Los bloques
Durante más de una década los investigadores en Al han explorado modos de permitir que los ordenadores reconociesen e interpretase escenas simples formadas por bloques colocados aleatoriamente. Varios programas de ordenador alcanzaron cierta notoriedad por su capacidad para comportarse inteligentemente en las tareas citadas y con bloques de diferentes tamaños. La simulación con bloques tiene la ventaja de simplificar el mundo real. Facilita el desarrollo de técnicas para la identificación de líneas rectas, esquinas, etc., y se puede ampliar para describir escenas más complejas. Pero también se admite que la simulación con bloques es tan limitada que los procedimientos asociados de comprensión de imágenes no se pueden generalizar a aplicaciones en el mundo real. Todos los sistemas de visión por ordenador utilizan supuestos que limitan el entorno en cuestión a fin de facilitar su manejo.
Consideremos el ejemplo de una cámara de televisión contemplando una matriz de bloques. La imagen se digitaliza y se guarda en la memoria del ordenador como una matriz de números que representan las intensidades de determinados puntos de imagen. Antes de que el ordenador pueda comenzar a interpretar dicha matriz de números, hay que utilizar diversos procedimientos de filtrado y optimización para mejorar la información almacenada en memoria (por ejemplo, el ruido afecta inevitablemente la precisión de la imagen). Para conseguir la necesaria optimización se pueden aplicar diversos procedimientos y reglas. Por ejemplo, si un punto de imagen es ocho veces más brillante que sus ocho vecinos inmediatos, se procede a reducir su intensidad, y a los puntos más oscuros se les puede aplicar un procedimiento. Pero hay que tener cuidado de que estos procedimientos no deterioren otras características de las imágenes.
Una vez que se ha filtrado y optimizado la imagen, el ordenador puede acometer los diferentes procedimientos de análisis. Una vez más no sería práctico depender de plantillas de bloques o cajas, ya que éstas pueden tener formas tan variadas como las triangulares. En su lugar se utilizan “mini plantillas” para identificar elementos locales en la imagen: por ejemplo, después de analizar media docena de puntos de imagen se descubre que forman parte de un borde vertical. Las diferentes mini plantillas se pasan secuencialmente por la imagen y se memorizan las coincidencias que tengan lugar. Uno de los problemas de este planteamiento es que se necesitan muchos tipos de plantilla para las diferentes características de imagen -bordes verticales izquierdos, bordes brillantes, bordes agudos, bordes suaves, bordes difusos, etc. La tarea se puede simplificar sustituyendo la imagen por puntos en un dibujo de trazos y utilizando las plantillas para encontrar la orientación de las líneas. A veces el programa puede seguir los bordes del croquis y explorando los puntos más brillantes de la vecindad, en cuyo caso no hay necesidad de utilización de las plantillas.
Sabida la orientación de las líneas, se pueden agrupar segmentos lineales para formar líneas de mayor longitud. Usando procedimientos similares se puede construir toda la imagen paso a paso. El ordenador se programa para que identifique todas las líneas como límites de objetos reales. Por consiguiente, las esquinas se señalan como líneas que se unen, las líneas independientes no se salen del contorno, los espacios entre segmentos de línea se rellenan, etc. El procedimiento es análogo a como los seres humanos utilizan los conocimientos previos para interpretar información visual (por ejemplo, los datos dispares que proporciona la estereopsis).
Las imágenes de bloques y otros objetos se pueden analizar también en términos de regiones y líneas. Por ejemplo, se puede asumir razonablemente que todos los puntos de una figura con la misma intensidad son parte de una misma región (de hecho, las imperfecciones de una figura llevan a la búsqueda de zonas más significativas). Los programas de regiones mezclan diferentes zonas de imagen si éstas forman parte de una misma superficie. Para tal fin los programas usan varias reglas (tales como: mezcla áreas adyacentes si la diferencia entre sus Intensidades medias es muy pequeña). El enfoque de las zonas, como el de los bordes, puede producir errores. Por ejemplo, se pueden unir o separar zonas equivocadamente. La investigación en Al trata de generar programas que no caigan en estos errores.
Identificación de objetos reales
Al nivel más simple, cuando un ordenador analiza una Imagen está tratando solamente con objetos bidimensionales. El enlace entre la figura y el mundo tridimensional real es obvio para el hombre, pero totalmente obscuro para el ordenador. Si un ordenador ha de identificar objetos en el mundo real, debe estar equipado para diferenciar entre imágenes y escenas tridimensionales. Uno de los primeros programas de análisis de escenas (escrito por L. G. Roberts en 1965) podía desenvolverse competentemente en un mundo habitado por cajas cuadradas o rectangulares, cuñas o pirámides, o alguna combinación de dichas formas elementales. Este programa está basado en las propiedades geométricas fundamentales de los objetos para predecir cómo aparecerán en la imagen. Seguidamente, el dibujo se analiza para verificar las predicciones (por ejemplo, se asume que dos triángulos adyacentes deben ser caras de una pirámide). El programa considera también las distorsiones debidas a la perspectiva.
Otros programas toman en consideración las características del fondo de la escena (que podría inducir a confusiones), y elementos tales como la luz y el sombreado. La finalidad de casi todos estos programas es identificar objetos y escenas definidas por líneas rectas: las curvas son más problemáticas. Se ha sugerido que la investigación sobre visión artificial se puede ver obstaculizada si se concentra demasiado en el estudio de croquis. El ojo se preocupa menos de las líneas que de los colores, texturas, movimientos, posiciones relativas, etc. Posiblemente la investigación futura aprovechará las posibilidades inherentes de los sistemas basados en conocimientos. Sabemos, por ejemplo, que en el hombre el reconocimiento visual está muy relacionado con la memorización masiva de información. Nuestra visión está determinada por nuestras capacidades computacionales y experiencia acumulada. Los ordenadores aumentarán su eficiencia visual cuando adopten estrategias similares. Puede ser útil para los ordenadores organizar, por ejemplo, sus prioridades visuales como las de los humanos. Tendemos a fijarnos preferentemente en los elementos más significativos de una escena, no en las minucias (aunque podemos centrarnos en cualquier objeto en caso necesario). Nuestras preocupaciones influyen lo que vemos. La atención, influida por determınadas pautas, puede variar el enfoque, y esta común circunstancia puede influir dramáticamente en la visión. Los ordenadores podrían aprender a centrar su atención en aspectos particulares de una escena, dependiendo de los objetivos prevalentes de la tarea a ejecutar.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
