Detector de bordes de imágenes usando un microcontrolador ARM
Barra lateral del artículo
Contenido principal del artículo
Resumen
En este documento se describe como se desarrolló un detector de bordes de imágenes, esta técnica es útil en una variada gama de aplicaciones como metrología, reconocimiento de rostros, detección de patrones debido a que determina la frontera entre dos regiones de características distintas. Se utilizo la tarjeta de desarrollo STM32FI-DISCO, aunque este microcontrolador no está diseñado para procesamiento digital de imágenes (PDI) como es el caso de los microcontroladores de Texas Instruments, Analog Device, etc.., tiene una velocidad de procesamiento elevada y utiliza 32 bits de programa. El detector de bordes utiliza el modulo del microcontrolador ARM de STmicroelectronics añadiéndole una cámara para tomar fotos y se presenta en un display de película delgada de transistor (TFT) la imagen donde se aplicó el detector de bordes usando el filtro de Sobel. Además, se implementó en Matlab el filtro detector de bordes y se comparó las imágenes analizadas con el software Matlab y las obtenidas en la tarjeta de desarrollo encontrando su semejanza, siendo las imágenes con mayor similitud: edificios, figuras geométricas y circuitos impresos. Con lo cual se logró aplicar un algoritmo de detección de bordes en este hardware a bajo costo.
Detalles del artículo
La Universidad Politécnica Salesiana de Ecuador conserva los derechos patrimoniales (copyright) de las obras publicadas y favorecerá la reutilización de las mismas. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento / No Comercial-Sin Obra Derivada 4.0 Ecuador: se pueden copiar, usar, difundir, transmitir y exponer públicamente.
El autor/es abajo firmante transfiere parcialmente los derechos de propiedad (copyright) del presente trabajo a la Universidad Politécnica Salesiana del Ecuador, para las ediciones impresas.
Se declara además haber respetado los principios éticos de investigación y estar libre de cualquier conflicto de intereses.
El autor/es certifican que este trabajo no ha sido publicado, ni está en vías de consideración para su publicación en ninguna otra revista u obra editorial.
El autor/es se responsabilizan de su contenido y de haber contribuido a la concepción, diseño y realización del trabajo, análisis e interpretación de datos, y de haber participado en la redacción del texto y sus revisiones, así como en la aprobación de la versión que finalmente se remite en adjunto.
Referencias
[2] S. Ravi, A. Rahim y F. Shaik, «FPGA Based Design and Implementation of Image Edge Detection Using Xilinx System Generator,» International Journal of Engineering Trends and Technology, vol. 4, nº 10, pp. 4657-4660, 2013.
[3] P. Premaratne, Ajaz, Monaragala, Bandara y M. Premaratne, «Design and Implementation of Edge Detection,» de 2010 Fifth International Conference on Information and Automation for Sustainability , Colombo, 2010.
[4] L. Tan, Digital Signal Processing Fundamentals and Applications, Academic Press, 2013.
[5] STMicroelectronics, «STMicroelectronics,» [En línea]. Available: http://www2.st.com/content/ccc/resource/technical/document/datasheet/03/b4/b2/36/4c/72/49/29/DM00071990.pdf/files/DM00071990.pdf/jcr:content/translations/en.DM00071990.pdf. [Último acceso: 23 Abril 2016].
[6] S. Pratibha, M. Diwakar y C. Sangam, «Application of Edge Detection for Brain,» International Journal of Computer Applications, vol. 58, nº 16, pp. 21-25, 2012.
[7] M. Anupam y K. Debaditya, «Motion analysis in video surveillance using edge detection,» IOSR Journal of Computer Engineering, vol. 12, nº 6, pp. 10-15, 2013.
[8] Y. Ramadevi, T. Sridevi, B. Poornima y B. Kalyani, «Segmentation and Object Recognition using edge detection techniques,» International Journal of Computer Science & Information Technology(IJCSIT), vol. 2, nº 6, pp. 153-161, 2010.
[9] U. Sefercik y O. Gulegen, «Edge Detection in Geologic Formation Extraction: Close Range and Remote Sensing Case Studies,» 2012.
[10] N. Singh, D. Gandhi y K. P. Singh, « Recognition System Using a Canny Edge Detection and a Circular Hough Transform,» International Journal of Advances in Engineering & Technology, vol. 1, nº 2, pp. 221-228, 2011.
[11] Omnivision, «datasheet OV7670,» [En línea]. Available: http://www.voti.nl/docs/OV7670.pdf. [Último acceso: 23 abril 2016].
[12] R. Green y M. Zechner, Beginning Android Games, New York: Apress, 2012, pp. 89-91.
[13] STMicroelectronics, «STM32F series,» Abril 2016. [En línea]. Available: http://www2.st.com/content/st_com/en/products/microcontrollers/stm32-32-bit-arm-cortex-mcus/stm32f3-series.html. [Último acceso: Abril 2016].
[14] Wide, «2.4” QVGA (320x240) TFT-LCD,» [En línea]. Available: http://www.wide.hk/pdf/240320.pdf. [Último acceso: 23 abril 2016].
[15] S. Labs, «CP2102,» [En línea]. Available: https://www.silabs.com/Support%20Documents/TechnicalDocs/CP2102-9.pdf. [Último acceso: 23 Abril 2016].
[16] C. Solomon y T. Breckon, Fundamentals of Digital Image Processing, Oxford: Wiley-Blackwell, 2011, pp. 97-103.
[17] L. Shapiro y G. Stockman, Computer Vision, New Jersey: Prentice-Hall, 2001, pp. 156-166.
[18] S. Jayaraman, Digital Imagen Processing, New Delhi: Tata McGraw Hill, 2009, pp. 127-132.