I.

3 Muestreo y cuantificación
Cuantificación de imágenes

Cuantificación de imágenes I
Las imágenes reales son continuas. Para poder trabajar con ellas con un ordenador,
será necesario digitalizarlas. Este proceso comprende dos fases principales: el muestreo
y la cuantificación. El muestreo es la parte encargada de integrar en puntos la
información que se halla en un área determinada. Estos puntos en los que se integra el
área son los elementos más pequeños en que se divide una imagen: los píxeles (Picture
Elements). Una vez muestreada la imagen, será necesario codificar digitalmente el color
integrado en cada píxel. Esta codificación de colores es lo que se denomina
'cuantificación' de la imagen.

La meta de la cuantificación es cambiar la resolución de color de una imagen

(número de bits en la representación del color) con una distorsión mínima.

A la hora de codificar digitalmente una imagen, desarrolla un papel fundamental el

número de bits utilizados para ello. Los colores presentes en la imagen pueden
obtenerse como mezcla de tres colores básicos o primarios, según el sistema de
colorimetría empleado. El sistema más extendido es el RGB, que se basa en los tres
colores primarios: Rojo, Verde y Azul.

Así, la codificación del color de un píxel se realizará dando un determinado peso a

cada una de estas tres componentes. Este peso deberá ser codificado en digital. Será
necesario, por lo tanto, codificar cada componente de color con un determinado número
de bits.

Si por ejemplo decidimos codificar cada componente con 8 bits, obteniendo 256
niveles de color posibles para cada una de las componentes, necesitaríamos 24 bits para
codificar el color de cada uno de los píxeles. Estos 24 bits nos dan la posibilidad de
alcanzar hasta 16,7 millones de colores diferentes.

Hemos de tener en cuenta, sin embargo, que será necesario guardar nuestra
imagen en un medio de almacenamiento. Si suponemos una imagen de tamaño normal
que podría tener unas dimensiones de 512x256 píxeles, serían necesarios:

512x256x8x3=3 Mb

Este es un espacio considerable si tenemos en cuenta que en ocasiones es

necesario almacenar grandes cantidades de archivos de imágenes.

Dado que es necesario discretizar el rango de colores disponibles en la naturaleza

(que es infinito), el número de colores resultante es un conjunto finito, y por tanto la
calidad del color se ve reducida. Si el conjunto de colores es lo suficientemente amplio,
la pérdida de calidad en el color puede ser casi imperceptible. Sin embargo, al reducir
mucho el número de bits, pueden aparecer falsos contornos (globo.jpg, moonvenus.jpg,
sky.jpg), es decir, bordes inexistentes en la imagen original, también llamados
'artefactos'.
Cuantificación de imágenes II

No obstante, existen formas de reducir el tamaño de almacenamiento de la

imagen, sin que las variaciones sean sensibles al ojo humano. Estas formas se basan en
varios comportamientos observados en la visión humana.
Existen dos tipos de células sensibles a la luz situadas en la retina. Debido a su forma,
estas células se denominan conos y bastones.

Los conos se concentran en una región cerca del centro de la retina llamada fóvea,
y son aproximadamente 6 millones; algunos de ellos tienen una terminación nerviosa
que va al cerebro. Son los responsables de la visión del color. Existen tres tipos de
conos, sensibles a los colores rojo, verde y azul, respectivamente. Esta es la razón por la
que uno de los sistemas colorimétricos más utilizados sea el RGB. Los conos, dada su
forma de conexión a las terminaciones nerviosas que se dirigen al cerebro, son los
responsables de la definición espacial. Además son poco sensibles a la intensidad de la
luz y proporcionan visión fotópica (visión a altos niveles).

Los bastones son los responsables de la visión escotópica (visión a bajos niveles).
La cantidad de bastones se sitúa alrededor de 100 millones y no son sensibles al color.
Los bastones son mucho más sensibles que los conos a la intensidad luminosa y son los
responsables de la visión nocturna. Son, además, los encargados de la percepción de
imágenes monocromáticas, y dado que son mucho más numerosos el ojo es más
sensible a este tipo de imágenes.

Estudiando el comportamiento de la visión humana, se ha llegado a las siguientes

conclusiones:

- El ojo solamente es capaz de discriminar el brillo de entre 10 a 15 niveles de grises

diferentes, siendo, sin embargo, muy sensible a la diferencia de brillo entre tonos
adyacentes (escalera.jpg, bodegon1bn.jpg, bodegon2bn.jpg).

-El ojo humano muestra una respuesta no lineal a los distintos colores, siendo más
sensible a la zona azul (experimento.jpg) del espectro (455-492 nm), moderadamente
sensible a la zona verde (492-577 nm) y menos sensible a la zona de los rojos (622-780
nm).

Por esto, podemos hacer distintas consideraciones dependiendo de si trabajamos

con imágenes monocromas o en color.
Las imágenes monocromáticas son aquellas que se representan utilizando los valores
disponibles en una escala de grises. Si utilizamos niveles de cuantificación posibles,
siendo b el número de bits disponibles, teniendo en cuenta el aspecto subjetivo, sería
necesario reducir bastante el número de bits de cuantificación para apreciar diferencias
notables en zonas homogéneas, obteniéndose resultados óptimos con un número de bits
relativamente pequeño (aprox. 4 bits= 16 niveles).

Las imágenes en color son aquellas que se representan utilizando cualquier

conjunto finito de colores obtenidos mediante la combinación de diferentes cantidades
discretas de rojo, verde y azul. Teniendo en cuenta la distinta percepción de ellos, es
usual dar distinta importancia a cada una de las componentes cromáticas básicas en el
sistema R G B.

Pero además, existe otra técnica denominada cuantificación no uniforme, que

consiste en utilizar menos niveles de gris en las transiciones bruscas y más niveles en
las transiciones suaves, para evitar la aparición de falsos contornos. Para utilizar esta
técnica es necesario que el algoritmo reconozca los contornos.

Cuantificación de imágenes III

Una posible solución podría ser la cuantificación en bandas, dividiendo los

posibles niveles de gris en intervalos. La banda que posea un mayor número de posibles
valores, necesitará mayor número de niveles distintos, mientras que en otras con menos
valores, se utilizarán menos niveles. Esto se traduce en una expansión y compresión de
las bandas. El indicador será la ocurrencia de valores dentro de una banda, aunque
podría contemplarse la ocurrencia y repetición.

La evaluación de los resultados de la cuantificación es subjetiva, por lo que se

podrán obtener mejores resultados al distribuir de distinta manera un mismo conjunto
discreto de colores disponibles.

En el applet podemos encontrar ejemplos del efecto de la cuantificación sobre distintas

imágenes.

Al experimentar la cuantificación con las imágenes 'Globo.jpg', 'Moonvenus.jpg' o

'Sky.jpg', podemos apreciar claramente la aparición de falsos contornos, o artefactos al
reducir la cuatificación. Al reducir los bits de cuantificación a 4, observamos que,
mientras que la zona del globo permanece casi con la misma calidad que en la imagen
original, en la zona del cielo azul aparecen contornos que realmente no existen en la
imagen inicial. Sin embargo en zonas con transiciones bruscas de color (zonas con
muchos colores bien diferenciados), la imagen a penas pierde calidad subjetiva.
En estas imágenes, la cuatificación no uniforme, comentada anteriormente daría muy
buen resultado. Si concedemos más peso a la componente de azul y algo menos a las
otras dos, las zonas de transición de azul suaves serían cuantificadas con más fidelidad y
la pérdida de calidad subjetiva sería menor.

En 'escalera.jpg', vemos una imagen con tonos de gris muy variados, y no existen
zonas demasiado homogéneas o transiciones suaves de color, lo cual nos llevaría a la
aparición de artefactos. Debido a la ausencia de estas zonas, podríamos permitirnos
reducir la cuantificación de la imagen a 4, e incluso 3 bits, sin perder calidad subjetiva.

La imagen 'bodegon1bn.jpg' y 'bodegon2bn.jpg', vienen a corroborar lo dicho

anteriormente. Si en la imagen 'escalera.jpg' a penas encontrábamos transiciones suaves
de gris, en cualquiera de estas dos imágenes son bastante apreciables.

Concretamente en estas imágenes, encontramos un efecto muy particular. Al

cuantificar la imagen con 4 bits, a penas notamos descenso en la calidad subjetiva, sin
embargo, al bajar la cuantificación a 3 bits, la calidad desciende muy notablemente.
Esto es debido a que los degradados de gris que aparecen en la imagen se desarrollan en
casi todo el espectro de grises. Es decir, cualquier degradado de gris que encontramos
va desde blanco hasta casi negro en zonas más o menos pequeñas. Debido a esto, al
reducir los bits de cuantificación a 4 (16 niveles), aún tenemos valores de gris
disponibles como para aproximar el degradado sin demasiadas pérdidas subjetivas. Sin
embargo, al reducir el número de bits a 3 (7 niveles), el número de niveles es demasiado
bajo, y comienzan a manifestarse contornos en la imagen.

La imagen 'experimento.jpg', nos permite observar la distinta sensibilidad del ojo a

cada una de las tres componentes RGB de una imagen. Observamos en esta imagen tres
transiciones suaves de los colores rojo, verde y azul. Podemos comprobar como el ojo
es, en primer lugar, más sensible a las transiciones de azul, como se dijo anteriormente.
Al cuantificar la imagen con 5 bits, ya somos capaces de apreciar contornos o artefactos
en la banda azul, mientras que las bandas roja y verde, que han sido cuantificadas de
igual manera, no parecen tener pérdidas.