SECCION 6. BIBLIOTECA DIGITAL DEL CARIBE (dloc) Teoría y Especificaciones. En esta Sección

Transcripción

1 SECCION 6 Teoría y Especificaciones En esta Sección Como ven las computadoras Incluyendo profundidad de bits Color y Tono Seleccionando el color y profundidad de bits apropiado Resolución Guardando Archivos y Compresión de Imágenes 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.1

2 Teoría y Especificaciones Como ven las Computadoras Mecánicas Básicas Ya sabemos que las computadoras son maquinas, y la forma por cual pueden ver puede ser muy complicada. Por ejemplo, una imagen digitalizada por un escáner plano se convierte a través del proceso siguiente: Source of Image: The Digital Image (by the Technical Advisory Service for Images) 1. Un documento se pone boca abajo en el cristal del escáner. 2. Una lámpara dentro del escáner ilumina el documento. 3. El documento refleja la luz cual es reflejada en un espejo y después reflejada en un prisma. 4. El prisma separa la imagen en un espectro de luz completo dirigido hacia un lente. 5. El lente entonces dirige el espectro completo de luz sobre un dispositivo acoplado cargado (CCD). 6. El CCD es un sensor de imagen cual contiene una serie de equipos sensibles a la luz, llamados elementos de imágenes o píxeles, cuales convierten la imagen a una serie de información. 7. Un equipo de colección automática de información (ADC) colecciona píxel por píxel esta información. El ADC entonces convierte la información de la imagen a información numérica. 8. Esta información numérica es entonces enviada a la Unidad Central de Procesamiento (CPU), cual la hace disponible a los programas instalado en la computadora. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.2

3 Este proceso es parecido al proceso del ojo humano, donde la luz reflejada de un objeto pasa a través del lente a la retina, donde la información es transferida como una serie de pulsos electrónicos al cerebro. Profundidad de Bits Si simplificamos el proceso: Las computadoras solamente ven números. Los únicos números que ven son 1 y 0. Los 1s y 0s pueden representar imágenes, letras, números, etc. Los números se llaman dígitos binarios o bits. Digamos que el número 0 representa el color negro y el número 1 representa el color blanco. En la imagen a la izquierda, podemos ver una letra A negra. Esta imagen monocromática es 15 bits ancho por16 bits altos. La imagen de la letra A es representada por la secuencia siguiente: La previa letra A, es la forma más simple en demostrar cómo los bits son una imagen. Esta imagen de la letra A es monocromática. Si le agregamos color y descripciones la imagen es mucho mas complicada. Para mantenerlo lo más simple posible, digamos que la profundidad de bits es el número de 1s y de 0s utilizados para representar cualquier píxel. Esta serie de números el la descripción codificada de un tono o color. En la digitalización normalmente se habla de tres niveles de profundidad de bits: 1 Bit, 8 Bit, y 24 Bit. Algunas veces también se hable de imágenes en 16 Bit y 48 Bit. Bitonal, o blanco y negro, se refiere a una imagen de 1 Bit. Los píxeles de esta imagen constan 1 Bit cada uno y representan dos tonos, típicamente blanco y negro. Escala de Grises se refiere a una imagen de 8 Bit, aunque una imagen de 8 bit también puede representar un espectro muy limitado de color. En la mayoría de los equipos de digitalización una imagen de 8 bit siempre es en escala de grises. Los píxeles de una 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.3

4 imagen de 8 bit son representados por ejemplo, por la serie siguiente: Imágenes de 8 bit pueden tener un máximo de 255 tonos o colores. Color Real o color se refiere a una imagen de 24 Bit. Los píxeles de una imagen de 24 Bit son representados por una series de 24 bits. Imágenes de 24 Bit pueden tener un máximo de 16,777,216 tonos o colores. Muchos especialistas de digitalización usan 16 millones en vez del numero entero. El color en una imagen de 24 Bit también tiene otra parte: canales. Porque los colores en las imágenes digitales es frecuentemente una combinación de tres colores: Rojo, Verde y Azul, los 24 bits se dividen en tres canales de 8 Bit, un canal por cada combinación de color. En la mayoría de escáneres una imagen de 24 Bit es a color con 8 bits por canal. Color y Tono La veracidad del color es extremadamente importante para la reproducción exacta del documento. La digitalización exacto requiere un entendimiento básico de colores y como los colores impresos son diferentes a los colores en pantalla o digitales. La diferencia mas grande es el tipo de papel en cual la imagen esta impresa. También es importante la calibración del equipo o, por lo menos, entendiendo los colores. Colores Impresos El papel se usa para imprimir y la mayoría de los papeles son blancos. Esto es obvio: el blanco ya existe, hay que crear lo negro. La mayoría de las imprentas usan cuatro colores para imprimir: cyan, magenta, amarillo y negro. Algunas impresoras para uso en casa usan tres colores: cyan, magenta y amarillo. Las combinaciones de estos colores crean otros colores y estos tres colores juntos, especialmente imprimiendo en tres colores, crean el color negro. Colores Digitales La tecnología digital es bastante diferente, y en muchas formas lo opuesto, a la tecnología de impresa. La pantalla es el papel digital. La mayoría de las pantallas son negras - piense se ellas apagadas. El color negro ya existe y hay que crear el color blanco. La tecnología digital usa tres colores: rojo, verde y azul. Se refiere a cada color como un canal (también vea profundidad de bits). Rojo, verde y azul son los colores que usan las pantallas de tubo de rayos catódicos (CRT) 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.4

5 para crear una imagen. La combinación de estos colores crea otros colores y estos tres colores juntos crean el color blanco. Diferentes tipos y perfiles de colores se usan para crear el color en pantalla. El tipo de color usado más frecuente en la digitalización y requerido por dloc es el srgb, o Rojo/Verde/Azul. El tipo de color srgb fue diseñado para ser igual a las pantallas de CRT. Usando srgb asegura que las imágenes se vean con veracidad, si la pantalla esta calibrada apropiadamente (vea la sección 8 para más información). Métricas de Color Para asesorar la calidad de imagen, los colores digitales se pueden medir. Tres colores controlados blanco, negro y rojo se miden usando escalas estándares como la siguiente. Objetivo de Escala de Grises: usada para medir blanco y negro. Objetivo de Escala de Color: usada para medir blanco, negro y rojo. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.5

6 Objetivo Q60 combina las escalas de grises y de colores. Este objetivo es estándar de acuerdo al Estándar Americano Nacional IT8.7/1. La herramienta de cuentagotas en Adobe Photoshop se puede usar para medir el valor de un color (para describir el color numéricamente). Los valores estándares de los colores controlados se encuentran en la tabla siguiente. C ANAL R OJO C ANAL V ERDE C ANAL A ZUL B LANCO C OLOR C ONTROLADO R OJO C OLORC ONTROLADO NEGRO C OLOR C ONTROLADO Cuando se miden los colores fuera del objetivo estándar, los valores serán diferentes. Cuando se miden los colores controlados en el objetivo estándar, los valores de cada canal no deben ser ±10 de los números previos. Valores aceptables por canal para dloc B LANCO R OJO N EGRO C ANAL R OJO C ANAL V ERDE C ANAL A ZUL , Biblioteca Digital del Caribe, Todos los derechos reservados. 6.6

7 dloc recomienda la calibración frecuente de todos los equipos de digitación, incluyendo escáneres y monitores. Cuando compre un escáner, compre uno que viene con un programa de calibración. dloc también recomienda los siguientes pasos para asegurar la veracidad de color en los monitores. Use el programa de Adobe Gamma Este programa viene con Adobe Photoshop y Adobe Elements. Otros programas parecidos también vienen con otros programas de edición. Use luz indirecta en las áreas de digitalización y control de calidad La luz externa influencia el ojo humano y puede impactar negativamente el asesoramiento de imágenes. Llene las áreas de digitalización y control de calidad con colores neutros Los colores alrededor de uno influencia el ojo y pueden impactar negativamente el asesoramiento de imágenes. Programa de Calibración del Monitor Este programa asesora los colores de la pantalla y se tiene que comprar por separado. Seleccionando el Color y Profundidad de Bits Apropiado Imagen de 1 Bit Imagen de 8 Bit Imagen de 24 Bit dloc recomienda que no se digitalice imágenes de 1 Bit. Imágenes de 1 Bit, hasta en alta resolución (vea Resolución, siguiente), están frecuentemente demasiadas pixeladas (pixelated). Las imperfecciones, o manchas, de la página aparecen como manchas sólidas negras, cubriendo el texto. En la imagen de arriba de 1 Bit, las imperfecciones del papel y el texto transferido del otro lado, cubren el texto. Si el texto está cubierto es más difícil obtener buenos resultados del programa de Reconocimiento Óptico de Caracteres (OCR). Por esta razón dloc recomienda la digitalización a 8 Bit o 24 Bit, usando la cual sea mas apropiada. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.7

8 Imagen de 8 Bit Imagen de 24 Bit Cuál es más apropiado? La imagen de 8 Bit graba la información textual y el usuario puede leer ese texto. La imagen tiene que proveer más? Investigadores de textos religiosos en latín, como las imágenes de arriba, saben que el texto en rojo son instrucciones para los feligreses, comentario sobre el sermón, o el narrativo del sacerdote y no las respuestas de la congregación. dloc tiene la política de preservación de color de importancia. Color de importancia es color necesario para la interpretación del documento. En el caso de un periódico con imágenes a color, una imagen a color acompañando un artículo demuestra color de importancia, mientras que un anuncio a color no tiene esa importancia. Es verdad que Lo más alto que sea la profundidad de bits, lo más grande que sea el archivo. Pero, se recomienda que los técnicos de digitalización produzcan imágenes cuales satisfacen las necesidades del usuario y no las necesidades de ahorrar espacio. Resolución La resolución de una imagen se explica en términos de píxeles. Un píxel es un elemento de imagen, o pequeños cuadrados de color o tono, cuales juntos con otros elementos forman una imagen digital. Escudo de Trinidad y Tobago (La caja negra contiene el área aumentada.) Píxeles en el ala del pájaro rojo. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.8

9 O O RESOLUCIÓN 300 píxeles por pulgada (ppi) 118 píxeles por centímetro (ppc) 600 píxeles por pulgada (ppi) 236 píxeles por centímetro (ppc) USO Texto impreso con caracteres de tamaño normal Documentos y mapas sobre grandes Manuscritos con letras legibles Fotografías y ciertos artes gráficos Texto impreso con caracteres bien pequeños Manuscritos cuales son difíciles de leer El requisito mínimo de dloc para texto de tamaño normal es 300 ppi o 118 ppc. Esto está basado en las características de graficas impresas y pruebas de reconocimiento óptico de caracteres. 300 ppi / 118 ppc El razonamiento para graficas impresas Generalmente, la resolución de graficas impresas no excede 300 píxeles por pulgada (dpi) o 118 píxeles por centímetro (dpc). Puntos por pulgada/ centímetro son equivalentes a píxeles por pulgada/ centímetro así que la comparación es apropiada. Logo de Carifesta 72 logo impreso en el periódico de Guyana, Sunday Post and Weekend Argosy (La caja roja contiene el área aumentada.) Puntos replicando los rayos del sol. Por ejemplo, las graficas impresas en periódicos, frecuentemente tienen dpi (32-40 dpc). La mayoría de graficas en revistas son impresas en 120 dpi (48 dpc) mientras que las graficas en revistas de alta calidad y en postales son impresas en 300 dpi (118 dpc). 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.9

10 Digitalización de graficas impresas, a una resolución más alta que 300 ppi (118 ppc) sería excesivo. Una Distracción Breve Programas de Edición de Imágenes tienen métodos para nublar (blur) (e.g., Gaussian Blur) cuales convencen al ojo humano que la imagen es una fotografía (i.e., imagen de tonos continuos) en vez de una serie de puntos. Por ejemplo, estas imágenes: IMAGEN DIGITALIZADA IMAGEN E DITADA / GAUSSIAN B LUR dloc recomienda que la herramienta de nublar no se use. Nosotros queremos archivar 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.10

11 imágenes con veracidad al original. Además, cuando las imágenes se rebajan para ver en Internet, naturalmente se nublan un poco por causa del proceso de reducción. Adicionalmente, cuando se aplica la herramienta de nublar a texto, la exactitud de los resultadazos de OCR disminuye. El Razonamiento del Reconocimiento Óptico de Caracteres (Creación de Texto) Cuando se digitaliza un documento se crea una imagen de ese documento. Todas las imágenes de páginas de texto se mandan al servidor central de dloc para reconocimiento óptico de caracteres (OCR). OCR es un proceso por cual las imágenes de una página se convierten a texto buscable. Varios programas de OCR son comunes. La mayoría de estos programas están optimizados para la conversión de imágenes a 200, 300, 400 o 600 ppi (80, 118, 158 o 236 ppc). Las imágenes de otra resolución pueden ser convertidas pero generalmente los resultados no son tan exactos. H Impresa Texto digitalizado es mas cercano al texto original cuando aumenta la resolución Resolución y Veracidad de OCR en Imágenes de Alto Contraste 75 ppi 150 ppi 300 ppi 600 ppi resultados de OCR resultados de OCR resultados de OCR resultados de OCR L ~ic ud L~ddPa Label C of d Laid Pa Label C of d Laid Pa Label C of d Laid Pa 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.11

12 La importancia de la Profundidad de Bits en el Reconocimiento de la palabra Feltis cual significa bondad en Latín Imagen de 1 Bit Esta letra puede ser cualquiera de las siguientes: c e o - 0 Si la letra se reconoce como una o, la palabra lee foltis, cual significa hinchado Imagen de 8 Bit Esta letra puede ser cualquiera de las siguientes: c e o 0 Pero la letra e es casi legible. Imagen de 24 Bit Esta letra puede ser cualquiera de las siguientes: c e o 0 Pero la letra e es la mas probable. Los servidores centrales de dloc usan el programa de OCR, Prime Recognition, cual tiene seis procesadoras de OCR para asegurar el nivel más alto de conversión exacta. Para textos con caracteres de tamaño normal, adornados (serif) o sin adornos (sans serif), pruebas demuestran que el texto impreso modernamente se reconoce con buenos resultados a 200 ppi (80 ppc). Los estándares de dloc son mas altos, 300 ppi (118 ppc), para texto impreso de tamaño normal para compensar el uso ocasional de caracteres pequeños o papeles viejos y manchados. En pruebas, la digitalización de texto normal en resoluciones más altas (600 ppi/236 ppc), generalmente no aumenta la exactitud de conversión. La resolución más alta (600 ppi/236 ppc) solamente aumenta la exactitud de conversión cuando el documento original contiene caracteres muy pequeños. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.12

13 600 ppi / 236 ppc dloc recomienda digitalizando a 600 ppi (236 ppc) solamente cuando el texto original es muy pequeño o cuando digitalizando fotografías y manuscritos cuales son difíciles de leer. El Razonamiento de las Fotografías Las fotografías tienen tonos continuos. En el documento original, los tonos se mezclan con otros tonos cercanos. Imágenes con tonos continuos se pueden digitalizar a cualquier resolución, pero dloc recomienda 600 ppi (236 ppc) para facilitar otros usos especiales de la imagen. Usuarios de fotografías digitales frecuentemente usan la imagen para investigar sujetos individuales y no la foto entera. Un usuario quizás querrá concentrarse en una joya o un peinado en una foto de una mujer en la calle. Los servidores centrales de dloc usan la tecnología de JPEG 2000 para facilitar este aumento en tamaño. Las imágenes digitalizadas a 600 ppi (236 ppc) producen imágenes cuales son mas fáciles de ver y leer que las imágenes a 300 ppi (118 ppc). Guardando Archivos y la Compresión de Imágenes Una vez que se crea la imagen digital, hay que guardar el archivo. El técnico de digitalización prefiere no disminuir la calidad de imagen guardando y comprimiendo el archivo. TIFF JPEG GIF El archivo TIFF contiene toda la información en la imagen. El archivo JPEG comprime la imagen y pierde información, se ve aquí en las hojas. El archivo GIF comprime la imagen mas todavía, se ve aquí en los bloques de color. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.13

14 Guardando Archivos Para guardar la imagen el técnico tiene la opción de cual tipo de archivo usar. Normalmente esta opción incluye GIF, JPEG y TIFF. GIF y JPEG (algunas veces llamado: JPG) son formatos disponibles en el Internet. dloc crea estos archivos en formato secundario, de los archivos originales (TIFF), para las instituciones participando en el proyecto. Las instituciones cuales no están participando o no están usando el servidor central de dloc deben hacer lo mismo. En la comunidad internacional de bibliotecas digitales, solamente el archivo TIFF (algunas veces llamado: TIF; Tagged Image File Format) se considera de calidad para archivar. El archivo TIFF también es el único que se puede usar como imagen original. La mayor razón por esto es la compresión de la imagen. La imagen previa demuestra los problemas de compresión. Requisitos de dloc para Archivos Originales. Guarde un archivo original de formato TIFF sin compresión, de acuerdo a la versión corriente (versión 6.0, 2006). Para mas información vea: Compresión de Imagen Cuando se guarda una imagen, frecuentemente sin importancia del formato, la computadora le dará la oportunidad de comprimir la imagen. La compresión ahorra espacio pero los efectos de la compresión no son deseados. Hay dos tipos de compresión: con pérdida ( lossy ) y sin perdida ( lossless ). Compresión sin perdida no tiene sentido. Técnicamente, una imagen sin perdida no este comprimida. Una imagen sin perdida contiene toda la información creada durante la digitalización. Vamos a simplificarlo: cuando el escáner graba la serie de bits el archivo sin perdida guarda Aunque estos archivos son más grandes, también son ideales para archivar. Compresión con perdida trata de eliminar información redundante o innecesaria y guarda una representación matemática de la información eliminada. Vamos a simplificarlo: cuando el escáner graba la serie de bits el archivo con perdida guarda una representación de 4. Porque los archivos con pérdida son más pequeños, se pueden transmitir a usuarios a través del Internet rápidamente. El ojo humano compensa la perdida, llenando las áreas vacías. Pero, porque se pierde parte de la imagen, si hay que recuperarla es muy difícil y caro y algunas veces hasta imposible. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.14

15 Los Efectos de la Compresión 0% Compresión 9 KB tamaño de archivo No hay artefactos de imagen. Enseñado aquí: Como digitalizado originalmente y con color aumentado. 50% Compresión 5 KB tamaño de archivo Artefactos de imagen aparecen como áreas descoloridas en la nariz, y bloques de color en el templo. Enseñado aquí: Como digitalizado originalmente y con color aumentado. 85% Compresión 3 KB tamaño de archivo Artefactos de imagen aparecen como bloques descoloridos. La compresión reúne colores similares y resulta en los bloques. Enseñado aquí: Como digitalizado originalmente y con color aumentado. 2007, Biblioteca Digital del Caribe, Todos los derechos reservados. 6.15