Download PROCESAMIENTO DE SEÑALES E IMÁGENES EN SISTEMAS

PROCESAMIENTO DE SEÑALES E IMÁGENES EN SISTEMAS
EMBEBIDOS
Miguel Serrano Romero*
U.A.Q. – Facultad de Ingeniería
[email protected]
Jesús Carlos Pedraza Ortega
U.A.Q. – Facultad de Ingeniería
[email protected]
Resumen
En el presente trabajo se plantea una metodología de pre-procesamiento de
imágenes digitales a través de un tipo de filtrado en específico, filtro pasa
bajas, que pretende homogenizar los niveles de frecuencia que componen
estas imágenes, tratando de dar solución a uno de los diversos problemas a los
que se ven enfrentados los algoritmos de detección de rostros y
reconocimiento facial. El pre-procesamiento de imágenes es relevante debido a
que se eliminan en gran parte las diferencias dadas por las condiciones de
luminosidad, bajo contraste, objetos extraños, rostros parcialmente capturados,
distorsión de la imagen, etc… que alteran el correcto procesamiento de
imágenes para su uso posterior. La metodología llevada a cabo en este trabajo
se compone las siguientes etapas: Selección de las imágenes a filtrar,
implementación del filtro pasa bajas y captura tanto de las condiciones iniciales
como de los resultados obtenidos mediante el filtrado.
Antecedentes
Sistemas embebidos
Pueden definirse los sistemas embebidos como un sistema electrónico de
procesamiento programado para realizar funciones o tareas para un objetivo
específico (Sandoval et al, 2015)
Transformada de Fourier
Una transformada de Fourier es una operación matemática que transforma una
señal de dominio de tiempo a dominio de frecuencia y viceversa. Estamos
acostumbrados a señales con dominio de tiempo en la vida cotidiana. En el
dominio de tiempo, la señal se expresa con respecto al tiempo. En el dominio
de frecuencia, una señal es expresada con respecto a la frecuencia.
Python
Es un lenguaje de interpretado independiente de plataforma y orientado a
objetos, preparado para realizar cualquier tipo de programa, desde
aplicaciones Windows a servidores de red o incluso, páginas web. Que sea un
lenguaje interpretado significa que no se necesita compilar el código fuente
para poder ejecutarlo, lo que ofrece ventajas como la rapidez de desarrollo e
inconvenientes como una menor velocidad.
Filtro de suavizado
1
El filtro pasa bajas (Low Pass, LP) se utiliza como una de las operaciones de
suavizado, operaciones tales que se utilizan para disminuir los efectos
negativos que se pueden presentar en una imagen digital como consecuencia
de un sistema de muestreo pobre o del canal de transmisión. Por ejemplo
ruido. Los filtros paso bajo (LP) dejan pasar las frecuencias que están por
debajo de una determinada frecuencia. (Gómez, 2009). Mostramos en la Figura
1, los tipos de filtros y la atenuación a la cual se someterá una señal.
Figura 1. Tipos de filtros (Gómez, 2009)
Descripción del problema
En la técnica de detección de rostros y reconocimiento facial se implementan
algoritmos para la obtención de factores característicos de los sujetos a evaluar
y compararlos tanto con parámetros preestablecidos como con bases de datos
ya elaboradas, respectivamente. Para facilitar esta obtención de factores
característicos se necesita realizar un procesamiento previo al reconocimiento
facial, lo cual abre paso a un análisis más preciso a través de los algoritmos ya
establecidos.
Justificación
La implementación de diversos algoritmos para la detección de rostros y el
reconocimiento facial a dado un amplio tema de estudio para la optimización de
los mismos y la mejora en los procesamientos previos. El filtrado pasa bajas
mediante la transformada de Fourier en imágenes particulares nos permitirá
realizar un procesamiento previo a entrar al sistema de reconocimiento facial.
Python proporciona, a través de sus diversas librerías, herramientas necesarias
para realizar tal pre-procesamiento. Con la utilización de sistemas embebidos
se obtiene la ventaja de realizar el filtrado y posteriormente la detección de
rostros de bajo costo.
Objetivos
Obtener imágenes filtradas a través del filtrado pasa bajas de una serie de
imágenes de un sujeto de estudio en especifico de la base de datos “Yale Face
Database B” (2001) para propósitos de investigación.
Hipótesis
2
Mediante el filtro pasa bajas se obtendrá una homogenización de los cambios
de frecuencia de las imágenes a analizar, suavizando las mismas. De tal modo
que facilitará los procesamientos siguientes a los que sean sometidas las
imágenes filtradas.
Metodología
1. Instalación y configuración de herramientas y librerías de software
necesarios
 Instalación y configuración de tales herramientas y librerías en
computadora portátil con sistema operativo Mac OS Plus (El Capitan
10.11.5) y Raspberry Pi 2 con sistema operativo Raspbian (Jessie)
o Actualización de Python
o Instalación y/o actualización de librerías necesarias (NumPy,
SciPy, Matplotlib)
o Instalación de librería OpenCV para Python para
procesamiento de imágenes
2. Filtrado de imágenes
 Obtención de base de datos “Yale Face Database B” (2001)
 Enfoque de análisis a un sujeto en particular de dicha base de datos
 Selección específica de las imágenes a filtrar con diferentes
condiciones de captura (luz, expresión facial) para cada imagen
 Filtrado de imágenes como pre-procesamiento, a través del filtro
pasa bajas
 Captura de imagen inicial, con sus espectros de magnitud y fase, e
imagen filtrada, de igual manera con espectros de magnitud y fase,
para su posterior análisis
Resultados y discusión
A continuación se presentan los resultados obtenidos a través del filtro pasa bajas:
Figura 2. Imagen filtrada por medio de filtro pasa bajas, a) imagen de entrada, b)
espectro de magnitud, c) espectro de fase, d) imagen filtrada, e) espectro de
magnitud de la imagen filtrada y f) espectro de fase de la imagen filtrada.
3
Figura 3. Imagen filtrada por medio de filtro pasa bajas, a) imagen de entrada, b)
espectro de magnitud, c) espectro de fase, d) imagen filtrada, e) espectro de
magnitud de la imagen filtrada y f) espectro de fase de la imagen filtrada.
Los resultados que se muestran son tratamiento con el filtro pasa bajas del
individuo B1 de la base de datos “Yale Face Database B” (2001), imágenes
cuyas condiciones iniciales son: de la Figura 2. Sujeto al centro de la imagen
con condiciones de luminosidad ligeramente tenues, con gesto normal y leve
sonrisa. La Figura 3. Sujeto al centro de la imagen con condiciones de
luminosidad ligeramente altas con exposición de luz lateral izquierda, con gesto
normal y leve sonrisa.
Conclusiones
Mediante el trabajo previamente mostrado se demuestra el correcto
funcionamiento del pre-procesamiento de imágenes a través de la aplicación
del filtro pasa bajas debido a la correcta homogenización de niveles de
frecuencia. En la implementación del mismo sistema, utilizado en el trabajo, en
el sistema embebido Raspberry Pi 2 se comenzó por instalar las herramientas
necesarias, lo cual al realizarse por primera vez tiene un nivel elevado de
complejidad.
Con la transformada de Fourier vamos de un dominio (espacio) a otro dominio
(frecuencia) sin perder información de la imagen a tratar. En el trabajo realizado
presentamos las imágenes en el dominio de la frecuencia y realizamos el
estudio necesario como parte del pre-procesamiento para filtrar mediante el
filtro pasa bajas las imágenes seleccionadas como parte de la población de
estudio. Llevar las imágenes al dominio de la frecuencia y realizar el
tratamiento presentado representó ventajas al momento de aplicar los
algoritmos y determinar las propiedades de estas imágenes.
Aplicando el filtro pasa bajas (LPF) se suavizaron las imágenes utilizadas en el
desarrollo experimental, debido a que se están atenuando las frecuencias
4
medias-bajas y esto proporciona la eliminación del ruido de alta frecuencia y las
variaciones suaves de nivel gris que componen cada imagen a tratar.
El sistema puede ser fácilmente implementado debido a que con las
herramientas previamente instaladas en nuestro sistema Raspberry Pi 2,
tenemos el control de que el filtrado pasa bajas necesitará solamente de
nuestro código utilizado previamente y de las imágenes a tratar, las cuales se
guardan y copian directamente en la Raspberry Pi 2 a través de una memoria
USB.
Agradecimientos
Agradeciendo a la Universidad Autónoma de Querétaro por el apoyo brindado
en la realización del presente trabajo como parte del 15º Verano de la Ciencia
UAQ. Y al Doctor Jesús Carlos Pedraza Ortega por guiarnos a lo largo del
trabajo y ayudarnos a detectar nuestras debilidades y reforzar nuestras
aptitudes en la realización del mismo.
Referencias Bibliográficas
Wickert, M. (2013). Signals and Systems For Dummies. John Wiley & Sons.
Shaw, Z. A. (2010). Learn python the hard way.
Gómez Gutiérrez E. 2009. Introducción al filtrado digital. Síntesi i Processament
del So I. Departament de Sonologia - Escola Superior de Musica de Catalunya,
Curso
2009-2010.
Recuperado
de
http://www.dtic.upf.edu/~egomez/teaching/sintesi/SPS1/Tema7FiltrosDigitales.pdf
Proakis, JG, y Manolakis, DG (1988). Introducción al procesamiento digital de
señales . Referencia Técnica Profesional Prentice Hall.
PINILLA, C., ALCALÁ, A. y ARIZA, J. 1997. Filtrado de imágenes en el dominio
de la Frecuencia. Revista de Teledetección A.E.T Nº 8
5