Contenido principal del artículo

Juan Miguel Sánchez García
UNED
España
José Sánchez Moreno
UNED
España
https://orcid.org/0000-0002-6702-3771
David Moreno Salinas
UNED
España
https://orcid.org/0000-0002-0264-3419
Núm. 45 (2024), Visión por Computador
DOI: https://doi.org/10.17979/ja-cea.2024.45.10702
Recibido: abr. 29, 2024 Aceptado: jul. 1, 2024 Publicado: jul. 15, 2024
Derechos de autor

Resumen

La composición fotográfica, conocida como mosaicos, es crucial en aplicaciones donde no es posible capturar toda la extensión de grandes superficies en una sola toma. Por ende, se requiere fotografiar secciones más pequeñas para luego componerlas y lograr una reproducción lo más precisa posible de la realidad. En este trabajo se presenta el resultado de aplicar los principios de las distintas etapas necesarias para crear un mosaico, complementado con el uso de un dron para la captura de las imágenes. La creación del mosaico implica técnicas avanzadas de procesamiento de imágenes que facilitan la detección de características, la transformación geométrica y la alineación de píxeles. Sin embargo, la experimentación con diferentes algoritmos ha revelado que no siempre es viable encontrar una transformación geométrica que produzca un mosaico de calidad, especialmente cuando las características de la fotografía no son óptimas, lo cual puede ser atribuible, en parte, a la resolución de los dispositivos fotográficos utilizados.

Detalles del artículo

Citas

Burt, P. J., Adelson, E. H., 1983. A multiresolution spline with application to image mosaics. ACM Transactions on Graphics 2, 217-236. DOI: 10.1145/245.247 DOI: https://doi.org/10.1145/245.247

Ghosh, D., Kaabouch, N. 2015. A survey on image mosaicing techniques. Journal of Visual Communication and Image Representation 34, 1-11. DOI: 10.1016/j.jvcir.2015.10.014 DOI: https://doi.org/10.1016/j.jvcir.2015.10.014

Hartley, R., Zisserman, A., 2003. Multiple View Geometry in Computer Vision. Cambridge University Press, New York. DOI: https://doi.org/10.1017/CBO9780511811685

Lowe, D.G., 2004. Distinctive image features from scale-invariant key points. International Journal of Computer Vision 60, 91-110. DOI: 10.1023/B:VISI.0000029664.99615.94 DOI: https://doi.org/10.1023/B:VISI.0000029664.99615.94

Pandey, A., Pati, U.C., 2019. Image mosaicking: a deeper insight. Image and Vision Computing 89, 236–257. DOI: 10.1016/j.imavis.2019.07.002 DOI: https://doi.org/10.1016/j.imavis.2019.07.002

Mistry, D., Banerjee, A., 2017. Comparison of feature detection and matching approaches: SIFT and SURF. Global Research and Development Journal for Engineering 2, 7-13.

Nagabhushan, P., Jathana, V.E., 2015. Mosaicing of text contents from consecutive frames in pedestal shot videos. International Journal of Engineering Research and Technology 4, 1006-1013. DOI: 10.17577/ijertv4is070808 DOI: https://doi.org/10.17577/IJERTV4IS070808

Rosten, E., Drummond, T., 206. Machine learning for high-speed corner detection. European Conference on Computer Vision 1, 430-443. DOI: 10.1007/11744023_34 DOI: https://doi.org/10.1007/11744023_34

Sakharkar, V., Gupta, S.R., 2013. Image Stitching Techniques-An overview. Int. J. Comput. Sci. Appl, 6(2), 324-330

Szeliski, R., 2022. Computer Vision: Algorithms and Applications. Springer. DOI: https://doi.org/10.1007/978-3-030-34372-9

Zagrouba, E., Barhoumi, W., Amri, S. 2009. An efficient image-mosaicing method based on multifeatured matching. Machine and Vision Applications 20, 139-162. DOI: 10.1007/s00138-007-011 DOI: https://doi.org/10.1007/s00138-007-0114-y