Sistema de Monitoreo de Incubación de Iguanas

Vista previa del material en texto

SISTEMA INTEGRAL DE MONITOREO DE 
LAS CONDICIONES DE INCUBACIÓN E 
IDENTIFICACIÓN DE IGUANAS 
DIRECTOR: 
M. en C. Víctor Hugo García Ortega 
PARTICIPANTES: 
Erick Bernardo Quintero Villegas 
Isaac Morales Cedeño 
Israel Herrera Romero 
CLAVE DEL REGISTRO: 
20061127 
INFORME AGOSTO 
 
DICIEMBRE 2006 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 2 
 
CONTENIDO 
RESUMEN.................................................................................................... 3 
INTRODUCCIÓN.......................................................................................... 3 
PLANTEAMIENTO DEL PROBLEMA (IMPACTO) ..................................... 4 
SOLUCIÓN PROPUESTA ........................................................................... 5 
SISTEMAS DE ADQUISICIÓN DE DATOS Y CONTROL SUPERVISORIO
...................................................................................................................... 5 
TRATAMIENTO DIGITAL DE IMÁGENES .................................................. 7 
PLANTEAMIENTO DEL PROYECTO ......................................................... 9 
DESCRIPCIÓN DEL SISTEMA..................................................................11 
MANEJO DEL CONTRASTE................................................................... 12 
SEGMENTACIÓN ................................................................................... 12 
MÉTODO DE SEGMENTACIÓN POR VARIANZA.................................. 14 
SEGMENTACIÓN POR UMBRAL........................................................... 14 
RESULTADOS........................................................................................... 16 
FILTRO MEDIANA....................................................................................... 17 
FILTRO GAUSSIANO................................................................................... 18 
SEGMENTACIÓN POR UMBRALIZACIÓN........................................................ 19 
SEGMENTACIÓN POR VARIANZA. ................................................................ 20 
BIBLIOGRAFÍA.......................................................................................... 21 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 3 
 
RESUMEN 
En este proyecto se describe el diseño e implementación de un sistema de adquisición de 
datos de temperatura y humedad mediante una red 1-wire para incubadoras de iguanas; 
así como un software de análisis de imágenes de iguanas. 
INTRODUCCIÓN 
México cuenta con abundantes recursos naturales, producto de una amplia diversidad 
biogeográfica, ocupa el primer lugar en diversidad de reptiles, dentro de los que se 
encuentran la iguana negra (Ctenosaura pectinata), que es una especie endémica, y la 
iguana verde (Iguana Iguana). La iguana negra es importante a nivel alimenticio, 
medicinal y económico en las comunidades donde se distribuye, sin embargo, en algunas 
regiones como en el Istmo de Tehuantepec la cacería desmedida ha ocasionado la 
disminución de su población y ha puesto en riesgo de extinción a la especie. 
De acuerdo con la Norma Oficial Mexicana NOM-059-ECOL-1994, a partir de 1994, la 
especie Ctenosaura pectinata se encuentra dentro de la categoría de especie 
amenazada, por lo tanto se prohíbe su captura y comercialización. No obstante, en los 
últimos años la población natural de iguanas ha disminuido notablemente, lo que se debe 
en parte a la comercialización de carne, huevos, piel y destrucción de hábitats naturales 
por efecto de actividades agrícolas, ganaderas y desarrollo urbano. 
Las iguanas verdes (Iguana Iguana) son, al igual que las negras, empleadas a nivel 
alimenticio, pero también son usadas como mascotas, lo que les da un valor comercial 
mayor, aún cuando en nuestro país esta actividad no es muy importante a diferencia de lo 
que ocurre en Centroamérica. 
En México, la legislación dirigida hacia la conservación de las iguanas no es suficiente 
debido a que su captura es una actividad de subsistencia, que tradicionalmente ha 
utilizado el campesino y difícilmente podrá detenerse a corto plazo. Para lograr la 
recuperación de sus poblaciones y su utilización sostenible es necesario el desarrollo de 
sistemas de producción racional de la especie. Dada la escasa prioridad gubernamental 
asignada a la vida silvestre en el pasado, así como a la información dispersa, 
fragmentada y de escasa utilidad práctica, no se ha generado información suficiente y 
sistemática que sea elemento fundamental para realizar propuestas y tomar decisiones 
para el aprovechamiento sustentable de la especie. 
Una de las alternativas para conservar e incrementar el tamaño de la población y 
aprovechar racionalmente a esta especie, es la cría en cautiverio, ya que en forma 
silvestre requiere de tres años para llegar a su etapa de aprovechamiento, lo que provoca 
mayor susceptibilidad a la extinción. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 4 
 
PLANTEAMIENTO DEL PROBLEMA (IMPACTO) 
Existen pocos estudios que muestren aspectos relevantes sobre el manejo, nutrición, 
reproducción, mejoramiento y sanidad de la especie, de tal manera que es fundamental 
recabar información en aspectos nutricionales como los efectos de las de dietas en las 
tasas de reproducción, mortalidad y crecimiento, el estudio de las diferencias 
morfológicas entre machos y hembras en crías y juveniles de iguana negra, obtención de 
modelos de crecimiento, que permitan evaluar el manejo de iguanarios, y examinar la 
posibilidad de iniciar criaderos en forma intensiva. 
También es fundamental conocer los efectos de las condiciones ambientales en la 
incubación para lograr la tasa óptima de reproducción, garantizando el máximo de huevos 
que eclosionan por nido, y minimizar la mortalidad en las crías. En este aspecto, la 
información disponible es poco confiable debido a que no se han realizado estudios 
sistemáticos y se basa principalmente en juicios subjetivos. Por ello es urgente realizar 
estudios en condiciones ambientales controladas, siendo las principales variables a 
estudiar la temperatura del nido y la humedad relativa del mismo. 
En cuanto al aprovechamiento de iguanas en cautiverio, el Gobierno Federal, ha 
manifestado la necesidad de implementar un sistema de marcaje individual, para certificar 
que los ejemplares, productos o subproductos derivados en las Unidades de Manejo para 
la Conservación de Vida Silvestre (UMA), son producto de la reproducción o propagación 
en cautiverio. Con la entrada en vigor de la Ley General de Vida Silvestre (DOF 3/07/00) 
es obligatorio que los ejemplares, partes o derivados de las UMAs cuenten con un 
sistema de marca individual que los diferencie de los clandestinos. Los sistemas de 
marcaje que la Dirección General de Vida Silvestre (DGVS) ha aceptado para la 
comercialización de ejemplares producidos en las UMAs son: el microchip, tatuaje, grapas 
interdigitales (oficial para cocodrilos), anillos abiertos o cerrados (aves), aretes 
(mamíferos) y en algunas ocasiones para reptiles fotografía y pintura indeleble. Todos 
estos sistemas de marca individual deben ser presentados o propuestos por la Unidad de 
Manejo inicialmente para su posterior evaluación y aceptación por la DGVS (Morales, 
2001). Dentro de los sistemas de marcaje conocidos se menciona (Vázquez y Villegas 
2000) los sistemas donde se utiliza la chaquira, amputación de falanges, tatuado en 
candente y el tatuado de poros femorales, no son convenientes en las especies de 
iguana; no obstante, el sistema de marcaje natural (Montes, 1998) en iguana verde que 
caracteriza al animal, es la escama auditiva, que no cambia con los años, únicamente se 
acentúa en coloración, dentro de esta escama hay un dibujo único encada animal que lo 
diferencia de los demás y posiblemente sea el método de identificación más importante 
para su utilización en la diferenciación individual y por lo tanto la elaboración de registros. 
Queda de manifiesto que existe un conjunto de datos que potencialmente pueden 
convertirse en información útil. Las computadoras pueden ayudar a añadir valor, organizar 
y en general, transformar los datos en información. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 5 
 
SOLUCIÓN PROPUESTA 
En el contexto tecnológico actual, donde los sistemas de cómputo personal son las 
herramientas más utilizadas para procesamiento de datos e interfaz con el medio 
ambiente, todos los elementos del sistema en su conjunto deben estar perfectamente 
comunicados, esto es, conectados por medio de las interfaces adecuadas con la 
capacidad, la disponibilidad y la calidad suficientes como para permitirles enviar y recibir 
oportuna y confiablemente la información requerida para el monitoreo y control de las 
variables físicas que se necesiten. 
Uno de los primeros usos de las computadoras personales (PC) en la industria fue 
remplazar páneles de configuración y adquisición de datos, con hardware y software de 
adquisición de datos (DAQ) e interfaces humano 
 
máquina (HMI) para computadoras 
personales (Harrold, 2002). 
Sistemas de Adquisición de Datos y Control Supervisorio 
El término Sistema de adquisición de datos y control supervisorio proviene del término 
inglés Supervisory Control and Data Acquisition mejor conocido como sistema SCADA. 
Estos sistemas usan la tecnología de computación y comunicaciones para automatizar el 
monitoreo y el control de procesos industriales. Dichos sistemas son capaces de 
recolectar la información proveniente de un gran número de fuentes muy rápidamente y 
presentarla al usuario en una forma amigable (R-Roda et al., 1999). Los sistemas SCADA 
pretenden mejorar la eficiencia de los procesos bajo supervisión ya que proporcionan 
información oportuna al operador del proceso, con la que podrá tomar las decisiones más 
adecuadas. La Figura 1 muestra el esquema básico de un sistema SCADA. 
 
Figura 1. Esquema básico de un sistema SCADA. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 6 
Evolución de los Sistemas SCADA 
Las computadoras y la tecnología de la información están cambiando la forma de hacer 
las cosas. Los primeros sistemas SCADA eran simplemente sistemas de telemetría que 
proporcionaban reportes de las condiciones de campo a través del monitoreo de señales. 
Estos sistemas ofrecían capacidades de monitoreo y control muy simples y no proveían 
funciones de aplicación ni pre-procesamiento de la información. 
A medida que la tecnología ha evolucionado, las computadoras han asumido el papel de 
administrar el conjunto de datos recopilados a partir de cualquier sistema físico, 
proporcionando comandos de control y una nueva función: la presentación de la 
información, después de un tratamiento adecuado, en la pantalla de la computadora. Esta 
misma propiedad proporcionó la capacidad de programar el sistema para desempeñar 
funciones de control y supervisión cada vez más complejas. Podría decirse que un 
sistema SCADA está formado por un sistema de adquisición de datos (DAQ) y una 
interfaz humano máquina (HMI). 
La tendencia actual en el desarrollo de sistemas SCADA es el manejo de la información a 
diversos niveles hasta llegar a constituir sistemas de información integrales y de ser 
posible en red. Siendo necesario un procesamiento de los datos adquiridos, específico a 
la manera en que los expertos del proceso analizan la información (R-Roda et al., 1999). 
Una tendencia reciente es desarrollar este análisis utilizando bases de datos relacionales 
de formato estándar y una arquitectura orientada a objetos, que permita la fácil inclusión 
de nuevos datos adquiridos y/o nuevos métodos de análisis (Meléndez, 1997). 
Un Sistema SCADA está basado en computadoras que permite supervisar y controlar a 
distancia una instalación de cualquier tipo, tal como lo muestra la Figura 2. Además, hoy 
en día, es fácil hallar un sistema SCADA realizando labores de control automático en 
cualquiera de sus niveles basado en distintas estrategias (PID, difusas, adaptable, etc.), 
aunque su labor principal sea de supervisión y control por parte del operador (Torres, 
2003). 
 
Figura 2. Sistema de Adquisición de Datos y Control Supervisorio. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 7 
Los Sistemas SCADA constituyen el complemento indispensable de los Sistemas de 
Control Digital. Dado que todos ellos han sido dotados de capacidad de comunicarse en 
forma digital con otros dispositivos periféricos para transferir información desde y hacia 
ellos, resulta natural incorporar a los sistemas automatizados los conceptos de redes y 
buses de comunicaciones, que fundamentalmente fueron diseñados para conectar varios 
de estos dispositivos entre sí y principalmente contra una o varias computadoras 
personales que colecten toda esa información para presentarla en pantallas de forma 
gráfica, desde las cuales se pueden observar los dispositivos integrados, sus estados, la 
indicación principal, sus parámetros de configuración, etc. 
Los sistemas SCADA son utilizados para control de subestaciones eléctricas, operación 
controlada de un sistema de agua potable, supervisión y control de sistemas de transporte 
colectivo, operación y control de sistemas de distribución de agua, gas, tratamiento de 
aguas residuales, etc. En general, supervisión y control de cualquier sistema interno en un 
laboratorio o en una planta y en términos generales cualquier proceso que implique el 
control y adquisición de datos de entradas y distribución de datos de salidas de variables 
analógicas y/o digitales (Torres, 2003). 
Tratamiento Digital de Imágenes 
El interés por los métodos de tratamiento digital de imágenes deriva de dos áreas 
principales de aplicación: la mejora de la información pictórica para la interpretación 
humana y el procesamiento de los datos de la escena para la percepción autónoma por 
una máquina. Las técnicas de procesamiento digital de imágenes se emplean para 
resolver actualmente problemas muy diversos que requieren normalmente métodos 
capaces de realzar la información de las imágenes para la interpretación y el análisis 
humano. Algunas de las áreas de aplicación son: imágenes biomédicas, imágenes 
geográficas, arqueología, física, astronomía, biología, investigaciones judiciales y 
aplicaciones industriales (González, 1996). 
El tratamiento digital de imágenes comprende desde recursos de hardware, software y 
recursos teóricos. Todos los sistemas de procesamiento digital de imágenes comprenden 
varias etapas fundamentales las cuales se muestran en la Figura 3. 
 
Figura 3. Etapas fundamentales del procesamiento de imágenes. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 8 
En la primera etapa o adquisición de la imagen, se obtiene la imagen digital; para ello se 
necesita un sensor de imágenes y la posibilidad de digitalizar la señal producida por el 
sensor. Este puede ser una cámara digital, cámara de televisión, o cámara de barrido de 
líneas (escáner). Si la salida de la cámara o de otro sensor de imágenes no está todavía 
en forma digital puede emplearse un convertidor analógico-digital para digitalizarla. La 
naturaleza del sensor y la imagen que produce vienen determinadas por la aplicación. 
Una vez que se ha obtenido la imagen digital, la siguiente etapa trata del 
preprocesamiento de esa imagen. La función básica del preprocesamiento es la de 
mejorar la imagen, de forma que se aumenten las posibilidadesde éxito en los procesos 
posteriores. El preprocesamiento trata típicamente las técnicas de mejorar el contraste, 
eliminar el ruido y aislar regiones entre sí. 
La siguiente etapa es la segmentación, la cual consiste en partir una imagen de entrada 
en sus partes constituyentes u objetos. En general, la segmentación autónoma es una de 
las labores más difíciles del tratamiento digital de imágenes. Por una parte, un 
procedimiento de segmentación demasiado tosco retarda la solución satisfactoria de un 
problema de procesamiento de imágenes. Por otra, un algoritmo de segmentación débil o 
errático casi siempre garantiza que tarde o temprano habrá un fallo. 
A la salida del proceso de segmentación habitualmente se tienen los datos de píxel en 
bruto, que constituyen bien el contorno de una región o bien todos los puntos de una 
región determinada. En cada caso es necesario convertir los datos a una forma adecuada 
para el procesamiento por computadora. La primera decisión que se debe tomar es si los 
datos se han de representar como un contorno o como una región completa. La 
representación como un contorno es la adecuada cuando el interés radica en las 
características de la forma exterior, como esquinas e inflexiones. La representación 
regional es adecuada cuando el interés se centra en propiedades internas, como la 
textura o la estructuración. Sin embargo en algunas aplicaciones ambas 
representaciones coexisten. 
La elección de una representación es sólo una parte de la solución para transformar los 
datos de píxel en bruto a una forma adecuada para ser posteriormente tratados por 
computadora. También debe especificarse un método para describir los datos de forma 
que se resalten los rasgos de interés. La descripción o selección de rasgos, consiste en 
extraer rasgos con alguna información cuantitativa de interés o que sean fundamentales 
para diferenciar una clase de objetos de otra. 
La última etapa incluye el reconocimiento e interpretación. El reconocimiento es el 
proceso que asigna una etiqueta a un objeto basándose en la información proporcionada 
por sus descriptores, a este objeto se le denomina patrón. La interpretación implica 
asignar significado a un conjunto de objetos reconocidos. Esta trata de asignar un 
significado a un conjunto de entidades etiquetadas. En esta etapa se suelen utilizar 
diferentes tipos de clasificadores dependiendo de la naturaleza estadística de las clases 
etiquetadas, entre ellos se encuentran: el clasificador euclideo, bayesiano, etc. Uno de los 
modelos más utilizados por su gran eficiencia en esta etapa son las redes neuronales, las 
cuales cargan de manera natural conocimiento a través de un proceso conocido como 
entrenamiento y lo hacen disponible para su uso. Existen diferentes modelos de redes 
neuronales, siendo los más comunes el perceptrón multicapa y los mapas 
autoorganizados (SOM-Self Organazing Maps), los cuales utilizan entrenamiento 
supervisado y no supervisado respectivamente (Haykin,1999). 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 9 
Tanto de la necesidad del conocimiento previo, como de la interacción entre la base de 
conocimiento y los módulos de procesamiento se puede decir lo siguiente: que el 
conocimiento sobre un dominio del problema está codificado en un sistema de 
procesamiento de imágenes como una base de datos de conocimiento. 
Este conocimiento puede ser tan simple como detallar las regiones de una imagen donde 
se sabe que se ubica información de interés, limitando así la búsqueda que ha de 
realizarse para hallar tal información. 
La base de conocimiento también puede ser muy compleja, como una lista 
interrelacionada de todos los posibles defectos de un problema de inspección de 
materiales o una base de datos que contenga imágenes de satélite de alta resolución de 
una región, en conexión con aplicaciones de detección de cambios. Además de guiar la 
operación de cada módulo de procesamiento, la base de conocimiento controla también la 
interacción entre los módulos. Los elementos de los sistemas de procesamiento de 
imágenes son los de adquisición, almacenamiento, tratamiento, comunicación, y 
presentación de imágenes (González,1996). 
PLANTEAMIENTO DEL PROYECTO 
Actualmente los Sistemas SCADA constituyen un estándar de la industria, ya que todas 
las aplicaciones ofrecen (con variantes a veces apoyadas en distintas fortalezas, como la 
integración con el hardware, la facilidad de uso, la aplicación de herramientas 
innovadoras, la apertura de comunicaciones, la solidez del conjunto, etc.) una base 
común muy amplia y equivalente. 
En la actualidad se encuentran implementadas diferentes redes de campo para comunicar 
dispositivos de E/S y servidores, por un lado redes propietarias de fabricantes y por el otro 
redes abiertas, tales como redes seriales (RS-232, RS-422, RS-485) o alguna tecnología 
de red Ethernet, implementada sobre redes de área local (LAN) o si la aplicación lo 
requiere, sobre redes de área amplia (WAN), tal como lo muestra la Figura 4. Estas redes 
permiten seleccionar la mejor forma de implementar una arquitectura SCADA. Sin 
embargo, el bus serial universal (USB) no ha sido completamente explotado en estas 
aplicaciones y tiene ventajas sobre las redes seriales convencionales. Además, cada año 
se incrementan las aplicaciones DAQ basadas en USB. En cualquier caso, se deben usar 
protocolos bien definidos para comunicar cada uno de los elementos dependiendo del tipo 
de red, como pueden ser DNP3, ModBus, TCP/IP, UDP/IP, etc. 
Es esencial conocer las necesidades de información de los procesos a supervisar y 
controlar, por lo que es de suma importancia establecer e implementar una arquitectura 
de base de datos a partir de un modelo de datos bien definido. El modelo de datos es una 
colección de herramientas conceptuales que describen los datos, las relaciones entre 
estos, la semántica de los datos y las ligaduras de consistencia (Silberschatz,1998). En 
general, es importante implementar una arquitectura de bases de datos que permita 
registrar el estado histórico de los procesos, pues son los datos, una vez procesados, los 
que proporcionan la información necesaria para la toma de decisiones y para establecer 
las estrategias de control automático que mejor convengan. 
Información e integración son las dos palabras que expresan lo que sucede en realidad 
con el software para interfaces humano-máquina y para adquisición de datos y control 
supervisorio. En la actualidad se requiere suministrar la información requerida, entendible, 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 10 
en un dispositivo práctico y amigable y en cualquier lugar del mundo (Mintchel 2002). Por 
lo cual, es importante contar con una interfaz simple, amigable e integral que permita 
supervisar el estado de las variables involucradas en los diferentes procesos 
experimentales e industriales a controlar. 
 
Figura 4. Esquema de comunicación HMI/SCADA 
Sin duda, existen muchos elementos que se deben considerar para construir un excelente 
sistema SCADA, de manera que se asegure que todos interactuando juntos, funcionen 
correctamente y no se pierda tiempo debido a la no compatibilidad de partes. La correcta 
y completa información de los requerimientos del sistema SCADA permite crear una 
aplicación acorde a las necesidades de automatización establecidas. 
Se describe, el desarrollo de una arquitectura SCADA que monitorea las 
condiciones de temperatura y humedad dentro de los nidos de incubación de 
iguanas para obtener las condiciones óptimas de su reproducción, por medio del 
diseño y construcción de sistemas DAQ basados en tecnología de red 1-wire. 
Además, del diseño y construcción de interfaces HMI multiplataforma basadas en 
tecnología JAVA para la supervisión de procesos, interfaz con bases de datosy 
análisis de información. La información es consultada mediante un sistema WEB 
usando PHP y mySql. 
Además del desarrollo de la arquitectura SCADA, se plantea la realización de un 
sistema de procesamiento digital de imágenes que permite el procesamiento de 
imágenes de iguana negra (Ctenosaura pectinata) y la iguana verde (Iguana Iguana) 
para su análisis. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 11 
DESCRIPCIÓN DEL SISTEMA. 
Las etapas de procesamiento de imágenes de iguanas se muestran el la Figura 5. 
 
Figura 5.Mejoramiento de la Imagen 
Esta etapa es mejor conocida como etapa de preprocesamiento de la imagen y su función 
básica en general, es la de mejorar la imagen. Típicamente esta etapa comprende las 
técnicas para mejorar el contraste, eliminar ruido, aislar ciertas regiones, entre otras. 
Estas circunstancias dan lugar a que una imagen presente alguna degradación 
manifestada con algún tipo de ruido . Este ruido debe eliminarse, por lo que se requiere 
la etapa de mejoramiento de la imagen. 
Algunos filtros usados en el proceso de mejoramiento son el filtro de mediana el cual es 
un filtro no lineal que se encarga de obtener un suavizado de la imagen y eliminar el ruido 
de sal y pimienta (la imagen tiene puntitos negros o blancos) de la imagen por medio del 
calculo de la mediana de un grupo de datos de la imagen y modificando el valor del 
central de ese grupo de datos con el resultado de la mediana. Otro filtro es el Gaussiano, 
este es un filtro pasabajas (cuyo efecto es el de realizar un suavizado en la imagen), en el 
cual el núcleo es una Gaussiana 2-D, de media cero y desviación estándar , de la forma: 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 12 
2
22
2
)(
),(
yx
eyxg
 
La transformada de Fourier de la Gaussiana es todavía Gaussiana y prácticamente no 
posee lóbulos laterales, por lo que su respuesta en frecuencia es muy buena. 
MANEJO DEL CONTRASTE 
Las imágenes en general pueden clasificarse en 4 tipos, imágenes oscuras, brillantes, de bajo 
contraste y de alto contraste, esta característica queda identificada por medio de su histograma, en 
el cual se representa gráficamente la frecuencia de cada uno de los niveles de grises existentes en 
la imagen. Para imágenes oscuras el histograma esta cargado a la izquierda, mientras que para las 
imágenes brillantes a la derecha, por otro lado las imágenes de bajo contraste presentan una 
diferencia notable entre las frecuencias de cada uno de los niveles de grises y las imágenes de alto 
contraste no las hay. Para mejorar la imagen existen diferentes métodos, una de ellos es la 
ecualización del histograma que permiten ampliar el rango dinámico de la imagen. Este método 
consiste en general, en distribuir el histograma original en todo el rango de escala de grises de tal 
forma que la frecuencia de cada uno de los niveles de grises, esto se realiza mediante una 
transformación que debe cumplir con dos condiciones: 
)(rTs
 
1. )(rT es de valor único y monótonamente creciente en el intervalo 10 r 
2. 1)(0 rT para 10 r 
Estas condiciones conservan el orden entre blanco y negro de las escalas de grises, y garantiza una 
aplicación coherente con el rango de valores de píxel permitidos, respectivamente. 
SEGMENTACIÓN 
De forma general la segmentación consiste en subdividir la imagen en sus partes 
constituyentes u objetos. El nivel al que se lleva a cabo esta subdivisión depende del 
problema a resolver. Los algoritmos de segmentación de imágenes en niveles de gris 
generalmente se basan en una de las dos propiedades básicas de los valores del nivel de 
gris de un píxel: discontinuidad y similitud. En la primera categoría el método consiste 
en dividir la imagen basándose en los cambios bruscos de nivel de gris. Las principales 
áreas de interés de esta categoría son la detección de puntos aislados, líneas y bordes de 
una imagen. Los principales métodos de la segunda categoría están basados en la 
segmentación por umbral, crecimiento de regiones y en la división y fusión de regiones 
(González,1996). 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 13 
En el procesamiento de las imágenes de iguanas es usualmente necesario realizar dos 
procesos de segmentación, que son: 
 
Remover las partes que no llevan información válida en la imagen de la guana. 
Una buena técnica de segmentación para realizar esta tarea, debe cumplir con las 
siguientes propiedades: 
 
Debe ser insensible al contraste de la imagen original. 
 
Debe detectar regiones manchadas y ruidosas . 
 
Los resultados de la segmentación deben ser independientes de si la imagen está 
mejorada o no. 
 
Debe dar resultados consistentes para la gran variedad de imágenes usadas en la 
aplicación. 
Separar claramente las regiones que pertenecen a los valles, de las regiones que 
pertenecen a las colinas. 
Típicamente un proceso de binarización logra esta separación. La binarización consiste 
en convertir una imagen con una cierta cantidad de niveles de gris (en el caso de 
imágenes en niveles de gris) en una imagen con sólo dos niveles de gris (blanco y negro), 
donde uno de los niveles representa el fondo de la imagen y el otro nivel representa a los 
objetos de la imagen. En el caso de las iguanas el nivel blanco representa al fondo de la 
imagen (los valles de la huella), mientras que el nivel negro representa a las colinas de la 
huella. Este proceso de binarización se puede lograr con el método de segmentación por 
umbral. 
Antes de describir los métodos de segmentación es necesario introducir el concepto de 
histograma de una imagen. El histograma de una imagen digital con niveles de gris en el 
rango 1,0 L es una función discreta nnrp kk /)( , donde kr es el k-ésimo nivel de gris, 
kn es el número de píxeles de la imagen con ese nivel de gris, n
 
es el número total de 
píxeles en la imagen y 1,...,1,0 Lk (González,1996) . 
De forma general se puede decir que )( krp da una idea del valor de la probabilidad de 
que aparezca el nivel de gris kr . La representación gráfica de esta función para todos los 
valores de k proporciona una descripción global de la apariencia de una imagen. 
Para remover las partes que no llevan información válida en la imagen que representa a la 
Iguana se utiliza un método muy eficiente el cual es el método de segmentación por 
varianza 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 14 
MÉTODO DE SEGMENTACIÓN POR VARIANZA 
En este método la imagen es dividida en bloques, en donde se calcula su varianza de 
acuerdo a la siguiente expresión 
)/(),(
)1)(1( 2)1)(1(
ABjiI
BL
LBj
AK
KAi
KLKL
 
En general, la varianza obtenida de los niveles de gris correspondientes al fondo y/o a 
regiones uniformes es muy pequeña (cero en regiones perfectamente uniformes), y la 
varianza obtenida en regiones donde se encuentra la imagen de la iguana, en buenas 
condiciones es alta. Por lo tanto, si se establece un cierto umbral UMVAR se puede 
utilizar este método para segmentar imágenes de iguanas, es decir, para un cierto bloque 
si la varianza es menor que el umbral establecido, eso indica que el bloque pertenece al 
fondo, de lo contrario indica que se trata de la imagen de la iguana. 
Este método trabaja bien para imágenes de buena calidad con un buen contraste. Sin 
embargo, este método no puede detectar regiones ruidosas, ya que al ser regiones 
uniformes las detecta como regiones pertenecientes al fondo. 
Una vez obtenidos los bloques que llevan información válida de la imagen, se procede a 
separar claramente las regiones que pertenecen a los valles, de las regiones que 
pertenecen a las colinas. Esto se hace binarizandola imagen a través del método de 
segmentación por umbral. 
 SEGMENTACIÓN POR UMBRAL 
Supóngase que se tiene un histograma de una imagen en niveles de gris ),( yxf , 
compuesta de objetos oscuros sobre un fondo claro, de tal forma que los píxeles del 
objeto y el fondo tienen los niveles de gris agrupados en dos modos dominantes 
(histograma bimodal). Una forma evidente de extraer los objetos del fondo es elegir un 
umbral T que separe dichos modos. Entonces cualquier punto ),( yx para el que 
Tyxf ),( se denomina punto del objeto; en caso contrario se denomina punto del 
fondo. 
Basándose en lo anterior, la segmentación por umbral se puede contemplar como una 
operación que implica realizar comprobaciones frente a una función T de la forma: 
),(),,(,, yxfyxpyxTT
 
Donde ),( yxf es el nivel de gris del punto ),( yx y ),( yxp representa alguna propiedad 
local de ese punto (como la media del nivel de gris de una cierta vecindad centrada en 
),( yx ). Una imagen segmentada por umbral ),( yxg se define como: 
Tyxf
Tyxf
yxg
),(0
),(1
),( 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 15 
De este modo los píxeles marcados con 0 corresponden a objetos, mientras que los 
píxeles marcados con 1 corresponden al fondo. 
Cuando T depende solamente de ),( yxf , el umbral se denomina global; si el umbral 
depende a la vez de ),( yxf y ),( yxp entonces se denomina local. Si además T depende 
de las coordenadas espaciales ),( yx , el umbral se denomina dinámico. 
Cuando se tiene una imagen de buena calidad, el usar un umbral global es suficiente para 
obtener la imagen binaria. Si la imagen no es de buena calidad el método puede fallar; sin 
embargo, en estos casos al aplicar un umbral dinámico se obtienen mejores resultados 
que con el global, puesto que el umbral se adapta localmente al tipo de imagen en una 
vecindad. 
Después de haber obtenido la región donde se encuentra la imagen de la iguana se aplica 
un filtro Gaussiano con la finalidad de realizar un suavizado sobre la imagen y así obtener 
una mejor imagen binaria. Después de este filtrado se aplica un umbral dinámico, estos 
es, se divide la imagen en bloques ),( BABKL de 15x15 píxeles, de los cuales se obtiene 
su media KL . Entonces KL
 
es el umbral del bloque ),( BABKL , de tal forma que cada 
bloque tendrá un umbral diferente. Esto se hace como parte del proceso de mejoramiento 
de la imagen. 
Las imágenes binarias obtenidas usando los métodos con umbral dinámico y global se 
muestran en la sección siguiente. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 16 
RESULTADOS. 
En las Figuras 6 y 7 se muestran las imágenes en escala de grises sobre las cuales se 
efectuaron las operaciones de las técnicas de tratamiento de imágenes descritas en 
secciones anteriores. 
 
Figura 6. Vista Lateral de la Iguana. 
 
Figura 7. Vista Superior de la Iguana. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 17 
Filtro Mediana 
Con este tipo de filtro se hicieron las siguientes pruebas con las imágenes usando 
diferentes magnitudes para los parámetros de tamaño de ventana, desplazamiento entre 
ventanas. 
Tamaño de ventana Desplazamiento 
de ventana 
3 1 
3 2 
3 3 
3 4 
3 5 
5 1 
5 2 
5 3 
5 4 
5 5 
7 1 
7 2 
7 3 
7 4 
7 5 
9 1 
9 2 
9 3 
9 4 
9 5 
11 1 
11 2 
11 3 
11 4 
11 5 
 
Después de realizar las pruebas anteriores la mejor imagen obtenida después del filtrado 
fue la que tiene los parámetros de tamaño de ventana igual a 5 y desplazamiento entre 
ventanas de 3, se muestra a continuación en la Figuras 8 y 9. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 18 
 
Figura 8. Imagen Filtrada con el Método de la Mediana. 
Filtro Gaussiano 
Con este tipo de filtro se hicieron las siguientes pruebas con las imágenes usando 
diferentes magnitudes para los parámetros de tamaño de ventana, desplazamiento entre 
ventanas y Varianza. 
Tamaño de ventana Desplazamiento 
de ventana 
Varianza 
3 1 De 0.2 hasta 2.5 
3 2 De 0.2 hasta 2.5 
3 3 De 0.2 hasta 2.5 
3 4 De 0.2 hasta 2.5 
3 5 De 0.2 hasta 2.5 
5 1 De 0.2 hasta 2.5 
5 2 De 0.2 hasta 2.5 
5 3 De 0.2 hasta 2.5 
5 4 De 0.2 hasta 2.5 
5 5 De 0.2 hasta 2.5 
7 1 De 0.2 hasta 2.5 
7 2 De 0.2 hasta 2.5 
7 3 De 0.2 hasta 2.5 
7 4 De 0.2 hasta 2.5 
7 5 De 0.2 hasta 2.5 
9 1 De 0.2 hasta 2.5 
9 2 De 0.2 hasta 2.5 
9 3 De 0.2 hasta 2.5 
9 4 De 0.2 hasta 2.5 
9 5 De 0.2 hasta 2.5 
11 1 De 0.2 hasta 2.5 
11 2 De 0.2 hasta 2.5 
11 3 De 0.2 hasta 2.5 
11 4 De 0.2 hasta 2.5 
11 5 De 0.2 hasta 2.5 
 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 19 
Después de realizar las pruebas anteriores la mejor imagen obtenida después del filtrado 
fue la que tiene los parámetros de tamaño de ventana igual a 7 y desplazamiento entre 
ventanas de 1 y varianza de 0.8, se muestra a continuación en las Figuras 8 y 9. 
 
Figura 9 Imagen Filtrada con el Método Gaussiano 
Segmentación por Umbralización. 
Dentro de la etapa de segmentación por umbralización se realizaron diferentes pruebas, dadas las 
condiciones de las imágenes originales, el fondo y las diferentes escalas de brillo existentes, el 
método más adecuado fue la segmentación por umbral dinámico, en la cual se probaron diferentes 
tamaños de ventanas y desplazamiento de ventana. Al realizar esta pruebas se notó que el trabajar 
con una ventana grande, mayor a 7 píxeles no permitía una segmentación adecuada, ya que el 
fondo de la imagen se confundía con el objeto de estudio. Sin embargo al trabajar con ventanas de 
menor tamaño y desplazamientos pequeños los resultados obtenidos fueron muy buenos, en 
comparación a la segmentación por umbral y la segmentación por umbral dinámico con ventanas 
mayores a 7x7 píxeles. Estos resultados se muestran en la Figura 10 y Figura 11. 
 
Figura 10. Resultado del Método con una Ventana de 3x3 pixeles y desplazamiento de 1 pixel. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 20 
 
Figura 11. Resultado al usar una Ventana de 3x3 pixeles y desplazamiento de 1 pixel. 
 
Segmentación por Varianza. 
Los valores que arrojaron los mejores resultados en este algoritmo fueron: 
Un Tamaño de ventana igual a 4, desplazamiento a 1, y Umbral en 45. 
En las Figuras 12 y 13 se muestran los resultados obtenidos sobre algunas imágenes después de la 
aplicación de este método: 
 
Figura 12. Segmentación por Varianza con Tamaño de Ventana = 4, Desplazamiento = 1, Umbral = 45 
 
Figura 13. Segmentación por Varianza con Tamaño de Ventana = 3, Desplazamiento = 1 Umbral = 45 
Se puede apreciar que el fondo de la imagen no es totalmente separado, pues presenta mucha 
irregularidad. 
Sistema Integral de Monitoreo de las Condiciones de Incubación e Identificación de Iguanas 
 
Clave del Proyecto 20061127 21 
BIBLIOGRAFÍA 
González R, Woods R, Tratamiento Digital de Imágenes, Addison Wesley, 1996 
Harrold D., Users expect DAQ to also include analisis and control, Control Engineering 
 
Febrary, www.manufacturing.net/ctl, 2002. 
Haykin S., Neural Networks a comprehensive foundation, Prentice Hall, 1999 
Minchel G. A., HMI/SCADA Software, more than pretty pictures, Control Engineering 
 
December, www.manufacturing.net/ctl, 2002. 
Melendez J., Integration of knowledge-based, qualitative and numeric tools for real time 
dynamic systems supervision, Tesis doctoral, Universidad de Girona, España 1997. 
Omar Ochoa Montes Ontiveros. 1998. Sistema de marcaje en iguana verde (Iguana 
iguana). PRIMER TALLER NACIONAL SOBRE MANEJODE IGUANAS EN CAUTIVERIO 
(Pátzcuaro, Mich., mayo). Delegación Federal de la SEMARNAT en Michoacán Dirección 
General de Vida Silvestre. 
R-Roda I., Sánchez M., Cortéz U., Lafuente J. & Poch M., Consider a case-based system 
for control of complex processes, Chemical Engineering Progress, Vol. 6, pp. 39-45, 1999. 
Silberschatz A., Korth H.F., Sudarshan S. Fundamentos de bases de datos. Mc. Graw 
Hill.1998. 
Tizoc Morales Salud. 2001. Sistema de marcaje, problema de identidad o un simple 
requisito. CUARTO TALLER NACIONAL SOBRE MANEJO DE IGUANAS EN 
CAUTIVERIO (Puerto Ángel, Oax., mayo de 2001. Delegación Federal de la SEMARNAT 
en Oaxaca. Dirección General de Vida Silvestre. 
Torres I., Diseño y Construcción de un Sistema de Monitoreo para una Planta de 
Tratamiento de Aguas Residuales Urbanas, Tesis de Maestría, Centro de Investigación en 
Computación IPN, México 2003. 
Vázquez Pérez Diana B. y Villegas Zurita Francisco. 2000. Desarrollo de un sistema de 
marcaje para iguanas en la UMA Iguanas de Tabasco. TERCER TALLER NACIONAL 
SOBRE MANEJO DE IGUANAS EN CAUTIVERIO (Acapulco, Gro., mayo de 2000). 
Delegación Federal de la SEMARNAT en Guerrero Dirección General de Vida Silvestre. 
http://www.manufacturing.net/ctl
http://www.manufacturing.net/ctl