Skip to content

Files

Latest commit

 

History

History

cap3

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 

Capacitación 3: Introducción a Computer Vision

En esta capacitación se vieron los conceptos básicos de procesamiento de imágenes y visión computacional. Al apretar en el siguiente botón podrán acceder al Google Colab con los ejemplos mostrados durante la sesión:

Open In Colab

La misión para esta capacitación es programar un detector de patos mediante la segmentación por color. Deben modificar el archivo det_pato.py, el cual posee la estructura principal para lograr completar el desafío propuesto.

Funciones útiles

Estas funciones de OpenCV serán de utilidad para resolver el desafío:

img_out = cv2.cvtColor(img_in, COLOR_CODE): permite transformar imágenes de un espacio de color a otro.

mask = cv2.inRange(img_in, lower, upper): Genera una máscara con los valores que cumplen la condición, es decir, se encuentran entre los límites establecidos.

img_out = cv2.bitwise_and(img_in, img_in, mask = mask): Genera una imagen "enmascarada".

mask_out = cv2.erode(mask_in, kernel, iterations = 1): Operación morfológicas de erosión.

mask_out = cv2.dilate(mask_in, kernel, iterations = 1): Operación morfológicas de dilatación.

contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE): Retorna contornos de los blobs en una imagen binaria.

x, y, w, h = cv2.boundingRect(contour): Entrega coordenadas del rectángulo más pequeño que contiene al contorno.

cv2.rectangle(img_in, (x1, y1), (x2, y2), COLOR, line_width): Dibuja el rectángulo de coordenadas (x1, y1), (x2, y2) en la imagen de entrada img_in.

cv2.imshow('nombre', img_bgr): Muestra la imagen img_bgr en una ventana nombre. La imagen debe estar en el espacio de colog BGR para que se visualice correctamente.