Añadiendo ruido

Usando la imagen que he obtenido antes de elegir el rojo le he añadido de forma aleatoria puntos con ruido.





Ahora lo que tengo que hacer es usar funciones de opencv para poder quitar ese ruido.

Umbralizando

Después de estar trasteando con ciertas funciones, ahora lo que quiero hacer es seleccionar de una imagen un color determinado, para poder luego trabajar con ello.
El color elegido al azar entre los tres colores importantes es el rojo, así que con una imagen sencilla en la que hay círculos me quedo con los rojos que son los más molones. El resultado es el siguiente:




Como se puede observar ha sido una elección óptima, pero claro, el mundo no es perfecto para estas cosas, así que ahora me dedicaré a meter ruido en la imagen para que sea un poco más real.

Acceso por punteros

Esta vez he accedido a la imagen por medio de punteros de la siguiente manera:
v=((uchar *)(img->imageData + i*img->widthStep))[j*img->nChannels+k];

De esta forma se accede a todos los pixeles de la imagen uno a uno. Para probarlo la transformación que he hecho a la imagen es restar 125 si el valor del pixel es mayor a 125, y sumar 125 si el valor era menor a 125. El resultado final ha sido:

Negativando

He cogido una imagen y accediendo pixel por pixel con la función cvGet2D, después he mirado el valor del pixel para cambiarlo (si estaba a 0 lo he cambiado a 255 y si tenía 255 a 0), y después he metido los nuevos valores en otra imagen con la función cvSet2D.

Con ello el resultado obtenido es el negativo de una imagen en blanco y negro.




Ahora lo intentaré hacer con punteros.

Tratando imágenes

Transformaciones de una imagen con las funciones ya definidas en opencv.

La primera transformación es pasar una imagen a escala de grises, para ello la función que he usado ha sido cvCvtColor.


La siguiente tranformación es una binarización de los canales de la imagen, usando la función cvThreshold.


Y por último he juntado las dos funciones anteriores, primero pasando la imagen a escala de grises y luego haciendo una binarización de ésta.




Las siguientes transformaciones en la imagen las haré a mano, accediendo pixel por pixel.

Encontrando los píxeles

Lo primero que hay que hacer, antes de nada, es saber los píxeles que nos interesan en la imagen. ¿Cómo vamos a hacer esto? Pues de momento de la forma más sencilla.

La idea es meter en un vector en qué posición están los píxeles que nos interesan (usaremos dos vectores, uno para las filas y otro para las columnas). El primer problema en este paso es que en un principio no sabemos la longitud que va a tener nuestra imagen, y por lo tanto, no sabemos la longitud con la que se deben crear esos vectores. Para solucionar este problema voy a usar la librería estándar de C++, en concreto la clase vector que permite acceder a los elementos como un array pero a la vez permite añadir elementos como si fuera una lista.

Para entender la librería he usado las siguientes páginas:
cplusplus (en)
Wiki (en)


La imagen a analizar es una sencilla que he creado con el gimp, en escala de grises, donde el cuadro blanco está entre los puntos (40,40) y (80,80).




Ejecutando mi programa consigo el siguiente resultado:



Viendo así que quedan identificados todos los puntos que nos interesan en la imagen.

Primeras pruebas

Después de montar la caja y ajustar la cámara toca hacer las pruebas para ver cómo se capturarán mejor los gestos.

Las primeras pruebas son con folios, blancos, azules y verdes, a continuación un vídeo de prueba para cada color.

Folio blanco




Folio azul




Folio verde




Como se observa en los folios verde y azul la imagen es bastante oscura y por lo tanto no se distinguen bien los gestos, por lo que también he hecho pruebas con folios de acetato. En azul, verde y amarillo.

Acetato azul




Acetato verde




Acetato amarillo




El paso siguiente es comprobar en cual de todos los casos los gestos son reconocidos más fácilmente.