PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ 
FACULTAD DE CIENCIAS E INGENIERÍA 
 
 
 
 
 
 
 
  
DISEÑO DE UN SISTEMA DE CÁLCULO DE TIEMPO DE 
EXPOSICIÓN APLICADO A UN SISTEMA DE ADQUISICIÓN DE 
IMÁGENES MULTIESPECTRALES 
 
 
 
Tesis para optar el Título de Ingeniero Electrónico, que presenta el bachiller: 
Warren Baca Berrío 
 
 
 
 
ASESOR: Ing. Andrés Flores Espinoza 
Lima, Octubre del 2013 
 
 
 
Resumen: 
La agricultura de precisión se beneficia del uso de tecnologías de información para 
aumentar la productividad de los cultivos y aminorar los problemas como plagas o 
mal uso de recursos. Dentro de estas tecnologías se encuentra el sensado remoto, 
que valiéndose del uso de imágenes tomadas a gran altura, permite diagnosticar el 
estado de una cosecha, realizar un seguimiento técnico del cultivo así como también  
prevenir diversos inconvenientes. 
La presente tesis está enmarcada en el uso de la tecnología de sensado remoto y 
parte de estudios previos en los que se utilizaron imágenes multiespectrales aéreas 
para el análisis de diversos cultivos. Esto se dio en el marco del proyecto 
“Agricultura de Precisión para la Producción de Cultivos de Seguridad Alimentaria y 
de Agro Exportación” patrocinado por el Centro Internacional de la Papa (CIP) y el 
Fondo Nacional de Ciencia y Tecnología. (FINCYT). 
En el proyecto mencionado se utilizó un par de cámaras adaptadas para la 
captación de imágenes en los espectros rojo e infrarrojo cercano, las  cuales iban 
instaladas dentro de un aeromodelo que efectuaba el recorrido sobre el cultivo o 
plantación.Se encontró que las imágenes adquiridas tenían gran cantidad de pixeles 
oscuros o saturados, identificando la causa como la falta de control sobre el tiempo 
de exposición que utilizaban las cámaras a bordo. 
Este estudio presenta el desarrollo de un controlador para el tiempo de exposición 
de dichas cámaras haciendo uso de lógica difusa para su modelado y programación. 
El primer capítulo enmarca la necesidad de contar con recursos descriptivos de 
plantaciones aprovechando tecnología de bajo costo frente a las opciones del 
mercado. El segundo capítulo, describe distintas formas de adaptación de 
parámetros en cámaras digitales y aborda el diseño en lógica difusa como 
alternativa a estos métodos. El tercer capítulo, describe el diseño del controlador y 
los programas encargados de realizar tanto la modificación del tiempo de 
exposición, como la muestra de información  hacia los usuarios finales. Finalmente 
el cuarto capítulo muestra las conclusiones y plantea recomendaciones para futuros 
proyectos basados en este estudio. 
 
 
  
  
 
 Índice 
CAPÍTULO 1: CÁMARAS MULTIESPECTRALES PARA AGRICULTURA DE 
PRECISIÓN ................................................................................................................ 1 
1.1 Panorama Actual: ........................................................................................................ 1 
1.2 Medición Remota y Agricultura de Precisión. ......................................................... 2 
1.3 Cámaras Multiespectrales y Experiencia del CIP .................................................. 4 
1.4 Problemática de estudio ............................................................................................. 5 
CAPÍTULO 2: CONTROL DE TIEMPO DE EXPOSICIÓN EN UNA CÁMARA .......... 6 
2.1Estado del Arte.............................................................................................................. 6 
2.1.1. Presentación del Asunto de Estudio ................................................................ 6 
2.1.2. Estado de la Investigación................................................................................. 6 
2.1.2.1. Procesos de  cálculo para el tiempo de exposición (Exposure)......... 10 
2.1.3.  Síntesis del Asunto de Estudio: ................................................................. 14 
CAPÍTULO 3: DESARROLLO DEL SISTEMA DE CÁLCULO DE TIEMPO DE 
EXPOSICIÓN ........................................................................................................... 15 
3.1 Antecedentes: ............................................................................................................ 15 
3.1.2. Requerimientos de Diseño: ............................................................................. 16 
3.2 Descripción del Sistema ........................................................................................... 16 
3.3 Descripción del Programa Principal ....................................................................... 19 
3.4 Definiciones previas .................................................................................................. 21 
3.5 Etapas del Controlador:............................................................................................ 24 
3.6 Códigos de Manipulación para las cámaras ......................................................... 35 
3.7 Interfaz gráfica: .......................................................................................................... 37 
3.8 Presentación final de la interfaz gráfica de Usuario. ........................................... 40 
CAPÍTULO 4: SIMULACIONES Y RESULTADOS ................................................... 41 
4.1. Simulaciones:............................................................................................................ 41 
4.1.1 Condiciones para la Pruebas ........................................................................... 41 
4.1.2 Herramientas ...................................................................................................... 42 
4.1.3  Ambientes elegidos...................................................................................... 42 
CONCLUSIONES ..................................................................................................... 53 
RECOMENDACIONES............................................................................................. 54 
 
 Índice de Figuras 
 
Figura 1 Exportaciones por sector económico [1] .................................................................... 1 
Figura 2 Flujo de la Agricultura de Precisión [4] ....................................................................... 4 
Figura 3 Curva de Reflectancia para un tipo de suelo [6] ......................................................... 8 
Figura 4 Curva de Reflectancia  para Vegetación [6] ................................................................ 8 
Figura 5 Tipos de Medición a) Área Determinada b) Área parcial c) Ponderación Central[9] 12 
Figura 6 Diagrama Lógico del Sistema .................................................................................... 17 
Figura 7 Diagrama Funcional del Sistema............................................................................... 18 
Figura 8 Entradas y salidas del sistema de control ................................................................. 21 
Figura 9 Tipos de Ecuaciones de Pertenencia [11] ................................................................. 22 
Figura 10 Función de pertenencia triangular.......................................................................... 23 
Figura  11 Operaciones estándar en conjuntos difusos.......................................................... 24 
Figura 12 Rango de valores para la variable de entrada ........................................................ 25 
Figura 13 Fuzificación en la variable de entrada .................................................................... 25 
Figura 14 Fuzificación en la variable de salida........................................................................ 28 
Figura 15 Combinación final de reglas.................................................................................... 30 
Figura 16 Superficie final Tiempo de Exposición vs Diferencia de promedio y Ganancia vs 
Diferencia de promedio .......................................................................................................... 31 
Figura 17 Suavizado de Superficies de salida (Diferencia de promedio y Ganancia) ............. 32 
Figura 18 Promedio vs simulaciones 12pm  (izquierda) y Promedio vs simulaciones 4pm 
(derecha)................................................................................................................................. 33 
Figura 19 Variable de entrada sin cruces (izquierda) y Variable de entrada con cruces 
(derecha)................................................................................................................................. 33 
Figura 20 Ecuación final de pertenencia para la Ganancia y Tiempo de Exposición .............. 34 
Figura 21 Diagrama de flujo del Controlador ......................................................................... 34 
Figura 22 Interfaz Guide de Matlab® ...................................................................................... 38 
Figura 23 Diseño final de la Interfaz de Usuario (GUI) ........................................................... 40 
Figura 24 Equipo utilizado en el sistema de captura .............................................................. 43 
Figura 25 Imágenes iniciales usadas en las tomas. De izquierda a derecha: Toma cercana (IR) 
toma cercana (R).Toma a distancia (IR) Toma a distancia (R) ................................................ 43 
Figura 26 De izquierda a derecha controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 46 
Figura 27 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 48 
Figura 28 De izquierda a derecha controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 50 
Figura 29 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 50 
 
Figura 30 De izquierda a derecha controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 51 
Figura 31 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador 
delta ........................................................................................................................................ 52 
 
  
Índice de Tablas 
Tabla 1 Productos para Exportación ‐Sector Agropecuario [2] ................................................ 2 
Tabla 2 Precios para cámaras multiespectrales de la marca Tetracam Inc.[24]....................... 5 
Tabla 3 Bandas de estudio para el AVHRR[6] ........................................................................... 9 
Tabla 4 Bandas de estudio para el TM[6] ................................................................................. 9 
Tabla 5 Distintas variaciones para la entrada (Diferencia de promedio) al sistema............... 31 
Tabla 6 Valores típicos de intensidad luminosa durante pruebas.......................................... 42 
Tabla 7 Costo Estimado del Sistema ....................................................................................... 43 
Tabla 8 Resultados para ambos controladores ...................................................................... 45 
 
 
 
CAPÍTULO 1: CÁMARAS MULTIESPECTRALES PARA AGRICULTURA DE 
PRECISIÓN 
1.1 Panorama Actual: 
 
Dentro de la vasta diversidad de pisos geológicos en nuestro país, la industria 
agrícola es uno de los principales pilares de nuestra economía seguida por la 
minería y otras industrias.[1]  
 
 
Figura 1 Exportaciones por sector económico [1] 
 
Como puede apreciarse en la figura 1 nuestro país permanece en una posición 
predominantemente extractiva, sumada a  la incapacidad de revertir esta situación. 
Es así que para el caso peruano la minería exporta casi 30 veces el valor de la 
producción agropecuaria, situación paradójica en un amplio territorio con pisos 
ecológicos variados. 
 
Es esta cualidad que hace de nuestro suelo una fuente de alternativas de ingreso 
dependiendo tanto de la riqueza propia de la tierra, de los recursos que lleguen a los 
encargados de estas y a la buena disposición de técnica agropecuaria.  
1 
 
 Tabla 1 Productos para Exportación ‐Sector Agropecuario [2] 
Producto 2009(millones USS) 2010 (millones USS)
Espárragos( frescos) 250,6 290.7 
Uvas 135,7 184.6 
Alcachofas 74.6 97 
Paltas 67.7 84.9 
Mangos 69.7 89.4 
Pimiento 40.7 50.1 
Páprika 67.9 66.4 
 
La exportación de nuestro país en las especies citadas [2] depende del estado de 
las cosechas y la apariencia del producto, el cual, definirá que tanto de un lote 
pueda finalmente embarcarse y cumplir con distintas regulaciones en mercados 
foráneos. 
 
1.2 Medición Remota y Agricultura de Precisión. 
 
Aunque la cadena productiva no ha cambiado podríamos decir que desde la 
siembra hasta la cosecha hay cuatro etapas: plantación, cultivo-abono, riego y 
cosecha; siendo el cuidado de la plantación el que definirá cuánto de esta se 
comercialice. Esta misma etapa implica un manejo de recursos tales como agua, 
fertilizantes, personal y el correspondiente seguimiento al clima según el cual se 
dispongan los cultivos. 
 
Dentro de las formas usuales de revisión de plantaciones está el monitoreo 
progresivo por parte de los agricultores, quienes decidirán si existe alguna plaga, si 
se hace necesaria una mayor cantidad de riego o el uso de plaguicidas para estas 
últimas. 
 
La tecnología actual permite efectuar estas mediciones y actualmente se podría 
prescindir de un diagnóstico por parte de personal extra para la plantación mediante 
el empleo de estadísticas de campo a partir de imágenes colectadas desde satélite. 
Lo anterior refiere al ‘remote sensing’ o medición remota. 
 
Analizando en detalle ambos casos:  
2 
 
1. El primero por ser de mayor disponibilidad e inmediatez, se precisa de 
agrónomos o especialistas en cosechas similares y se pide un diagnóstico y 
análisis de la parcela. De este estudio se podrá decidir la cantidad de 
fertilizante y la necesidad de estos, realizar un diagnóstico del sembrío y 
elaborar un plan de irrigación. 
 
2. La otra alternativa que engloba a esta tesis es la medición remota (remote 
sensing), que a partir de imágenes obtenidas por equipos a distancia permite 
realizar un estudio y diagnóstico del campo observado. 
 
 Para lo cual hace uso de imágenes en distintos rangos del espectro 
electromagnético, teniendo según las distintas longitudes de onda un uso en 
particular, aprovechando la interacción de esta con los cuerpos en estudio. 
Esta radiación es adquirida por un sensor determinado, algunos de ellos son 
CCD, CMOS, radiómetros etc. Esta particularidad da, según [3], la 
posibilidad de realizar la medición en distintas bandas como son la banda 
infrarroja y visible; la banda de microondas y la infrarroja. 
 
A través de esta herramienta es posible recoger datos de áreas en peligro o 
inaccesibles, monitorear deforestaciones, medir efectos de cambio climático y 
finalmente ser usada en la que es conocida como agricultura de precisión. 
 
La agricultura de precisión o sistemas de producción agrícola  basados en 
información, nació a mediados de la década de 1980, como respuesta al creciente 
interés en variación de los suelos y condiciones de los cultivos combinados con el 
advenimiento de tecnologías como Sistemas de Navegación Global por Satélite 
(GNSS), Sistemas de Información Geográfica (GIS) y microcomputadoras.[4]  
 
En sus inicios la agricultura de precisión fue utilizada para la mejor distribución de 
fertilizante y diferentes condiciones de suelo, desde entonces su uso ha ido 
evolucionando a aplicaciones en: guiado automático de vehículos agrícolas, 
automatización de  maquinaria y procesos de investigación desde el campo (On 
Farm Research) y software para el conjunto anterior [4]. 
 
3 
 
 
Figura 2 Flujo de la Agricultura de Precisión [4] 
 
1.3 Cámaras Multiespectrales y Experiencia del CIP 
En el marco de obtención de imágenes para aplicaciones de agricultura de 
precisión, especialistas de la universidad Católica (PUCP) en convenio con el CIP1 
desarrollaron un módulo de captura de imágenes multiespectrales para la 
realización de diagnóstico de cultivos. El propósito de este convenio era presentar 
una alternativa más económica frente a la opción del mercado en cámaras 
multiespectrales (ver tabla 2), las cuales son sistemas que permiten la adquisición 
de imágenes de una misma escena en distintas longitudes de onda [6]. Este módulo 
consta de una minicomputadora y cámaras monocromáticas del fabricante Point 
Grey, las cuales van montadas en un aeromodelo que transporta al sistema 
realizando tomas aéreas a distancia. Dicho sistema se emplea también para la toma 
de imágenes en tierra de cultivos diversos como papa y camote.
                                                            
1  Centro Internacional de la Papa, institución dependiente de la Universidad Agraria de la Molina. 
4 
 
  
Tabla 2 Precios para cámaras multiespectrales de la marca Tetracam Inc.[24] 
Cámara Multiespectral Precio en dólares($) 
Mini_MCA Desde 11,995 hasta 29,995 
ADC 4995 
ADC air 5495 
 
1.4 Problemática de estudio 
El sistema desarrollado por los especialistas de la PUCP prescindió del control 
automático propio de las cámaras utilizadas, debido a que las imágenes generadas 
en este modo presentaban saturación u oscuridad  imposibilitando su uso para la 
obtención de imágenes roja e infrarroja cercana. 
Como una solución parcial se optó por un control manual de tiempo de exposición 
de las cámaras empleadas, que variaría su configuración inicial de acuerdo a la hora 
en que se ejecuten las capturas fotográficas. 
1.4 Conclusión preliminar 
El sistema a desarrollarse debe realizar las capturas fotográficas y la corrección de 
las imágenes de modo automático, independientemente de las horas de captura y la 
intervención del usuario. 
Además debe generar imágenes con la distribución de grises adecuada para la 
toma en espectros rojo e infrarrojo cercano. 
5 
 
 CAPÍTULO 2: CONTROL DE TIEMPO DE EXPOSICIÓN EN UNA CÁMARA 
2.1Estado del Arte 
2.1.1. Presentación del Asunto de Estudio 
Como una  forma de asegurar el estado de una plantación antes de la cosecha, el 
monitoreo de propiedades de los cultivos es necesario de modo preliminar, 
mediante una revisión constante de las características de las plantaciones para 
poder distribuir cantidades más exactas de fertilizantes, herbicidas, abono y 
adicionalmente planear un menor gasto para el riego. La obtención de imágenes 
mediante medición remota hace posible su estudio y el poder extraer de ellas 
distintos tipos de información. Es así que se emplea dos rangos del espectro para 
las capturas fotográficas aprovechando el acentuamiento de reflexiones tanto en el 
espectro rojo e infrarrojo , los mismos que serán utilizadas para escoger los valores 
a usar en la configuración del tiempo de exposición de la cámara para finalmente 
hacer de este un proceso automático. 
El presente capítulo muestra las diferentes formas de extraer el tiempo de 
exposición (shutter speed), parámetro que indica el tiempo en que la luz incide en el 
sensor interno de la cámara e interviene en la formación de la imagen, con la 
finalidad de desarrollar un control automático para este parámetro que posibilite la 
obtención de imágenes en los espectros rojo en infrarrojo cercano  corrigiendo la 
distribución de grises en las imágenes, haciendo a estas  adecuadas para un 
posterior uso en agricultura de precisión.  
 2.1.2. Estado de la Investigación 
Dentro de nuestro sistema se desea captar solo un par de radiaciones del espectro 
fundado en lo siguiente: 
Dependiendo del objeto a observar, este puede reflejar en  distintos rangos del 
espectro es decir, una hoja puede reflejar 3% de la radiación azul, 10% del verde y 
3% de la roja. La cantidad de luz que refleje depende de la cantidad de iluminación 
que haya recibido, pero el porcentaje es constante. Sin embargo los sensores no 
detectan energía reflejada sino la cantidad (no el porcentaje) de energía 
6 
 
electromagnética recibida en determinadas bandas. Un cambio en la iluminación, un 
clima nublado, un sol menos intenso afecta esta cantidad. Lo anterior puede 
mostrarse a través de las denominadas curvas de reflectancia, valor que indica la 
cantidad de energía reflejada desde la superficie de un cuerpo.  
Estas existen para diversos tipos de material, pero para la aplicación agrícola que se 
persigue se centrará en: Vegetación, Suelo y Agua las que servirán para determinar 
que regiones del espectro son más importantes para distinguir a estas superficies. 
En otras palabras, qué región del espectro demuestre mayor intensidad a fin de 
utilizarla como patrón diferenciador. [6] 
7 
 
Figura 3 Curva de Reflectancia para la arcilla[6] 
 
Figura 4 Curva de Reflectancia  para el pasto [6] 
 
De las figuras anteriores  puede notarse que en la Figura 2.2 la planta (grass) 
presenta un mayor porcentaje de reflectancia en la región del infrarrojo cercano, 
disminuyendo este valor alrededor de la banda roja del espectro .Asimismo en la 
Figura 2.1 la reflectancia aumenta en la región visible, que incluye la banda roja 
desde 0.63 hasta 0.69um, con  una caída debido a la absorción  por el agua y del 
barro más allá de 1.8 μm. 
8 
 
En general el estudio de la vegetación incluye el infrarrojo cercano y la región roja 
del espectro visible; mientras que para análisis del  agua y distinción de tierras 
abarcan el infrarrojo cercano. 
Lo anterior es seguido por satélites de agencias como NOAA (National Oceanic and 
Atmospheric Administration)  en donde su sensor AVHHR  detecta radiación visible , 
infrarroja cercana de acuerdo al siguiente patrón:  
 
Tabla 3 Bandas de estudio para el AVHRR2[6] 
Banda Longitudes (μm) Rango  Aplicación 
1 0.58-0.68 Rojo Nieve y monitoreo de hielo 
2 0.725-1 Infrarrojo Cercano Agua ,vegetación y agricultura
3 3.55-3.93 Medio Infrarrojo Volcanes ,incendio forestales 
 
Otro tipo de satélite son los Landsat  que usa un sensor TM en las siguientes 
bandas  
Tabla 4 Bandas de estudio para el TM3[6] 
Banda Longitudes (μm) Aplicación 
1 0.45-0.62 Discriminación de suelo –vegetación 
2 0.52-0.60 Mapeo de vegetación 
3 0.63-0.69 Discriminación entre especies vegetales y no vegetales
4 0.76-0.79 Estado de plantación, tipo de plantación 
 
Como se puede ver esta tesis está orientada a seguir las prácticas ya usadas en la 
industria, por lo que se trabajará con el espectro rojo  y el infrarrojo  cercano, los que 
a continuación se definen:  
1. Espectro Infrarrojo Que es la porción siguiente del rango visible con 
longitudes de onda desde  los 0.7 μm hasta los 100 μm, unas 100 veces más 
ancho que la porción visible. De este espectro infrarrojo se suele dividir en 
dos categorías basadas en sus propiedades de radiación. 
                                                            
2 Proviene de Advanced Very High Resolution Radiometer 
3 TM, proviene Tematic Mapper sensor usado en el satélite Landsat 
9 
 
 Infrarrojo Reflejado: es la región usada para la medición remota 
(remote sensing) así como en los sistemas satelitales actuales. [5]  
cubre las longitudes de onda desde 0.7 μm hasta 3.0 μm. Esta 
porción incluye al infrarrojo cercano (0.7-0.9) μm que será 
finalmente captado en el sensor de nuestra cámara. Es útil para el 
delineamiento de vegetación saludable o maleza y para distinguir 
entre vegetación, suelo y rocas. 
 Infrarrojo Térmico: Cuya energía es esencialmente la radiación 
emitida en forma de calor, cubre las longitudes de onda desde 3.0μm 
hasta 100 μm. 
2. Espectro Rojo: Utilizado para la discriminación entre vegetación y suelo 
especialmente su delineación [7].Abarca las longitudes de 0.63-0.69 μm. 
2.1.2.1. Procesos de  cálculo para el tiempo de exposición (Exposure) 
De acuerdo con [8], el problema de obtener un adecuado valor de exposición está 
directamente relacionado con el rango dinámico (iluminación) de la escena y 
dependiendo del fabricante de la cámara el uso de técnicas de corrección 
automática de la exposición puede ser ajena a un contenido específico en una 
imagen digital, mientras que otras pueden dar cierto control al usuario.  
Recordemos que en una imagen digital, también conocida como imagen Raster, 
cada pixel posee un valor digital proporcionado en base a su brillo de acuerdo con 
una escala de bits, en nuestro caso de 8, con lo cual se tiene un rango de 0 a 255 
niveles de contraste o grises. 
Cualquier técnica de corrección recae en el siguiente conjunto: Corrección en la 
etapa de adquisición o durante el post-procesamiento de las imágenes. 
Sin embargo la elección adecuada dependerá del uso de mejores estrategias de 
adquisición, a su vez se puede como alternativa adicional captar más imágenes de 
la misma escena con diferentes exposiciones para una posterior compensación. 
Las distintas formas de cálculo de la exposición (exposure) pueden ser divididas en 
dos clases de técnicas: Clásica y Avanzada [8]. 
Dentro de los métodos clásicos, la cantidad de luz es medida y se calcula la 
exposición adecuada de acuerdo con este resultado. 
10 
 
La elección de qué parte de la escena  se use en esta medición (figura 5) y el cómo 
se calcula el tiempo de exposición  dependerán del método a escoger. Siendo así 
tenemos: 
1. Medición del Promedio. utiliza la información de cantidad de luz del 
ambiente, pero de la escena por completo sin dar una ponderación a una 
región en particular. Este método está considerado como desfasado, frente a 
las otras formas de medición, ya que toma en consideración toda la imagen, 
obviando zonas principales de la misma que son incluidas en  los otros 
cálculos. 
2. Medición con Ponderación Central. es el método más común y la medición 
se concentra en el centro de la imagen. La ventaja que posee  es de no ser 
afectado por pequeñas áreas que varíen su brillo en los extremos, mientras 
que su desventaja es la saturación (oscuridad) de la imagen de existir 
iluminación posterior al objetivo (“Backlit”). 
3. Medición por Área determinada, Mide la intensidad de luz del centro de la 
imagen (1 al 5% del total) o utiliza puntos definidos para un autoenfoque 
mientras ignora el resto de puntos. Es muy exacto y de utilidad en una 
escena con iluminación posterior (''Backlit'') 
4. Medición por Área Parcial, Aquí se realiza el cálculo sobre un área mayor 
que en la técnica anterior, es decir del 10 al 15% de la imagen a captar. Esta 
técnica es usada en áreas demasiado oscuras o brillantes en los extremos.  
Como una técnica de fuera de la definición clásica [8], propone el uso de de 
matriz o multizonas, en donde la cámara mide la intensidad en varios puntos 
de la escena combinando el resultado para el cálculo de la exposición. 
Las técnicas anteriores están dentro de la etapa de la adquisición de 
imágenes, sin embargo también es posible realizar  la corrección de la 
exposición (‘Exposure’) desde la etapa de post -procesamiento con lo que 
tenemos: 
11 
 
 
Figura 5 Tipos de Medición a) Área Determinada b) Área parcial c) Ponderación Central [9] 
1. Corrección de la Exposición (Exposure) dependiente del Contexto: 
Utiliza técnicas más adaptativas permitiendo realizar modificaciones sin 
disminuir la distribución global de la intensidad; a diferencia de otros 
métodos de post-procesamiento que emplean una  corrección total de grises 
como especificación del histograma o ecualización. Es así que el rastreo de  
características como el ‘brillo’ permite hacer una corrección más apropiada 
de acuerdo a esta región de interés y de no existir estos rasgos en la imagen 
(como pueden ser los rostros), el algoritmo cambia el rastreo hacia otras 
características como Contraste (nivel de grises) o Foco (acercamiento). 
El proceso está definido como: 
 Extracción de Luminancia, Este parámetro contiene información de 
luz y brillo de una imagen , con lo que se utiliza una sub muestra de 
la misma en vez de las tres regiones Red, Green y Blue. 
 Usando la técnica adecuada de extracción se determina un valor por 
cada región (R,G,B) lo que permite visualizar regiones de importancia 
(Para contraste y foco la región está basada en bloques, para 
detección  de piel las regiones están asociadas con cada pixel). 
 Identificados los píxeles con importancia, una corrección de tono 
global es ejecutada teniendo como entrada el promedio (media 
aritmética) del nivel de grises de las zonas escogidas. 
 Extracción de contraste y enfoque. Para la identificación las regiones 
que contengan mayor información los planos de luminancia son 
12 
 
Para realizar un análisis visual que revele las características más 
importantes de la imagen, descontando la cantidad de iluminación 
una nueva imagen es construida forzando el promedio de la región 
verde (G) a 128. 
El contraste se mide por construcción de histogramas por bloque y 
calculando su desviación, que indica la comparación entre cada una 
de los valores de brillo por pixel respecto a su media calculada.  
Para el foco, se mide por medio de la convolución de cada bloque 
con un filtro Laplaciano  cuya salida es limitada  en un valor máximo. 
El valor medio de este enfoque es la convolución entre el número de 
bloques. 
Para la corrección de la exposición, se determinan zonas relevantes 
dentro de la imagen y se usa el valor promedio de tales regiones 
como referencia y mediante una ecuación que describe la respuesta 
simulada de la cámara se calcula el desplazamiento del valor de 
Exposición tomando como uno de los parámetros el promedio 128 y 
la media de los valores de grises de las regiones elegidas 
previamente. 
 
Uso de Lógica Difusa para controlador automático de tiempo de exposición: 
Especialistas del CIP4 en coordinación con ingenieros de nuestra casa de 
estudios, plantearon la posibilidad para el desarrollo de un controlador difuso en 
la captura fotográfica de acuerdo a un estudio cercano a ellos [13]. 
Dada esta premisa y con el fin de mejorar la versión presente del control que se 
realizaba manualmente. El uso de la metodología sugerida se escogió como 
prueba para la elaboración de este estudio. 
                                                            
4 Centro Internacional de la papa 
13 
 
Se debe recalcar que esta técnica  permite aprovechar la experiencia recopilada 
del proyecto anterior para la construcción del modelo de la cámara, a la vez que 
permite incluir los tipos de cálculo de exposición descritos anteriormente [8]. Lo 
que finalmente se contrastará con el funcionamiento del controlador automático 
propio del hardware empleado y con el enfoque dado en [13] como base para la 
elaboración del controlador desarrollado. 
 
2.1.3. Síntesis del Asunto de Estudio:  
Se plantea desarrollar un control de intensidad para la toma fotográfica, que de 
modo automático se adapte a las condiciones del ambiente en donde se realice su 
ejecución y a la vez poder utilizar el  conocimiento adquirido por parte de los 
ingenieros del CIP quienes realizaron un primer sistema de control manual de 
tiempo de exposición para la toma fotográfica de imágenes en espectro rojo e 
infrarrojo cercano. Este primer sistema les permitió prescindir del modo automático 
de las cámaras empleadas, del cual se obtenía imágenes con saturación u 
oscuridad pronunciadas para los espectros mencionados; haciendo no aptas las 
muestras obtenidas para la elaboración de imágenes multiespectrales. 
El empleo de lógica difusa hace posible aprovechar la experiencia del proyecto 
anterior para realizar un control en el tiempo de exposición de las cámaras, 
utilizando los métodos descritos anteriormente.  
Del mismo modo, para obtener un control de parámetros  completo se añade al 
sistema la variación de ganancia a través del mismo controlador, permitiendo la 
independencia de los modos automáticos para corrección de grises propios de las 
cámaras utilizadas.
14 
 
 CAPÍTULO 3: DESARROLLO DEL SISTEMA DE CÁLCULO DE TIEMPO DE 
EXPOSICIÓN 
 
Objetivo General: 
Desarrollar el módulo de control para la modificación del tiempo de exposición que 
permita la calibración de las cámaras utilizadas en un sistema de adquisición de 
imágenes multiespectrales, para su aplicación por sectores agroindustriales y 
pequeños agricultores. 
Objetivos específicos: 
1. Analizar las imágenes adquiridas con el sistema bajo diferentes condiciones 
de iluminación usando técnicas de procesamiento de imágenes. 
2. Controlar el tiempo de exposición de la cámara desde un programa en 
Matlab® para la corrección automática de las imágenes adquiridas. 
3. Proponer un método automático de calibración de cámaras para aplicación 
agrícola de precio accesible. 
3.1 Antecedentes: 
 
La adquisición de imágenes y las mediciones fueron hechas en campo abierto y 
sirvieron de referencia directa para la elaboración de esta propuesta5. El escenario 
de las pruebas fue las instalaciones del Centro Internacional de la Papa (CIP). 
La modalidad en que se realizaron las tomas fotográficas (aéreas y en tierra) y los 
parámetros considerados en su captura, fueron las premisas para la elaboración de 
la lógica y posteriormente la programación del controlador. 
Para realizar la captura de imágenes, el sistema inicial utilizaba un programa en 
Lenguaje C, y los parámetros medidos como tiempo de exposición (shutter speed), 
intervalo de tiempo entre fotos se determinaron según las condiciones del día y se 
ingresaban manualmente para cada sesión. 
                                                            
5 Revisar en Anexos , carpeta Información_ preliminar 
15 
 
 3.1.2. Requerimientos de Diseño: 
El sistema desarrollado debe cumplir con las siguientes características: 
A. Corrección Automática de tiempo de exposición. El sistema debe corregir de 
forma automática el tiempo de exposición en las cámaras utilizadas. El módulo 
desarrollado realiza lo anterior añadiendo la siguientes funcionalidades: 
 Captura de Imágenes Automática. Las tomas se ejecutan vía 
programación con un número determinado de imágenes en un formato 
específico. En este caso se utilizó el formato bmp., el mismo que fue 
elegido por el sistema empleado en el CIP. 
 Ordenamiento de la Información. Basado en la forma como los 
especialistas del CIP agrupaban las fotografías, se clasifica las imágenes 
por número de toma y se asigna una carpeta específica. 
 Extracción de datos por Imagen. Se elige un archivo en especial y se 
extrae la información referente a porcentajes de pixeles oscuros, 
porcentajes de pixeles saturados, desviación de histograma o cualquier 
otro a proponer6.  
B. El sistema debe ser realizable en la plataforma computacional existente. El 
módulo desarrollado debe adaptarse al equipo empleado en el proyecto del CIP, 
en este caso el empleo de software libre como plataforma de sistema operativo.  
C. Bajo Costo. El proyecto previo al sistema desarrollado, plantea una opción 
económica de captura de imágenes multiespectrales. El modulo desarrollado 
persigue este mismo objetivo. 
 
3.2 Descripción del Sistema 
El sistema propuesto consta de tres partes: primero está la plataforma de operación 
que es donde se ejecutan los programas que lo conforman, siendo este el sistema 
operativo Linux (distribución Ubuntu 10.04.4 LTS); el segundo componente está 
dado por el programa principal, escrito en Matlab® y el tercero, por los códigos de 
                                                            
6 Tales mediciones corresponden a las aplicadas por los ingenieros del CIP en su proyecto anterior 
16 
 
manipulación para la cámara escritos en Lenguaje C7. La figura 6 muestra la 
distribución de estos componentes en el sistema. 
 3.2.1. Plataforma de Operación. Previamente elegida por el proyecto que enmarca 
a esta tesis, la cual requería del uso de software libre y en consecuencia las 
aplicaciones posteriores debían adecuarse  a este nuevo espacio. 
 
Figura 6 Diagrama Lógico del Sistema 
 
3.2.2. Programa Principal. Para el diseño del controlador  se asistió del software 
Matlab®, debido a su uso común tanto en clases como en procesamiento de 
imágenes, valiéndose de su vasto conjunto de funciones y herramientas. 
3.2.3. Programas de manipulación. Dado que el fabricante de las cámaras, Point 
Grey, provee plantillas de código para el uso y configuración de registros en 
Lenguaje C, este último era necesario para lograr compatibilidad con lo sugerido por 
el fabricante. 
3.2.4 Cámaras: Constan de 2 equipos Point Grey modelo Firefly MV FMVU-03MTM, 
monocromáticas de 0.3 Mp las que, al igual que el sistema operativo ya eran parte 
                                                            
7 Compilador de C : gcc 4.4.3; Matlab R2009a 64 bits, versión 7.8.0.347 
17 
 
dada en el sistema. A estos se le añadían lentes además de filtros para radiación 
roja e infrarroja cercana. 
Como puede verse de la Figura 7, el programa principal reside en el software 
Matlab, desde aquí se ejecutan las líneas correspondientes al controlador de tiempo 
de exposición (Shutter Speed), calculando los distintos resultados dentro de su 
propia  interfaz o consola. 
 
Figura 7 Diagrama Funcional del Sistema 
 
La manipulación de las cámaras, como se mencionó viene dada por los códigos 
escritos en C y son el paso obligatorio para cambiar cualquier parámetro interno de 
la cámara. 
Por lo anterior, ya que ambos programas no comparten la misma interfaz, se 
transmite la información entre ellos utilizando un archivo de texto8 con el que se 
facilita el intercambio y la posterior modificación de los cálculos en ambos 
programas. 
                                                            
8 Archivo de extensión .txt  
18 
 
3.3 Descripción del Programa Principal 
Esta etapa está conformada principalmente por el controlador acompañado de 
líneas iniciales de  configuración. 
Como se trata de reunir los criterios utilizados en campo para la obtención de 
imágenes, el diseño sugerido por el CIP vía lógica difusa permite la descripción del 
funcionamiento del sistema en base a la información que tienen sus usuarios y es 
utilizada en aplicaciones de control industrial así como agricultura de precisión [13]. 
El empleo de lógica difusa presenta las siguientes ventajas [10]: 
1. Utiliza un lenguaje común como entradas a sistema. Esta característica es la 
más resaltante en el modelo difuso, ya que son expresiones cotidianas las 
que terminan siendo directrices en el funcionamiento del controlador, como 
se verá en las reglas de funcionamiento líneas adelante. 
2. Hace posible el control de sistemas cuyo modelado es complejo. Lo que se 
aprovechó al no tener una descripción del modelo de la cámara por parte del 
fabricante y porque la alternativa según [8], era la de un modelo 
probabilístico que finalmente hubiera complicado aún más la realización del 
controlador. 
3. Tiene tolerancia a datos dispersos. Es decir utiliza  rangos de valores para 
los cálculos. 
4. Permite el entendimiento a personas ajenas al funcionamiento del sistema. 
Dentro del diseño del controlador difuso se plantean las siguientes premisas [10]: 
1. Existe solución al problema controlado. 
2. El sistema es controlable y sus variables son observables. 
3. Los problemas de optimización y estabilización son temas abiertos dentro del 
diseño difuso. Es decir el sistema a través de nuevas modificaciones puede 
mejorar su desempeño valiéndose de nueva información recogida y puesta 
en su conjunto de reglas.  
El código para el controlador fue escrito en Matlab© y se aprovechó el paquete de 
herramientas (Fuzzy Logic Toolbox) que proporciona una interfaz asistida para el 
diseño basado en lógica difusa. 
19 
 
Para el diseño del controlador, como pasos necesarios en el uso de la lógica difusa 
(Fuzzy Logic), se requerían los siguientes datos: 
1. Información del proceso por parte de los especialistas, el cual sirvió para 
delimitar el alcance del sistema.  
2. El tipo de variable a controlar, en este caso el tiempo de exposición (shutter 
speed) 
3. El modo en que se hacían las mediciones y tomas fotográficas en campo con 
los distintos horarios que fueron acordados por los ingenieros encargados. 
Como parte inicial en el diseño era importante tener completo entendimiento del 
contexto de la aplicación y el ambiente en donde se aplicaría estas mediciones. 
De esta etapa además del modo de operación por parte de los especialistas, se 
obtuvieron los valores usuales en las mediciones como límite de oscuridad, 
consideraciones para descarte de imágenes tanto oscuras y saturadas, los que 
permitieron delimitar los rangos de trabajo para intensidades. 
El análisis inicial parte de la relación encontrada en campo entre el tiempo de 
exposición y promedio de intensidad dentro de la imagen, necesarios para extraer 
una mejor información desde las imágenes. Es decir el máximo aprovechamiento 
del rango dinámico del sensor en la cámara reflejado en un promedio próximo al 
valor de 128 que es la mitad de un rango de cuantificación de 8 bits o 256 niveles de 
grises. Así la entrada al sistema sería la distancia (diferencia) entre este valor 128 y 
el promedio de grises de la imagen. Dando rangos positivos para imágenes oscuras 
y negativos para imágenes con mayor brillo.  
La salida del sistema viene dada por el tiempo de exposición modificado de acuerdo 
a las condiciones presentes en la escena y resultado de la lógica en el controlador. 
La figura 8 muestra las variables de entrada y salida para el controlador 
descrito.
20 
 
Figura 8 Entradas y salidas del sistema de control 
Se decidió comparar dos tipos de modificación para esta variable: una mediante 
incrementos progresivos en el tiempo de exposición, trabajados similarmente en [13] 
y mediante modificación directa en el valor del tiempo de exposición; desarrollando 
dos controladores a los que se nombro controlador delta y controlador fuzzy. El 
diseño de ambos enfoques tiene similitudes en las etapas de desarrollo por lo que 
se describirá a uno de ellos (controlador fuzzy), indicando las partes conformantes y 
contrastando los resultados de ambos controladores. 
3.4 Definiciones previas 
Para realizar el diseño en lógica difusa se necesita de los siguientes conceptos: 
3.4.1 Conjunto difuso: Tipo de conjunto en donde los grados de pertenencia para 
cada elemento son permitidos, es decir en la definición tradicional de conjuntos un 
elemento podía pertenecer o no a un determinado conjunto (xאA o xבA), la 
pertenencia parcial no está permitida. Este grado de pertenencia (µx) viene dado en 
cantidades desde 0 hasta 1. 
Formalmente se describe a un conjunto difuso A como: 
A=    
21 
 
Donde X representa el conjunto universal y µx asume valores en el rango de 0 hasta 
1. 
Para efectos de esta aplicación los conjuntos difusos fueron utilizados para 
transformar las magnitudes de grises en las imágenes a expresiones lingüísticas de 
acuerdo a su grado de pertenencia. 
La descripción de un conjunto difuso puede hacerse también mediante funciones de 
pertenencia, a través de fórmulas o gráficamente. Existen distintos tipos de 
funciones de pertenencia como se muestran en la figura 9. 
En particular para las variables de entrada y salida se utilizaron funciones 
triangulares, ya que su uso es común en aplicaciones de control [10], su 
representación se observa en la figura 10. Matlab© representa  a este tipo de 
funciones mediante ternas de valores en el caso de una función triangular; mediante 
cuatro valores, en el caso de una función trapezoidal; o con dos valores si es una 
función tipo gaussiana ,etc. 
 
Figura 9 Tipos de Ecuaciones de Pertenencia: a) Singleton b) Triangular c)Trapezoidal d)Gaussiana[11] 
 
22 
 
  
En Matlab : µ(x)=[b, c, d] 
 
Figura 10 Función de pertenencia triangular [11] 
3.4.2 Operaciones en conjuntos difusos: 
Las siguientes operaciones son conocidas como estándar, debido a su uso 
constante en aplicaciones de ingeniería. [10] 
 Unión: Definida por la operación máx. 
 
Donde máx. denota el máximo valor entre µA(x) y µB(x) 
 Intersección: Definida por la operación mín. 
 
Donde mín. denota el mínimo valor entre µA(x) y µB(x) 
 
Estas operaciones se muestran gráficamente en la figura 11. 
  
23 
 
  
Figura  11 Operaciones estándar en conjuntos difusos: Unión e Intersección 
3.5 Etapas del Controlador: 
Para el diseño de un controlador basado en lógica difusa se debe seguir una 
secuencia de etapas las cuales van desde la identificación de las variables a 
controlar, la transformación de estos valores en cantidades difusas, la asignación de 
reglas entre las variables de entrada y de salida, terminando con la conversión a 
valores físicos que se usarán en la configuración de la cámara. Las etapas en 
detalle son: 
3.5.1 Fuzificación (Fuzzyfication). Es la conversión de los valores medidos a 
expresiones lingüísticas, las cuales asignan grados de pertenencia (0 
hasta 1) de acuerdo a la función de pertenencia elegida. La entrada al 
sistema de control debe transformarse a valores que pertenezcan a un 
nuevo intervalo de 0 a 1. Para la asignación de valores en el controlador 
se dividió los distintos rangos de las variables de entrada y salida .Esta 
asignación debía responder a qué valores eran indicados para los 
horarios de las tomas fotográficas: mañana (8-9a.m), medio día (12-
1p.m) y tarde (4-5pm). 
Como se indicó en el capítulo anterior se maneja una salida de imágenes de 8 bits 
por lo que la intensidad de cada pixel está en el rango de 0 a 255.Los casos 
extremos para la diferencia (128-m) se daban en el caso de tener imágenes 
saturadas (promedio 255), y con una imagen oscura (promedio 0) las que resultaban 
en valores de -127 y 128 respectivamente. Esto se aprecia en la figura 12. 
24 
 
 Figura 12 Rango de valores para la variable de entrada 
Se dividió el dominio de -127 a 128 en cuatro conjuntos difusos de acuerdo al 
diseño de [13], además según [11] y [10] la división del intervalo de entrada en 
segmentos más pequeños hace que el control sea más fino en su modelado. Esta 
división se aprecia en la figura 13. 
 
Figura 13 Fuzificación en la variable de entrada 
En la figura 13 la entrada al sistema está dividida en 4 conjuntos difusos designados 
por las expresiones: brillante, tenue, opaca y oscura que agrupan de acuerdo a un 
orden creciente en magnitud  la variable de entrada (128-m). 
Dichas divisiones agrupan todo el rango del dominio de entrada (-127 a 128). Para 
efectuar la elección de valores en cada conjunto se siguió los siguientes criterios : 
En pruebas de campo el promedio para imágenes de suelo y pasto fueron de 204 y 
179 respectivamente que corresponden para la variable de entrada (128 menos el 
promedio) los valores de -76 y -51.Además según King et al.[13] se recomienda 
25 
 
escoger los valores de promedio en 66 y 240, a fin de evitar porciones de brillo 
provenientes de hojas o del suelo, con estos promedios las variables de entrada 
correspondientes son 66 y 112 respectivamente. Cada uno de estos resultados 
permitieron elegir el mínimo y máximo valor para la variable de entrada y asignarlos 
a los conjuntos difusos representados por las expresiones brillante (máximo valor) y 
oscuro (mínimo valor).Unas vez definidos los valores extremos, [13, Fig.10] 
recomienda el uso de una  tolerancia de 10 alrededor de la referencia de 128 como 
margen de establecimiento del promedio. Para el controlador se eligió un valor de 
30, a fin de tener un mayor rango de valores para la división de los conjuntos 
alrededor de 128, es decir para los conjuntos representados por las expresiones: 
tenue y opaco. El ancho de estos de estos dos conjuntos (base del triángulo) 
procuró ser simétrico con medidas de 112 y 117 en cada base. 
Finalmente los valores para los conjuntos fueron: 
Brillante={-127,-64,-36};Ténue={-87,-22,25};Opaco={-30,33,87};Oscuro={30,10,128}. 
De forma similar para la salida del sistema su dominio se dividió en 4 conjuntos 
difusos: mínimo, regular, considerable y máximo .Asignando los valores que irán en 
dichos conjuntos de acuerdo a lo siguiente: 
 Valores de tiempo de exposición, La referencia directa en cuanto a valores 
adecuados según los horarios de las tomas fotográficas, fue dada por el 
mismo controlador automático de la cámara Point Grey. El diseño del 
controlador difuso se basa de la información que se pueda recabar del 
proceso a controlar, en este caso se contaba con archivos de imágenes a 
distintas horas que mostraban cómo se tenían los resultados, mas no valores 
de tiempo de exposición y ganancias con los que se podía tener una 
referencia de partida para la división en conjuntos difusos y la asignación de 
valores. Debido a esto, el uso del modo automático ayudó en la selección de 
magnitudes para los cuatro conjuntos difusos en la variable Shutter Speed o 
tiempo de exposición que tuvieran correlación con el ambiente en donde se 
desarrolló las pruebas y la hora de las mismas. 
26 
 
Los valores de tiempo de exposición en la cámara utilizada varían desde 
0.1ms hasta un máximo valor de 30ms.Durante las pruebas para el 
controlador se llegó a definir los siguientes valores: 
 El menor valor asignado por la cámara en campo abierto era alrededor de 
7ms y en condiciones de iluminación artificial se asignaba el valor mínimo de 
0.1ms. 
 El mayor valor asignado en campo abierto no sobrepasa lo 23ms en el 
horario de mayor intensidad luminosa (12pm-1pm). 
Para dividir el rango de tiempos se tomó las referencias anteriores y a partir de ellas 
se estableció los conjuntos mínimo y máximo con valores en 7 y 23ms 
respectivamente. La base de cada triángulo se establece para el primero desde 3ms 
y 12ms, mientras que para el segundo los extremos de 19 y 37ms.Estos rangos 
deben tener como valor medio9 los tiempos de 7 y 23ms debido a uso del método 
de centroide para la defuzificación. Para los conjuntos regular y considerable se 
escogió los valores de 11 y 20ms, a fin de tener un orden creciente con los tiempos 
mínimo y máximo. Es decir una secuencia de tiempos desde 7,11, 20 y 25ms. 
Finalmente los valores para los conjuntos fueron: 
Mínimo={3.4,4.1,12};Regular={4,11,16};Considerable={13,20,26};Máximo={19,25,37}
La fuzificación para el tiempo de exposición se muestra en la figura 14. 
Para la Ganancia, el desempeño del controlador  permitía valores máximos de 10dB 
por lo que se distribuyó los valores desde 0dB hasta 10dB usando dos conjuntos 
difusos designados por las expresiones: pequeña = {-6.2,-1.39,-0.2,1.6} cuyo valor 
medio esta en 0dB y media={6,19,31 43} cuyo promedio está en 10dB. 
 
 
                                                            
9 El valor medio o abcisa del centro de gravedad en un polígono regular corresponde a la semisuma 
de sus coordenadas. 
27 
 
 Figura 14 Fuzificación en la variable de salida 
3.5.2. Operación. Esta etapa asigna, un máximo o mínimo según el uso de los 
operadores máx. o mín. Dependiendo del tipo de entrada la asignación de la 
pertenencia a cierto grupo será finalmente decidida por cualquiera de estos 
operadores. 
3.5.3. Implicación.Esta fase engloba las partes anteriores es decir, las funciones de 
pertenencia, los operadores y a las reglas Sí-Entonces generando el resultado 
lógico o “consecuente” de acuerdo a las reglas de entrada.  
Una de las partes principales en los pasos anteriores es el cuerpo de reglas lógicas 
formadas a partir de las entradas (los dominios pre-establecidos), y las 
separaciones hechas a los valores de la variable de salida (Dominios de salida). 
Para nuestros 4 casos la entrada y salida, se vinculan de la siguiente forma: 
Sea  la Diferencia de promedio la distancia entre el promedio de intensidades en 
una imagen y el valor de 128 (128-m), entonces las reglas lógicas para el sistema 
son: 
1. Si la Diferencia de promedio es brillante, entonces el tiempo de exposición 
es mínimo y la ganancia es pequeña. 
2. Si la Diferencia de promedio es tenue, entonces el tiempo de exposición es 
regular y la ganancia es pequeña. 
3. Si la Diferencia de promedio es opaca, entonces el tiempo de exposición es 
considerable y la ganancia es media. 
4. Si la Diferencia de promedio es oscura, entonces el tiempo de exposición es 
máximo y la ganancia es media. 
28 
 
Debe indicarse que una de las ventajas de trabajar con la lógica difusa es el poder 
resumir el funcionamiento integral del controlador con reglas lógicas, usando un 
lenguaje coloquial (linguistic language), como suelen llamarlo en la documentación 
de Mathworks y en la bibliografía [10], [11]. 
Para la etapa de implicación Matlab® nos ofrece dos posibilidades: La Mandani y la 
Sugeno, ambas responden con igual desempeño a las entradas asignadas. Pero 
según las guías de Mathworks el modelo Sugeno, es más eficiente desde el punto 
de vista del tiempo de procesamiento, sin embargo el modo más intuitivo para el 
usuario o programador es el enfoque Mandani y como se trata de un prototipo, se 
prefirió la comodidad en la elaboración eligiéndose esta última forma de modelado. 
3.5.4 Suma o Agregado Final. Dependiendo del resultado obtenido dentro de cada 
regla, se acumulan los valores de pertenencia siguiendo los operadores min. o máx. 
según elección. En este caso se empleo el operador and o min. 
 3.5.5. Defuzificación (Defuzzification). La conversión de valores fuzzy entre 0 y 1 a 
magnitudes reales se hace mediante esta última etapa, una forma de hacerlo es  la 
del centroide. 
 
Estas 5 etapas pueden apreciarse en el entorno de Matlab , como indica la figura 
15. 
Aquí se aprecian la variable de entrada (diferencia de promedio) y las salidas 
(tiempo de exposición y Ganancia) representadas gráficamente. Matlab permite 
simular el comportamiento del controlador a través de su Fuzzy Logic Toolbox, en el 
que al ingresar valores para la variable de entrada puede verse cuál de las reglas se 
está ejecutando, a través del coloreado de sus figuras. En este caso se aprecia el 
valor de -14.3 para la diferencia de promedio, el cual pertenece al conjunto difuso 
tenue (a) y opaco (b) cada uno con un grado de pertenencia distinto, los que se 
muestran como triángulos truncos en color amarillo. Para estos valores les 
corresponde, según las reglas Nº 2 y 3 un tiempo designado como regular (c) y 
considerable (d),  representados por los triángulos truncos de color azul. 
29 
 
Como influyen dos reglas para este valor de entrada, el proceso de suma o 
agregado final  genera mediante la operación máx. el área final en la parte inferior 
(e) . 
Finalmente la Defuzificación calcula el centro de gravedad del área generada 
anteriormente, dando un valor de tiempo de exposición de 13,6ms. 
Similarmente para la Ganancia las mismas reglas se ejecutan (f) y (g), obteniéndose  
un valor de 5.9 dB. 
 
 
 
Figura 15 Combinación final de reglas 
30 
 
 
El resultado final para las variables de entrada y salida del controlador difuso es 
representado por una curva denominada de transferencia. Aquí se dispone los 
valores reales para el tiempo de exposición (salida del sistema) y diferencia de 
promedio (entrada al sistema).Las curvas de transferencia para las variables 
Ganancia y Tiempo de exposición se muestran en las figura 16. 
  
Figura 16 Superficie final Tiempo de Exposición vs Diferencia de promedio y Ganancia vs Diferencia de promedio  
Los resultados mostrados en las figuras anteriores responden a una serie de 
pruebas efectuadas en campo en donde el funcionamiento del controlador era 
verificado. Los horarios para las capturas fotográficas determinaban que tan estable 
era la respuesta del controlador. 
De acuerdo a estas pruebas se realizaron cambios en las ecuaciones de 
pertenencia para la salida y la entrada. Algunos de los cambios aplicados, en 
particular para la entrada: Diferencia de promedio se aprecian en la tabla 5. 
Tabla 5 Distintas variaciones para la entrada (Diferencia de promedio) al sistema 
MF1='brillante':[-112 -90.7 60.2] 
MF2='tenue':[-78.2 -49 -17.8] 
MF3='opaca':[-17.8 -7.15 14] 
MF4='oscura':[14 33.9 58] 
MF1='brillante':[-143.3 -103.8 -70.64] 
MF2='tenue':[-78.29 -49 -17.8] 
MF3='opaca:[-17.8 -7.15 14] 
MF4='oscura':[14 33.9 58] 
 
MF1='brillante': [-143.3 -103.8 -77] 
MF2='tenue':[-97.65 30 34] 
MF3='opaca':[-17.8 77 83.8] 
MF4='oscura':[32 110 163] 
MF1='brillante':[-408.2 -64.3 -36.3] 
MF2='tenue':[-87.5 -22.7 25.1] 
MF3='opaca':[-30.2 33.1 87.1] 
MF4='oscura':[30 110 163] 
 
31 
 
Estos cambios también se veían reflejados en las curvas de transferencia, como se 
muestran en la figura 17. 
 
 
Figura 17 Suavizado de Superficies de salida (Diferencia de promedio y Ganancia) 
Debido al cambio en los valores de cada intervalo .Pudo apreciarse que: 
Los cambios de pendiente en la superficie final eran dados por la variable de control 
(diferencia de promedio) a través de intersecciones entre los conjuntos difusos , esto 
también fue lo sugerido en [11] y [10] , aunque este cambio se realizó en los 
conjuntos y sus variaciones ya mostrados (tablas de 0.1-0.4), se determinó que 
ampliando el ancho de las intersecciones la curva de transferencia tenía un cambio 
menos elevado en pendiente, razón por la que el sistema era inestable dependiendo 
del horario; siendo el mediodía la hora más crítica.(Figura 18). 
Los resultados anteriores presentan una mejora notable haciendo más 
intersecciones en cada división. Esta modificación se muestra en la figura 19. Como 
se mencionó, la variable de control (diferencia de promedio) a través de las reglas 
de correspondencia altera la pendiente de la superficie final. La variación que tendrá 
la superficie en sus valores máximos se observa en las variables controladas: 
ganancia y tiempo de exposición. La recomendación del fabricante de las cámaras 
Point Grey  es que se debe dar preferencia a la modificación del tiempo de 
32 
 
exposición frente a la ganancia para evitar efectos de ruido en la imagen, además 
que en la práctica cambiando distintos valores de tiempo de exposición en los tres 
horarios establecidos  aun con la ganancia máxima 12db en modo constante las 
imágenes presentaban saturación u oscuridad. 
 
 
 
Figura 18 Promedio vs simulaciones 12pm  (izquierda) y Promedio vs simulaciones 4pm (derecha) 
 
 
 
 
 
Figura 19 Variable de entrada sin cruces (izquierda) y Variable de entrada con cruces (derecha) 
Finalmente, la distribución para las variables de salida se muestra en la figura 20. 
33 
 
 
Figura 20 Ecuación final de pertenencia para la Ganancia y Tiempo de Exposición 
Teniendo el controlador difuso, lo siguiente es incluir las configuraciones en la 
cámara y asignar un numero de capturas por muestra .Estas se indican en la figura 
21. 
 
Figura 21 Diagrama de flujo del Controlador 
34 
 
 
3.6 Códigos de Manipulación para las cámaras   
Como se indicó, desde la etapa Lógica conformada por el controlador se 
obtienen los valores  de tiempo de exposición y ganancia  los que serán los 
parámetros de entradas para los programas en Lenguaje C. 
Los programas que se diseñaron fueron en un inicio utilizados para la 
manipulación y variación de los valores de ganancia y tiempo de exposición, 
además de la  capturas de imágenes para las distintas tomas que se usaron. 
Point Grey provee programas de ejemplo para un mejor entendimiento de 
sus funciones, así como documentación sobre los registros principales de su 
memoria, manuales técnicos10 y una guía de su programa de captura 
flycapt2. 
Además permite acceder al campo filmado durante su funcionamiento .La 
documentación adicional tanto la guía para flycapt2, y su manual técnico 
permitieron dar una lectura a los registros necesarios para la modificación 
del tiempo de exposición (shutter speed), así como conocer los valores 
máximos y mínimos de estas características para poder realizar los 
programas con coherencia en los resultados. 
Point Grey provee de archivos de definición tanto para cpp como c, cada uno 
con funciones de escritura en registros especiales en caso se desee cambiar 
los valores asignados por defecto. 
Vale decir que la cámara posee tanto modo automático y manual siendo el 
primero la opción por defecto en su encendido. 
Para la modificación de los parámetros es necesario desactivar el modo 
automático, y como paso adicional activar el modo de trabajo para valores 
absolutos que permite números en formato flotante para asignaciones del 
tipo ganancia o shutter speed en el caso de esta aplicación. 
Cabe resaltar que en su documentación web, para el modelo utilizado Firefly 
MV FMVU-03MTM se menciona el uso de fórmulas de conversión para la 
                                                            
10 Revisar en Anexos, carpeta Documentación 
35 
 
transcripción de valores en tiempo a su correspondiente en n bits, sin 
embargo, este método se desestima ya que las formulas de conversión 
varían de acuerdo al modelo y es la misma marca que sugiere el uso de 
“valores absolutos” vía activación de una bandera, logrando mayor exactitud 
y siendo independiente de cambios de modelo. 
Tanto para la etapa de prueba como la de depuración (Debugging) fue 
necesario contar con los siguientes códigos: 
1. Lee_te.c: Este programa capturaba el valor del Tiempo de Exposición y 
lo mostraba en la pantalla. Así cualquier cambio desde el controlador en 
Matlab podía ser comprobado. 
2. Lee_g.c: Al igual que con el tiempo de Exposición, este código permitía 
la comprobación respecto a la escritura de los valores de las ganancias. 
3. Mod_te.c: Este programa permite escribir el tiempo de exposición dentro 
de los registros internos de la cámara. 
4. Mod_g.c: Similar al anterior, permite ingresar valores de ganancia en los 
registros designados para ello dentro de la cámara. 
5. Flycapture2test.c: Plantilla que viene con los archivos de instalación del 
Software Flycap2.Tal cual permite la captura de imágenes en un 
determinado formato, aunque este relativamente extenso programa es el 
primer acercamiento a los registros utilizados para la modificación de 
parámetros internos en el modelo Firefly MV FMVU-03MTM y permitió 
conocer las cabeceras (Libraries) comúnmente empleadas en el control 
de la cámara además de brindar una guía directa de los tipos de 
variables usadas para este modelo. 
Es necesario resaltar que la plantilla, al ejecutarse muestra información 
aparte de las imágenes ya sea tiempos, versión del software, modelo de 
hardware, números de serie, etc. 
Por último esta captura emplea los modos por defecto en la cámara,  es 
decir emplea valores automáticos de ganancia y tiempo. Posteriormente 
estos modos y la plantilla en general se modificaron en cantidad de fotos, 
información mostrada y la desactivación del modo automático para la 
ganancia y tiempo de exposición. 
36 
 
Para la etapa de Operación se necesitó combinaciones de algunos de los 
programas ya mencionados, para finalmente conseguir: 
1. La correcta escritura en los registros de tiempo de exposición y 
posteriormente de ganancia. 
2. Asegurar la lectura de valores procedentes del archivo de texto 
3. Desactivar las funciones automáticas para la exposición (exposure), 
tiempo de exposición (shutter speed) y ganancia (gain). 
3.7 Interfaz gráfica: 
La idea de presentar la mayor cantidad de información de una fotografía o 
juego de tomas, no pasaba por generar los códigos para cada uno de los 
casos que se querían representar. Una ventaja de un entorno gráfico es la 
forma en que se presenta la información. 
De esa lógica elaborar una GUI (Graphic User Interface) era un paso 
necesario, para agrupar la funcionalidad de un eventual aplicativo o 
programa embebido (stand alone). 
El entorno Matlab® provee un asistente de desarrollo en el cual se puede 
ingresar tanto comandos de diseño en un  archivo .m o vía su denominado 
GUI User Interface con una archivo .fig, que a través de opciones hace la 
tarea de diseñar las distintas ventanas una labor manejable. La figura 22 
muestra  la interfaz provista para el desarrollo de la GUI. 
Dentro de un primer diseño se incluyó las siguientes opciones: 
1. Barra de edición, desde donde se puede ingresar el nombre de 
cualquier imagen para muestra. 
2. Pantalla de visualización, en donde se muestra cada imagen 
previamente seleccionada 
3. Botones de calibración permiten llamar al controlador difuso para un 
cambio de tiempo de exposición 
4. Botones de selección para un rango de archivos almacenados 
 
37 
 
 
Figura 22 Interfaz Guide de Matlab® 
Dentro del programa principal que sería la interfaz gráfica residen los 
distintos sub programas. 
1. Creación de un archivo de texto, con datos de un grupo de imágenes  
2. Intercambio de directorio. Se puede navegar entre distintos 
directorios  a fin de encontrar una muestra reciente o de archivo. 
3. Listado de dirección, el cual muestra información de una imagen 
particular de un conjunto de opciones 
4. Ventana de Ayuda, la que incluye una mini guía acerca del 
funcionamiento de la aplicación 
5. Programa de Control. Está conformado por el controlador de grises y 
los asistentes de captura de imagen y lectura de Tiempo de 
Exposición. 
6. Obtención de Características. Se persigue la obtención de 
información proveniente de dos tipos de archivo uno que contiene 
muestras de tomas en espectro rojo y otro conjunto de muestras 
separadas por rango en infrarrojo cercano. 
Las características más apreciadas son las siguientes: 
38 
 
A. Determinar que imágenes presentaban oscuridad total o parcial, Se 
procedió a marcar un delimitador por imagen, es decir a través de un 
valor, clasificar qué parte de la misma podría ser considerada oscura  
y qué porción de la misma era más clara. 
B. Cálculo de la desviación de Histograma por imagen, como indicador 
de alejamiento a un correcto ajuste de grises. 
C. Preparación de reporte tipo hoja de cálculo, la idea era poner en un 
solo archivo de celdas cada uno de los parámetros requeridos para 
facilidad de lectura  y agrupación para un cálculo posterior. 
Las alternativas presentes proporcionadas en Matlab eran la de importar 
información en archivos de texto o en hoja de cálculo como Excel ®. 
Debido a que el programa principal reside en la plataforma Linux, los 
comandos para exportar archivos en formato  xls y xlsx, requerían de la 
instalación de Ms office para poder conservar formatos de espaciado y 
división de encabezado en columnas dentro de la hoja de cálculo.  
Aún con la instalación de programas simuladores como Wine® dentro del 
Sistema Operativo no era posible el envió de la información a un archivo con 
extensión xls o xlsx, sin perder el formato de edición. Pese al extenso 
conjunto de instrucciones posibles en Matlab®, no existe otra hoja de cálculo 
de software libre que posea instrucciones de formato en escritura como las 
encontradas para formato xls. Instrucciones similares a  xlswrite o xlsread no 
poseen símil en Matlab® en la versión usada en este trabajo. De ser usadas 
el formato de salida era .csv (comma separate values), obviando cualquier 
arreglo o formato previo que se le pudiera dar a la información, 
distorsionando cualquier estilo de titulo espaciado y posición  escrito. La 
solución propuesta fue utilizar una tabla que viene con el objeto uitable 
dentro del entorno GUIDE que provee una arreglo de celdas adaptable para 
la entrada de código con una apariencia similar a una hoja de cálculo con 
filas numeradas y rótulos de columnas configurables por el usuario. 
 
 
39 
 
3.8 Presentación final de la interfaz gráfica de Usuario. 
El diseño muestra botoneras para marcas de rango e inserción de texto  en los tres 
campos elegidos para  decisión de valores. La distribución final consta de los 
siguientes elementos: 
 Campo de edición de archivo, en donde se escribe el  nombre de 
una fotografía en particular 
 Valores por imagen, Muestra los resultados para las distintas 
imágenes descritas en el campo de edición de archivo 
 Pantalla de Imagen, recibe el nombre de la imagen y la muestra  
 Texto de Dirección; indica la ubicación del Directorio actual 
 Listado de archivos, muestra archivos contenidos dentro del 
directorio actual siempre que sean de formato imagen tiff, bmp, jpeg. 
 Menú de Ayuda : se Incluyó una mini guía para entender la 
distribución, el diseño al ser funcional no pretendía extenderse en 
instrucciones, por lo  que solo se trata de una secuencia de pasos 
 Rótulo de Versión, se indica aquí la versión de Matlab en que se 
programó el código y datos del programador. La figura 23 muestra la 
presentación final para la interfaz gráfica. 
 
Figura 23 Diseño final de la Interfaz de Usuario (GUI) 
 
40 
 
CAPÍTULO 4: SIMULACIONES Y RESULTADOS 
4.1. Simulaciones: 
Se presenta a continuación las condiciones en que se  realizaron las tomas 
fotográficas y los valores de comparación para cada uno de los 
controladores presentados. Estos son: el control automático propio de la 
cámara, el controlador desarrollado o fuzzy y el controlador delta. 
Como patrón general se presenta los histogramas en los tres controladores 
como referencia a la variación de grises en cada uno .Para el caso de los 
controladores delta y fuzzy se utilizan la comparación de acuerdo a los 
valores de porcentaje de píxeles oscuros , porcentaje de píxeles saturados y 
la desviación de histograma presentes en las muestras; patrones utilizados 
como referencia en el proyecto anterior del CIP y que sirvieron para validar el 
funcionamiento del controlador y la factibilidad de uso de la imágenes . 
Se definen estos parámetros de la siguiente forma: 
Porcentaje de píxeles Oscuros: Para una imagen se fija un valor de 
referencia para intensidad (en este caso se utilizó el valor de 50), a partir del 
cual se comparan los píxeles de la imagen con intensidades menores a ese 
valor .El número de píxeles que resulte, dividido entre el total de píxeles en 
la imagen dará el porcentaje final. Este porcentaje debía estar entre 5% y 
10%. 
Porcentaje de Píxeles saturados: Similar al anterior, fijando un límite de 
referencia de 250.Las imágenes no debían presentar saturación (0%). 
Desviación de Histograma: Indicador de la cantidad de contraste por imagen. 
A mayor cantidad de este parámetro, mayor el nivel de contraste logrado 
para la imagen. 
4.1.1 Condiciones para la Pruebas 
Se consideraron las siguientes situaciones para la realización de las tomas 
fotográficas: 
Condiciones del Clima: Dependiendo del horario en que se capturen las 
imágenes las características de humedad y composición del aire serán 
41 
 
distintas, lo mismo que la intensidad luminosa. Para cubrir distintos rangos 
de estos valores en un día de medición se acordó la tomas en tres horarios 
mañana (9-10 am), mediodía (12-13pm) y tarde (16-17pm) 
Tabla 6 Valores típicos de intensidad luminosa durante pruebas 
Valor en fc11 Escala Hora 
702 2000 10 am 
1086 10000x10 12:57pm 
1875 10000x10 12:40pm 
246 10000x10 15:50pm 
387 10000x10 16pm 
66 10000x10 17pm 
 
4.1.2 Herramientas 
 Cámaras: Se utilizaron dos cámaras monocromáticas de la 
marca Point Grey modelo Firefly MV FMVU-03MTM. (figura 24) 
 Filtros: Se necesitó dos tipos de filtro para las imágenes .En este 
caso fueron filtros en las bandas roja e infrarroja cercana del 
fabricante Andover Corporation de 851.9nm. 
 Variables de Salida: Se presentan los resultados de ambos tipos 
de controlador para variaciones progresivas (Controlador delta) 
de tiempo de exposición y con valores directos de tiempo en el 
resultado (Controlador fuzzy). 
4.1.3 Ambientes elegidos 
Para las capturas fotográficas no se realizaron tomas aéreas, a fin de prescindir del 
aeromodelo. Se escogió en un inicio retratar algún tipo de vegetación a distancias 
menores a 100m y realizar tomas cercanas de las plantaciones a fin de tener 
capturas a distintas longitudes desde la cámara. Estas pruebas se realizaron para 
ambos controladores con el fin de comparar resultados en los distintos horarios de 
las tomas. Sin embargo se tuvo que descartar las imágenes, ya que como muestra 
la figura 25 las tomas a distancia capturaban parte de cielo, lo que difería de las 
capturas efectuadas en campo. En esas imágenes se tenía en lo posible enmarcado 
el objetivo, ya sean las plantaciones (área) o un cultivo en particular. 
 
                                                            
11  Intensidad luminosa expresada en candelas por pie 
42 
 
 
Figura 24 Equipo utilizado en el sistema de captura 
Tabla 7 Costo Estimado del Sistema 
Artículo Precio( USS) 
Software Matlab 3150 
Cámaras Point Grey x2 325 
Lentes  x 2 225 
Filtros(IR y R) Andover x2 50 
Computadora Fit Pc 393 
Cables usb  x2 5 
Desarrollo 3450 
Total 7598 
 
  
  
Figura 25  Imágenes  iniciales usadas en  las tomas. De  izquierda a derecha:  (a)Toma cercana  (IR)  (b)Toma 
cercana (R) (c) Toma a distancia (IR) (d) Toma a distancia (R) 
 
43 
 
Finalmente se realizó tomas a distintas alturas (20, 40 y 70cm) y se comparó el 
comportamiento del controlador para cada horario del día.10 
Las imágenes presentadas a continuación plantean una comparación de la misma 
escena, a la misma altura para los distintos tipos de controladores ya mencionados: 
 El controlador automático, propio de la cámara utilizada. 
 El controlador desarrollado en esta tesis o fuzzy. 
 El controlador delta sugerido por los especialistas en el CIP. 
Se presentan  los resultados promedio para ambos controladores en la tabla 8. y se 
muestran imágenes obtenidas para esta tabla12. 
Además se muestra la comparación de resultados entre los controladores 
automático, fuzzy y delta para el horario de la mañana a una altura de 20,40 y 70 cm  
Puede notarse a partir de esta comparación la distinta distribución de histogramas 
en los tres controladores, lo que responde al ajuste de grises en cada uno de ellos.  
El desempeño del controlador desarrollado, presenta su mejor promedio de píxeles 
oscuros para el horario de la mañana. Sin embargo, este parámetro está fuera de 
los límites sugeridos para una muestra adecuada para los demás horarios. Del lado 
del controlador delta los valores obtenidos son aceptables. En los tres horarios 
medidos este último indicador fue menor respecto al controlador  fuzzy. 
Se puede concluir que el incremento progresivo de valores de tiempo de exposición 
(controlador delta) presenta un mejor seguimiento al promedio de grises de 128, sin 
embargo este es dependiente del controlador automático para el parámetro de 
ganancia algo que era requisito para el desarrollo de las pruebas. 
El resultado para la saturación en ambos controladores esta dentro de lo esperado, 
es decir ninguno de los controladores presentaba saturación de imágenes. Para las 
desviaciones de histograma un mayor valor indicaba mejor contraste, lo cual se 
puede apreciar para el controlador delta frente al controlador desarrollado.. 
                                                            
12 Revisar en Anexos, carpeta Imágenes 
44 
 
Adicionalmente se puede mejorar la respuesta del controlador difuso ajustando los 
valores de apertura y foco. Estos parámetros ya son de alcance manual y están 
fuera de la programación implementada. 
  
Tabla 8 Resultados para ambos controladores 
Controlador Difuso 
h=20cm h=40cm h=70cm
Po Psat DevH Po Psat DevH Po Psat DevH
mañana 1,22151 0 10,5146 3,83865 0 14,3786 9,39741 0 20,1632
mediodía 19,6499 0 8,16807 9,25017 0 9,16512 35,6899 0 22,1331
tarde-5pm 2,92504 0 11,9637 12,0401 0 13,361 43,1872 0 8,29305  
Controlador Delta 
h=20cm h=40cm h=70cm
Po Psat DevH Po Psat DevH Po Psat DevH
mañana 1,30695 0 20,8615 1,34429 0 21,2297 11,9567 0 40,366
mediodía 6,79754 0 12,9184 1,85599 0 22,627 2,56912 0 27,3942
tarde-5pm 0,87971 0 19,5912 2,16746 0 17,4146 24,1431 0 9,61598  
Siendo ,Po: Porcentaje de píxeles oscuros, Psat: Porcentaje de píxeles saturados, DevH: Desviación de 
histograma 
45 
 
  
Altura 20cm: 
 
 
 
 
 
Figura 26. De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
46 
 
.47 
 
 Histogramas correspondientes a la figura 4.4 , para una altura de 20cm : 
 
 
 
 
Figura 27 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
48 
 
 Altura 40cm 
 
 
 
 
 
49 
 
Figura 28. De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
Histogramas correspondientes a la figura 4.6, para una altura de 40cm : 
 
 
 
 
Figura 29 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
50 
 
 Altura 70cm 
 
 
 
 
 
Figura 30 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
51 
 
 Histogramas correspondientes a la figura 4.8, para una altura de 70cm : 
 
 
 
Figura 31 De arriba hacia abajo: controlador automático, controlador fuzzy, controlador delta 
52 
 
  CONCLUSIONES  
 
1. Se consiguió realizar un sistema de captura y análisis de imágenes tomando 
en cuenta lo indicado de las experiencias en campo abierto, de esta 
información inicial se siguió dos enfoques de control por incrementos 
progresivos en la variable de salida y por asignación de directa del Tiempo 
de Exposición basándose en Lógica Difusa. 
 
2. El uso de incrementos progresivos en el Tiempo de Exposición de cámaras 
presenta una mejor convergencia y estabilidad en las sesiones de prueba  
frente  al esquema de valores directos. 
 
3. Se consiguió diseñar un prototipo de  controlador automático de Tiempo de 
Exposición de  Cámaras  para el uso en campo y laboratorio. 
 
4. Se incluyó el control de Ganancia en el programa principal como parte de 
mejoramiento en dentro del sistema, llegando a tener casos de saturación 
dependiendo de la hora de adquisición. 
 
5. El porcentaje de píxeles oscuros en la imagen dependerá tanto de la escena 
y factores como apertura y distancia focal, cuando el controlador no logre 
distribuir adecuadamente el promedio de grises. 
 
53 
 
 RECOMENDACIONES 
 
1. El uso de Lógica difusa hace posible el armado de un diseño de control en 
pocos pasos, la mejora de futuras versiones basadas en esta línea de 
trabajo deben agregar más variables de entrada a fin de realizar un control 
más fino y consecuente con los resultados usar incrementos progresivos 
para el control del tiempo de exposición como en el controlador delta. 
2. Los aumentos de Ganancia deben ser espaciados, es decir de los rangos 
manejados para el modelo (0 -12.04dB), deben escogerse dependiendo de 
la hora  hasta un máximo de 10dB, para evitar saturaciones en medio de las 
tomas. 
3. Si se deseara prescindir del uso de Matlab, un código completo en lenguaje 
C es factible ya que se manejan solo tres variables como máximo y la lógica 
central del enfoque Fuzzy son reglas del tipo Lógico “If –Then” que pueden 
ordenarse  en una estructura tipo “switch-case” o Mediante los Comando if-
then de amplio uso. Solamente debe efectuarse una decisión adicional si se 
decidiera cambiar a otros modelos que no sean triangulares. 
4. Para ampliar el alcance del sistema debe hacerse pruebas en la plataforma 
aérea, teniendo en consideración para las nuevas ecuaciones del 
controlador las variaciones de tiempos de exposición debido a la altura y al 
cambio atmosférico propio de esta. Además de cambios de velocidad, 
respecto al modelo anterior. 
5. Una mejora en el control de exposición sería prescindir del promedio global 
de la imagen y escoger un área en particular de acuerdo con las tomas que 
se hagan o clasificar éstas de acuerdo a características del cultivo en 
particular, como se describía en el capitulo 2.Con esto se conseguiría fijar al 
cultivo o plantación como objetivo principal sin que se añadan elementos del 
paisaje que varíen la intensidad total y en consecuencia el promedio. 
 
54 
 
  
Bibliografía 
[1] Ministerio de La Producción-Oficina General de Tecnología de la Información y 
Estadística 
   2010.  Anuario Estadístico 
[2]Sunat, 
2010.Principales Productos por Sectores Económicos 
[3] Camp-Valls, G., Tuia, D., Gomez-Chova, L, 
2012. Remote Sensing Image Processing,  Austin, Morgan & Claypool. 
[4]R.Gebbers y V.I Adamchuk  
2010.  “Precision Agriculture and Food Security” , Science,Washington, 
Volumen327, Nº484460 , pp. 86-88. 
[5]FAO 
 2005. “E-Agriculture”a Definition and Profile of its applications 
[6] Us. Army Corps. Of Engineers 
2003, Remote Sensing.Washington D.C 
[7]Siamak Khonam,Frank H. Koch 
 2012. Remote Sensing,Londres,Springer 
[8] Ratislav Lukav  
2009. Single Sensor Imaging, Methods and applications for Digital 
Cameras,Boca Raton, CRC Press  
[9]J.S Roger Jank,Ned Gulley 
 2009. Fuzzy Logic Toolbox User Guide 
[10]Ahmad Ibrahim 
 2004. Fuzzy Logic  For Embedded Applications,Burlingtong,Elsevier 
[11]Ross timothy  
 2004. Fuzzy Logic with Engineering Applications, Wiley and sons. 
55 
 
  
[12] Al Bovik, 
2004. The Essential Guide to Image Processing, Elsevier 
 [13] Yunseop King, Jhon F Reid, Qin Zhang 
2007. Fuzzy logic Control of a multispectral imaging sensor for in field plant 
sensing  
[14]Blinkdagger. Sharing Data among callbacks. Consulta: el 10 de Septiembre del 
2011. 
<http://www.blinkdagger.com> 
[15]Hull, Doug 
 2010. Guide Basic Tutorial [videograbación].MatlabCentral .Consulta: el 24 
de Marzo del 2012 . 
<http://www.mathworks.com/matlabcentral/fileexchange/7598-video-guide-
basics-tutorial > 
[16] MATPIC. Interfaz Gráfica usando Matlab. Consulta: el 27 de Octubre del 2011. 
<http://www.matpic.com/esp/matlab/interfaz_grafica.html > 
[17] Allain, Alex. C File I/O and Binary File I/O. Consulta: el 27 de Abril del 2012. 
<http://www.cprogramming.com/tutorial/cfileio.html > 
[18]Stack Overflow. Running program in different working directory, Linux shell. 
Consulta: el 23 de Mayo del 2012. 
<http://stackoverflow.com/questions/786376/how-do-i-run-a-program-with-a-
different-working-directory-from-current-from-lin > 
[19] Altman ,Yair. Customizing Menu items. Consulta: el 13 de Mayo del 2012. 
<http://undocumentedmatlab.com/blog/customizing-menu-items-part-1/ > 
[20]Sumption, Bernie. Bernie’s Better Beginner’s Guide to Photography for Computer 
Geeks Who Want to be Digital Artists. Consulta: el 13 de Septiembre del 2011. 
.  <http://berniesumption.com/photography/beginners-guide-for-geeks/> 
 
56 
 
57 
 
 
[21] Namase, Rajesh. C programming on linux. Consulta:  2 de Marzo del 2012. 
 <http://www.techlila.com/c-programming-linux/> 
 
[22] Slavíček, Václav. Fuzzy Framework. Consulta : 17 de Junio del 2012. 
 <http://www.codeproject.com/Articles/151161/Fuzzy-Framework> 
 
[23] Mathworks. Matlab Central. Consulta: 27 de  Marzo del 2012. 
 <http://mathworks.com/matlabcentral/answers/19725-change-directory-crash-
gui#answer_26086.> 
 
[24] Tetracam Inc. Products. Consulta: 10 de Julio del 2013. 
 <http://www.tetracam.com/Products1.htm>