Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
S. Pérez-Becker
Facultad de Ciencias, Universidad Nacional Autónoma de México
Esto también es la idea básica de la compresión fractal pixeles. Aquı́ n y m son el número de pixeles horizontales
de imágenes: es más compacto guardar las transforma- y verticales de las imágenes.
ciones cuyo atractor es la imagen que queremos, que los Ahora bien, siguiendo la idea del helecho, queremos en-
pixeles de dicha imagen. Siguiendo el ejemplo del helecho, contrar un PIFS cuyo atractor se parezca mucho a una
si guardamos la imagen como una colección de pixeles re- imagen (es decir, que la dRM S entre el atractor y la ima-
querirı́amos 65536 bits, mientras que si la guardamos co- gen sea pequeña). Dada una imagen, comenzamos par-
mo una colección de transformaciones sólo requerirı́amos tiendola en una serie de celdas rango {Ri }. Estas celdas
768 bits (por los seis números que definen los cuatro ma- rango deben cubrir por completo a la imagen y no se
peos). deben traslapar. A cada Ri le asociamos una transfor-
Usualmente, las imágenes reales son un poco más com- mación wi que mapea los puntos de cierto dominio Di a
plicadas que un helecho en blanco y negro, por lo que un Ri (ver Fig 3). Formalmente, las wi ’s se definen como
IFS no será suficiente. El siguiente paso es considerar un
sistema de funciones iteradas en donde cada mapeo wi
actúa sobre un subconjunto Di ∈ R2 (ver Fig. 2). A es-
Welstead
D1 D2 D3 D4
D5
D9 Ri
wi
Ri’s Di’s
Di
Figura 5: Los primeros pasos del algoritmo. Partimos la ima-
gen en cuatro celdas rango Ri ’s y al mismo tiempo hacemos
una base de celdas dominio Di . La base de las Di ’s debe ser
muy grande, por lo que hacemos que las celdas se sobrelapen.
Dicha base debe contener celdas de todos los tamaños, para
poder estar seguros de que siempre encontremos una Di que
cubra a una celda rango dada.
aproximadamente dos horas para el que busca la mejor la ciencia nos ha permitido disfrutar de una vida digital
distancia en todas las celdas dominio. En el programa de más completa.
decodificación se puede cambiar el tamaño de la imagen
inicial fácilmente y ver como se crea la imagen “libre de
escalas”. Como hubo una tolerancia a la hora de com-
parar dominios con rangos, la imagen final tiene ciertos
[1] T. Acharya and A. K. Ray. Image Processing: Principles
errores en comparación con la original, dichos errores se
and Applications. John Wiley and Sons, 2005.
magnifican si descomprimimos a mayores escalas. [2] Mauro Barni. Document and Image Compression. CRC,
Este método, aunque lento, tiene la ventaja de ser libre 2006.
de escalas y se puede usar para obtener imágenes relati- [3] Michael Barnsley. Fractals Everywhere. Academic Press,
vamente grandes. Esto a su vez lleva a que, dependiendo 1989.
del tamaño de la imagen descomprimida, se lleguen a te- [4] Michael Barnsley. Fractal image compression. Notices of
ner razones de compresión muy buenas. Como nota, el the AMS, 43(6), 1996.
algoritmo que utilizamos para comprimir es uno muy ru- [5] Yuval Fisher. Fractal image compression. In SIGGRAPH
’92 Course Notes, 1992.
dimentario. Existen algoritmos mucho más eficientes que [6] David Jeff Jackson and Greg Scott Tinney. Performance
reducen el tiempo de compresión a segundos (ver [8]). analysis of distributed implementations of a fractal image
Podemos extender la compresión de imágenes a imáge- compression algorithm. Concurrency - Practice and Expe-
nes con color haciendo algunas ligeras modificaciones de rience, 8:357–386, 1996.
las técnicas aquı́ presentadas. Básicamente tendrı́amos [7] Joan Puate and Fred Jordan. Using fractal compression
que tratar a nuestra imagen como una función de R2 a scheme to embed a digital signature into an image. In Tes-
R3 , en donde cada entrada del rango de la función corres- cher, AG and Chiueh, TC, editor, Video techniques and
software for full-service network, volume 2915 of Procee-
ponde a un valor de rojo, verde y azul respectivamente.
dings of the society of photo-optical instrumentation engi-
Eso y un ligero cambio en la definición de las distan- neers (SPIE), pages 108–118, 1997.
cia entre imágenes serı́a suficiente para codificarlas. La [8] Stephen Welstead. Fractal and Wavelet Image Compres-
compresión de imágenes a color no solo tiene ventajas sion Techniques. SPIE, 1999.
estéticas. El poder manejar este tipo de imágenes permi- [9] Barnsley patentó varios de estos métodos y fundó la com-
te guardar información adicional mediante un código de pañı́a Iterated Systems Incorporated (La primera patente
color, que en áreas como la medicina es de suma impor- de Barnsley y Sloan con respecto a compresión de imáge-
nes usando sistemas de funciones iteradas, fue U.S. Pa-
tancia.
tent 4,941,193, registrada en Octubre de 1987). Este hecho
Espero que este artı́culo haya mostrado que no es tan ejemplifica que a partir de una idea relativamente sencilla
complicado entender y hacer un programa que codifique y una aplicación de los fractales, una compañı́a ha sido
imágenes con este método tan fascinante, que de hecho capaz de generar recursos económicos considerables.
sirve para más que sólo comprimir [7]. Se podrı́a decir
que éste es un ejemplo concreto de cómo el avance de