 , 1983, 8 i 51 PM <C>
•*"=• 120 IEN< I , J>=<FLOAT< IEN< I , J >+IABS< I M I ) > * 2 2 5 .,''FLOAT< I M A + I A B S c - I M I ' V>
->•?• D I S P L A Y " O . K . CORRECCIÓN"
4 7 . Cl 1 5 0 REUUND 2 0
•^^l WRITE < 2 0 > << IEN< I , J ) , I = I . 1 2 8 > , ..1=1, 1 1 6 >
4b STOP
49 EHD
417
PHGE 1 HEUILETT-PACKARC- 3 2 2 0 t f t . 7 . 1 1 EDIT/SOOO MOH, NÜV 2K 1933. Sibl t
1 C PROGRhitlH P H R P I R E A L I Z A R LA COUVOLÜCIOH CROMATICA L I N E A L
2 D I H E N S I O H I E N < 1 2 S , 1 1 6 > , IS< 1 2 S , 5 S : > , AC 3 , 1 5.. 1 5 >, SUrK ?• >
3 COI'IMOH X C < 3 >
4 R E H D < 4 O > < < I E H < I . J >. I = 1 . 1 2 8 :•'. 0= 1 . 1 1 6 >
í R E H D ';41 ,5> N.M
c- 5 FORMAT <2I2)
?• NC=<N+1 >/2
9 C LECTURA MATRIZ DE CONVOLUCION
IU DO 1 o 1=1,3
II DO 1 O 0=1.N
12 D O 10 K=l .M
13 R E H D < 4 1 , 1 1 > A< I . J.K>
13,1 10 D I S P L A V A C I . J . K >
14 11 FORMAT < F ? , 4 )
I5 JK= O
17 DO 6 0 0 = 1 . 1 1 6
17,1 DO 6 0 1 = 1 . 1 2 8
18 DO 2 5 I K = 1 . 3
^9 25 SUM<IK>=0
20 DO 3 0 K = l , 3
21 DO 3 0 IA0=.1 , N §
22 DO 3 0 J A 0 = 1 , M |
23 IO=IAO-NC+I I
24 JO=JAO-NC-+-J í
25 1 F < < I 0 . L T . 1 > . 0 R . < l O . G T . 1 2 S > . 0 R , < J 0 , L T , 1 >,0R.< J 0 , G T , 1 1 6 > > f
26 CALL DESPAC < IEH>; 1 0 . JO >, XC > g
27 SUM<K>=SÜM<K>+A<K. IAO>.JAO>+XC<K> ¡i
28 30 CONTINUÉ a
29 IS< I , 0-JK>=MAX<SUM< 1 > , S U M < 2 > , S U M < 3 > > |
30 I F < I . N E , 1 2 S > GOTO 6 0 I'
31 50 IF<J-58> 60,51.60 |
32 51 JK=58 I
33 I...IR1TE < 2 0 ) < a S < I L . . J L > . I L = 1 . 1 2 8 > . JL=1 , 5 8 ) |
33 , 1 PISPLAV " * * * * * > K * i * < * * * * * * * * * * * * * * * * * * * x < * i h * * * * > ( < " I
34 60 CONTINUÉ i
35 URITE < 2 0 ) < CIS< I L . JL .•>, I L = 1 , 1 2 8 . 1 . J L = 1 , 5 8 > |
35.1 DISPLAY " f i n c o n v o l u c i o n " i
36 61 1MA=255 • Í
37 IMI=0
37.1 LLN=127-NC
37.2 L L N = I 15-MC
38 REWIND 2 0
39 READ < 2 0 ) << IEN< I , d ) . I = 1 . 1 2 S > , J = 1 , 1 1 6 >
40 DO 1 0 0 1 = 1 , 1 2 8
41 DO 1 0 0 ..1=1,116
41.1 IF<<1,LT,NC>.OR,<[Link]>,OR,<I,[Link]>,OR,< J,[Link]>> I E I
42 IF': lEN': I . J > - I M A > 7 5 , 7 5 , 7 0
43 70 IMA=IEN<I,J>
44 GOTO 1 0 0
45 75 IF< IMI-IEN': I, J)> 100,100,80
46 80 IMI=IEN<1,J>
47 100 CONTINUÉ
48 DISPLAY "VALOR MAKIMO",IMA,"VALOR MININO",IMI
49 DISPLAY "DESEA CORRECCIÓN DE NIVELES, SI=1,NO=0"
50 ACCEPT NCLA
51 IFÍNCLA> 1 5 0 , 1 5 0 , 1 6 0
418
PAGE 2 HEULETT-PHCKARD 32201 A.7.11 EO11/3 00O MOH. NDV 21. 1983, 8 i 51 Pi
52 160 DO 120 1=1,128
53 DO 120 J=1,116
54 120 IEN< I, J > = C F L O H T < lENí 1> J>+li4BS< IMI > >*225 ,/FLOHT< IMñ+lHBSv IMI
55 DISPLflY "0,K, CORRECCIÓN"
56 150 REWIND 2 0
57 [Link] <2n> < < IEN< I, J >-1 = 1 . 1 28 >, J=l , 1 1 6 >
58 STOP
59 EHD
60 SUBROUTIHE DESPAC <[Link]:'
61 DIMENSIÓN XC<3>
62 Ry=': FLOATC IEH/2 048 >-8 , >*64 . /7 ,
63 XI=ñriOD'CFLOHT( IEN>,204S. J
64 XY=Hr'10Dí:XI, 128, )
65 BY=<<XI-XY>/128.-8. >-*64,/7.
66 SñT=SQRT'; < RV**2+BY**2 >/2. >
67 FI=ftTAN2<RY.<BY+0.001 >)
68 XC'; 1 >=2 . *XY
69 XC< 2 >=SAT
70 X C < 3 > = F I * 2 5 5 . / < 2 , H < 3 . 141 592 >
71 RETURN
72 END i
PAGE 1 HEULETT-PACKftRD 32201A.7.11 EDIT/3000 MON. NOV 2 1 , 1 9 8 3 , 3 ) 5 0 PM < C > HE
1 C PROGRAMA PARA ENCONTRAR EL GRADIENTE CROMATICO Í>E UNA
2 C IMAGEN EMPAQUETADA<FILE4CO SEGÚN A L F A = S 0 R < , H L 1 **2+AL2-*^'<.2 :•
3 D I M E N S I Ó N lENC 1 2 8 , 1 1 6 ) , ISC 1 2 3 , 5 8 >, A-". 6 , 1 5.. 1 5 >, SUMÍ 3 >, SUM2c: 6 ^
4 COMMON X C < 3 >
5 READ < 4 0 ? í < l E N Í 1 , J > , 1 = 1 , 1 2 S > , 0=1 ^ n e >
ó READ < 4 1 , 5 > N,M
7 5 FORMAT < £ I 2 >
e. HC=<N+1 > / 2
•. MC-=<M+1 ? / 2
10 C LECTURA M A T R I Z DE CONVOLUCION
11 DO 1 0 1 = 1 , 6
12 DO 1 O 0 = 1 , N
1 _• DO 1 0 K= 1 , M
14 REMD<41,11) Ai I,J.K>
15 10 D I S P L A Y A < I , J , K >
16 1 1 FORMAT < F 7 - 4 >
17 JK= O
18 DO 5 0 J = l , 1 1 6
1?> DO 6 0 1 = 1 , 1 2 8
20 DO 2 5 1 K 2 = 1 , 6
21 IK=FLOAT<IK2+1>/2.
22 SUM2<IK2)=0,
23 25 SUM< I K > = 0 ,
24 DO 3 0 K = 1 , 6
25 DO 3 0 I A 0 = 1 , N
26 DO 3 0 J A 0 = 1 , M i
27 IO=IAO-NC+I i
28 JO=OAO-MC+J i
28 II=FL0AT<K+1>/2, f
30 I F < < I O . L T . 1 ) . 0 R . < ; l O . G T . 1 2 8 > . 0 R , < J O . L T . 1 ) , 0 R , < [Link]. 1 1 6 > > GOTO 3 0 j
31 CALL DESPAC >: l E N í I 0 . J 0 > , XC > ^
32 SUM2<K>=SUM2<K)+A<K.IA0, J H O > * X C < : I I ) |
33 30 CONTINUÉ I
34 DO 4 0 I K l = 1 . 6 , 2 11
34. 1 I1=FL0AT<IIJ+1 V 2 , i
35 40 SUMÍ 1 1 )=SQRT<: SUM2< I I J >**2+SUM2< < 1 1 J + 1 ) >>v*2 > I
36 IS-; I , O- JK )=MAXC SUM< 1 ) , 3UMC 2 >, SUM< 3 ) ) |
37 I F < I . N E , 1 2 8 > GOTO 6 0 ^
•70 50 IF>; J - 5 S > 6 0 , 5 1 , 6 0 I
351 51 J K = 5 S i
40 WRITE ' ; 2 0 > < < I S ' ; I L , J L > , I L = 1 , 1 2 8 > , 0 L = 1 , 5 8 > |
41 DISPLAY " * > t < * - * * * * * H i * * * * * * * * * * * * > » < * * * i » i * * * * * * . * * > ( < " 3
42 60 CONTINUÉ i
43 WRITE < 2 0 > << IS< I L , v i L > , I L = 1 , 1 2 8 ) , J L = 1 , 5 8 > **
44 DISPLAY " f i n c o n v o l u c i o n "
45 61 IMA=255
46 IMI = 0
47 LLN=127-NC
48 LLN=115-MC
49 REWIND 2 0
50 READ < 2 0 > << I E N < I . J > , I = 1 , 1 2 8 > , J = 1 . 1 1 6 )
51 DO 1 0 0 1 = 1 , 1 2 8
52 DO 1 0 0 J = 1 , 1 1 6
53 IF<<[Link]).OR.<[Link]>.OR,<I,[Link]).OR.< [Link])) lENCI,J)=0
54 IFÍIEN<I,J)-IMA) 75,75,70
55 70 1MA=IEN<I,J>
56 GOTO 1 0 0
<i?n
PftGE 2 HEWLETT-PAGKflRD 3 2 2 0 I f l , 7 . t 1 EOrTr'SOOO MON, NOV 2 1 , 1 9 8 7 . 8 : 5 0 PM < C )
57 75 I F < I M I - 1 EN': I , J > > 1 0 0 , 1 0 0 . 8 0
S-J eo iru=iEH'; 1, j>
¡5'r* 100 CONTIHUE
o0 DISPL14Y "VALOR M ñ X I M O ' M M A , " V H L O R r i I N I M O ' M M I
€ 1 D I S P L f t Y "DESEA CORRECCIÓN DE N I V E L E S , S I = 1 , H O = 0 "
e¿ ACCEPT HCLH
óS IF<NCLft.> 1 5 0 , 1 5 0 , 1 6 0
64 16
1 6 0 DO 1 2 0 1 = 1 , 1 2 6
lL-5 DO 1 2 0 ..1=1 , 1 ) 6
6n- 120 IEN< I , J >=( FLOftT< I E N Í 1 . J >+1 ABS< I M I ) >>«225 . / - " F L O H K IMA+1ABS'-': I r i I > > >
67 D I S P L A Y " O . K , CORRECCIÓN"
68 1 5 0 REMIND 2 0
6- WRITE < 2 0 > << l E N ' : I , J ) . I = 1 . 1 2 S > , «.1=1 , 1 1 6 >
70 STOP
71 END
72 -SUBROUTINE DESPAC <:iEN,XC.>
73 DIMENSIÓN XC<3>
74 RY=<FLOAT<I£N/2048.'>-8, ) * 6 4 . / 7 ,
75 XI=AM0D<:FL0AT<: IEH),2C4S. )
76 XY=AMODCXI,128.>
77 BY=< < X I - X Y > / 1 2 8 . - 8 , > * 6 4 . / ? .
78 SAT=SG!RT< í R Y * * 2 + B Y * * 2 > / 2 , )
?9 FI=ATAN2<RY,<BY+0.001>>
30 KC>; 1 > = 2 . * X Y
ei XC.X2.'>=SAT
82 X C < 3 . ' > = F I * 2 5 5 . r ^ < : 2 . * 3 . 141 5 9 2 >
83 RETLIRH
84 EHD
421
PHGE 1 HEWLETT-PhtCKftRD 3 2 2 0 1 ( H . ? . n EC^IT/SOOO MON. HOV 2 1 . 1983. 8 i 4 9 P l i <G> HE
1 c PROGRAHH PARA SEPARACIÓN DE CLUSTERS
C DIMENSIÓN IEN< 1 2 3 , 1 1 6 > . H C ' ; 2 5 6 >
•3 REHD <20> <>.: I E N < I . . . I > . I = ] . 1 2 3 > , 0=1 , 1 1 6 >
4 DO 5 1 = 1 . 2 5 6
5 5 NC<I>=0
5.1 DO 7 1=1.128
5.2 1 E N < I , 1 >=0
5.3 7 lEH Í I . 1 1 6 > = 0
5,4 DO S J = 1 . 1 1 6
5,5 lENk1.J>=0
5.6 8 IEN<128.J)= 0
6 K=0
*7
DO 7 0 J = 2 , 1 1 6
tZ¡
DO 7 0 1 = 2 . 1 2 7
9 I F < I E N < I . J ) > 7 0 . 7 0 . 10
10 10 IC=0
11 K1=0
12 K2=0
13 IFCIENC1+1.J-1>) 70.12.11
14 1 1 K1 = 1 E N < 1 + 1 . J - 1 )
15 GOTO 13
16 12 IC=IC+1
17 13 I F < I E N < 1 . J - 1 > ) 7 0 . 1 5 . 14
13 14 K1=IENCI.J-1>
19 GOTO 16
19. 1 15 ic.= rc+i
20 16 1F< lENC 1 - 1 . vi-1 >> 7 0 . 1 8 . 1 7
21 17 K2=IEN<I-l.J-1 >
21 . 1 GOTO 19
22 18 1C=IC+1
19 IF-;iEH< I - l . J ) ) 7 0 . 2 1 . 2 0
24 20 K2=IEN<I-1.J>
25 GOTO 2 2
26 21 IC=IC+1
27 22 I F < I C . E Q . 4 ) GOTO 3 0
28 I F < < < K 1 + K 2 > , N E . 0 ) . A N D , < < K I * K .•'. E Q , O > ?
29 I F < K 2 , N E , K 1 ) GOTO 2 0 0
30 K3=K'l
31 GOTO 2 9
32 28 K3=K1+K2
33 29 IEN< I . .J>=K3
34 GOTO 7 0
34.1 30 K=K+1
35 I E H < I . J>=K
36 HC<K>«=1
37 GO TO 7 0
39 200 K3=MIN0<K1.K2>
40 K4=MAX0<K1.K2>
41 DO 2 0 5 I K = 1 . J - 1
42 DO 2 0 5 I I K = 1 . 1 2 8
43 I F C I E N - : I I K . I K > , N E , K 4 ) GOTO 2 05
44 IEN< I I K . I K > = K 3
45 205 CONTINUÉ
46 DO 2 0 6 I I K = 1 . I
47 I F < I E N < I I K . J > . N E , K 4 ) GOTO 2 06
4S IEN<IIK,J>=K3
49 206 CONTINUÉ
A99
HACE 2 HEWL -PHCKARD 32201H.7.11 ECiIT/3000 MÜH. HÜV 2 1 , 19S3, 6149 Pll
51J HC< K4 >= O
51 70 CONTINUÉ
51 , 1 ICOHT=0
51 2 DO 21 O I C = 1 , K
51 3 I F C N C < I C > , E Q . O > GOTO 2 1 0
51 4 IG0NT=IC0NT+1
51 41 DISPLHY "CLUSTER NÜM, •' . IGONT
51 5 DO 2 09 1=2.127
51 6 DO 2 09 J=2,116
51 -7
IF<1EN< I . v D . N E . I O GOTO 2 0 9
51 8 IEH<I.J>=IC0NT
51 •3 209 CONTINUÉ
51 91 210 CONTINUÉ
51 92 DISPLAY "NUn. DE CLUSTERS= 'MCONT
5) 93
WRITE <25> <<IEN<:i. J>,I = 1, 128>. J=1.116)
51 94
52 DISPLñV "O.K. ESCRITURA"
53 DISPLAY "HUM, CLUSTERS VALIDOS"
54 DO 225 1=1,K
55 223 IF<NC<I>> 225.225.223
56 225 DISPLftY "CLUSTER NUN". I
5? CONTINUÉ
53
STOP
EHD
423
PrtGE 1 HEWLETT-PACKARD 32201A.?,11 EOIT/3000 MON. MDV 21. 1985, 8;49 PM <L
1 ÍGOHTROL USLINIT
2 c "i PROGRHMH ~ D E TRAZHDO DEL DIAGRAMA B-Y VS R-Y
.:; D I M E H S I OH IEW. 1 2 8 . 5 8 > . 1 S< 1 2 8 , 1 1 6 >
4 •JriIH=1
jriAí<=5S
•JK=0
i DO 4 1 = 1 , 1 2 8
01 DO 4 J = 1 , 1 1 6
1
1 I F ^ I . G E . U 6 > GOTO 2
;3 01 IF< J , E Q . 5 7 > GOTO 3
& 02 1 IF': I . E Q . 5 7 > GOTO 3
;ñ 03
i 1S<I,.J>=0
M 04
GOTO 4
8 1 3 IS'; I,..i>=37
S.2 4 COHTIHUE
:= 5 READ < 4 0 > < í iEH< I . K ) , 1 = 1 , 1 2 8 >. K=1 . 5 8 .i
9. 1 DO 1 O •J=.JMIN. JMAX
Í..2 DO 1 O 1 = 1 , 1 2 8
I O RY=< FLOAT< IEN< I . < J - J K > . V 2 0 4 8 > - 8 , > * 5 8 , /? .
II XI=AMOD<FLOHT<: IEN<I,«: J - J K > > ) , 2 0 4 8 , >
12 XY=AM0DCXI,128. )
13 BY=< < K I - X Y . V 1 2 8 . - 8 . > * 5 3 , /? .
14 KI=BY+57,
15 KJ=57.-RY
16 IS<[Link]>=IS<[Link])+1
18 10 CONTINUÉ
18 I F < 0MA><;-58> 3 0 . 3 0 , 4 0 |
20 30 JMAX=116 I
20.1 D I S P L f t Y "OK 1 " i
21 JriIN=59 i
21 , 1 JK=58 ||
£2 GOTO 5 i
23 40 DISPLAY • ' 0 ~ . K . " g
24 DO 5 0 1 = 1 . 1 2 8 §|
DO 5 0 J = 1 . 1 1 6 I
IF<IS<I.J>-928) 45.47.47 I
2i>. 1 47 IS>;i.J)=255 |l
2¿-. 2 GOTO 5 0 i
26.3 45 I S< I . J >=< FLOAT< I S< I . J > > * 2 5 5 . , ' 9 2 8 . >
2¿,4 50 CONTINUÉ I
UIRITE < 4 1 ) << I S < I . J ) . 1 = 1 . t 2 8 > . J = 1 . 1 1 6 > t
STOP i
END i'
424
PrtGE 1 HEtJLETT-PñCKARD 32201ft.7.n EPIT/3000 riOH. HOV 2 U 1933. 8 1 4 S Pt1 <C
1 D I H E H S I O H l E H Í 1 2 8 > 1 1 6 > , I H í 2 5 6 >. A< 5 , S . ) . Bf 5., ) >. CC 4 , 4 >. D< 4 , 1 >
i READ<20><< IEN< I , J > , 1 = 1 , 1 2 8 > , ..'=1 . 1 1 6 )
3 D I S P L A Y "RErtD O . K , "
4 DO 5 1 = 1 . 2 5 6
5 5 1 HÍ; 1 >= O
6 DO 1 O I = 1 . 1 2 Í
7 DO 10 J = 1 . 1 1 6
8 K=IEN<I.J>
9 IH-:. K+1 > = I H < K + 1 >+1
I O 10 CONTINUÉ
II DISPLAV " H I S T . O.K,"
11.1 DO 11 1 = 1 . 2 5 6
11.2 ISÜP=25?-I
11.3 I F < I H < I S U P í . N E . 0 > GOTO 12
n,31 11 CONTINUÉ
11.4 12 DO 13 1 = 1 . I S U P
11.5 INF=I
11.6 I F < 1 H < I H F > , N E . 0 ) GO TO 14
11,?- 13 CONTINUÉ
11 ,.S 14 CONTINUÉ
12 DO 15 1 = 1 . 5
13 B<I.1)=0.
14 DO 15 v i = 1 . 5
15 15 MI.J>=0,
16 DO 2 0 I = I N F . I S U P
17 ft<1.1 > = A < 1 . 1 >+1 ,
18 H< 1 . 2 > = A < 1 . 2 > + F L 0 ñ T < I - 1 >
19 A< 1 . 3 )=A< 1 . 3 >+FLOñT< 1-1 >N<*2
20 A< 1 . 4 ) = A < 1 . 4 > + F L 0 A T t : i - 1 > * * 3
21 A< 1 ^ 5 ) = A < 1 . S Ü + F L O A T Í I - l V * * 4
22 A < 2 . 5 > = A < 2 . 5 ) + F L 0 A T < I - 1 >*=t=5
23 A< 3 . 5 >=A< 3 . 5 > + F L O A T < I - 1 > * * 6
24 A< 4 . 5 >=A>C 4 . 5 >+FLOAT< I - l > * * ?
25 A<5.5)=A<5.5>+FL0AT<I-1>**8
26 B<1.1 )=B<1.1>+IH<I>
2? B < 2 . 1 ?'=B<2. 1 ) + F L O A T < I H < I > >-*FLOAT< 1-1 >
28 B< 3 . 1 )=B< 3 , 1 .•i+FLOATC I H< I > >*FLOAT< I -1 >**2
2'3 B-; 4 . 1 )=B< 4 . 1 )+FLOAT< IH< I ) )=<'FLÜAT< 1-1 > * * 3
30 20 B < 5 . 1 >=B<5. O+FL0ftT<IH< I>>*FLOAT< l-0>t<*4
31 A<2.3>=A< 1 . 4 >
32 A';2.4>=A< 1 . 5 )
33 A<2.2>=H< 1 . 3 >
34 A<3.3>=H<2.4>
35 A<3.4;>=A<2.5)
36 HÍ4.4)=A<3.5.'>
37 DO 25 1=2.5
33 DO 25 J=1.1-1
35- 2 5 A< I. J>=A< J. I >
3H,1 DO 30 1 = 1.4
35.2 D<I.1>=BCI.1?
35.3 DO 30 J=1,4
35.4 30 CK I. .J)=A< I. J?
40 CALL GAUSS<[Link])
41 IF<[Link].0> GO TO 70
41.1 IF(B<5.1 )> 31.37.37
42 31 DISPLAY "LOS COEFICIENTES SON:"
43 DO 35 1=1.5
425
PACE 2 HEWLETT-PACKARCi 3 2 2 01 A . 7 . 11 ECilT/SOOO MOH. HüV 2 1 , 1 9 & 3 , &i4& P l l <C
44 35 D I S P L A Y " B ' ; " ,1." >=" , B ' ; I , 1 >
44, 1 NÜNBRML- - B C 4 . 1 >/< 4 * B < 5 , 1 > > + . 5
44 .•y DISPLAY "UMBRHL=",NUriBRAL
44, 21 GOTO 7 5
44 y. 37 CHLL GHUSS-; 4 , C , D , 1 ER >
44 4 [Link].0> GOTO 70
44 5 H U M B R H L = < -Df 3, 1 >-t-SQRT< DC 3, 1 >**2-3*Df. 2,1 >*D': 4, 1 > > >/< •y-<^-t"'. -i, 1 >
44 6 DISPLAY "INTERPOLACIÓN CUBICA VALOR UMBRAL= ",HUMBRHL
44 l' DISPLAY "COEFICIENTES"
44 s DO 38 1=1,4
44 S 3S DISPLAY D<I,1>
4? GO TO 75
MÍ- 70 DISPLAY "ERROR EN GAUSS."
47 75 STOP
48 END
4Í' SUBROV-ITINE GAUSS <N, A, B, lER . •
>
50 DIMENSIÓN IND<N,2>, IPIVOT<H>,A<N,N),BCN, 1 >
51 IHTEGER REH,COL '
52 T0L=1.E~15
53 M=l
54 DET=1,
55 IER=0
58 DO 1 O J=1 , N
cr^ 10 IPIVOT< J)=0
58 DO 1 2 0 I R E N = 1 , N g
59 AHA«=0. %
60 DO 3 0 1 = 1 , N i
61 I F < I P I V O T < I ) . E Q . 1 > GOTO 3 0 i
62 DO 2 0 J = 1 , H i!
63 I F < I P I V O T < : J ) . E Q . 1 > GOTO 2 0 ¡
64 I F < ABS< AMAX > . GT . ABS< A< I , .J > > > GOTO 2 0 g
¿5 REN=I §1
66 COL=d I
67 AHAÍ<=A< I , J > i
68 20 CONTINUÉ I
63 30 CONTINUÉ ||
70 PIVOTE=H<REN,COL> ||
71 I F <ABS<PIVOTE>-TüL> 3 4 , 3 4 , 3 6 s
72 34 1ER=1 I,
73 GOTO 1 5 0 fi
74 36 DET=DET*PIVOTE I
75 INDCIREN,1>=REN |
76 IND(IREN,2>=C0L gi
77 IPIV0T<C0L>=1
78 I F < R E N . E Q . C 0 L > GOTO 6 0
79 DET=-DET
SO DO 4 0 J = 1 , N
81 CAMB=A<REN,0>
52 A< R E N , J >=A< C O L , J >
83 40 A < C O L , v.l>=CAMB
S4 I F < M . E Q . 0 > GOTO 6 0
85 DO 5 0 J = l , M
Sé CAMB=BCREN,J)
57 B<REH,J>=B<COL,J)
58 50 BCCOL,J>=CAMB
53 60 A<C0L,C0L>=1.
90 DO 7 0 >.i=l,H
/I9fi
ef^Gt 3 HEWLETT-PACKftRD 3 2 2 0 1 ft, 7 . 11 E D 1 1 / 3 0 0 O MON. NOV 2 1 , 1933. 8 i 4 8 PM <C
91 70 A< C O L , J >=ft< C O L . J > / P I V O T E
•^^ I F < f 1 . E Q . 0 > GOTO 9 0
•y-¿. DO SO 0 = 1 .M
94 80 B<COL, 0)=B<COL- J . V P I V O T E
9b 90 DO 12 0 I = 1 , H
Si' IF'; I .[Link]? GOTO 120
97 CERO=ñ< I , COL :>
9¿ A< l . C O L > = 0 .
9 i* DO 1 0 0 J = 1 , H
1 O.j 100 A( I . J >=A< I , J >-CERO*A< COL / O.")
1 rjl I F < M . E Q . 0 > GOTO 120
1 Oi DO 1 1 0 J = 1 , M
1 O^: 11 0 Bk I , J >=B< I , J >-CERO+B< C O L , ..i >
1 04 120 COHTIHUE
1 05 DO 1 4 0 I R E N = 1 . N
1 06 I=H-IREH+1
1 07 I F < I N D < I , O . E Q . I H D < I , 2 > > GOTO 140
1 08 REN=1ND< I . 1 .•)
1 09 COL=IHD<1.2)
1 10 DO 1 3 0 1 = 1 , N
11 1 CAMB=A<I,REH >
1 12 A<I,REN >=H<I,COL > ¡
1 13 130 MI,COL >=CAMB '
1 14 140 CONTINUÉ
1 15 150 RETURN
1 16 END
427
También podría gustarte
- Procesamiento de Imágenes DigitalesAún no hay calificacionesProcesamiento de Imágenes Digitales3 páginas
- Procesamiento de Imágenes y Bioseñales IAún no hay calificacionesProcesamiento de Imágenes y Bioseñales I97 páginas
- Introducción al Procesamiento de ImágenesAún no hay calificacionesIntroducción al Procesamiento de Imágenes17 páginas
- Fundamentos del Procesamiento de ImágenesAún no hay calificacionesFundamentos del Procesamiento de Imágenes6 páginas
- Fundamentos del Sistema NTSC en TVAún no hay calificacionesFundamentos del Sistema NTSC en TV71 páginas
- Herramientas para Tratamiento de MatizAún no hay calificacionesHerramientas para Tratamiento de Matiz64 páginas
- Apuntes de Procesamiento Digital de ImágenesAún no hay calificacionesApuntes de Procesamiento Digital de Imágenes100 páginas
- Introducción a la Visión ComputacionalAún no hay calificacionesIntroducción a la Visión Computacional185 páginas
- Historia de la Fotografía y TelevisiónAún no hay calificacionesHistoria de la Fotografía y Televisión252 páginas
- Funcionamiento de Pantallas de TelevisiónAún no hay calificacionesFuncionamiento de Pantallas de Televisión3 páginas
- Apuntes Cap I Introduccion y FundamentosAún no hay calificacionesApuntes Cap I Introduccion y Fundamentos62 páginas
- Introducción al Procesamiento de ImágenesAún no hay calificacionesIntroducción al Procesamiento de Imágenes70 páginas
- Convertir Imágenes a PDF en Visión ComputacionalAún no hay calificacionesConvertir Imágenes a PDF en Visión Computacional55 páginas
- Procesamiento de Imágenes y Espectro Electromagnético100% (1)Procesamiento de Imágenes y Espectro Electromagnético30 páginas
- Fundamentos de La Imagen Digital, Sesión 2Aún no hay calificacionesFundamentos de La Imagen Digital, Sesión 24 páginas
- Sistemas de Imagen y Tecnologías VisualesAún no hay calificacionesSistemas de Imagen y Tecnologías Visuales1 página
- Procesamiento de Imágenes MédicasAún no hay calificacionesProcesamiento de Imágenes Médicas54 páginas
- Fundamentos de Muestreo y Color en TVAún no hay calificacionesFundamentos de Muestreo y Color en TV5 páginas
- Procesamiento Digital de Imágenes MédicasAún no hay calificacionesProcesamiento Digital de Imágenes Médicas105 páginas
- Sistemas de Televisión en Color (TVC)Aún no hay calificacionesSistemas de Televisión en Color (TVC)3 páginas
- Procesamiento de Imágenes MédicasAún no hay calificacionesProcesamiento de Imágenes Médicas6 páginas
- Etapas de un Sistema de Visión ArtificialAún no hay calificacionesEtapas de un Sistema de Visión Artificial47 páginas
- Características del sistema NTSC en TVAún no hay calificacionesCaracterísticas del sistema NTSC en TV8 páginas
- Introducción a la Computación GráficaAún no hay calificacionesIntroducción a la Computación Gráfica22 páginas
- 20 Visión Artificial - Tratamiento de Imágenes Por Computador-53 PDFAún no hay calificaciones20 Visión Artificial - Tratamiento de Imágenes Por Computador-53 PDF53 páginas
- Procesamiento Digital de Imagenes - UNFVAún no hay calificacionesProcesamiento Digital de Imagenes - UNFV15 páginas
- Adquisición de Imágenes en Visión ArtificialAún no hay calificacionesAdquisición de Imágenes en Visión Artificial45 páginas
- Fundamentos del Procesamiento de ImágenesAún no hay calificacionesFundamentos del Procesamiento de Imágenes7 páginas
- TV Analoga 1 1 Tabla de ContenidoAún no hay calificacionesTV Analoga 1 1 Tabla de Contenido33 páginas
- Introducción al Procesamiento de ImágenesAún no hay calificacionesIntroducción al Procesamiento de Imágenes14 páginas
- Reconocedor de Objetos con BackpropagationAún no hay calificacionesReconocedor de Objetos con Backpropagation25 páginas
- Guía Esencial de Procesamiento de ImágenesAún no hay calificacionesGuía Esencial de Procesamiento de Imágenes2 páginas
- Introducción a la Visión ArtificialAún no hay calificacionesIntroducción a la Visión Artificial7 páginas
- Evolución y Retos de la TV AnálogaAún no hay calificacionesEvolución y Retos de la TV Análoga34 páginas
- Definición y Sistemas de Televisión PAL y NTSCAún no hay calificacionesDefinición y Sistemas de Televisión PAL y NTSC12 páginas
- Reconocimiento de Imágenes DigitalesAún no hay calificacionesReconocimiento de Imágenes Digitales68 páginas
- 8 2013 Control de Calidad en Radiologia Digital PDF100% (2)8 2013 Control de Calidad en Radiologia Digital PDF372 páginas
- Control de Calidad en Radiología DigitalAún no hay calificacionesControl de Calidad en Radiología Digital372 páginas
- Procesamiento de Imágenes en RobóticaAún no hay calificacionesProcesamiento de Imágenes en Robótica36 páginas
- Proyecto de Procesamiento de ImágenesAún no hay calificacionesProyecto de Procesamiento de Imágenes21 páginas
- Funcionamiento de la TV a Color RGBAún no hay calificacionesFuncionamiento de la TV a Color RGB35 páginas
- Aspectos Clave de la Televisión a ColorAún no hay calificacionesAspectos Clave de la Televisión a Color11 páginas
- Procesamiento y Resolución de ImágenesAún no hay calificacionesProcesamiento y Resolución de Imágenes16 páginas
- Transmisión de TV Color y CompatibilidadAún no hay calificacionesTransmisión de TV Color y Compatibilidad61 páginas
- Informe sobre la Evolución TecnológicaAún no hay calificacionesInforme sobre la Evolución Tecnológica3 páginas
- Informe sobre Biología y sus AplicacionesAún no hay calificacionesInforme sobre Biología y sus Aplicaciones3 páginas
- Plataforma Notarial Digital "Wayki"Aún no hay calificacionesPlataforma Notarial Digital "Wayki"7 páginas
- Comic Visto A Traves Del Diseno GraficoAún no hay calificacionesComic Visto A Traves Del Diseno Grafico40 páginas
- Estructura de Datos de Clientes y PréstamosAún no hay calificacionesEstructura de Datos de Clientes y Préstamos4 páginas
- Introducción a Coordenadas PolaresAún no hay calificacionesIntroducción a Coordenadas Polares7 páginas
- Algoritmo Gnome Sort en Python y JavaAún no hay calificacionesAlgoritmo Gnome Sort en Python y Java3 páginas
- Definiciones de Organización según Autores100% (10)Definiciones de Organización según Autores1 página
- Archivo Documentario y su ConceptoAún no hay calificacionesArchivo Documentario y su Concepto6 páginas
- Auditoría de Pollería Roky's: Conclusiones y RecomendacionesAún no hay calificacionesAuditoría de Pollería Roky's: Conclusiones y Recomendaciones36 páginas
- Montos Negociados en el Mercado de ValoresAún no hay calificacionesMontos Negociados en el Mercado de Valores6 páginas
- Hoja de Seguridad del Silicato de SodioAún no hay calificacionesHoja de Seguridad del Silicato de Sodio10 páginas
- Definición y Importancia de ObjetivosAún no hay calificacionesDefinición y Importancia de Objetivos2 páginas
- 02 Calculo de Fletes-Panamericana Norte Rev. 1Aún no hay calificaciones02 Calculo de Fletes-Panamericana Norte Rev. 17 páginas
- Funciones del Comité de Gestión PedagógicaAún no hay calificacionesFunciones del Comité de Gestión Pedagógica4 páginas
- Intercambiador de Calor en Jugo de NaranjaAún no hay calificacionesIntercambiador de Calor en Jugo de Naranja14 páginas
- Tríptico sobre Política EconómicaAún no hay calificacionesTríptico sobre Política Económica6 páginas
- Decreto-Ley 289: Créditos Personales en CubaAún no hay calificacionesDecreto-Ley 289: Créditos Personales en Cuba16 páginas
- Procedimiento Precios de TransferenciaAún no hay calificacionesProcedimiento Precios de Transferencia3 páginas
- Diferencias entre verbo y verboideAún no hay calificacionesDiferencias entre verbo y verboide15 páginas
- Estrategias para la Expresión EscritaAún no hay calificacionesEstrategias para la Expresión Escrita33 páginas
- Glosas para Fiesta de Educación Física 2025Aún no hay calificacionesGlosas para Fiesta de Educación Física 20256 páginas
- Introducción a la Filosofía: Ejercicios y TeoríaAún no hay calificacionesIntroducción a la Filosofía: Ejercicios y Teoría4 páginas
- Uniformes Institucionales JEC 2023Aún no hay calificacionesUniformes Institucionales JEC 20233 páginas
- Trabajo Pensamiento Logico Pt. Vizcaino de La HozAún no hay calificacionesTrabajo Pensamiento Logico Pt. Vizcaino de La Hoz9 páginas
- Curriculum Vitae de Leyner Wagner QuispeAún no hay calificacionesCurriculum Vitae de Leyner Wagner Quispe2 páginas
- Clasificación de la Biblioteca del CongresoAún no hay calificacionesClasificación de la Biblioteca del Congreso7 páginas
- Técnicas e Instrumentos de InvestigaciónAún no hay calificacionesTécnicas e Instrumentos de Investigación13 páginas
- Proyecto "Leemos en Casa" para FamiliasAún no hay calificacionesProyecto "Leemos en Casa" para Familias55 páginas
- Análisis del Enfoque CTSA en CurrículosAún no hay calificacionesAnálisis del Enfoque CTSA en Currículos11 páginas
- Mejorar Calidad de Imágenes y Optimizar - 8 Herramientas RápidasAún no hay calificacionesMejorar Calidad de Imágenes y Optimizar - 8 Herramientas Rápidas9 páginas