vaep-rita vol. 3, núm. 4, dic. 2015rita.det.uvigo.es/vaeprita/201512/uploads/vaep... · python en...
TRANSCRIPT
Title— Teaching Image Processing in Engineering using
Python.
Abstract— This paper describes the experience lived in the
Faculty of Basic Sciences and Engineering of Universidad de
Los Llanos referred to the application of Project Based
Learning PBL-ABP as a strategy for teaching Image
Processing in undergraduate students of engineering. Through
this, learners are able to complement their readings and
lectures, to process and manipulate images and to build their
own Image Processing Tools using Python programming
language. This paper shows some projects resulting from the
application of the methodology and using the key concepts of
image processing and pattern analysis.
Index Terms— Engineering, Image Processing, Learning,
Project, Software.
I. INTRODUCCIÓN
L Procesamiento de Imágenes (PI) es una subcategoría
del tratamiento digital de señales. Es la ciencia de
manipulación de imágenes usando computadores para
realizar procedimientos específicos según las aplicaciones y
requerimientos del usuario, tales como: filtrado, recorte,
segmentación, compresión y reconocimiento [1]. Es un área
del conocimiento que tiene atención de investigadores y
escolares para desarrollar y mejorar algoritmos para
aplicaciones en: robótica, comunicaciones, sensores
remotos, biomedicina, automatización industrial, sistemas
de inspección, navegación, mediciones ópticas, entre otras
[2], [3].
Las prácticas de laboratorio son actividades pedagógicas, y
en el estudio del PI éstas se realizan mediante el uso de
algún software especializado [4]. Algunos software
comerciales de procesamiento de imágenes como:
Photoshop, CorelDraw, Ulead Photoimpact, entre muchos
otros, realizan procedimientos internos que no permiten el
entendimiento de algoritmos, la lógica o el método del
proceso [5],presentando cajas negras que no admiten su
manipulación [6]. Después de su uso, los estudiantes se
vuelven expertos en la herramienta mas no en el
procesamiento de imágenes, que por supuesto podría ser
adecuado para diseñadores digitales, pero no para ingenieros
electrónicos, ni de sistemas.
A. F. Jiménez. Universidad de los Llanos, Departamento de
Matemáticas y Física (FCBI), Grupo de Investigación Sistemas Dinámicos, Villavicencio, Colombia, [email protected].
M. C. Prieto. Universidad de los Llanos, Escuela de Ingeniería (FCBI),
Grupo de Investigación Sistemas Dinámicos, Villavicencio, Colombia, [email protected].
A. Ramirez. Universidad de los Llanos, Escuela de Ingeniería (FCBI),
Grupo de Investigación Sistemas Dinámicos, Villavicencio, Colombia, [email protected].
Se han realizado esfuerzos por el desarrollo de herramientas
didácticas para la enseñanza del tratamiento digital de
imágenes y existen paquetes comerciales para aplicación de
laboratorios de PI, como por ejemplo MATLAB [1] y
Khoros [7], con desventajas similares a las herramientas de
manipulación de imágenes comerciales, adicionando el
elevado costo de licencias para su instalación en un aula de
clase [8]. Existen también plataformas no comerciales
independientes desarrolladas en C o Java [9], ambientes para
el análisis de imágenes tales como IPLab [10], colecciones
de rutinas y clases sin ambientes [11] y también gran
cantidad de applets interactivos independientes en internet
que permiten comprender algoritmos relacionados con el
tema. Varias universidades han implementado cursos
virtuales para trabajar bajo herramientas E-Learning con los
estudiantes interesados en PI[12], en donde se ha logrado
hacer que el aprendiz reciba instrucciones acerca de la
edición de imágenes y tener la opción de manipularlas en
línea [5].
Para que los estudiantes puedan comprender claramente los
conceptos y algoritmos del PI deben tener como
prerrequisito el conocimiento de: algebra lineal, análisis
multivariado y del procesamiento de señales, siendo estos
conceptos muchas veces abstractos. Por esta razón es
necesaria la práctica e interactividad con las herramientas de
software para lograr efectos positivos en la comprensión de
conceptos[10], ya que la enseñanza y aprendizaje de los
fundamentos de PI se logra si la atención está en la
representación visual de los algoritmos y el trabajo
experimental de los estudiantes [13]. La visualización en PI
puede considerarse como un factor de impulso cognitivo
mientras la descripción plana textual requiere un poco de
imaginación y habilidades interpretativas, con un resultado
pedagógico positivo al visualizar herramientas para la
demostración de aspectos básicos del procesamiento de
imágenes [14]. Muchas aplicaciones tales como: juegos de
video, graficas por computador, posprocesamiento de
imágenes y video, estimación y compensación de
movimiento, son implementados mediante soluciones de
software en procesadores de propósito general [15].
Para que la aplicación en software sea útil en el aprendizaje
del PI debe ser fácil de aprender, las tareas de PI deben
poder implementarse en pequeños programas y las
complejas usando subtareas, los programas deben correr lo
más rápido posible, la visualización de las imágenes debe
ser simple y rápida, y debe ser posible visualizar el progreso
del procesamiento en cada una de sus etapas [16]. En
esencia, se busca utilizar una herramienta de software que
permita a la vez aprender a utilizar un lenguaje de
programación mientras se aplican los conceptos teóricos,
para lo cual se pueden desarrollar aplicaciones en
MATLAB, C++, C, Java, Visual Basic, Python, entre otros.
Enseñanza del Procesamiento de Imágenes en
Ingeniería usando Python
Andrés Fernando Jiménez López, Marla Carolina Prieto Pelayo y Ángela Ramírez Forero
E
VAEP-RITA Vol. 3, Núm. 4, Dic. 2015 179
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
En la Universidad de los Llanos se ha planteado el uso de
Python en el curso de PI, con el fin de lograr un aprendizaje
integral del estudiante, al permitirle desarrollar habilidades
de alta calidad en la producción de software, con
aplicabilidad en la investigación y el diseño de proyectos de
nivel avanzado. Python es un lenguaje de programación de
alto nivel, interpretado y multipropósito, cuyo creador es
Guido Van Rossum. En los últimos años su utilización ha
aumentado y es uno de los lenguajes de programación más
empleados para el desarrollo de software. Python puede ser
utilizado en diversas plataformas y sistemas operativos,
entre los que se puede destacar: Windows, Mac OS X y
Linux. Pero, además, Python también puede funcionar en
smartphones y sistemas embebidos.
Para la enseñanza de PI, además de la herramienta de
software es importante usar el Aprendizaje Basado en
Proyectos (ABPr), que permite a los estudiantes la
definición del propósito de la creación de un producto final,
identificar su mercado, investigar, crear un plan de trabajo,
diseñar y elaborar un producto. El proceso completo es
auténtico, referido a la producción en forma real, utilizando
las propias ideas de los estudiantes y completando las tareas
en la práctica [17]. Debido a esto, los estudiantes se enfocan
en lograr soluciones a problemas no triviales, generando
preguntas, consultando, discutiendo ideas, realizando
predicciones, diseñando planes de trabajo y/o experimentos,
recolectando y analizando información, estableciendo
conclusiones, comunicando sus resultados, cuestionándose y
creando o mejorando productos y procesos [18].
El ABPr es una estrategia pedagógica favorable para la
enseñanza de temáticas de ingeniería, que se complementa
al involucrar proyectos industriales y de impacto en la
comunidad universitaria y la región, para ofrecer una
experiencia tan auténtica como sea posible. La tendencia
también se dirige a realizar estos proyectos en forma
interdisciplinaria, con la colaboración de otras dependencias
o departamentos de ingeniería [19].
En este artículo se da a conocer la experiencia en la
realización del curso de pregrado: Electiva de
Profundización en Procesamiento de Imágenes de la
Universidad de los Llanos y unos de los proyectos
desarrollados en el curso; estos proyectos buscan brindar la
solución a necesidades del entorno, además de permitir a los
estudiantes la conceptualización de diferentes temáticas a
través de la interactividad con los resultados obtenidos en
las distintas etapas del procesamiento, enfocados en el
entendimiento de los algoritmos y códigos utilizados.
El software desarrollado en cada proyecto de curso está
basado en QT4 y Python 2.7, permitiendo que los resultados
se puedan aplicar no solo en el área de procesamiento de
imágenes, sino también en otras áreas del conocimiento,
especialmente en Ingeniería y Ciencias – Física. Algunas de
las aplicaciones desarrolladas en el curso han sido
fundamentales para los proyectos institucionales de la
Universidad de los Llanos: Diseño e Implementación de un
Laboratorio Virtual Remoto para prácticas de Mecánica –
Cinemática en la Universidad de los Llanos, para el
procedimiento de evaluación de las prácticas remotas
mediante procesamiento digital de imágenes y Diseño e
implementación de un sistema asistido por computador de
la prueba de Ronchi en la Universidad de los Llanos –
SAPRULL, en el que se optimiza el procedimiento de
adquisición de imágenes e identificación de aberraciones en
la fabricación de espejos.
II. ELECTIVA DE PROFUNDIZACIÓN EN
PROCESAMIENTO DE IMÁGENES
El curso de PI de la Universidad de los Llanos está
organizado en los módulos: Programación en Python,
Fundamentos de la Imagen Digital, Introducción al
Procesamiento Digital de Imágenes, Tipos de Imágenes –
Imágenes a Color, Adquisición de Imagen y video,
Detección de objetos en movimiento, Interfaz Gráfica de
Usuario en Python, Ingeniería de la Formación de Imagen,
Operaciones con Píxeles, Segmentación de Imágenes:
Bordes y Contornos, Representación y Descripción:
Operadores Morfológicos, Instrumentos Ópticos: Análisis
de imágenes para definición de frente de onda,
Transformadas de la Imagen y Sensores Remotos. Estos se
estudian en 17 semanas con una intensidad de seis horas
semanales, dos de teoría, dos de práctica de programación y
dos de tutoría. Los módulos de Programación en Python e
Interfaz gráfica de usuario utilizan las seis horas de la
semana correspondiente en actividades de programación.
Cada módulo del curso está dispuesto de una estructura que
incluye:
- Introducción. Se hace una descripción de las
aplicaciones y beneficios de la temática a tratar.
- Esquema del módulo. Temas incluidos en el módulo.
- Objetivos del módulo. Capacidades y conocimientos
que debe poseer al finalizar el módulo.
- Cuerpo Principal. Conceptos, ecuaciones y
procedimientos fundamentales de la temática explicada
en el módulo, utilizando ayudas audiovisuales como
presentaciones en formato .pptx que el docente prepara
con anterioridad y que muestra los contenidos del curso
de manera gráfica y llamativa para el estudiante.
- Desarrollo y aplicación en Python. Se desarrollan
algoritmos y se escriben programas en Python de
aplicaciones de la temática estudiada.
- Resumen. Se resaltan los aspectos fundamentales
tratados en el módulo
- Taller en Clase - Evaluación. Se desarrolla un taller en
clase, que permite avanzar en la temática del proyecto
final del curso, según los procedimientos vistos en
clase; cada grupo de estudiantes utiliza los ejemplos
vistos para adaptarlos según la necesidad de su proyecto
final.
En el curso se plantean tres evaluaciones parciales
teórico-prácticas y un proyecto final. Las evaluaciones
parciales consisten en un examen escrito (50% de la
calificación) y un miniproyecto (50% de la calificación).
Algunos de los miniproyectos que se han trabajado en el
curso son: a) Determinación característica de la ecuación de
movimiento de un objeto en caída libre y plano inclinado
mediante PI, b) Calificador de exámenes tipo Saber-Pro
usando PI, c) Guía de vehículo a control remoto mediante
barra de luces y detección de color.
En el curso se utiliza el modelo ARCS (Atención,
Relevancia, Confianza y Satisfacción), que es ampliamente
usado en el desarrollo de materiales de enseñanza [20]. Este
modelo desarrollado por John M. Keller [21] ha sido
reportado como uno de los más efectivos modelos en el
desarrollo de materiales de enseñanza atractivos en el
estudio de las secuencias de control [22], en control de
robots [23] y en Tratamiento digital de Imágenes [20].
180 VAEP-RITA Vol. 3, Núm. 4, Dic. 2015
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
III. RESULTADOS DEL APRENDIZAJE BASADO EN
PROYECTOS
La aplicación práctica de los conceptos se realiza
mediante la realización de un proyecto final y tres
miniproyectos, normalmente de cierta envergadura y en
grupo. El proyecto final se propone entre docente y
estudiante de forma tal que sea alcanzable y que en su
resolución se desarrollen todas las destrezas y se apliquen
los algoritmos fundamentales del PI.
Los proyectos inician con una pregunta generadora, que
no tiene respuesta simple basada solo en información, sino
que requiere del pensamiento crítico para su resolución y
ofrece andamiaje para que el estudiante aprenda a realizar
las tareas cognitivas que caracterizan este pensamiento, es
decir el estudiante debe: buscar el camino más eficiente para
realizar una tarea, sopesar la evidencia, revisar las ideas
originales, elaborar un plan o resumir los puntos más
importantes de un argumento. El proceso también se
fundamenta en el concepto de constructivismo, en el que el
estudiante aprende construyendo nuevas ideas o conceptos,
basándose en sus conocimientos actuales y previos.
Los proyectos se fundamentan en que son: centrados en el
estudiante, dirigidos por el estudiante, definidos claramente,
tienen contenido significativo para los estudiantes,
directamente observables en su entorno, se enfocan en
problemas del mundo real, son investigaciones de primera
mano, son sensibles a la cultura local, buscan obtener
productos tangibles que se puedan compartir con la
audiencia objetivo, con conexiones entre lo académico, la
vida y las competencias laborales, con oportunidades de
retroalimentación y evaluación por parte de expertos,
oportunidades para la reflexión, la auto evaluación por parte
del estudiante y una auténtica evaluación o valoración [24].
Estos proyectos se plantean de forma tal, que permitan el
aprendizaje de los conceptos y algoritmos de los
procedimientos esenciales en el mejoramiento y extracción
de información de imágenes con un propósito específico.
Teniendo en cuenta el enfoque que se daría a la herramienta,
se logran determinar nuevos procedimientos, metodologías y
modelos para promover el aprendizaje, mediante los cuales
los estudiantes de ingeniería desarrollan aplicaciones
prácticas de lo aprendido en sus cursos y grupos de estudio,
brindando solución a necesidades del entorno.Para el
desarrollo de las aplicaciones en software se utilizaron las
librerías de python: opencv, numpy, pyqt, sys, os y
matplotlib.
El proyecto se desarrolla durante todo el semestre, de
forma tal que dos semanas antes de finalizar el curso los
estudiantes han desarrollado el 80% de los procedimientos,
algoritmos, interfaces Gráficas de Usuario y programas; por
lo que el trabajo final consiste en ajustes y
perfeccionamiento de procedimientos. Algunos desarrollos
realizados por los estudiantes en el curso han sido:
1. Contador de varillas en camiones de acerías según
tipo,
2. Reconocimiento de Huella digital,
3. Detección de espacios libres en un parqueadero,
4. Detección de Movimiento para el desarrollo de
alarmas de un sistema domótico,
5. Detección de paso de vehículos en una vía
(Clasificación auto, camión o motocicleta),
6. Reconocimiento de Iris,
7. Reconocimiento de caracteres para Lenguaje de
señas,
8. Cálculo del tamaño de frutales mediante visión
artificial,
9. Reconocimiento de caracteres en Placas de
Vehículos,
10. Detección de vegetación mediante un vehículo en
campo y
11. Detección y caracterización de patrones de Ronchi en
Espejos Curvos, de los cuales se mencionan a
continuación algunos resultados.
A. Diseño e implementación de un sistema de adquisición y
análisis de información de Ronchigramas, mediante
tratamiento digital de imágenes. Marla Prieto.
El taller de óptica de la Universidad de los Llanos, se ha
constituido a lo largo de sus 25 años, como un destacado
referente en procesos de diseño y fabricación de diferentes
elementos ópticos en Colombia. Una de las tareas que se
realizan en el taller es la fabricación de espejos, proceso en
el que se involucran las fases de diseño, construcción y
prueba; en esta última etapa se ejecuta un test (La prueba de
Ronchi) [25], en donde el análisis de patrones de
interferencia se hace de manera cualitativa y no
cuantitativa, observando y dando una opinión de acuerdo a
la experiencia del operario. Por tal motivo se establece el
proyecto de desarrollar una herramienta que permita
optimizar el proceso de validación en la fabricación de
espejos mediante procesamiento digital de imágenes. En la
Fig. 1 se aprecia la interfaz gráfica de usuario desarrollada,
que permite realizar cuatro procedimientos fundamentales:
- Control de Movimiento, con los subprocesos: centro
de curvatura y foco.
- Adquisición de imágenes y video.
- Preprocesamiento, con los subprocesos:
Umbralización, Filtros espaciales, Transformación de
la imagen, algoritmos de umbralización, guardar
datos finales.
- Procesamiento: Análisis de ronchigramas.
B. Reconocimiento de Huella Dactilar como Mecanismo de
Seguridad. Natalia Barbosa.
El proyecto presenta la implementación de un sistema
biométrico como mecanismo de seguridad, al validar y
aceptar solo la huella que concuerda a la ingresada
previamente en la base de datos; para dicho proceso se
Fig. 1. Interfaz gráfica de Usuario ANGMAR –Image Processing V1.0. Fuente: Autores
JIMÉNEZ, PRIETO Y RAMÍREZ: ENSEÑANZA DEL PROCESAMIENTO DE IMÁGENES EN INGENIERÍA... 181
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
adquiere una imagen desde un dispositivo de captura de
huella dactilar, se adecúa para adquirir sus principales
características (minucias: Bifurcaciones y Terminaciones,
Fig. 2), usando procesamiento digital de imágenes y algunos
algoritmos matemáticos como el uso de filtros de la media y
la mediana para mejoramiento de la imagen y mapeos con la
fórmula de Crossing Number. El rendimiento de los
sistemas de reconocimiento de huella dactilar, se basa en la
precisión del algoritmo que se utilice.
El proceso realizado sobre las imágenes consiste en:
segmentación, filtrado, eliminación de ruido, gestión de la
cavidad y binarización, esqueletización, etiquetado,
eliminación de etiquetas inválidas, y comparación, Fig. 3.
Se utiliza un dispositivo Digital 4500 FingerPrint Reader,
que cuenta con funciones y librerías propias, pero que no se
utilizan debido a que el propósito del ejercicio es generar
algoritmos propios a partir de python.
Finalmente toda la información obtenida de las minucias
Fig.4, se compara con la información guardada en una base
de datos de huellas dactilares conocidas, si el número de
minucias coincide con respecto a la cantidad de minucias de
alguna huella de la base, se acepta como correspondiente, de
lo contrario es rechaza.
C. Cálculo del tamaño de frutales mediante visión
artificial. Diego Rojas, Alan Herrera.
El propósito de este trabajo es el de obtener una herramienta
útil para procedimientos automáticos de clasificación de
frutos. Se realizan algoritmos para el cálculo de integrales
mediante procedimientos de sólidos de revolución con
especial uso del método de disco a partir de la integración
numérica realizada con respecto a la regla del trapecio
compuesto, con el fin de obtener el volumen de una fruta en
particular. Las etapas básicas funcionales del sistema
desarrollado son: a) adecuación de iluminación, ruido de
captura y la oclusión de la escena, b) adquisición de imagen,
c) filtrado y corrección de la imagen, d) segmentación del
objeto, e) procesamiento y obtención de parámetro
dimensional, la cual se define por la ecuación 1, realizando
la aproximación a la fórmula del trapecio compuesto,
ecuación 2.
(2)
Donde y es el número de particiones.
El cálculo de volumen de la fruta se logra mediante la
relación del sólido de revolución y la integración numérica,
en donde se utiliza un sensor de ultrasonido para definir
distancias y la cámara Fig. 5.
D. Manejo de un Video Juego por Visión Artificial. Andrés
Zambrano, Cristian Torres.
Este proyecto se fundamenta en el reconocimiento de un
volante para generar el movimiento de un vehículo en un
videojuego mediante el uso de detección y análisis de color.
Al girar el volante hacia el lado izquierdo o derecho envía
una señal al videojuego y el vehículo se desplaza en la
dirección indicada, al acercar el volante a la cámara el
vehículo acelera y al alejarlo se frena, Fig.6. En esencia se
realiza una conexión entre Python y el Videojuego, que
permite realizar la emulación de las teclas en la ejecución
del videojuego. En la Fig. 7, se aprecia la interfaz gráfica de
usuario desarrollada para la conexión entre Python y el
juego Need of Speed, en donde se puede maniobrar el
videojuego mediante el volante diseñado para tal propósito.
Fig. 2. Terminaciones (izquierda) y Bifurcaciones (derecha). Fuente:
Natalia Barbosa.
a)
b)
c)
d)
e)
f)
Fig.3. a) Adquisición de huella dactilar con dispositivo digital FingerPrint
Reader. Desarrollo de algoritmos en python: b) preprocesamiento – filtrado,
c) segmentación, d) operaciones morfológicas - cierre, e) esqueletización, f)
etiquetado de minucias, Terminación (Blanco), bifurcación (Gris). Fuente:
Natalia Barbosa.
Fig. 4. Etiquetado de minucias correctas, Terminación (Blanco),
Bifurcación (Gris). Fuente: Natalia Barbosa.
Fig.5. Opción Captura de imagen. Fuente: Diego Rojas, Alan Herrera.
182 VAEP-RITA Vol. 3, Núm. 4, Dic. 2015
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
E. Reconocimiento de Gestos Manuales Mediante Visión
Artificial con Python y Opencv. Juan Reinoso.
Las etapas del sistema desarrollado para la detección de los
números mediante gestos manuales consiste en: la definición
de color del fondo de la escena, adquisición de imágenes,
transformaciones, filtrado, segmentación, definición de
características y reconocimiento e interpretación de la
escena. En la Fig. 7, se aprecian los resultados obtenidos en
el desarrollo de la aplicación, en la que se resalta la
definición de los números de uno a cinco mediante el
lenguaje de señas.
F. Método de Evaluación de un Laboratorio de
Movimiento Uniformemente Acelerado. Autores
Un aspecto importante cuando se trabaja con laboratorios
remotos en física es la forma de verificación de los
resultados que se obtienen en el experimento, es decir, cuál
es el mecanismo para evaluar un resultado experimental y la
veracidad de los datos que puede utilizar un estudiante para
realizar el informe. Para esta tarea se ha desarrollado una
aplicación en Python que permite adquirir información del
movimiento de un objeto de características específicas
usando una cámara, entregar los datos experimentales
mediante una tabla (que son los datos que el estudiante
recibirá mediante la plataforma virtual remota), y establecer
la ecuación de regresión de los datos de laboratorio
(Herramienta útil para la calificación por parte del docente),
para posteriormente comparar la información que entrega el
estudiante con la que da como resultado el algoritmo
implementado. Este algoritmo es desarrollado en la
Universidad de los Llanos para el proyecto de investigación
titulado: Diseño e implementación de un Laboratorio remoto
para prácticas de mecánica –Cinemática, a cargo del Grupo
de Investigación de Sistemas Dinámicos.
En la Fig. 9, se aprecia la interfaz gráfica desarrollada para
el estudio de movimiento uniformemente acelerado
mediante el uso de tratamiento digital de imágenes, en la
Fig. 10, la visualización de los procedimientos de
procesamiento y en la Fig. 11 las gráficas resultantes de
regresión que entrega el software desarrollado.
Los proyectos descritos con anterioridad son resultado de
la metodología aplicada durante el curso de Procesamiento
digital de Imágenes en la Universidad de los Llanos, en las
que los estudiantes desarrollaron habilidades para
identificar, formular y resolver diferentes problemáticas
haciendo uso de los conocimientos adquiridos en el curso.
IV. EVALUACIÓN DE LA METODOLOGÍA DE ENSEÑANZA-
APRENDIZAJE
El Aprendizaje Basado en Proyectos busca que el
estudiante se involucre de manera activa en su proceso de
aprendizaje, resaltando que es él quien dirige su formación a
partir de situaciones problema, que se transforman además
Fig. 6. a) Timón, b) Giro a la derecha, c) Giro a la izquierda, d) Acelerar, e)
Frenar. Fuente: Autores.
Fig. 7. a) Interfaz Gráfica, b) Ejecución de la Aplicación. Fuente: Andrés
Zambrano, Cristian Torres.
a)
b)
c)
d)
e)
f)
Fig. 8. a) Interfaz Gráfica, fondo de la escena, reconocimiento de los números: b) uno, c) dos, d) tres, e) cuatro, f) cinco. Fuente: Juan Reinoso
JIMÉNEZ, PRIETO Y RAMÍREZ: ENSEÑANZA DEL PROCESAMIENTO DE IMÁGENES EN INGENIERÍA... 183
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
en su estimulo por aprender, respondiendo de esta manera al
qué, cómo y para qué se aprende [26].Por medio de este
sistema de enseñanza es posible desarrollar estrategias para
la resolución de problemas, así como habilidades
específicas de una disciplina, por lo cual se ha seleccionado
como fundamento en la enseñanza del procesamiento digital
de imágenes.
El curso de procesamiento de imágenes es una electiva
profesional, que se ha dictado a los estudiantes de séptimo
semestre de ingeniería de sistemas e ingeniería electrónica
de la Universidad de los Llanos, la metodología de
enseñanza descrita se ha aplicado desde el segundo semestre
del 2014 hasta el segundo semestre de 2015 (tres grupos de
estudiantes).Con el fin de obtener la apreciación de los
estudiantes del curso, se plantearon diez preguntas que
permitieran reconocer la valoración del alumno sobre la
metodología de enseñanza – aprendizaje impartida.
El grupo de encuestados está conformado por 37
estudiantes que han asistido a la asignatura durante los
últimos 3 semestres, descritos en la Tabla I. Para el segundo
semestre del año 2014 los estudiantes que respondieron
fueron 9, para el primer semestre del año 2015 respondieron
13 estudiantes y para el segundo semestre de 2015
respondieron 15 estudiantes. Como se puede apreciar al ser
un curso electivo el número de estudiantes ha aumentado
cada semestre.
Al indagar sobre la posibilidad de realizar trabajos que le
permitiesen aprender con ayuda de sus compañeros, el 100%
de los encuestados estuvo de acuerdo, evidenciando que la
metodología del curso ha facilitado un aprendizaje
colaborativo, donde el estudiante es guiado por el profesor,
quien brinda espacios que permiten investigar y resolver
problemas en grupos de trabajo.
La totalidad de estudiantes encuestados, consideran que el
docente incentivó el uso de ayudas audiovisuales y
diferentes herramientas quitando protagonismo al tradicional
marcador y tablero, de esta manera se proponen estrategias
pedagógicas favorables en la enseñanza de temas de
ingeniería como factor importante en la metodología ABPr.
Se indagó acerca de si las herramientas de enseñanza que
utiliza el docente eran suficientes, para lo que 36 estudiantes
estuvieron de acuerdo; sólo una persona respondió
negativamente, justificando su respuesta por la falta de más
material bibliográfico para estudiar la teoría del
procesamiento de imágenes con Python. En cuanto a si el
docente fue claro en la temática expuesta, los 37 estudiantes
respondieron afirmativamente.
La fundamentación teórica del PDI, es realizada por el
docente en su explicación inicial, con utilización de apoyo
audiovisual y ejemplos prácticos del tema usando Python, de
esta manera se refuerzan los contenidos, permitiendo que el
estudiante asimile mejor la información y logre comprender
con mayor facilidad; por esta razón al cuestionar si la
metodología empleada facilita la comprensión de los
aspectos teóricos fundamentales de la asignatura todos los
encuestados indicaron una respuesta afirmativa.
Los encuestados consideran en su totalidad, que al cursar la
electiva de PI lograron adquirir habilidades para desarrollar
proyectos de ingeniería de una manera analítica y
propositiva, puesto que al diseñar proyectos se hace
necesario un análisis concienzudo de la problemática o
situación a trabajar, proponiendo alternativas de solución
efectivas, siendo posible conceptualizar la temática a través
de la interacción con los resultados progresivos que se
obtienen en el desarrollo del proyecto final.
La octava pregunta buscó reconocer aquellas aptitudes que
según el estudiante se incentivaron en su perfil profesional,
entre las siguientes opciones:
1. Trabajos o proyectos de innovación tecnológica.
TABLA I
ESTUDIANTES ENCUESTADOS EN LA VALORACIÓN DEL CURSO PI
Semestre 2014-2 2015-1 2015-2 Total
Estudiantes
Encuestados 9 13 15 37
Fig.9. Menú Principal software para la evaluación de un Laboratorio de
Movimiento Uniformemente Acelerado. Fuente: Autores.
Fig.10. Procedimientos de procesamiento software para la evaluación de un
Laboratorio de Movimiento Uniformemente Acelerado. Definición de centroides. Superior: Frame del Video adquirido, Inferior izquierda:
Detección del objeto e Inferior derecha: Detección de centroides Fuente:
Autores.
Fig.11. Software para la evaluación de un Laboratorio de Movimiento
Uniformemente Acelerado. Gráficos obtenidos de posición, velocidad y
aceleración respecto al tiempo. Fuente: Autores.
184 VAEP-RITA Vol. 3, Núm. 4, Dic. 2015
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
2. Actualizar sus conocimientos y especializarse en
alguna disciplina en particular.
3. Integrar y/o coordinar personas y grupos
interdisciplinarios.
4. Tener una alta capacidad de análisis y sentido crítico.
5. Participar en grupos de investigación y estudios.
6. Identificar posibles problemáticas del entorno, que
tuviesen solución a partir de la Ingeniería.
7. Formular y ejecutar soluciones para diferentes
problemáticas a través de su profesión.
Los resultados obtenidos en la Tabla II, reflejan que para
la mayoría de los encuestados se promovieron las aptitudes
1, 6 y 7, evidenciando que los estudiantes consideran como
factor importante la formulación y desarrollo de proyectos
innovadores desde el área de la ingeniería, respondiendo al
propósito de la aplicación de la metodología del curso, al
promover que el alumno formule y ejecute proyectos de
impacto para su entorno; por su parte los factores
relacionados con el trabajo en grupo y análisis crítico, tienen
falencias y debe incentivarse.
Se le solicitó a los estudiantes que respondieran si la
metodología desarrollada es mejor que la tradicional
teniendo en cuenta la clase impartida en el aula, haciendo
una valoración numérica en un rango de 1 a 5, donde 1 es
(muy bajo), 2 (bajo), 3 (medio), 4 (alto) y 5 (muy alto),
Tabla III; en esta pregunta dos personas dieron un valor de
tres, veinte contestaron 4, y quince consideraron como
respuesta un muy alto, demostrando la satisfacción por parte
de los estudiantes con la metodología de enseñanza.
También se indagó por el papel que ejerce el alumno en su
proceso de aprendizaje solicitando una valoración numérica
con la escala descrita, en la que los resultados reflejaron que
en lo referente a auto aprendizaje y aprendizaje compartido
cinco personas se autoevaluaron con un valor medio,
veintitrés dan como respuesta un valor alto y nueve de los
encuestados se otorgan un valor de muy alto, Tabla IV.
Estos resultados establecen la motivación de los estudiantes
por el trabajo individual al involucrarse con proyectos.
V. CONCLUSIONES
Se ha estructurado un método lógico para hacer uso de las
tecnologías avanzadas en el aprendizaje constructivo. Esta
aproximación es centrada en el estudiante, sobre técnicas de
análisis interactivo que son esenciales en el contexto del
diseño. El principal beneficio es que se provee un
aprendizaje práctico, sin dejar a un lado los conceptos
teóricos y matemáticos de la asignatura, que resulta de gran
utilidad para facilitar su comprensión y estimular al usuario
en el desarrollo de la asignatura de Procesamiento de
imágenes.
Con la metodología planteada el estudiante relaciona los
contenidos formativos con aplicaciones prácticas reales, que
le proporcionan un grado de satisfacción por la utilidad de
los contenidos, con el contacto con el mundo real en
aspectos vitales en su ejercicio profesional como lo son la
empresa y la investigación.
El lenguaje de programación Python es una excelente
opción para el aprendizaje del procesamiento digital de
imágenes, debido a que es un lenguaje interpretado, con
librerías dedicadas a tareas específicas, que en conjunto
permiten obtener herramientas de software robustas y
acertadas para la enseñanza del procesamiento digital de
imágenes, dejando a un lado la caja negra del software
comercial y permitiendo la manipulación de códigos y
algoritmos esenciales.
La integración de Python y Qt4 permite el desarrollo de
herramientas poderosas para el desarrollo de aplicaciones en
software, que han sido útiles en el desarrollo aplicaciones.
Esta herramienta permite complementar el aprendizaje del
tratamiento digital de imágenes en el aula; integrando
metodologías que dan un enfoque distinto a la forma
tradicional de aprender, pasando de “marcador y tablero”, a
la interacción del conocimiento con la implementación
práctica de nuevas técnicas y tecnologías que brindan
soluciones tangibles a diferentes planteamientos, haciendo
que el estudiante muestre mayor interés por las temáticas de
la asignatura al confirmar su importancia a través de la
experiencia.
TABLA II
APTITUDES QUE SEGÚN EL ESTUDIANTE SE INCENTIVARON
EN SU PERFIL PROFESIONAL.
TOTAL DE ESTUDIANTES: 37. FUENTE: AUTORES
Opción Definición Número de
Estudiantes
Porcentaje
1
Realizar trabajos o proyectos de
innovación
tecnológica
31 84%
2
Actualizar sus conocimientos y
especializarse en alguna disciplina en
particular
23 62%
3
Integrar y/o coordinar
personas y grupos interdisciplinarios
14 38%
4
Tener una alta
capacidad de análisis y
sentido crítico
15 41%
5
Participar en grupos de
investigación y
estudios
19 51%
6
Identificar posibles
problemáticas del
entorno, que tuviesen solución a partir de la
Ingeniería
29 78%
7
Formular y ejecutar
soluciones para diferentes
problemáticas a través
de su profesión
30 81%
TABLA III
VALORACIÓN DE LA METODOLOGÍA, RESPECTO A LA TRADICIONAL.
RANGO DE 1 A 5. FUENTE: AUTORES
Valor Definición Porcentaje
1 Muy bajo 0%
2 Bajo 0%
3 Medio 5%
4 Alto 56%
5 Muy Alto 39%
TABLA IV
VALORACIÓN DEL APRENDIZAJE. FUENTE: AUTORES
Valor Definición Porcentaje
1 Muy bajo 0%
2 Bajo 0%
3 Medio 14%
4 Alto 62%
5 Muy Alto 24%
JIMÉNEZ, PRIETO Y RAMÍREZ: ENSEÑANZA DEL PROCESAMIENTO DE IMÁGENES EN INGENIERÍA... 185
ISSN 2255-5706 © IEEE-ES (Capítulo Español)
VI. AGRADECIMIENTOS
Se agradece a la Dirección General de Investigaciones y
al grupo de investigación Sistemas Dinámicos de la Facultad
de Ciencias Básicas e Ingeniería de la Universidad de los
Llanos, por su apoyo en el desarrollo del proyecto de
investigación: Diseño e Implementación de un Laboratorio
Remoto para prácticas de Mecánica (Cinemática) en la
Universidad de los Llanos código: FCBI-10-2014.
REFERENCIAS
[1] H. Al-Ghaib and A. Reza, "An E-Learning Interactive Course for
Teaching Digital Image Processing at the Undergraduate Level in
Engineering," in 15th International Conference on Interactive Collaborative Learning (ICL), Villach, 2012.
[2] L. Xiaohong, "Development and Application of Image Processing
Laboratory System Based on DSP," Journal of Hefei University, vol. 19, pp. 38-41, 2009.
[3] B. Jahne, Digital Image Processing, Heidelberg: Springer, 2005.
[4] D. Zhenhai, W. Yajing and C. Wengang, "Teaching software Development of Digital Image Processing Based on VB," in
International Conference on Educational and Information Technology
(ICEIT 2010), Chongqing, China, 2010.
[5] S. Poonam and S. Bhirud, "Interactive Web Based Learning: Image
Processing," in Application of Information and Communication
Technologies, AICT 2009, Baku, 2009.
[6] H. Zhang, Y. Zhao and X. Dai , "Method and Application of
Smoothing the Gray Image Based o VB," Journal of Shandong Institute of Technology, vol. 17, pp. 4-7, 2003.
[7] G. Donohoe and P. Valdez, "Teaching Digital Image Processing with
Khoros," IEEE Transactions on Education , vol. 39, no. 2, pp. 137-142, 1996.
[8] D. Sohi and S. Devgan, "Application to enhance the teaching and
understanding of basic image processing techniques," in Proc. IEEE Southeastcon 2000, Nashville, 2000.
[9] D. Bright, "Digital Image Processing with NIH Image (Mac)/Scion
Image (PC)/ImageJ," Report, surface and Microanalysis Science Division, National Institute of Standards and Technology,
Gaithersburg, 2004.
[10] D. Sage and M. Unser, "Easy Java Programming for Teaching Image Processing," in International Conference in Image Processing ICIP'01,
Thessaloniki, 2001.
[11] M. Powell and D. Goldgof, "Software Toolkit for Teaching Image Processing," International Journal of Pattern Recognition and
Artificial Intelligence, vol. 15, no. 5, pp. 833-844, 2001.
[12] H. Zhou, "Bridge the Gap between Traditional Course Teaching and E-Learning: a Case Study," in Information Technologies and
Applications in Education. ISITAE, Kunming , 2007.
[13] E. Ageenko and L. R. Gaetano, "A Visualization Toolkit for
Teaching, Learning and Experimentation in Image Processing," in 35th Asee/IEEE Fontiers in Education Conference, Indianapolis,
2005.
[14] R. Fisher and K. Koryllos, "Interactive textbooks: Embedding image processing operator demostrations in text," Int. J. Pattern Recognition
and Artificial Intelligence, vol. 12, no. 8, pp. 1095-1123, 1998.
[15] A. Davide and A. Yiannis, "Software Designs of Image Processing Tasks With Incremental Refinement of Computation," IEEE
Transactions on Image Processing, vol. 19, no. 8, pp. 2099-2114,
2010.
[16] J. A. Robinson , "A Software System for Laboratory Experiments in
Image Processing," IEEE Transactions on Education, vol. 43, no. 4, pp. 455-459, 2000.
[17] A. Mettas and C. Constantinou, "The technology fair: a project-based
learning approach for enhancing problem solving skills and interest in design and technology education," International Journal of
Technology and Design Education, no. 18, pp. 79-100, 2007.
[18] P. Blumenfeld, E. Soloway, R. Marx, J. Krajcik, M. Guzdial and A.
Palincsar, "Motivating project-based learning: Sustaining the doing,
supporting the learning," Educational Psychologist, vol. 26, no. 3&4,
pp. 369-398, 1991.
[19] S. Alptekin, D. Deturris and D. Macy, "Development of a flying eye:
A project-based learning experience," Journal of Manufacturing
Systems, vol. 24, no. 3, pp. 226-236, 2005.
[20] R. Yokokawa, H. Oneda, S. Osawa and K. Ozaki, "Development of a
Teaching Material that can Motivate Students to Learn Control
Engineering and Image Processing," in IEE 17th International Conference on Computational Science and Engineering, Chengdu ,
2014.
[21] J. M. Keller, "Development and Use of the ARCS Model of Instructional Design," Journal of Instructional Development, vol. 10,
no. 03, pp. 2-10, 1987.
[22] S. Inamori, K. Chida, M. Noguchi, M. Arai and M. Koshimizu, "Development of Sequence Control Educational Materials with
Module Structure for Engineering Experiments," Japanese society of
Engineering education, vol. 54, no. 04, pp. 21-26, 2006.
[23] T. Tasaki, S. Watanabe, Y. Shikanai and K. Ozaki, "Development of
Control Teaching Material for Mechatronics Education Based on
Experience," Japanese society of Engineering Education, vol. 58, no. 04, pp. 98-102, 2010.
[24] N. Martin and A. Baker, Linking work and learning toolkit, Portland,
2000.
[25] D. Malacara, Optical Shop Testing, 3 ed., Hoboken, New Jersey:
John Wiley & sons, Inc, 2007
[26] A. Escribano y A. Del Valle, El Aprendizaje Basado en Problemas ABP (Una propuesta metodológica en Educación Superior),2 ed.,
Bogotá, Ediciones de la U, 2015.
Ángela Ramírez. Candidata a Ingeniera Electrónica de la Universidad de
los Llanos–Villavicencio, Colombia. Grupo de Investigación Sistemas Dinámicos. Sus intereses de Investigación son: automatización, Sistemas
embebidos y programación.
Marla Prieto. Candidata a Ingeniera Electrónica de la Universidad de los
Llanos –Villavicencio, Colombia. Grupo de Investigación Sistemas
Dinámicos. Sus intereses de Investigación son: automatización, Sistemas embebidos y programación.
Andrés Jiménez. Ingeniero Electrónico de la Universidad Pedagógica y
Tecnológica de Colombia, Magister en ciencias – Física de la Universidad Nacional de Colombia (2011). Investigador de los grupos: Sistemas
Dinámicos y Macrypt de la Universidad de los Llanos, Villavicencio,
Colombia, desde el año 2013. Profesor del Departamento de Matemáticas y Física de la misma universidad. Sus intereses de investigación son:
procesamiento de imágenes, agricultura de precisión, simulación física,
laboratorios remotos, óptica y electrodinámica.
186 VAEP-RITA Vol. 3, Núm. 4, Dic. 2015
ISSN 2255-5706 © IEEE-ES (Capítulo Español)