Efecto de la Variabilidad lumínica en Detectores de Características Visuales

Resumen

El uso de descriptores de características visuales en imágenes es una tarea fundamental en el contexto del uso de tecnologías 4.0, siendo crucial para procesos que involucran automatización, modelado y control de procesos. Sin embargo, las variaciones en las condiciones de iluminación afectan significativamente el rendimiento de estos algoritmos. En este estudio, se evaluaron imágenes sintéticas bajo diversas condiciones de iluminación y temperatura de color, comparando cuatro algoritmos ampliamente reconocidos para la detección de bordes: Sobel, Prewitt, Canny y Roberts. Se analizaron la precisión en la detección de bordes, la robustez ante variaciones lumínicas, y el tiempo de procesamiento de cada método. Los resultados muestran que el algoritmo Canny ofrece la mayor precisión y robustez frente a cambios en la iluminación, aunque con un costo computacional elevado. Por su parte, Sobel y Prewitt se destacan como alternativas balanceadas, proporcionando una buena detección de bordes con un consumo de recursos moderado. Finalmente, el método Roberts, aunque menos preciso y robusto, es el más eficiente en términos de velocidad, lo que lo convierte en una opción viable para sistemas embebidos con recursos limitados. Este trabajo sugiere la aplicación de cada algoritmo en función de los requerimientos específicos de precisión, robustez y disponibilidad de recursos computacionales.