10
Tcnicas en el procesamiento digital de imgenes:
una constante exploracin de nuevos campos.
El procesamiento digital de imgenes es el resultado
de la interaccin de varias reas de estudio como
el anlisis matemtico y el tratamiento de seales
guiadas por diferentes tcnicas de programacin y
optimizacin. Este artculo busca mostrar, a aquellas
personas que deseen comenzar a trabajar con im-
genes, un modelo matemtico sencillo que permita
visualizarlas como seales bidimensionales y enten-
der su comportamiento de una forma bsica al ser
procesadas por medios digitales. De la misma forma,
exponer algunas de las nuevas tendencias que se
trabajan en la actualidad sobre este tema.
El principal objetivo del procesamiento digital de im-
genes es proponer y visualizar la viabilidad de dife-
rentes soluciones a un problema especfico, aplicn-
dolas sobre una funcin en un espacio bidimensional
(imgenes) o, en algunos casos, tridimensional (se-
cuencias de imgenes). Usualmente, encontrar una
solucin ptima implica el planteamiento de un algo-
ritmo; ste, se basa en una teora que debe ser com-
probada haciendo un extenso trabajo experimental a
travs de un software de simulacin y grandes canti-
dades de imgenes de prueba.
Introduccin
Debido a la gran cantidad de informacin que con-
tienen las imgenes digitales (millones de pxeles),
el procesamiento de ellas no fue de inters por parte
de la comunidad cientfica hasta la dcada de 1970,
cuando aparecieron herramientas adecuadas para
realizar el trabajo en tiempos de ejecucin relativa-
w
Mauricio Daz Melo
Ingeniero Electrnico
Magister en Ingeniera Electrnica
Coordinador del Centro de Investigacin de la Escuela de Ingeniera
Corporacin Universitaria Unitec
mente reducidos [1]. Estas herramientas (hardware)
fueron el resultado de la creacin de los circuitos in-
tegrados (1953), los cuales, de igual forma, se deben
a la invencin del diodo (o vlvula de dos terminales)
a comienzo del siglo XX (1905), evento con el cual
se da inicio formal a la electrnica como un rea de
estudio particular de las ciencias aplicadas.
Los circuitos integrados permitieron fabricar a bajo
costo y con una pequea dimensin fsica, herra-
mientas especializadas que se utilizaron, en un co-
mienzo, como hardware especfico en los sistemas de
televisin y en las grandes producciones del medio
audiovisual [1, 2]. Sin embargo, el procesamiento de
imgenes ha cobrado un auge inusitado en las lti-
mas dcadas; las razones: la aparicin de computa-
dores cada vez ms robustos, eficientes y veloces, y
la creacin de los dispositivos conocidos como DSP
(procesadores digitales de seales).
Hoy en da, el procesamiento digital de seales supe-
ra ampliamente al procesamiento de seales por me-
dios anlogos, por sus bajos costos y reducido tiempo
de procesamiento. Los medios anlogos han pasado
a un segundo plano y el mundo tiende a digitalizarse1:
la msica en mp3, las cmaras digitales, la televisin
de alta definicin, etc.
Qu es el procesamiento digital de
imgenes?
Una imagen puede modelarse como una funcin bi-
dimensional f(x,y), donde x y y son coordenadas es-
Tcnicas en el procesamiento digital de imgenes: Una constante exploracin de nuevos campos.

paciales y el valor de la funcin en

ese punto representa la energa o
intensidad de luz recibida. Cuando
los valores de x, y y f(x,y) son todos
valores finitos, podemos hablar de
una imagen digital [1,3]. El proce-
samiento de este tipo de imgenes
por medio de computadores digi-
tales es lo que se conoce con el
nombre de procesamiento digital
de imgenes. Una imagen de este
tipo est conformada, por lo tanto,
por una gran cantidad de elemen-
tos) denominados pxeles, palabra
importada y finalmente aceptado
en nuestro medio.

El procesamiento de imgenes
trae consigo un inters, como con-
secuencia del avanzado grado de
desarrollo del sentido de la vista
en los seres humanos y la depen-
dencia casi exclusiva de l para
nuestra supervivencia. Es por esto
que las imgenes juegan un papel
sorprendente desde el punto de
vista de representacin de con-
ceptos en la percepcin humana.
David Marr, matemtico y neuro-
cientfico, public un famoso do-
cumento titulado Visin [4], el cual
servira de punto de referencia a
nivel mundial. En l describe a la
visin como el proceso que produce desde las im- ste recibe como entrada una imagen y genera como
genes del mundo exterior una descripcin que es til salida una imagen; por otra parte, un algoritmo de
para el observador y no es confundida con informa- anlisis de imagen recibe una imagen de entrada y
cin irrelevante. Segn esta definicin, las imgenes produce una salida que es un descriptor (de cualquier
juegan un papel primordial en este proceso. clase) de la imagen de entrada (por ejemplo el va-
lor medio de los niveles de intensidad). Finalmente,
Diversos autores difieren en el rango de alcance del un sistema puede ubicarse dentro del rea de la vi-
procesamiento de imgenes, puesto que no existen sin computarizada si se encarga de simular la forma
fronteras bien definidas con otros tpicos como la vi- como funciona el sistema visual humano para imitarlo
sin computarizada o el anlisis de imgenes. Esto por medio de algoritmos en ejecutados en un hard-
implica, muchas veces, categorizar mal un proyecto ware especfico. Esta rama pertenece, por s misma,
o trabajar en diferentes reas que se encuentran es- a la inteligencia artificial, cuyo objetivo es emular la
trechamente unidas. Una forma de definir un siste- inteligencia del ser humano.
ma que procesa imgenes digitales es diciendo que

11
12

cin que se posee, a pesar de los grandes adelantos

Fundamentos bsicos de las imgenes
en las ltimas dcadas. Actualmente la discusin se
digitales.
centra en la formulacin de un modelo neurobiolgico
completo que pueda describir de manera integral el
sistema de visin humano.
Antes que nada es importante comprender el funcio-
Este sistema de visin se ve hoy en da reflejado en
namiento bsico del sistema visual humano, a pesar
las formas ms comunes de adquisicin de imgenes
de que el campo de las imgenes digitales est de-
digitales, mediante el uso de arreglos de sensores
sarrollado a partir de modelos matemticos y formu-
o CCD (Charge Coupled Devices). Estos son dispo-
laciones probabilsticas. Este anlisis y comprensin
sitivos electrnicos compuestos por millones de cel-
bsicos pueden jugar un papel primordial en la esco-
das, cada una de las cuales es excitada por una onda
gencia de una tcnica u otra, ya que muchas veces la
lumnica determinada, generando en conjunto una
apreciacin subjetiva del usuario final predomina so-
imagen. Las cmaras digitales (de fotografa y video)
bre cualquier evaluacin o medicin objetiva y cuan-
poseen mnimo un CCD el cual acta como el alma
tificable que pueda hacerse [1, 5].
del dispositivo (haciendo el papel de los conos y bas-
El ojo humano posee dos clases de receptores: los
tiones). Un CCD es un circuito integrado conformado
conos y los bastiones. Estos componen una distri-
por capacitores que almacenan una determinada
bucin discreta en el fondo del globo
energa elctrica que representa una ener-
ocular y captan la luz que ha sido
ga lumnica. Uno de los problemas ms
apropiadamente enfocada.
comunes en un sistema de procesa-
Existen en promedio entre
miento de imgenes tiene que ver
6 y 7 millones de conos
con la adquisicin de la seal. El
en cada ojo; se locali-
tipo de dispositivo y las condi-
zan en la parte central
ciones de adquisicin juegan
de la retina, denomi-
un papel predeterminante en
nada la fvea y son
el sistema. Por ejemplo, a
altamente sensitivos
menudo la calibracin y mo-
al color (sin conos
delamiento de la cmara es
veramos en blanco
un requisito previo a un es-
y negro). El nmero
tudio para obtener resultados
de bastiones es mu-
importantes. De esta forma se
cho mayor entre 75 a
minimizan los efectos del ruido
150 millones y se dis-
producido por algunos componen-
tribuyen sobre la superficie
tes elctricos.
de la retina. Esta distribucin
Una vez adquirida la imagen, sta se aso-
y la caracterstica de que estn co-
cia a un espacio de color, entrando en juego
nectados a una sola terminacin nerviosa
la teora del color y los diferentes espacios que se
disminuyen la cantidad de detalle que puedan inferir
utilizan para representar la imagen adquirida. Por
estos receptores. Los bastiones brindan un panora-
ejemplo, la mayora de sistemas que utilizamos a
ma general de la escena (un bosquejo) definiendo
diario trabajan con un espacio de color denominado
formas bsicas y tienen la capacidad de ser tiles en
RGB, el cual se representa mediante un cubo. En el
condiciones precarias de iluminacin. Estos recepto-
espacio tridimensional RGB, cada vrtice del cubo
res se conectan al nervio ptico, el cual no es otra
representa un color primario (espacio aditivo) rojo
cosa que la terminacin (axn) de las neuronas que
(R), verde (G) y azul (B). Los vrtices restantes re-
se encargan de trasmitir la informacin al cerebro.
presentan los colores secundarios (o primarios en el
Ms all de este punto, en lo referente a la construc-
espacio sustractivo), amarillo (Y), cyan (C), magenta
cin de la imagen en el cerebro, es poca la informa-
(M), blanco (W) y negro (B). Los puntos a lo largo de
Tcnicasenelprocesamientodigitaldeimgenes:unaconstanteexploracindenuevoscampos.
la diagonal entre el vrtice blanco y negro conforman
los colores atonales (escala de grises). Existen otros
modelos como el CMYK (cyan, magenta y amarillo) o
el HSI (tono, saturacin, intensidad). La escogencia
del determinado espacio de color es una tarea muy
importante para el xito del sistema a disear. Para
efectos prcticos, los algoritmos descritos en este ar-
tculo aplicarn para imgenes en tonos de grises,
la cual se encuentra promediando los canales RGB,
teniendo en cuenta que sus aplicaciones se pueden
extender fcilmente a imgenes en color. color.
Tcnicas en el dominio espacial
La expresin dominio espacial hace referencia a la
Niveles de gris en la salida , s
modificacin directa de los pxeles que componen
una imagen. Un sistema que hace este tipo de pro-
cesamiento se pude denotar mediante la siguiente
expresin:
g(x,y)=T [ f (x,y)],
donde f (x,y) es la imagen de entrada, g(x,y) es la
imagen procesada y T es un operador en f , definido
como una transformacin NxM NxM dimensiones.
Esta transformacin igualmente involucra un conjunto
definido de pxeles vecinos. Algunas transformaciones
sobre los niveles de escala de grises pueden servir
para mejorar los detalles en imgenes, por ejemplo,
en imgenes radiolgicas (figura 1).
(a) (b)
Figura 1. (a) Imagen radiolgica original. (b) Imagen obtenida
usando una transformacin negativa.
Las transformaciones en escalas de grises
buscan mejorar caractersticas como el contraste y
la luminosidad, alterando los valores de los pxeles
mediante la relacin que se describe por S=T(r). La
transformacin T traslada los valores de los pxeles
r en valores de pxeles en S. Dado que estos son
valores digitales, usualmente estas transformaciones
se realizan con tablas predeterminadas, previamente
almacenadas en memoria para ahorrar tiempo de
cmputo. Algunas de las transformaciones ms
comunes se muestran a continuacin:
L-1
Negativo
n-sima raz
3L/4
Log
n-sima poetencia
L/2
L/4
Log inverso
0
0 L/4 L/2 3L/4 L-1
Niveles de gris en la salida , r
Figura 2. Algunas transformaciones en niveles de gris usadas
para mejorar la imagen. Grfica tomada de [1]
Otra alternativa vlida para el procesamiento de
imgenes en el dominio espacial consiste en hacer
uso del histograma. Este se define como una funcin
de probabilidad que almacena la repeticin de un
suceso. En una imagen digital, cuyos niveles de gris
estn en el rango [0,L_1], es una funcin discreta
)=n donde rk es el k-simo nivel de gris y nk es
h(r k k
el nmero de pxeles en la imagen que tienen ese
valor de intensidad.
La manipulacin del histograma es la base de mu-
chas transformaciones en el dominio espacial. Las
operaciones que se pueden realizar con este pueden
brindar mejoras a la imagen en contraste, brillo o sim-
13
14
plemente dar informacin estadstica que pueda ser
utilizada en otros procesos.
(a)
(b)
(c)
(d)
Figura 3. Procesamiento por medio del histograma. (a) Ima-
gen con alto brillo. (b) Imagen con bajo brillo. (c) Imagen con
bajo contraste. (d) Imagen con alto contraste.
Otra de las alternativas utilizadas para el
procesamiento en el dominio espacial consiste en la
utilizacin de operaciones matemticas y/o lgicas
entre imgenes para obtener los resultados deseados.
Estas operaciones se realizan entre dos imgenes,
pxel a pxel (con excepcin de la operacin NOT que
slo involucra una imagen). Las ms usadas son
AND, NOT, OR y operaciones como substraccin,
suma, multiplicacin. Por ejemplo, en el campo
de la astrofotografa aficionada, es comn tomar
secuencias de fotos y promediarlas para obtener
mejores resultados. De igual forma, debido a las
caractersticas del ruido producido por los CCD,
es comn restar de la imagen que se quiere una
fotografa tomada al vaco reduciendo el efecto de la
perturbacin. Otro ejemplo comnmente usado es la
substraccin. La diferencia entre dos imgenes y
f (x,y) y h (x,y) puede expresarse como:
h (x,y)=f (x,y)_h (x,y)
Esta operacin se emplea a menudo en video para
determinar los elementos en movimiento en una
secuencia de cuadros (figura 4).
(a)
(b)
(c)
Figura 4. Operaciones matemticas entre imgenes. (a) Ima-
gen ensima. (b) Imagen ensima+N. (c) Valor absoluto de la
diferencia umbralizada entre la imagen ensima y la imagen
ensima+N
Tcnicasenelprocesamientodigitaldeimgenes:unaconstanteexploracindenuevoscampos.

con discontinuidades o cambio abruptos, sencilla-

Tcnicas en el dominio de la
mente era imposible que fuera representada con una
frecuencia
funcin suave como es una senoidal, o por lo me-
La manipulacin de seales en el dominio de la fre- nos eso se crea. A pesar de las diversas discusiones
cuencia se debe fundamentalmente al trabajo realiza- que se presentaron, no fue sino hasta despus de la
do por el matemtico francs Joseph Baptiste Fourier, muerte de Fourier que un matemtico de apellido Di-
publicado a principios richlet pudo demostrar bajo qu condiciones se poda
del siglo XIX, denomi- representar una seal como una combinacin de se-
nado La Thorie Ana- ales senoidales, validando de esta forma el trabajo
litique de la Chaleur iniciado por Fourier. Posteriormente surgi el anlisis
(La teora analtica por medio de la transformada de Fourier, el cual no
del calor). Fourier, a es ms que una extensin de la teora planteada ori-
quien hoy debemos ginalmente, pero para seales que no sean necesa-
muchos de los avan- riamente peridicas. A partir de estas formulaciones
ces en aplicaciones se comenz a hablar del dominio de la frecuencia, ya
tan cotidianas como que la transformada de Fourier puede verse como un
las comunicaciones cambio en el dominio de la funcin:
(radio, televisin y los
principios ms bsi-
cos de la telefona
Transformada de Fourier F
inalmbrica), nunca Tiempo (t) Frecuencia(w)
se imagin los alcan-
ces que tendra su
Surge entonces el problema de visualizar la
controvertida y discu-
frecuencia. Qu es la frecuencia? Podramos decir
tida teora. Fue disc-
que es el inverso del perodo, como nos ensearon
pulo de Laplace, otro
en las clases de fsica de la educacin secundaria.
de los grandes mate-
Pero, entonces, qu es el perodo? El perodo es
mticos franceses de
una medida relacionada tiempo; puede ser ms fcil
la historia. Y fue pre-
definir el perodo ya que se encuentra asociado al
cisamente l mismo
tiempo, y de este ltimo tenemos un conocimiento
(su maestro) quien
intuitivo, ms no exacto de lo que pueda ser; y si nos
primero puso en duda
remitimos a la relatividad el asunto se vuelve an
las teoras propues-
ms complejo. Desde el punto de vista matemtico,
tas por Fourier [6, 7].
se define el perodo de una seal como aquel valor
La idea bsica y
para el cual f (t)=f (t+T) para todo t, es decir, que
mayor contribucin
la seal no tiene cambios con respecto a su variable
de Fourier fue re-
independiente (en este caso, tiempo).
presentar una seal
peridica (una seal Vale la pena analizar la definicin de frecuencia
que se repite cada in- para algunas seales especficas. Por ejemplo,
tervalo de tiempo (T) en una seal de audio la frecuencia est asociada
como una combina- a las notas de la escala diatnica; la nota LA se
cin de funciones se- asocia a una frecuencia de 440 Hertz (Hz). Cuando
noidales, lo cual, para sus colegas de la poca, era hablamos de la luz (comportndose como una
algo inconcebible; este planteamiento recibi el nom- onda y no como una partcula) podemos asociar
bre de la serie de Fourier. Por ejemplo, una funcin los colores (luz visible) a frecuencias especficas,

15
 ubicando los colores en el espectro electromagntico
en frecuencias que van desde 350THz el (violeta)
hasta los 384THz (rojo). Pero en una imagen
(seal bidimensional), qu puede representar la
frecuencia? Para responder esta pregunta, haremos
algunos planteamientos matemticos, a pesar de que
la finalidad de este documento no es profundizar en
estos aspectos. La transformada de Fourier para una
seal unidimensional se define como [1]:
_ j2 ux (a)
8

f (u)= f (x)e dt
8

Donde j = _1. La trasformada inversa o ecuacin

de sntesis que determina f (x) a partir de su
trasformada est definida como:
8

j2 ux
f (x)= F(u)e du
8

Para las seales bidimensionales como las

imgenes estas ecuaciones pueden extenderse a las
variables u y v .
(b)
8
8

_ j2 (ux+vy)
F(u,v)= f (x,y)e dxdy
8
8

y la transformada inversa,

f (x,y)= F(u,v)e j2 (ux+vy)

dudv
8

8
8

Sin embargo, al trabajar con imgenes discretas,

nuestro inters estar enfocado a la representacin
discreta de la transformada y su efectiva
implementacin de sistemas de procesamiento digital.
Para esto se hace uso de la transformada discreta de
Fourier (DFT), cuya implementacin mediante de FFT
(fast Fourier transform) permite obtener algoritmos (c)
tiles y eficientes. La DFT bidimensional de una
imagen f (x,y) de tamao MxN est dada por:
M_1 N_1
Figura 5. Transformada de Fourier de un pulso bidimensio-

(x,y)e
1 _ j2(ux/M+vy/N)
F(u,v)= MN nal. (a) Pulso bidimensional. (b) Magnitud de la transformada
x=0 y=0 de Fourier como imagen. (c) Magnitud de la transformada de
Y su inversa por:
Fourier como un funcin bidimensional
M_1 N_1

F(u,v)e
_ j2(ux/M+vy/N)
(x,y)=
u=0 v=0
Es importante visualizar que el resultado puede La grfica de la figura 6(c) muestra la magnitud de
ser un nmero complejo, por lo tanto, su resultado se la DFT bidimensional de la imagen que representa un
expresa en funcin de la magnitud y de la fase. pulso. Como se podra esperar, sta es una funcin
impulsiva que va decreciendo de acuerdo a la forma
Teniendo esto en cuenta es posible visualizar la definida por la funcin sinc(x)= sin x . Hagamos
x
transformada de una funcin pulso bidimensional, otro experimento; con la misma imagen vamos a
como se muestra a continuacin:

16
Tcnicasenelprocesamientodigitaldeimgenes:unaconstanteexploracindenuevoscampos. 17

reconstruir la seal original haciendo, primero, la

magnitud igual a cero y, despus, la fase igual a cero.
De esta forma obtenemos:

(a)

Figura 7. Respuesta en frecuencia del filtro bordes defini-

dos.

(a)
(b)

Figura 6. Reconstruccin de la figura 5 (a) usando la transfor-

macin inversa. (a) Manteniendo la fase y anulando la magni-
tud. (b) Manteniendo la magnitud y anulando la fase.

Es claro que la figura de la fase 7(a) es de una gran

importancia ya que conlleva la mayor parte de la in-
formacin. Mientras que al hacer la fase cero y con-
servar la magnitud, la imagen sintetizada es una ima-
gen plana que no brinda ninguna informacin (figura
7(b)). A partir de esto podemos deducir que la fase de
la transformada de Fourier en imgenes est relacio-
nada con la informacin de bordes de los objetos y, (b)
por lo tanto, con la inteligibilidad de la seal.
Figura 8. (a) Imagen original. (b) Imagen con bordes defini-
Este trabajo en el dominio de la frecuencia permite el dos.
diseo de sistemas especficos que atenen un de-
La imagen de la figura 8(b), por lo tanto, tiene unos
terminado rango de frecuencias (filtrado), realizando
bordes mejor definidos y un mejor contraste.
labores como la atenuacin o el realce de bordes, la
reduccin de ruido o, en general, el mejoramiento de
la imagen. Por ejemplo, visualicemos cmo podemos
Tcnicas multiresolucin (wavelets)
utilizar la DFT para procesar una imagen fotoreals-
tica. Cuando trabajamos con la fotografa lena (una
imagen estndar para la realizacin de pruebas en A pesar de que el anlisis de Fourier ha sido desde
procesamiento de imgenes dadas sus valiosas ca- hace mucho tiempo la base del procesamiento basado
ractersticas de textura y tonalidad) podemos proce- en las transformaciones de dominio, desde finales de
sarla mediante el empleo de un filtro pasa altos que la dcada de los setentas numerosos matemticos
mejora el contraste de la imagen. Este filtro tiene la en el mundo entero han trabajado en la bsqueda de
siguiente respuesta en frecuencia: otra transformacin que permita mantener al mismo
18

tiempo informacin temporal y espectral. Estos de la denominada funcin de escala y (x,y) se

esfuerzos han dado sus frutos y de ellos ha surgido conoce con el nombre de funcin wavelet. W son
la teora denominada anlisis los coeficientes de aproximacin
multiresolucin. Dentro de y W i se denominan coeficientes
esta rea, y como caso de detalles horizontal, vertical y
especfico, se puede ubicar diagonal, de acuerdo al valor i .
la transformada Wavelet A continuacin se muestran los
(ondita) y su caso particular coeficientes de una transformada
para las seales discretas, la wavelet de 3 niveles y la imagen
Discrete Wavelet Transform reconstruida a partir de ellos. Los
(DWT). Esta transformada coeficientes se distribuyen desde
est haciendo hoy en da la parte superior izquierda, donde
an ms fcil la compresin, se encuentran los de aproximacin.
transmisin y anlisis de Alrededor de estos estn los
muchas imgenes. A diferencia coeficientes de detalle de tercer
de la transformada de Fourier, nivel, horizontal (derecha), vertical
cuyas funciones bases son de (inferior) y diagonal (diagonal). Los
forma senoidal, la trasformada coeficientes que se visualizan en
wavelet est basada en la parte ms exterior son los de
pequeas ondas (onditas) de detalle de primer nivel.
variada frecuencia y duracin
limitada. Uno de los grandes
matemticos de nuestro
tiempo, Gilbert Strang, profesor
del MIT, compara estas dos
transformaciones diciendo
que, mientras la DFT nos proporciona solamente las
frecuencias o notas de una obra musical, la DWT
proporciona todo el pentagrama completo, es decir,
las notas (frecuencia) y el momento especfico que
cada una de ellas ocurre (informacin temporal) [8].

La herramienta denominada teora multiresolucin

[9] unifica e incorpora diversas tcnicas y, como su
nombre lo implica, est relacionada con el anlisis de
las seales o imgenes en ms de una resolucin.

Matemticamente la transformada wavelet

bidimensional se define de la siguiente forma:

M_1 N_1

(x,y)j0 ,m,n (x,y)

1
W( j0 ,m,n)=
MN x=0 y=0

M_1 N_1 Figura 9. Transformada Wavelet usando la funcin wavelet

(x,y) j,m,n (x,y) i= H,V,D

1
W i( j,m,n)= MN x=0
{ Haar con tres niveles.
y=0

Donde (x,y) corresponde a diferentes versiones

Tcnicasenelprocesamientodigitaldeimgenes:unaconstanteexploracindenuevoscampos.
Como se mencion anteriormente, la transformada
wavelet ha abierto nuevas alternativas en los proce-
sos de compresin de imgenes. Dentro del proceso
de codificacin de una seal cualquiera es muy co-
mn trabajar con una representacin de sta en un
espacio que decorrelacione los diferentes datos. Esto
se logra encontrando una transformacin que genere
unos coeficientes (espacio de caractersticas) que no
posean informacin redundante, reduciendo de esta
forma el tiempo de procesamiento y los requerimien-
tos del sistema [10]. En el rea de compresin de
imgenes se ha incrementado el uso de transforma-
das multiresolucin como las wavelets para la crea-
cin de nuevos estndares entre ellos el JPEG2000
y el MPEG4 [11, 12]. Una transformada multiresolu-
cin ofrece interesantes caractersticas que permiten
un anlisis ms global de este tipo de seales. En
especial el estndar JPEG2000 toma cada da ms
y ms fuerza en el mundo de las imgenes gracias
a su alta capacidad de compresin una con mnima
prdida de informacin fotorealstica. Surge como
un natural sucesor del estndar JPEG. En video, las
bajas capacidades de los canales inalmbricos y la
alta demanda de buena calidad hacen incesante la
bsqueda de un estndar que brinde ests dos ca-
ractersticas a la vez. El anlisis wavelet tridimensio-
nal surge entonces como una alternativa que busca
implementar mediante los algoritmos de compresin
MPEG4 y MPEG7 video de alta calidad y baja tasa de
bits, para de esta forma buscar los lmites en aplica-
ciones tales como la televisin de alta definicin o la
televisin digital.
El procesamiento de imgenes se ha tornado hoy en
da en un rea de basto conocimiento y en un cam-
po de desarrollo an ms grande. Siendo as, y de
acuerdo al proverbio annimo, si una palabra dice
ms que mil palabras, muchas cosas ms podra-
mos expresar con una imagen procesada.
Notas
1
El verbo que describe correctamente este comportamiento debe ser dis-
cretizar ms que digitalizar, a pesar de no ser aceptado por la Real Acade-
mia de la Lengua Espaola. Una funcin discreta slo toma valores espec-
ficos de la variable independiente, mientras una funcin digital toma valores
finitos de la variable dependiente.
Referencias
[1] Gonzales R., Woods R., Digital Image Processing. 2a ed. New jersey:
Prentice Hall, 2002.
[2] Proakis J., Tratamiento digital de seales: principios, algoritmos y aplica-
ciones. 3 ed. Madrid: Prentice Hall, 1998.
[3] Pratt W., Digital Image Processing: PIKS Inside. 3a ed. Los Altos (EE.
UU.): John Wiley & Sons, 2001.
[4] Marr D., Vision: A Computacional Investigation into the Human Represen-
tation and Processing of Visual Information. San Francisco (EE. UU.): W. H.
Freeman and Company, 1982.
[5] Jain A.K., Fundamentals of Image Processing. Englewood Cliffs (EE.
UU.): Prentice-Hall International, 1989.
[6] Soliman S., Continuous and Discrete Signals and Systems. 2a ed. New
jersey: Prentice Hall, 1998.
[7] Oppenheim, A. V. et l., Seales y sistemas. 2 ed. Mxico: Prentice
Hall, 1998.
[8] Strang G., Wavelets, American Scientist. No. 82. (Abril, 1994), pp. 250-
255.
[9] Strang G, Nguyen T., Wavelets and Filter Banks. Massachusetts: We-
llesley, 1997.
[10] Antonini M., Barlaud M., Mathieu P., Daubechies I., Image Coding
Using Wavelet Transform, IEEE Transactions on Image Processing. Vol. 1,
No. 2. (Abril, 1992), pp. 205-220.
[11] Skodras A., Christopoulos C., Ebrahimi T., The JPEG200 Still Image
Compression Standard, IEEE Signal Processing Magazine. (septiembre,
2001), pp. 36-58.
[12] Bailly, G., Elisei, F., Odisio, M., Pel, D., Caillire, D. and Grein-Cochard,
K. Talking Faces for MPEG-4 Compliant Scalable Face to Face Telecommu-
nication, Proceedings of the Smart Objects Conference, 2003.
19