UNA PRUEBA DE CONTROL DE CALIDAD

Por Arturo G. Chavelas P. 

figura 1

En la presente fotografía (figura 1) podemos apreciar el rostro de Lena Söderberg (Lenna). Es una de las imágenes más utilizadas en las pruebas de algoritmos de procesamiento y compresión de imagen(1). Como se puede apreciar es solamente una sección de la foto original. Warning: contains nudity!

Cuenta la leyenda que érase una vez en los albores de julio de 1973, cuando un profesor  junto con un estudiante graduado  buscaban a toda prisa en el laboratorio una buena imagen para escanear y utilizarla en un artículo científico. Tenían Imágenes de prueba pero  muchas eran materiales opacos de los estándares de TV de los 60’s . Buscaban algo brillante y un rostro humano, para obtener un rango dinámico amplio, con el fin de mostrar  el efecto que los algoritmos producen. En algún momento alguien pasó por ahí con la 1972 edition of Playboy magazine y el resto es historia(3).

Utilizaron un escáner Miurhead de tambor (figura 2) que obtenía una imagen ligeramente distorsionada y de colores incorrectos. La resolución fija del escáner era 100 líneas por pulgada y los ingenieros deseaban una imagen de 512 x 512, esa es la razón por la que la fotografía fue cortada a un tamaño de 5´12 pulgadas de altura.  Posteriormente se utilizó un dispositivo perfeccionado con un resultado más aceptable. Otros investigadores solicitaron la imagen digitalizada para cotejar sus algoritmos sobre la misma base. 

figura 2

Lenna fue playmate en noviembre de 1972. Y aunque la revista amenazó con tomar medidas legales contra quien osare profanar y perturbar la imagen sin la autorización correspondiente...con el paso del tiempo dejaron de dar importancia al asunto y aún la podemos encontrar en base de datos de la USC SIPI Image database(2). Con sus 512 x 512 pixeles, 768kb, color(24 bits/pixel) se ha convertido en un lore ipsum de la fotografía. 

Como standard a tenido tal aceptación en la industria que incluso fue usada en el diseño y presentación del algoritmo de compresión de imágenes JPEG y sigue muy vigente. En la figura 3 podemos encontrar un diagrama que ejemplifica el tipo de investigaciones algoritmicas en las que es utilizada la imagen referida en este artículo (4) (5).

figura 3

Existen  una gran variedad de algoritmos de compresión de imagen. Cada uno con sus pros y contras. Por citar algunos tenemos:

Código Huffman: Método estadístico que asigna un código binario a diversos símbolos a comprimir (pixeles o caracteres) con base en la frecuencia con que aparecen.  Es realizada mediante árboles donde se clasifica la información y es necesario que junto al archivo comprimido se encuentre la tabla de códigos  o diccionario de las combinaciones de bits que más se repiten estadísticamente.  En caso de no contar con  esa tabla el proceso es irreversible (6)(8) Ver figura 4.

Figura 4

JPEG, JPG: Del ingles Joint Photographic Experts Groups. Tiene como nombre la extensión del fichero correspondiente al gráfico. Utiliza la transformada discreta del coseno. La imagen de entrada es dividida en bloques de NxN pixeles. De acuerdo a los requisitos de compresión y calidad de la imagen es el tamaño del bloque. A mayor tamaño de boque mayor compresión pero ocurren algunas degradaciones de la imagen (6).

En la figura 5 podemos apreciar la división en celdas para un algoritmo de compresión fractal (7).

figura 5

En las siguiente serie de imágenes (figuras 6-9) podemos apreciar diferentes tipos de filtros aplicados a la tradicional y legendaria imagen de Lena. 

figura 6

Suavizado: Teniendo en cuenta los puntos vecinos protege los bordes de la difuminación (figura 6). 

figura 7

De énfasis: Permite destacar o reducir los tonos medios (figura 7).

figura 8

Laplaciano invertido: Es una medida 2-D isitrópica de la 2nd derivada espacial de una imagen. Destaca las regiones  donde hay cambios bruscos de intensidad y se suele utilizar para detección de bordes.  Se aplica en imágenes previamente suavizadas mediante un filtro gaussiano de suavizado reduciendo la sensibilidad al ruido (figura 8). 

figura 9

Podemos apreciar en la figura 9 la imagen comprimida con el algoritmo NSI.

A lo largo del tiempo la humanidad se ha visto en la necesidad de medir. En un principio se utilizaron partes del cuerpo como puntos de referencia, para evitar las ambigüedades se establecieron los “patrones”. Tenemos el caso del kilogramo patrón definido durante  la revolución francesa  como la masa de un cubo de agua destilada de 10cm de lado a  una atmósfera de presión y 3.98°C. Las medidas de la muestra tomada de  la  imagen de Lena Söderberg son respetadas meticulosamente, sin ser una unidad oficial de medida, en una curiosa mezcla de ciencia y tradición.  

Lena Söderberg siguió su vida tranquilamente, ajena a la leyenda que se tejía en los sectores académicos, del diseño y tecnológicos hasta que en 1988 fue entrevistada por una revista de informática.  En mayo de 1997 es invitada al 50 aniversario de The Society for Imagin Science and Technology.  Donde comentó: “Deben estar cansados de mí…¡Mirando la misma foto por todos estos años!. 

Como los jóvenes de mi ochentera generación con juguete nuevo, no tomamos las precauciones previas y deslumbrado con las posibilidades de mover la configuración HTML de mi Blog sin saber HTML (es decir, con recetas caseras) me veo superado por "problemas técnicos". Mientras despejo la mente me acuerdo del cuento de Lenna, una musa de la era digital, y esbocé estas líneas buscando en la moraleja una solución. 

Bibliografía:

1 Rosenberg, C. The Lenna story.(1996).cmu. Recuperado de: Vínculo

2 Volume 3: Miscellaneous. University of Southern california. USC SIPI Image Database. Recuperado de: Vínculo

3 Hutchinson, J.(2001).Culture, Communicatión, and an information age Madonna. IEEE Professional communication society News letter, volume 45(3), 1, 5-7. Recuperado de: Vínculo

4 García, M. Implementación del algoritmo AMBTC-1 interpolativo para la comprensión de imágenes. (2004). EN INNVIE-UAZ. Recuperado de: Vínculo

5 Martín, M., Martín, M., Maldonado, B., López, F. (2002). Algoritmo de búsqueda de paletas adaptativas para imágenes en color. Información Tecnológica. Volumen 13(1), 115-120. Recuperado de: Vínculo

6 Sandoval, M.(2008). Algoritmo de compresión de imágenes de alta resolución sin perdidas. México, D.F., ESIME. Recuperado de:Vínculo

7 Grudner, C.(2014). Geometría fractal y compresión de imágenes cf-sfip. Revista tecnológica. Vol 10 (16). La paz. Recuperado de: Vínculo

8 Kumar, Arun.(2014). Fractal image compressión using Quadtree descomposition and  huffmann coding. Matworks. Recuperado de:Vínculo