Sistema de reconocimiento automático matrículas

Vehículos. Aparcamientos. Placas. Gradiante de Sobel. Código. Umbral. Imágenes. Elementos irrelevantes. Métodos de filtrado y dilatado

  • Enviado por: Yesid Jarma
  • Idioma: castellano
  • País: Colombia Colombia
  • 15 páginas
publicidad
cursos destacados
Solución a las Pruebas PISA 2012
Solución a las Pruebas PISA 2012
El  motivo de la creación de este curso, que en realidad es más una serie de problemas resueltos, se...
Ver más información

Ejercicios Resueltos Ecuaciones Diferenciales
Ejercicios Resueltos Ecuaciones Diferenciales
Serie de ejercicios resueltos de Ecuaciones Diferenciales Este curso va ligado al curso actual de Ecuaciones...
Ver más información

publicidad

INFORME FINAL

SISTEMA DE RECONOCIMIENTO AUTOMATICO DE

PLACAS PARA UN PARQUEADERO

INFORME FINAL

OBJETIVO:

Utilizar técnicas de procesamiento de imágenes para solucionar un problema específico, el cual será la creación de un sistema reconocedor automático de placas que podrá ser instalado a la entrada de un parqueadero.


DESARROLLO DEL PROYECTO

Restricciones: Las imágenes tomadas pueden ser de cualquier tamaño, pero la placa debe cumplir con las siguientes condiciones de 150 a 210 pixels y de 50 a 110 pixels de ancho. Ademas, las fotos tomadas de la placa no pueden estar inclinadas.

Procedimiento: Inicialmente se necesita diferenciar si la imagen está en escala de grises o en RGB para poder hacer la conversión correspondiente. Se utiliza el siguiente código:

I=imread('C:\foto104.jpg');

info=imfinfo('C:\foto104.jpg');

if info.ColorType=='truecolor' %Ciclo para determinar si es a color o en

I=rgb2gray(I); %escala de grises para poder hacer o no la

else %conversion necesaria

I=I;

End

Una vez realizado esto se recorta la imagen para poder eliminar zonas en las que no existe información relevante a la placa como los bordes superiores y externos, se muestra en la figura 1. Se observaron las fotos para determinar cual es el rango aproximado que se puede cortar.

'Sistema de reconocimiento automático matrículas'

Figura 1. Imagen Recortada

Después del recorte se determina el umbral óptimo de la imagen. Esto se hace calculando el gradiente de la imagen utilizando la técnica de Sobel para hallar posibles picos en la imagen, y luego las siguientes ecuaciones:

'Sistema de reconocimiento automático matrículas'

Se implementó el siguiente código para definir una función para calcular el umbral óptimo de cada foto en particular:

% umbral=UmbralOptimo(imagen, filasImagen, columnasImagen, gradiente);

% Algoritmo para calcular el umbral optimo para la binarizacion.

function umbral=UmbralOptimo(imagen, filasImagen, columnasImagen, gradiente)

% Creo una variable que me dice de que color era el ultimo grupo que guarde

% de esta forma se que la cola del final de la fila pertenece al otro color

% la variable se llama ultimoColor, si vale cero fue oscuro y si vale uno

% fue claro.

numOscuros=0;

numClaros=0;

oscuros=0;

claros=0;

cont=0;

acum=0;

% Este if es para solucionar el problema que ocurre si no hay bordes en la

% primer fila entonces no se sabe si es clara o oscura.

% Supongo continuidad en los colores, si en la segunda fila tampoco hay bordes

% estos los supongo del mismo color que la primera.

if imagen(1,1)<(max(max(imagen))/2)

% Como es oscuro pongo que el ultimo color fue claro.

ultimoColor=1;

else

% Como es claro pongo que el ultimo color fue oscuro.

ultimoColor=0;

end

for i=1:filasImagen

if ultimoColor==0

numClaros=numClaros+cont;

cont=0;

claros=claros+acum;

acum=0;

else

numOscuros=numOscuros+cont;

cont=0;

oscuros=oscuros+acum;

acum=0;

end

for j=1:columnasImagen

if gradiente(i,j)==0

cont=cont+1;

acum=acum+imagen(i,j);

else

if gradiente(i,j)==-1

numOscuros=numOscuros+cont;

cont=1;

oscuros=oscuros+acum;

acum=imagen(i,j);

ultimoColor=0;

else

numClaros=numClaros+cont;

cont=1;

claros=claros+acum;

acum=imagen(i,j);

ultimoColor=1;

end

end

end

end

if ultimoColor==0

numClaros=numClaros+cont;

claros=claros+acum;

else

numOscuros=numOscuros+cont;

oscuros=oscuros+acum;

end

% Media de los claros.

mediaClaros=claros/numClaros;

% Media de los oscuros.

mediaOscuros=oscuros/numOscuros;

% Umbral optimo para la binarizacion.

umbral=(mediaOscuros*numClaros+mediaClaros*numOscuros)/(numClaros+numOscuros);

Se definió la siguiente función para calcular el gradiente de Sobel:

% gradienteSobel=Sobel(imagen, filasImagen, columnasImagen, X_Porciento);

function gradienteSobel=Sobel(imagen, filasImagen, columnasImagen, X_Porciento)

% Kernel Sobel para calcular el gradiente en la direccion horizontal.

kernel=(1/8)*[-1 0 1; -2 0 2; -1 0 1];

gradiente=Filtro(imagen, filasImagen, columnasImagen, kernel);

% Calculo del umbral para clasificar la respuesta del Sobel, este es tal que

% solo un X% de los gradientes van a superar el umbral.

moduloGradiente=abs(gradiente(:));

maximoModuloGradiente=round(max(moduloGradiente));

minimoModuloGradiente=round(min(moduloGradiente));

nivelesGradiente=maximoModuloGradiente-minimoModuloGradiente;

histogramaGradiente=hist(moduloGradiente, nivelesGradiente);

histogramaGradienteAcumulado=cumsum(histogramaGradiente);

umbralSobel=nivelesGradiente;

while (umbralSobel > 0)&(histogramaGradienteAcumulado(umbralSobel) > (filasImagen*columnasImagen*(1-(X_Porciento/100))))

umbralSobel=umbralSobel-1;

end

umbralSobel=minimoModuloGradiente+umbralSobel;

% Clasificacion de la respuesta del Sobel en 1, 0 o -1.

gradienteSobel=[];

for i=1:filasImagen

for j=1:columnasImagen

if gradiente(i,j) > umbralSobel

gradienteSobel(i,j)=1;

else

if gradiente(i,j) < -umbralSobel

gradienteSobel(i,j)=-1;

else

gradienteSobel(i,j)=0;

end

end

end

end

Finalmente se implementó el siguiente código para el recorte y la determinación del umbral:

[R C]=size(I); %Halla el tamaño de la imagen

cropsize=[(R*0.25) (C*0.15) (C*0.625) (R*0.6)]; %Determina seccion a cortar

Ic=imcrop(I,cropsize); %Recorta la imagen para eliminar fondo innecesario

figure; imshow(Ic) %Grafica Zona recortada

Id=double(Ic); [R C]=size(Ic) %Convierte imagen a doble para operaciones

I2=sobel(Id,R,C,2.5); %Halla gradiente de sobel

umbral=umbraloptimo(Id,R,C,I2); %Halla umbral optimo

Posteriormente se realizan operaciones morfológicas. Inicialmente se utilizará un elemento estructurante circular de radio 10 píxeles para realizar una transformación “bottom-hat”, que primero hace una operación de “closing” (dilatación y luego erosión) y luego resta la imagen obtenida de la imagen original para resaltar la placa y ciertos bordes como se puede ver en la figura 2. Luego se aplica el umbral hallado anteriormente como se muestra en la figura 3. Para eliminar el ruido se hace primero una operación de “closing” (dilatación y luego erosión) utilizando un elemento estructurante horizontal hallado basándose en la separación que existe entre los caracteres de la placa como se muestra en la figura 4. Después se realiza “opening” (erosión y luego dilatación) con un elemento estructurante vertical hallado basándose en la altura de los caracteres de la placa como se ve en la figura 5. Finalmente se realizan dilataciones verticales y horizontales para expandir la zona de la placa como se ve en la figura 6. Se implementó el siguiente código:

st=strel('disk',10); %Elemento estructurante de 10 pixeles de radio

IM2=imbothat(Ic,st); %Hace Bottom-Hat

I3=IM2>umbral; %Aplica Umbral

LH=strel('line',60,0); %Elemento estructurante lineal horizontal

IM3=imclose(I3,LH); %Closing con elemento estructurante

LV=strel('line',20,90); %Elemento estructurante lineal vertical

IM4=imopen(IM3,LV); %Hace opening con elemento estructurante

figure;imshow(IM4) %Muestra Imagen

DIV=strel('line',35,90); %Elemento estructurante lineal vertical

DIH=strel('line',20,0); %Elemento estrucutrante lineal horizontal

IM5=imdilate(IM4,DIV); %Dilata con E.E. vertical

IM6=imdilate(IM5,DIH); %Dilata con E.E. horizontal

figure; imshow(IM6) %Muestra imagen

'Sistema de reconocimiento automático matrículas'

Figura 2. Top-Hat

'Sistema de reconocimiento automático matrículas'

Figura 3. Umbral

'Sistema de reconocimiento automático matrículas'

Figura 4. Closing Horizontal

'Sistema de reconocimiento automático matrículas'

Figura 5. Opening Vertical

'Sistema de reconocimiento automático matrículas'

Figura 6. Dilatación

Finalmente a partir de la imagen binarizada de la zona de la placa, se pueden hallar la ubicación de la placa y sus dimensiones para hacer un recorte de la imagen original de la zona de la placa como se muestra en la figura 7. Se implementó el siguiente código:

L=bwlabel(IM6); %Crea regiones

stats=regionprops(L,'all'); %Estadisticas de las regiones

Idx=find([stats.Area]>(7000)); %Diferencia las regiones con Area > 7000

IM6=ismember(L,Idx); %Crea una imagen con dichas regiones

L=bwlabel(IM6); %Crea regiones

stats = regionprops(L,'all'); %Estadisticas de las regiones

E=stats(1).BoundingBox; %Toma tamaño de la region

X=E.*[[1] [0] [0] [0]]; X=max(X); %Determina eje X esquina superior Izq. Placa

Y=E.*[[0] [1] [0] [0]]; Y=max(Y); %Determina eje Y esquina superior Der. Placa

W=E.*[[0] [0] [1] [0]]; W=max(W) %Determina Ancho Placa

H=E.*[[0] [0] [0] [1]]; H=max(H); %Determina Altura placa

Corte=[X Y W H]; %Determina coordenadas de corte

IMF=imcrop(Ic,Corte); %Realiza el corte

figure; imshow(IMF) %Muestra imagen de la zona de la placa

'Sistema de reconocimiento automático matrículas'

Figura 7. Recorte Placa

A continuación procedemos a binarizar la imagen de la placa recortada con un umbral de 120, para poder recortar aun mas la placa y así borrar las líneas y elementos que nos producen ruido (Figura 8). Esto lo podemos realizar mediante una estadística de la región tomada, y aplicando un porcentaje de recorte posible por las características estándar que tienen las placas. Se realiza un filtro para ayudar a depurar un poco mas la imagen (Figura 9). Se binariza la imagen obtenida (Figura 10). Y por ultimo se aplica una propiedad de región para que solo las áreas mayores a 1.5% del total queden presentes. El siguiente es el código implementado:

umbral=120; %Aplico un Umbral de 120

placa=IMF>umbral; %Aplica umbral a placa

L=bwlabel(placa); %Crea regiones

stats=regionprops(L,'all'); %Estadisticas de las regiones

placadx=find([stats.Area]>(4500)); %Diferencia las regiones con Area > 4500

placa=ismember(L,placadx); %Crea una imagen con dichas regiones

L=bwlabel(placa); %Crea regiones

stats=regionprops(L,'all'); %Estadisticas de las regiones

E2=stats(1).BoundingBox; %Toma tamaño de la region

X2=E2.*[[1] [0] [0] [0]]; X2=max(X2); %Determina eje X esquina superior Izq. Placa

Y2=E2.*[[0] [1] [0] [0]]; Y2=max(Y2); %Determina eje Y esquina superior Der. Placa

W2=E2.*[[0] [0] [1] [0]]; W2=max(W2); %Determina Anchura placa

H2=E2.*[[0] [0] [0] [1]]; H2=max(H2); %Determina Altura placa

Corte2=[X2 Y2 W2 H2]; %Determina coordenadas de corte

C2=imcrop(IMF,Corte2); %Realiza el corte

Wx=round(W2*0.94); Hx=round(H2*0.756);

Cortex=[4 12 Wx Hx];

C2=imcrop(C2,Cortex);

figure; imshow(C2) %Muestra Imagen

C3=imbothat(C2,st);

figure; imshow(C3)

umbral2=90;

C5=C3>umbral2;

figure; imshow(C5)

L=bwlabel(C5);

stats=regionprops(L,'all');

placadx=find([stats.Area]>((W2*H2)*0.015)); %Diferencia las regiones con Area > 1.5% del area total

placa=ismember(L,placadx); %Crea una imagen con dichas regiones

figure; imshow(placa)

'Sistema de reconocimiento automático matrículas'

FIGURA 8

'Sistema de reconocimiento automático matrículas'

FIGURA 9

'Sistema de reconocimiento automático matrículas'

FIGURA 10

El siguiente paso es recortar cada carácter por separado, para esto utilizamos el comando bwlabel para que nos divida la imagen en regiones y poder determinar el área que posee cada región (que en este caso nos demarcará el área ocupada por el carácter) y poder recortarlo con el comando imcrop, obteniendo cada carácter en una variable por separado. Luego, a cada carácter se le realiza un nuevo dimensionamiento (24*42) para estandarizar los caracteres y poder realizar el reconocimiento de la letra y del numero. La figura 11 muestra los 6 caracteres recortados. El código utilizado es el siguiente:

L=bwlabel(placa);

stats=regionprops(L,'all');

E3=stats(1).BoundingBox; %Toma tamaño de la region 1, primer caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L1=imcrop(C2,Corte3); %Realiza el corte

L1b=imresize(L1,[42 24]);

L1b=L1b>150;

figure; imshow(L1b) %Muestra el primer caracter

E3=stats(2).BoundingBox; %Toma tamaño de la region 2, segundo caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L2=imcrop(C2,Corte3); %Realiza el corte

L2b=imresize(L2,[42 24]);

L2b=L2b>150;

figure; imshow(L2b) %Muestra el segundo caracter

E3=stats(3).BoundingBox; %Toma tamaño de la region 3, tercer caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L3=imcrop(C2,Corte3); %Realiza el corte

L3b=imresize(L3,[42 24]);

L3b=L3b>150;

figure; imshow(L3b) %Muestra el tercer caracter

E3=stats(4).BoundingBox; %Toma tamaño de la region 4, cuarto caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L4=imcrop(C2,Corte3); %Realiza el corte

L4b=imresize(L4,[42 24]);

L4b=L4b>150;

figure; imshow(L4b) %Muestra el cuarto caracter

E3=stats(5).BoundingBox; %Toma tamaño de la region 5, quinto caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L5=imcrop(C2,Corte3); %Realiza el corte

L5b=imresize(L5,[42 24]);

L5b=L5b>150;

figure; imshow(L5b) %Muestra el quinto caracter

E3=stats(6).BoundingBox; %Toma tamaño de la region 6, sexto caracter

X3=E3.*[[1] [0] [0] [0]]; X3=max(X3); %Determina eje X esquina superior Izq. Placa

Y3=E3.*[[0] [1] [0] [0]]; Y3=max(Y3); %Determina eje Y esquina superior Der. Placa

W3=E3.*[[0] [0] [1] [0]]; W3=max(W3); %Determina Anchura placa

H3=E3.*[[0] [0] [0] [1]]; H3=max(H3); %Determina Altura placa

Corte3=[X3 Y3 W3 H3]; %Determina coordenadas de corte

L6=imcrop(C2,Corte3); %Realiza el corte

L6b=imresize(L6,[42 24]);

L6b=L6b>150;

figure; imshow(L6b) %Muestra el sexto carácter

Figura 11. Caracteres de la placa

Desarrollo del OCR: En este momento ya poseemos los caracteres individuales que componen el numero de la placa, por lo que se procederá a realizar una base de datos de las 24 letras del alfabeto en mayúscula (no se tiene en cuanta la letra CH ni la Ñ), y los dígitos del 0 al 9. Para ello se realizaran archivos de imagen con los caracteres de 21*42 pixels, binarizados, que serán cargados a matlab mediante variables, y luego se creara una matriz denominada alfabeto que contenga todas la letras del alfabeto, Figura 12, y una matriz denominada numeral que contiene todos los digitos del 0 al 9, Figura 13. El siguiente es el código implementado.

a=imread('C:\MATLAB6p5\work\A.bmp'); b=imread('C:\MATLAB6p5\work\B.bmp');

c=imread('C:\MATLAB6p5\work\C.bmp'); d=imread('C:\MATLAB6p5\work\D.bmp');

e=imread('C:\MATLAB6p5\work\E.bmp'); f=imread('C:\MATLAB6p5\work\F.bmp');

g=imread('C:\MATLAB6p5\work\G.bmp'); h=imread('C:\MATLAB6p5\work\H.bmp');

i=imread('C:\MATLAB6p5\work\I.bmp'); j=imread('C:\MATLAB6p5\work\J.bmp');

k=imread('C:\MATLAB6p5\work\K.bmp'); l=imread('C:\MATLAB6p5\work\L.bmp');

m=imread('C:\MATLAB6p5\work\M.bmp'); n=imread('C:\MATLAB6p5\work\N.bmp');

o=imread('C:\MATLAB6p5\work\O.bmp'); p=imread('C:\MATLAB6p5\work\P.bmp');

q=imread('C:\MATLAB6p5\work\Q.bmp'); r=imread('C:\MATLAB6p5\work\R.bmp');

s=imread('C:\MATLAB6p5\work\S.bmp'); t=imread('C:\MATLAB6p5\work\T.bmp');

u=imread('C:\MATLAB6p5\work\U.bmp'); v=imread('C:\MATLAB6p5\work\V.bmp');

w=imread('C:\MATLAB6p5\work\W.bmp'); x=imread('C:\MATLAB6p5\work\X.bmp');

y=imread('C:\MATLAB6p5\work\Y.bmp'); z=imread('C:\MATLAB6p5\work\Z.bmp');

uno=imread('C:\MATLAB6p5\work\1.bmp'); dos=imread('C:\MATLAB6p5\work\2.bmp');

tres=imread('C:\MATLAB6p5\work\3.bmp'); cuatro=imread('C:\MATLAB6p5\work\4.bmp');

cinco=imread('C:\MATLAB6p5\work\5.bmp'); seis=imread('C:\MATLAB6p5\work\6.bmp');

siete=imread('C:\MATLAB6p5\work\7.bmp'); ocho=imread('C:\MATLAB6p5\work\8.bmp');

nueve=imread('C:\MATLAB6p5\work\9.bmp'); cero=imread('C:\MATLAB6p5\work\0.bmp');

alfabeto=[[a] [b] [c] [d] [e] [f] [g] [h] [i] [j] [k] [l] [m] [n] [o] [p] [q] [r] [s] [t] [u] [v] [w] [x] [y] [z]];

numeral=[[uno] [dos] [tres] [cuatro] [cinco] [seis] [siete] [ocho] [nueve] [cero]];

Figura 12. Matriz alfabeto

Figura 13 Matriz numeral

Procedemos a realizar una conversión de matrices a un arreglo de celdas de las variables numeral, alfabeto y matricula, para poder trabajar con elementos separados y definidos por una posición para poder realizar operaciones individuales sobre cada uno de los elementos. El siguiente es el código utilizado:

matricula=[[L1b] [L2b] [L3b] [L4b] [L5b] [L6b]];

ab=mat2cell(alfabeto,[42],[24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24]);

numero=mat2cell(numeral,[42],[24 24 24 24 24 24 24 24 24 24]);

plac=mat2cell(matricula,[42],[24 24 24 24 24 24]);

Por ultimo, debemos encontrar un método adecuado para realizar el reconocimiento del carácter hallado en la placa con uno presenta en la base de datos. En esta caso se utilizo la técnica de correlación. Matlab permite calcular el coeficiente de correlación entre dos matrices bidimensionales, dando como resultado un valor que representa la igualdad entre dos matrices. corr2 realiza el coeficiente de correlación usando la expresión:

'Sistema de reconocimiento automático matrículas'

donde = mean2(A), and = mean2(B)

Se desarrolló un ciclo, el cual toma los valores de la correlación del carácter que está siendo analizado y lo introduce en una matriz de 3 filas por 26 o 10 columnas, según sean letras o números respectivamente. Posteriormente se hallan los máximos de las tres columnas y son almacenados en otra matriz. Finalmente se encuentran las posiciones en las que estaban los máximos para así determinar la letra o el número al que corresponden y mediante otro ciclo se muestra esto en pantalla. El código implementado fue el siguiente:

%Ciclo que reconoce las letras y les asigna la posicion en la matriz de abecedario

fila=1;

ind=1;

while fila < 4

posp=1;

for posp=1:3

plc=plac{1,posp};

pos=1;

temp=0;

while pos<27

temp=ab{1,pos};

co=corr2(temp,plc);

letra(fila,pos)=co;

pos=pos+1;

end

fila=fila+1;

posp=posp+1;

end

end

for ind = 1:3

maxs=max(letra,[],2);

[posx posy]=find(letra==maxs(ind,1));

letras(ind)=posy

ind=ind+1;

end

%Ciclo que reconoce los numeros y les asigna la posicion en la matriz de

%numeros

fila=1;

ind=1;

while fila < 4

posp=4;

for posp=4:6

plc=plac{1,posp};

pos=1;

temp=0;

while pos<11

temp=numero{1,pos};

co=corr2(temp,plc);

num(fila,pos)=co;

pos=pos+1;

end

fila=fila+1;

posp=posp+1;

end

end

for ind = 1:3

maxs=max(num,[],2);

[posx posy]=find(num==maxs(ind,1));

nums(ind)=posy

ind=ind+1;

end

close all

mal='a';

ltr=1;

lt=1;

while ltr < 4

while lt < 4

if letras(ltr)== 1

mal(lt)='A'

elseif letras(ltr) == 2

mal(lt)='B'

elseif letras(ltr) == 3

mal(lt)='C'

elseif letras(ltr) == 4

mal(lt)='D'

elseif letras(ltr) == 5

mal(lt)='E'

elseif letras(ltr) == 6

mal(lt)='F'

elseif letras(ltr) == 7

mal(lt)='G'

elseif letras(ltr) == 8

mal(lt)='H'

elseif letras(ltr) == 9

mal(lt)='I'

elseif letras(ltr) == 10

mal(lt)='J'

elseif letras(ltr) == 11

mal(lt)='K'

elseif letras(ltr) == 12

mal(lt)='L'

elseif letras(ltr) == 13

mal(lt)='M'

elseif letras(ltr) == 14

mal(lt)='N'

elseif letras(ltr) == 15

mal(lt)='O'

elseif letras(ltr) == 16

mal(lt)='P'

elseif letras(ltr) == 17

mal(lt)='Q'

elseif letras(ltr) == 18

mal(lt)='R'

elseif letras(ltr) == 19

mal(lt)='S'

elseif letras(ltr) == 20

mal(lt)='T'

elseif letras(ltr) == 21

mal(lt)='U'

elseif letras(ltr) == 22

mal(lt)='V'

elseif letras(ltr) == 23

mal(lt)='W'

elseif letras(ltr) == 24

mal(lt)='X'

elseif letras(ltr) == 25

mal(lt)='Y'

elseif letras(ltr) == 26

mal(lt)='Z'

else

mal(lt)='Paila'

end

lt=lt+1;

ltr=ltr+1;

end

end

nmr=1;

man='1';

nm=1;

while nmr < 4

while nm < 4

if nums(nmr)== 1

man(nm)='1'

elseif nums(nmr) == 2

man(nm)='2'

elseif nums(nmr) == 3

man(nm)='3'

elseif nums(nmr) == 4

man(nm)='4'

elseif nums(nmr) == 5

man(nm)='5'

elseif nums(nmr) == 6

man(nm)='6'

elseif nums(nmr) == 7

man(nm)='7'

elseif nums(nmr) == 8

man(nm)='8'

elseif nums(nmr) == 9

man(nm)='9'

elseif nums(nmr) == 10

man(nm)='0'

else

disp('Paila')

end

nm=nm+1;

nmr=nmr+1;

end

end

plate=horzcat(mal,man);

disp(plate)

CONCLUSIONES

  • La utilización de los elementos estructurantes, definidos en Matlab, es una herramienta poderosa para simplificar los procedimientos a realizar cuando trabajamos con imágenes y debemos eliminar estructuras y objetos irrelevantes al objetivo propuesto.

  • No es aconsejable utilizar elementos estructurantes y propiedades morfológicas si el objetivo es implementar el código en otro compilador y programa diferente al de matlab, pero por facilidad y economía de tiempo se podrían utilizar para tener un conocimiento inicial de los pasos que se deben realizar para cumplir el objetivo propuesto a la imagen.

  • Al utilizar métodos tradicionales de filtrado, erosionado y dilatado de imágenes, aseguramos la portabilidad del código hacia otros programas y dispositivos, como DSP´s, aunque su implementación es mas larga, dificultosa y de mayor cuidado.