Formación corporativa en OpenCV

Las operaciones básicas son el punto de partida de cualquier pipeline de visión por computador. Antes de aplicar algoritmos complejos, es necesario dominar cómo manipular la geometría de las imágenes, cómo dibujar sobre ellas y cómo combinarlas.

Con cv2.resize() puedes escalar imágenes eligiendo el método de interpolación adecuado: INTER_AREA para reducir sin perder calidad y INTER_CUBIC o INTER_LINEAR para ampliar. El recorte se realiza directamente con slicing de NumPy (img[y1:y2, x1:x2]), lo que lo convierte en una operación O(1) sin copias innecesarias.

import cv2
reducida = cv2.resize(img, (640, 480), interpolation=cv2.INTER_AREA)
roi = img[100:300, 200:400]

Las transformaciones geométricas como rotación, traslación y perspectiva se expresan mediante matrices de transformación aplicadas con warpAffine() o warpPerspective(). Esto permite corregir la orientación de una cámara inclinada o rectificar documentos fotografiados en ángulo.

Para dibujar sobre imágenes, OpenCV ofrece cv2.line(), cv2.rectangle(), cv2.circle(), cv2.ellipse() y cv2.putText(). Estos primitivos son la base para visualizar detecciones, anotar resultados y crear interfaces gráficas sencillas.

Las operaciones aritméticas (cv2.add(), cv2.addWeighted()) y las operaciones bitwise (cv2.bitwise_and(), cv2.bitwise_or(), cv2.bitwise_not()) permiten combinar imágenes, crear efectos de superposición, aplicar máscaras y construir composiciones complejas de forma eficiente.

El procesamiento de imágenes transforma los píxeles de la imagen original para extraer información útil, eliminar ruido o preparar los datos para etapas de análisis posteriores.

Los filtros de suavizado reducen el ruido y los detalles superfluos. cv2.GaussianBlur() aplica una convolución con un kernel gaussiano (apropiado para la mayoría de casos), mientras que cv2.medianBlur() es ideal para el ruido sal y pimienta porque preserva los bordes mejor que el Gaussiano. cv2.bilateralFilter() es el más costoso computacionalmente pero también el que mejor preserva los bordes al mismo tiempo que suaviza las regiones homogéneas.

La detección de bordes localiza los cambios bruscos de intensidad. cv2.Canny() combina suavizado Gaussiano, gradiente Sobel y supresión de no-máximos para producir bordes precisos de un píxel de anchura. cv2.Sobel() y cv2.Laplacian() dan el gradiente de la imagen, útil para analizar la estructura de frecuencias.

bordes = cv2.Canny(gris, threshold1=50, threshold2=150)

La umbralización convierte la imagen en blanco y negro basándose en la intensidad. El método de Otsu calcula automáticamente el umbral óptimo sin intervención manual. cv2.adaptiveThreshold() calcula un umbral local para cada región, imprescindible cuando la iluminación no es uniforme.

Las operaciones morfológicas (erosión, dilatación, apertura, cierre) manipulan la forma de los objetos en imágenes binarias. La apertura elimina pequeños puntos de ruido; el cierre rellena huecos; la combinación de ambas es la base de muchos filtros de segmentación.

La convolución personalizada con cv2.filter2D() permite diseñar cualquier kernel: nitidez (sharpening), relieve (emboss) o detección de patrones específicos.

Los histogramas describen la distribución de los valores de intensidad o color en una imagen. cv2.calcHist() calcula histogramas de uno o varios canales, mientras que cv2.compareHist() permite comparar dos imágenes por su distribución de color usando métricas como correlación, chi-cuadrado o distancia Bhattacharyya.

La ecualización de histograma mejora el contraste redistribuyendo los niveles de gris. cv2.equalizeHist() aplica ecualización global, que puede ser demasiado agresiva. CLAHE (Contrast Limited Adaptive Histogram Equalization) con cv2.createCLAHE() mejora el contraste de forma local y limita la amplificación del ruido, siendo la opción preferida en imágenes médicas y documentos.

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
mejorado = clahe.apply(canal_l)

El filtrado de color con cv2.inRange() crea máscaras binarias para segmentar objetos por su color en el espacio HSV. Es la base para sistemas de seguimiento de objetos de color, semáforos o señalización. La tabla de rangos HSV (rojo: 0-10 y 170-180, verde: 35-85, azul: 100-130) es fundamental para ajustar los umbrales correctamente.

La retroproyección de histograma con cv2.calcBackProject() genera un mapa de probabilidad de presencia del objeto de interés en toda la imagen, base del algoritmo de seguimiento MeanShift.

La detección de contornos con cv2.findContours() extrae las curvas que delimitan los objetos en una imagen binaria. Los modos de recuperación (RETR_EXTERNAL, RETR_TREE) controlan qué contornos se devuelven y cómo se organiza la jerarquía. cv2.drawContours() visualiza los resultados.

Las propiedades de contornos extraen información geométrica: área (cv2.contourArea()), perímetro (cv2.arcLength()), centro de masa con momentos, rectángulo delimitador, círculo mínimo y elipse ajustada. La circularidad (4π·área/perímetro²) permite distinguir círculos de otras formas.

cv2.approxPolyDP() simplifica un contorno al polígono con el menor número de vértices posible (algoritmo de Douglas-Peucker), lo que permite clasificar formas por el número de vértices: 3 = triángulo, 4 = cuadrilátero, 5+ = polígono genérico.

La transformada de Hough detecta formas analíticas en imágenes de bordes. cv2.HoughLinesP() detecta segmentos de línea con parámetros de longitud mínima y separación máxima entre puntos. cv2.HoughCircles() detecta círculos especificando los rangos de radio.

El template matching con cv2.matchTemplate() busca un patrón de referencia en una imagen mayor, devolviendo un mapa de correlación. cv2.dnn.NMSBoxes() elimina las detecciones redundantes en la búsqueda de múltiples instancias.

Los detectores de características localizan puntos de interés en la imagen que son robustos a transformaciones. cv2.goodFeaturesToTrack() detecta esquinas con el criterio de Shi-Tomasi. cv2.SIFT_create() detecta keypoints invariantes a escala y rotación, produciendo descriptores de 128 dimensiones (float32). cv2.ORB_create() es una alternativa libre de patentes, más rápida, con descriptores binarios de 256 bits (uint8).

El feature matching compara los descriptores de dos imágenes para encontrar correspondencias. cv2.BFMatcher (Brute Force) compara cada descriptor con todos los demás. Para descriptores float (SIFT) se usa la distancia NORM_L2; para binarios (ORB) se usa NORM_HAMMING. cv2.FlannBasedMatcher es más rápido para grandes conjuntos de datos usando vecinos aproximados.

El ratio test de Lowe filtra los matches ambiguos: solo se acepta un match si el mejor candidato es significativamente mejor que el segundo (m.distance < 0.75 * n.distance).

buenos = [m for m, n in matcher.knnMatch(d1, d2, k=2) if m.distance < 0.75 * n.distance]

La homografía es una transformación proyectiva que relaciona dos vistas del mismo plano. cv2.findHomography() con el algoritmo RANSAC calcula la homografía filtrando automáticamente las correspondencias incorrectas (outliers). cv2.warpPerspective() aplica la homografía para alinear dos imágenes o proyectar contenido sobre superficies planas.

El procesamiento de vídeo en OpenCV trata cada fotograma como una imagen que se puede analizar y transformar. cv2.VideoCapture() abre vídeos desde archivo, webcam o cámara IP. Sus propiedades (CAP_PROP_FPS, CAP_PROP_FRAME_WIDTH) permiten leer los metadatos del vídeo. cv2.VideoWriter() guarda los fotogramas procesados en un nuevo archivo usando códecs FourCC como mp4v o XVID.

El flujo óptico estima el movimiento entre fotogramas. cv2.calcOpticalFlowPyrLK() implementa el método disperso Lucas-Kanade, que sigue un conjunto de puntos detectados con goodFeaturesToTrack(). cv2.calcOpticalFlowFarneback() calcula el flujo denso en cada píxel de la imagen, ideal para medir la cantidad y dirección global del movimiento.

La sustracción de fondo separa los objetos en movimiento del fondo estático. cv2.createBackgroundSubtractorMOG2() modela el fondo con una mezcla de gaussianas y puede detectar sombras. cv2.createBackgroundSubtractorKNN() usa K-Nearest Neighbors y es más eficiente en escenas con poco movimiento. La máscara resultante se procesa con morfología para limpiar el ruido y luego se usa con findContours() para localizar y delimitar los objetos detectados.

El seguimiento de objetos mantiene la identidad de un objeto entre fotogramas. MeanShift y CamShift usan histogramas de color para localizar el objeto. Los trackers modernos (cv2.TrackerCSRT_create(), cv2.TrackerKCF_create()) solo necesitan la bounding box inicial y gestionan automáticamente la actualización frame a frame.

El módulo cv2.dnn permite ejecutar redes neuronales preentrenadas directamente desde OpenCV sin depender de TensorFlow ni PyTorch en tiempo de inferencia. Admite múltiples formatos: ONNX (.onnx), Caffe (.prototxt + .caffemodel), TensorFlow (.pb) y Darknet (.cfg + .weights).

El proceso de inferencia sigue tres pasos: (1) crear el blob de entrada con cv2.dnn.blobFromImage() especificando el escalado, tamaño y medias de sustracción; (2) establecer la entrada con net.setInput(blob); (3) ejecutar la pasada hacia adelante con net.forward(). El backend puede configurarse para usar CPU, OpenCL o CUDA.

La detección de rostros puede hacerse con Haar Cascades (CascadeClassifier) para una solución rápida y sencilla, o con el modelo DNN SSD ResNet-10 para mayor robustez ante ángulos, oclusiones y variaciones de iluminación.

La clasificación de imágenes con GoogLeNet o MobileNet sobre las 1000 clases de ImageNet produce una distribución softmax. El modelo devuelve un vector de probabilidades del que se extraen las top-K predicciones.

La detección de objetos con YOLO procesa la imagen completa en una sola pasada y devuelve bounding boxes para múltiples clases. cv2.dnn.NMSBoxes() aplica Non-Maximum Suppression para eliminar detecciones redundantes. SSD MobileNet es la alternativa más ligera para dispositivos con recursos limitados.

Las aplicaciones avanzadas integran las técnicas vistas a lo largo del curso para construir sistemas completos de visión por computador.

El reconocimiento facial con cv2.face.LBPHFaceRecognizer_create() entrena un modelo a partir de imágenes etiquetadas y lo usa para identificar personas. LBPH es flexible y funciona bien con cambios de iluminación. Eigenfaces y Fisherfaces son alternativas basadas en PCA y LDA respectivamente. El modelo se guarda y carga con save() y read().

El escáner de documentos detecta el contorno cuadrangular del documento con findContours() + approxPolyDP(), ordena las cuatro esquinas y aplica cv2.getPerspectiveTransform() + cv2.warpPerspective() para rectificar la perspectiva. cv2.adaptiveThreshold() mejora la legibilidad del texto en la imagen resultante.

Los panoramas se crean automáticamente con cv2.Stitcher_create(), que gestiona la detección de características, el emparejamiento y la mezcla de imágenes. Para mayor control, el proceso manual usa SIFT + homografía + warpPerspective.

La realidad aumentada con marcadores ArUco detecta marcadores en tiempo real y proyecta imágenes o modelos 3D sobre ellos usando homografía y estimación de pose (cv2.aruco.estimatePoseSingleMarkers()).

La calibración de cámara con el tablero de ajedrez determina la matriz intrínseca y los coeficientes de distorsión. cv2.undistort() o cv2.remap() corrigen las imágenes capturadas, imprescindible para aplicaciones de medida o realidad aumentada precisas.