Prácticas de la asignatura Visión por Computador - Grado en Ingeniería Informática (UGR)
Prácticas hechas con OpenCV y Python 3.
-
Práctica 1: desarrollar una función de filtro gaussiano (Box filter) desarrollando para ello la convolución de vectores 1D, añadir bordes a la imagen y la convolución 2D tomando como base la convolución 1D. Con el filtro gaussiano desarrollado, hacer imágenes híbridas y pirámides gaussianas.
-
Práctica 2: desarrollar una función que calcule los puntos Harris de una imagen a varias junto con su orientación y que además, pinte en la imagen dichos puntos con un tamaño proporcional al de su escala y con su orientación. Después, calcular correspondencias entre dos imágenes usando el detector AKAZE y por último, hacer mosaicos con n imágenes, con la condición de que debemos dar las imágenes en orden al método.
-
Práctica 3: desarrollar una función que estime la matriz cámara a partir de unos puntos 3D y sus proyecciones en 3D, para ello, generar una matriz cámara y unos puntos 3D aleatorios y sus correspondientes proyecciones 2D, implementar la estimación de la cámara usando el algoritmo DLT. Tras esto, desarrollar otra función que estime la matriz cámara a partir de homografías con imágenes chessboard. Después, desarrollar una función que estime la matriz fundamental a partir de puntos en correspondencias de dos imágenes mediante el algoritmo de los 8 puntos + RANSAC. Por último, calcular el movimiento de la cámara (R,t) asociado a cada pareja de imágenes calibradas, para ello, debemos calcular en primer lugar la matriz esencial.