= = = —] = a oa =| = = = = = = = = fa a = = — | — | = = | 3 ] = 3 Direccién de Universidad Tecnolégica de Campeche (‘G~ ARK Asignatura Sistemas de Manufactura Flexible Unidad I! Tema Vision Grado y grupo 10 Cuatrimestre A,B Integrantes ‘Enrique Pérez Vazquez fb Alexander S. Cocon Sanchez J: Alexis Ramos Hernandez Lae Edgar Pérez Cante 4. Docente Dr. Wilberth Hidalgo Arcos Correo electrénico enriqueperez_ 123@hotmail.com alex_cs95@outlook.com Alexis.sc@gmail.com elizabeth300190@gmail.=a | Contenido Procesamiento de imagenes ........ Fuentes de Energia .....cncssenrn Objetos y sus interacciones con la energia radiada...... Propiedades relacionadas con interfaces y superficies Reflexion difusa .. luminacién... Camara Vision... Formacién y representacién de la imagen... Color. Modelo RGB... Modelo HSI... Filtrado..... Escala de grises Filtro Binario... Bordes.. Algoritmo Canny. Operador Sobel... ty. Direceié Universidad Tecnolégica de Campeche (a a . deay Direccionde L Oy: I , | Universidad Tecnolégica de Campeche ( I ten ener tnpe llustraci6n 1 Procesamiento de imagen... llustracién 2 Cadena radiométrica en la formacién de imagenes. lustracién 3 Ley de Snell para la refraccién y reflexion en interfaces. llustracién 4 Reflexion especular, difusa y subsuperficia.. lustracién 5 Configuraciones de iluminacién... llustracién 6 Aumento de contraste: (a) imagen obscura debido a que su rango de arises es reducido. “1 lustracién 7 Reconocimiento de caracteres en base a su codificacién radial. .....14 llustracién 8 Formacién de imagen...... llustracién 9 Ejemplo los ejes (x, y) en una imagen llustracion 10 : Repregentacion matematica de una imagen: f(x,y). llustracién 11 Respuesta en nm de los diferentes tipos de sensores al color........13 Ilustraci6n 12Diagrama Cromatico.. lustracién 13 Longitudes de ond: lustracién 14 tabla de conversién ... llustracién 15 Sistema Binario .......... llustracién 16 Diagrama de flujo binario.. llustracién 17 Diagrama de flujo Canny... llustracién 18 Codigo en phyton .. llustracién 19 Filtros en phyton..... 4 6 7 < 8ay. Direccién de ; Ty: I , f Universidad Tecnolégica de Campeche — nlite Procesamiento de imagenes Procesamiento y andlisis de imagenes digitales, la seleccién de algoritmos para una aplicacién es usualmente dependiente del proceso que produce las imagenes a tratar y todos los elementos involucrados en el, Es un hecho conocido que la complejidad algoritmica para alcanzar un determinado objetivo es usualmente inversamente proporcional al nivel de control en el proceso de formacién de las imagenes; es decir, mientras mas restringida sea la variabilidad de los factores que intervienen en la formacién de una imagen, mas sencillo sera encontrar una secuencia de pasos de procesamiento que extraigan la informacién deseada. g te ente de energia 3s Objeto iustracian 1 Procesamionto do imagen La figura muestra un esquema para representar la formacién de una imagen. En el proceso intervienen cuatro elementos: 1. Una o varias fuentes de energia, que pueden ser de luz visible, rayos X, u otros tipos de ondas electromagnéticas, haces de particulas atémicas o subatémicas, ultrasonido, etc.Direccién de Universidad Tecnolégica de Campeche (B- WIN, 2. El objeto (u objetos) a ser capturado en la imagen. Estos objetos interactian con la energia emitida, ya sea por reflexién, transmision, refraccién, absorcién, difraccién, etc. 3. La cémara es un sistema éptico o de otra indole que colecta la energia recibida y la proyecta al sistema de captura de la imagen. 4, El sistema de captura de la imagen transforma la sefial proyectada a una Tepresentacion apropiada al contexto; por ejemplo, la retina en el ojo humano transforma la proyeccién a impulsos neuronales, un chip CCD transforma la imagen a sefiales eléctricas aptas para su procesamiento en computador, o una pelicula fotosensible captura la imagen de modo analdgico. Fuentes de Energia , Las fuentes de energia empleadas en la formacién de imagenes debe permiten crear ondas de propagacién que puedan interactuar con la materia que conforma la escena a observar. La iteracién debe ser tal, que las ondas que finalmente alcancen al plano proyectivo de la imagen contengan informacion sobre el objeto irradiado. Tres fuentes de energia son utilizadas con frecuencia en este contexto: 4. Energia actistica 2. Energia electromagnética 3. Energia cinética en haces de particulas Las tres formas de energla comparten propiedades en el contexto de formacién de imagenes, como por ejemplo la conformacién de ondas con longitud de onda A que determina el nivel de detalle distinguible en las imagenes. Como regla empirica, solo aquellas estructuras con tamafios mayores a la longitud de onda podran ser capturadas. Objetos y sus interacciones con la energia radiada La informacién utilizada para la conformacién de las imagenes es aportada precisamente por la interacci6n que tiene la energia irradiada con los objetos a serops. \Direccién de Universidad Tecnolégica de Campeche a (oS capturados. El conocer en detalle los principios fisicos involucrados permite elegir con fundamento aquellas configuraciones de escena que permiten resaltar los detalles de interés en los objetos. A todo el proceso desde la emisién de la luz, hasta su arribo a la cémara se le conoce como la cadena radiométrica de la formacién de imagenes, que se ilustra en la siguiente figura Supettci Bi Inustragion 2 Cadena radiométrica en la formacion de imagenes. Propiedades como la profundidad de penetracién o la reflectividad superficial, que dependen de Jas longitudes de onda de la energia irradiada, determinan las modificaciones que sufre dicha energia en su ruta hasta el detector. Propiedades relacionadas con interfaces y superficies Se define interfaz como una discontinuidad en la propiedades épticas en una distancia mucho menor que ta longitud de onda de la radiacién. Refraccién EI indice de refraccién en éptica geométrica es la raz6n entre la velocidad de la luz en el vacio contra la velocidad de la luz en el medio bajo consideracién, y determina el cambio en la direccin de propagacién de la radiacién atravesando la interfaz entre dos materiales con propiedades dieléctricas diferentes. De acuerdo a la Ley de Snell, los Angulos de incidencia 61 y refraccion €2 se relacionan con la siguiente figurapgp Direccién de Universidad Tecnolégica de Campeche Ui gagMecatrénica ay AXA ago ined Que ayo tefl ustracion 3 Ley de Snell para la refraccién y reflexién en interfaces. Reflexién difusa Cuando asperezas en las superficies tienen tamafios en el mismo orden de magnitud que las longitudes de onda de la radiacién incidente, ocurren fenémenos de difraccién en las microestructuras. Si las microestructuras son relativamente grandes, los rayos son reflejados en distintas direcciones. Si la distribucién de las teflexiones es isotrépica, entonces se habla de superficies de Lambert, pero las microestructuras pueden orientar la luz parcialmente, alrededor de la direccién de WS \X) KM ~ ve ustracién 4 Reflexion especular, difusa y subsuperfia Numinacién Existen varias configuraciones para colocar la iluminacién con respecto a los objetos a ser observados. En aplicaciones de visin industrial se acostumbran las configuraciones mostradas en la figuraeee ustracién 5 Configuraciones de jusminacion Camara La posicion de objetos en el espacio tridimensional puede ser descrita desde dos perspectivas. Las coordenadas universales son un sistema referencial ubicado directamente en la escena observada. Un punto en este sistema de referencias se denotara aqui como Las coordenadas x 0 1 y x 02 engendran un plano horizontal y x 0 3 denota una posicién vertical. El segundo sistema de referencia es conocido como coordenadas de cémara que estan fijos al plano de proyeccién de la camara que captura la escena. El eje x3 se alinea con el eje “éptico de la camara, x1 se alinea con el eje horizontal de la Direccién de Universidad Tecnolégica de Campeche (F- wSON>. KXUniversidad Tecnolégica de Campeche escecpeargee imagen y x2 con el eje vertical. La conversién de un sistema coordenado a otro se realiza trasladando origenes por el vector t, y rotando los sistemas coordenados, lo que se puede expresar por medio del matriz orto normal R_utilizando operaciones lineales de la forma: R(x’ ~t) =R'x+t x’ donde se ha hecho uso de las propiedades derivadas de la orto normalidad de R, principalmente que R-1 = RT La matriz R usualmente se obtiene por medio de la cascada de rotaciones sobre los ejes coordenados, como por ejemplo cord send 0 Ry = |[Hsend cose 0 Loo 0 Ry=]0 cosd send 0 =seng cose. cod 0 send o 10 =send 0 ‘cose, Vision Vision es la ventana al mundo de muchos organismos. Su funcién principal es reconocer y localizar objetos en el ambiente mediante el procesamiento de las imagenes. La visién computacional es el estudio de estos procesos, para entenderlos y construir maquinas con capacidades similares. Existen varias definiciones de visién, entre estas podemos mencionar las siguientes. * “Vision es saber que hay y donde mediante la vista’ (Aristételes).ap Direccion de Universidad Tecnoldégica de Campeche ( @gMecatronica (SPORES. omnes ae © “Visién es recuperar de la informacion de los sentidos (vista) propiedades validas del mundo exterior", Gibson © “Visién es un proceso que produce a partir de las imagenes de! mundo exterior una descripcién que es util para el observador y que no tiene informacién irrelevante’, Marr. Un Area muy ligada a la de vision computacional es la de procesamiento de imagenes. Aunque ambos campos tienen mucho en comtin, el objetivo final es diferentes. El objetivo de procesamiento de imagenes es mejorar la calidad de las imagenes para su posterior utilizacién o interpretacién, por ejemplo «remover defectos, ‘* remover problemas por movimiento 0 desenfoque, © mejorar ciertas propiedades como color, contraste, estructura, etc * agregar “colores falsos” a imagenes monocromaticas El objetivo de la vision computacional es extraer caracteristicas de una imagen para su descripcién e interpretacién por la computadora. Por ejemplo: © determinar la localizacién y tipo de objetos en la imagen Esquema general de! procesamiento de imagenes. Su funcién principal es presentar la misma imagen resaltando ignorando ciertas caracteristicas. Obsérvese que la entrada y salida son imagenes. Se muestra un ejemplo de procesamiento de imagenes. La tarea a realizar es mejorar la imagen de entrada, la cual es obscura. La imagen de salida es esencialmente la misma pero de mejor célida o “mas util". La siguiente figura ilustra la diferencia entre procesamiento de imagenes y visién; nétese que laspy. Direccién de yMecatrénica Universidad Tecnolégica de Campeche imagen muestra ciertas descripciones importantes, como los nimeros, que previamente fueron detectados. La salida de este sistema de visién se complementa con un médulo de reconocimiento de patrones, es decir, “saber” qué letras y nmeros contiene la placa. ltustracién 7 Reconocimionto de caracteres en base a su codificacién radia Formacién y representacién de la imagen La formacién de la imagen ocurre cuando un sensor (ojo, cémara) registra la radiacién (luz) que ha interactuado con ciertos objetos fisicos, como se muestra en la figura La imagen obtenida por el sensor se puede ver como una funcién bidimensional, donde el valor de la funcién corresponde a la intensidad o brillantez en cada punto de la imagen (imagenes monocrométicas, conocidas comoay. Direccién de Universidad Tecnolégica de Campeche a son = (# imagenes en “blanco y negro"). Generalmente, se asocia un sistema coordenado (x, y) ala imagen, con el origen en el extremo superior izquierdo. vei iA ustracion 8 Formacién de imagen iustacién 9 Ejempo los ees sy) on una imagen 1= (x y) Donde f representa el nivel de brillantez 0 intensidad de la imagen en las coordenadas (x, y). Si representamos estas funciones graficamente, se tienen 3 dimensiones: dos que corresponden a las coordenadas de la imagen y la tercera a la funcién de intensidad.eee ustracién 10 : Representacién matemética de una imagen: fx,y). Color El color es un fenémeno perceptual relacionado con la respuesta humana a diferentes longitudes de onda del espectro visible (400 - 700 nm). Esto se debe a que existen tres tipos de sensores en el ojo que tienen una respuesta relativa diferente de acuerdo a la longitud de onda. Esta combinacién de tres sefiales “ da la sensacién de toda la gama de colores que percibimos. La siguiente figura muestra en forma grafica las diferentes respuestas relativas de los tres tipos de sensores (a, B, Y) respecto a la longitud de onda a) we 7 00 Iustracién 11 Respuesta on am de fos cferatos tos do sonsores al coor. Existen diferente formas de organizar o codificar los diferentes colores a partir de componentes basicas, lo que se conoce como espacios de color. Los modelos RGB y HSI son un ejemplo de tales espacios 0 modelos de color. Modelo RGB EI modelo RGB se basa en los tres sensores humanos, considerando que todos los colores son una combinacién de tres colores basicos o primarios: R (rojo), G (verde), B (azul). Generalmente los componentes se normalizan, obteniendo:4p Direccién de Universidad Tecnolégica de Campeche a DONS. +r=R/(R+G+B) +g=G/(R+G+B) +b=B/(R+G+B) ‘Se pueden visualizar a todos los colores dentro de un tridngulo, en cuyos vértices se encuentran los componentes primarios, R, G, B. Todos los demas colores, dentro del triéngulo, se pueden obtener como una combinaci6n lineal de los primarios, El color blanco se encuentra en el centro del triéngulo, con igual proporcién de cada color primario. La television y las pantallas de computadora se basan en este modelo para generar toda la gama de colores. ustracién 12Diagrama Gromético Modelo HSI Se considera que el modelo HSI es el que mejor aproxima a la percepcion humana. El modelo HS! codifica el color en tres componentes: intensidad (brillantez). + H- croma (Hue). +S - saturacién (pureza, inverso a la cantidad de blanco). Se pueden también visualizar los espacios de color en tres dimensiones, El modelo RGB se puede ver como cubo, en donde los ejes corresponden a cada Uno de los componentes primarios. El origen del cubo es el color negro y el vértice puesto (el més lejano al origen) es el blanco. El modelo HSI se puede ver como un cilindro, donde la altura dentro del cilindro corresponde a la intensidad, la distancia al eje central a la saturacién y el Angulo al croma. Bee adaay. Direccién de Universidad Tecnolégica de Campeche a — (FRx Existe una forma directa de pasar la representacién de color del modelo RGB al HSI y viceversa. Por ejemplo, las componentes en HSI se pueden calcular en base al RGB de la siguiente forma: HR-G)+(R y+ (BY reluserm Filtrado El filtrar una imagen (f) consiste en aplicar una transformacién (T) para obtener una nueva imagen (g) de forma que ciertas caracteristicas son acentuadas 0 disminuidas Escala de grises En esta parte se estudiaré la conversion de una imagen en color a escala de grises, el equivalente a la luminancia de la imagen. Como ya sabemos el ojo percibe distintas intensidades de luz en funcién del color qué se observe, esto es debido a la respuesta del ojo al espectro visible la cual se puede observer en la figura, por esa razén el célculo del equivalente blanco y negro (escala de grises 0 luminancia) de la imagen debe realizarse como una media ponderada de las distintas componentes de color de cada pixel. ltustracién 13 Longitudes de onda =a =a =u =a = =a =a =| =: Direccién de Universidad Tecnolégica de Campeche (G" a>. La ecuacién de la luminancia nos muestra es la expresién matematica de ese stat eg me fenémeno y los factores de ponderacién de cada componente de color nos indican la sensibilidad de! ojo humano a las frecuencias del espectro cercanas al rojo, verde y azul. Y = R*0.3+G*0.59+B*0.11 Por tanto, para realizar esta conversién llega con aplicar esta ecuacién a cada pixel de la imagen true-color. Apareceria una nueva matriz de un byte por pixel que daria la informacién de luminancia. Si quisiéramos convertir a escala de grises una imagen de paleta, bastaria con convertir cada color de la paleta a su gris correspondiente segin la ecuacién anterior, creando una nueva paleta de grises, tal como se ve en la siguiente figura. 00 ustracién 14 tabla de conversiénSee Universidad Tecnolégica de Campeche mort Filtro Binario El método de segmentacién mas simple es la umbralizacién, donde se transforma la imagen a binaria, asignando a cada pixel uno de dos valores segtin su valor original supere 0 no uno conocido como threshold (umbral). La umbralizacion es uno de los mas importantes métodos de segmentacién. El objetivo es convertir una imagen en escala de grises a una nueva con sélo dos hiveles, de manera que los objetos queden separados del fondo. El histograma de la Figura 7 corresponde a una imagen compuesta de objetos claros sobre un fondo oscuro. Una forma de extraer el objeto del fondo es seleccionar un umbral de intensidad T que separe los dos conjuntos. De este modo, cualquier punto (x, y) para el que f(x, y)>T, pertenecerd al objeto, en caso contrario, pertenecerd al fondo. Si los valores de gris del objeto y del resto de la imagen difieren claramente, entonces el histograma mostraré una distribucién bimodal, con dos maximos distintos, separados por una regién vacla. Con lo cual se lograré una separacion perfecta entre el objeto y el fondo, al establecer un valor umbral ubicado en esta regién del histograma. Direccién depy, Direccién de (SPS Universidad Tecnolégica de Campeche si (viejo_pixel>umbral) nuevo_pixel = MAX sino nuevo_pixel = MIN ustraci6n 15 Sistema Binario oon No sumbral revs nuevo, pixel = MAX in ustracién 16 Disgrama de fujo binarioay. Direccién de lecatrénica PIA Ty: I J / Universidad Tecnolégica de Campeche beeen toned pomp Bordes Los bordes de una imagen son las secciones en donde ocurre un cambio brusco de intensidad, es decir, en donde existe una transicion entre dos partes que tienen diferentes niveles de gris, el resultado de este proceso sirve como entrada para tareas adicionales como reconocer objetos, compresién de imagenes, registro y alineacion Hasta el momento se cuenta con varios algoritmos de deteccién de bordes, entre los mas destacados estan: * Algoritmo de Sobel * Algoritmo de Prewitt © Algoritmo Laplaciano. * Algoritmo de Roberts. * Algoritmo de Canny. Algoritmo Canny El algoritmo de Canny es un operador desarrollado por John F. Canny en 1986 que utiliza un algoritmo de miiltiples etapas para detectar una amplia gama de bordes en imagenes. Lo més importante es que Canny también desarrolld una teorla computacional acerca de la deteccién de bordes que explica por qué la técnica funciona. El propésito de Canny era descubrir el algoritmo éptimo de deteccién de bordes. Para que un detector de bordes pueda ser considerado éptimo debe cumplir los siguientes puntos: Buena deteccién - el algoritmo debe marcar el mayor numero real en los bordes de la imagen como sea posible. Buena localizacién - los bordes de marca deben estar lo més cerca posible del borde de la imagen real.Direccion de Uf, A I yj f Universidad Tecnolégica de Campeche { ba ota ap Respuesta minima - El borde de una imagen sdlo debe ser marcado una vez, y siempre que sea posible, el ruido de la imagen no debe crear falsos bordes. Para satisfacer estos requisitos se utiliza el calculo de variaciones, una técnica que encuentra la funcién 6ptima para un funcional indicado. En el algoritmo de Canny, esta funcién se describe por la suma de cuatro términos exponenciales, pero se puede aproximar por la primera derivada de una gaussiana. Entre los métodos de deteccién de bordes desarrollado hasta el momento, el algoritmo de deteccién de bordes es uno de los métodos mas estrictamente definido que proporciona la deteccién buena y confiable. Debido a su optimizacion para cumplir con los tres criterios para la deteccién de bordes y la simplicidad del proceso de implementacién, se convierte en uno de los algoritmos mas populares para ladeteccin. « El proceso del algoritmo de deteccién de bordes de Canny puede ser descrito en 5 etapas diferentes: 1. Aplicar el filtro gaussiano para suavizar la imagen con el fin de eliminar el ruido. 2. Encontrar los gradientes de intensidad de la imagen. 3. Aplicar no supresién maxima para deshacerse de la respuesta espuria de deteccién de bordes. 4. Aplicar doble umbral para determinar los bordes potenciales. 5. Seguimiento de borde por histéresis: Finalizar la deteccién de bordes mediante la supresién de todos los otros bordes que son débiles y no estan conectados a los bordes fuertes (Acharya, T. et al., 2005). = =s 4a =i =a —a =a =a =a =a =a =a —a =m = = =a == = = |ope Direccién de Universidad Tecnolégica de Campeche (a BN = 2 | (oe oe Iustracién 17 Diagrarma do fujo Canny Operador Sobel El operador Sobel es utilizado en procesamiento de imagenes, especialmente en algoritmos de deteccién de bordes. Técnicamente es un operador diferencial discreto que calcula una aproximacién al gradiente de la funcién de intensidad de una imagen. Para cada punto de la imagen a procesar, el resultado del operador Sobel es tanto el vector gradiente correspondiente como la norma de éste vector. El operador Sobel calcula el gradiente de la intensidad de una imagen en cada punto (pixel). Asi, para cada punto, este operador da la magnitud de! mayor cambio posible, la direccién de éste y el sentido desde oscuro a claro. El resultado muestra cémo de abruptamente o suavemente cambia una imagen en cada punto analizado y, en consecuencia, cuan probable es que éste represente un borde en la imagen y, también, la orientacién a la que tiende ese borde. En la practica, el calculo de la magnitud -probabilidad de un borde- es mas fiable y sencillo de interpretar que el célculo de la direcci6n y sentido.Universidad Tecnolégica de Campeche (BS GSN, A. Mateméaticamente, el gradiente de una funcién de dos variables (en este caso, la funcién de intensidad de la imagen) para cada punto es un vector bidimensional cuyos componentes estén dados por las primeras derivadas de las direcciones verticales y horizontales. Para cada punto de la imagen, el vector gradiente apunta en direccién del incremento maximo posible de la intensidad, y la magnitud del vector gradiente corresponde a la cantidad de cambio de la intensidad en esa direcci6n. Lo dicho en los parrafos anteriores implica que el resultado de aplicar el operador Sobel sobre una regién con intensidad de imagen constante es un vector cero, y el resultado de aplicarlo en un punto sobre un borde es un vector que cruza el borde (perpendicular) cuyo sentido es de los puntos mas oscuros a los mas claros. Matematicamente, el operador utiliza dos kernels de 3x3 elementos para aplicar convolucién a la imagen original para calcular aproximaciones a las derivadas, un kernel para los cambios horizontales y otro para las verticales. Si definimos A como la imagen original, el resultado, que son las dos imagenes Gx y Gy que Tepresentan para cada punto las aproximaciones horizontal y vertical de las derivadas de intensidades, es calculado como: 10 41 1-2 -1 G, 2.0 4+2)+A Gy=]}0 0 OA 10 41 +1 425-41 En cada punto de la imagen, los resultados de las aproximaciones de los gradientes horizontal y vertical pueden ser combinados para obtener la magnitud del gradiente, mediante: G= G0 +G,?TEN ent ai pee Reporte de filtros OPEN CV. Universidad Tecnoldgica de Campeche Y ‘ioeebn |< mt supeser A continuacién se presentan los filtros utilizados en el sistema de reconocimiento de imagen por medio de procesamiento en el sistema operative Ubuntu, trabajando bajo la plataforma Python realizamos el cédigo con las librerias de2p. Direccién de & ‘ lecatrénica (RS Iustracién 18 Codigo en phyton EI programa consta de 4 pasos en la digitalizacién de la imagen tal que el primero consta de importaci6n de las librerias donde se importan las mas simples desde matplotlib, numpy, cv2 para poder realizar los filtrados. EI segundo paso consta de leer la imagen donde se establece la direccién donde se guarda dicha imagen. El tercer paso es la parte mas importante ya que alll se establecen las funciones de los filtros en Python es un poco més facil procesar un filtro ya que solo estableces las funciones en Matlab suele suceder lo mismo la diferencia es que Matlab trabaja sobre licencia. El cuarto paso consta de la impresién de las imagenes en la imagen aparecen el resultado del filtrado de las imagenes+s. Direccién de Oy I i | Universidad Tecnolégica de Campeche / iigmecatssnica SEL 4 etapa mp 7 RIC Ese] ZT} EL Jee I Mustraci6n 19 Filtros en phyton Podemos observar las funcién de los filtros de canny, de bordes, sobel, prewitt, contraste, etc. Se trabajo bajo sistema operativo Ubuntu versién 12.04, Python 2.7, y en el simulador spyder para Python versién de Linux.op. \ Direccién de Universidad Tecnolégica de Campeche a (FRX i ENA NIAID “exocont_ | ihe! so0ey SRaWT é Freya cous El resultado del procesamiento de las imagenes es el siguiente observado en la parte de arriba tal que logra apreciar la diferencia en cada una de ellas algunos fitros utilizan el algoritmo de hall para poder determinar los bordes. En conclusién los diferentes sistemas de procesamiento de imagen se utilizan en el reconocimiento de las mismas siendo aplicado en diferentes areas industriales o robética mévil.