UNIVERSIDAD TECNOLÓGICA DEL PERÚ

DEPARTAMENTO DE INGENIERÍA

PROCESAMIENTO DIGITAL DE IMÁGENES

Y VISIÓN ARTIFICIAL

LABORATORIO N°4

“Separador de frutas basado en el Histograma”

LIMA, 2019
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Laboratorio N°4

Separador de frutas basado en el Histograma

Logros de aprendizaje:

 Conocer aplicaciones basadas en el histograma.

 Comprender la implicancia que tienen los valores de un

histograma y cómo representan el color.

 Proponer un programa capaz de clasificar diferentes tipos de

frutas mediante el uso del histograma.

Materiales:

 Software Matlab 2014a o superior.

Introducción:

Las principales técnicas de procesamiento digital de imágenes

mejoran y realzan sus características. Las operaciones que son
llevadas a cabo por este tipo de técnicas implican la alteración del
histograma de la imagen o el procesamiento del valor de sus
píxeles. La propuesta de este laboratorio es emplear los valores
del histograma para lograr realizar un clasificador de tres tipos de
frutas basándose en el color de estas.
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Desarrollo
A continuación, se presenta el desarrollo de la guía para que el
estudiante complete los procesos necesarios para cumplir con la
aplicación, la idea es emplear los comandos vistos hasta el momento a
fin de diferenciar entre dos objetos.

Ejercicio:
La empresa CYRtech.SAC desea implementar un sistema capaz de
diferenciar entre tres tipos de frutas, estas frutas ingresarán por una
tolva y se transportarán por medio de una faja. Una cámara de captura
es posicionada para poder tomar imágenes que permitan diferenciar
estas clases de frutas. El sistema se muestra en la siguiente figura.

Figura 1. Cámara de captura de imágenes de frutas.

Una vez capturada la imagen de la fruta se procede a procesar por medio

de un algoritmo de clasificación. Se desea realizar el algoritmo para
clasificar una fruta de acuerdo a su color. Las frutas a diferenciar son:
manzana, palta y carambola.
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Una manera de representar el color de una imagen es empleando el

histograma. A fin de lograr el objetivo planteado es necesario seguir los
siguientes pasos:
1. Realizar la lectura de las imágenes y mostrarlas en Matlab con
figuras. La imagen debe presentar Título con el nombre de la fruta.

Completar el siguiente código:

%% Visualización Grafica
clear all,close all,clc

M=imread('b2.jpg');
P=imread('a2.jpg');
C=imread('c2.jpg');

% Completar la gráfica ********************

figure('name','Frutas')
subplot(1,3,1),imshow(M),title('Manzana')
%
%
% *****************************************

El resultado debe ser el siguiente:

2. ¿Qué dimensiones tiene la imagen? A qué corresponde cada

dimensión. Explique.
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

%% Tamaño de la imagen
%
%

Describir cada dimensión:

_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________

3. (Opcional) Realizar un algoritmo propio para obtener los

histogramas R, G, B de cualquiera de las imágenes (no está
permitido usar las funciones de histograma de Matlab).

Sugerencia: Usar bucles con la instrucción for, realizar el

condicional con la función if y presentar en un gráfico de barras
usando la función bar.

% Funcion histograma con funciones for, if y bar

UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

4. En caso no haber realizado el apartado número 3, emplear la

función imhist para obtener el histograma de cada una de las
figuras. Recordar que el histograma se puede obtener de la capa
R, G y B.

El resultado debe ser:

Capa R:
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Capa G:

Capa B:
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

5. En el paso anterior se puede apreciar que hay un valor muy alto

en los puntos cercanos a 250, esto debido a que el fondo (color
blanco) tiene valores alrededor de 250. Nuestro interés no está en
determinar la cantidad de pixeles del fondo, por lo que, nos
conviene analizar el histograma solamente de 0 a 240 en el eje de
las abscisas.

A fin de realizar esto, tenemos que trabajar con el vector que

compone el histograma; para obtener este vector se tiene que
igual el histograma a una variable:

hcx = imhist(capaX)

Ahora hcx contiene un vector de tamaño 256 x 1. Ahora tenemos

que crear un nuevo vector a partir de hcx que contenga los 240
valores; es decir que tenga un tamaño 240x1.

Finalmente para mostrar este resultado, se grafica el vector

obtenido empleando el comando bar( ).

6. Realizar la gráfica de 3 figuras. Cada figura con 3 subplots de 3x1.

En cada figura se debe mostrar el histograma de una capa (figura
1: Capa Roja, figura 2: Capa Verde, figura 3: Capa Azul), mientras
que cada subplot presenta el histograma correspondiente de la
manzana, palta y carambola respectivamente.

Condición: Para poder analizar correctamente es necesario

trabajar cada histograma

Enunciar las diferencias que presentan los histogramas de las

diferentes figuras.
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Ejemplo:
Imagen A:

Imagen B:

Enunciado:

* La fruta A presenta mayor densidad a partir de 160 hasta 220,

mientras que la fruta B presenta baja densidad en esa zona.

7. Basado en las diferencias encontradas generar en Matlab un

algoritmo que exprese estas diferencias en un número.
Ejemplo:
Densidad de zona entre 160 a 220

∑220
𝑖=160 𝐻(𝑖)
𝐷𝑥 =
220 − 160

Donde H(i) es el valor numérico de la amplitud.

UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

Propuesto:

8. Basado en condicionales y ayudándose en el valor obtenido Dx

generar un algoritmo que determine la fruta que se está
mostrando en la imagen. Esta denotación puede ser mostrando
algún número o alguna palabra en el command Windows con la
función display.

% Discriminación basándose en condicionales

9. Realizar diferentes pruebas variando el umbral, con diferentes

frutas, etc, y reportar los resultados o diferencias obtenidos en
cada prueba.
UNIVERSIDAD TECNOLÓGICA DEL PERÚ
Procesamiento Digital de Imágenes y Visión Artificial

% Variando el umbral

% Variación 1:
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________

% Variación 2:
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________

% Variación 3:
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________

10. Presentar conclusiones.

_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________
_______________________________________________________