Una nueva aplicación de la fotografía computacional, o mejor dicho, del proceso digital de imágenes, es el reconstruir una imagen que es reflejada por un objeto brillante rugoso (es decir, simplemente no liso). Bien puede verse como una aplicación en la teoría del proceso de señales. Una señal se transforma de tal manera, que no se puede sacar provecho de ella. Para restaurar la señal a su estado original, se necesita una transformación inversa. La gran dificultad es que en muchas ocasiones no hay una transformación ideal, sino simplemente aproximaciones.

En el caso que no ocupa, si se tiene una imagen que se ve por reflexión desde una superficie brillante -técnicamente, conteniendo facetas especulares (como pequeños espejos) con orientaciones al azar- lo que veremos es una sombra borrosa de la imagen original. Esto tiene lógica si consideramos que la luz que llega a nuestros ojos de esta imagen se lanza azarosamente a todas partes por la superficie. Vamos, la imagen está por decirlo de alguna manera, revuelta.

Para quitar esta revoltura a la imagen, se necesita una transformación inversa, la cual los investigadores del MIT, Zhengdong Zhang, Phillip Isola y Edward H. Adelson explican cómo obtenerla. En resumen esto es lo que se necesita:

• Si la imagen es reflejada de un espejo plano, los rayos deberían llegar para formar una imagen
• Si la imagen es en cambio, reflejada desde un espejo astillado, roto, los rayos de luz entonces llegarán a diferentes partes.
• La clave es que esto puede ser considerado una transformación lineal de la imagen, lo cual hace las cosas mucho muy simples.

Para crear una transformacióin inversa lo que hay que hacer es investigar el sistema desplegando imágenes de prueba y ver los resultados de esto. De esta información se puede trabajar en cómo la superficie mezcla los rayos y así derivar una transformación inversa. Por ejemplo, si la imagen de prueba es un solo punto de luz, este rebotará en un pequeño número de espejitos y creará una imagen con pequeños pixeles de brillo. Ya con esto podemos tener entonces la transformación inversa: Hay que repetir esto para todos los pixeles en la imagen y completar su transformación inversa. El método actual usa muchas imágenes de prueba que incluyen cada pixel más de una vez para minimizar el ruido. La transformación inversa se puede encontrar con la técnica de mínimos cuadrados.

Hay sin embargo un gran problema con este método es que es muy sensible a no quedar correctamente alineado. Simplemente el recorrer un solo pixel la imagen hace que la reconstrucción sea mucho peor. De hecho, esto podría hacer imposible la reconstrucción en algunas situaciones, pero aún así, los investigadores piensan que se puede buscar la mejor imagen para la reconstrucción desplazando de diferentes formas la imagen que quiere reconstruirse. Las aplicaciones obvias son para vigilancia, por ejemplo, aunque desde luego, todavía todo esto es experimental.

Referencias:

Sparkle Vision: Seeing the World through Random Specular Microfacets
i-programmer