Una imagen es una matriz
Una imagen en escala de grises es esencialmente un arreglo NumPy bidimensional. Al aplicar transposición, volteo, recorte o convolución a la matriz, la imagen cambia en consecuencia.
Después de completar este caso de estudio, entenderás:La base del procesamiento de imágenes es el álgebra lineal; una matriz es una tabla de números.
Introducción desde la vida cotidiana
Los cuadros de píxeles de una fotografía
Amplía una foto de tu teléfono, y amplíala más, hasta que puedas ver pequeños cuadrados. Cada cuadrado tiene un único valor de color: 0 representa negro puro, 255 blanco puro, y los números intermedios son diferentes tonos de gris.
Toda la foto es un arreglo rectangular de estos pequeños cuadrados: lo que los matemáticos llaman «matriz»」。
Comprensión intuitiva
Una matriz no es un concepto profundo: es simplemente una tabla llena de números.
Por ejemplo, esta matriz \(3 \times 3\), donde cada número representa el brillo de un píxel (0 es el más oscuro, 1 el más brillante):
Con esta idea en mente, las diversas operaciones del procesamiento de imágenes resultan evidentes:
Cuando haces clic en un botón en Photoshop, detrás de escena NumPy está operando sobre un arreglo bidimensional.
Definición matemática
Una imagen en escala de grises de \(H \times W\) se puede representar como una matriz de números reales:
\[ M \in \mathbb{R}^{H \times W}, \quad M_{ij} \in [0, 1] \]donde \(M_{ij}\) representa el valor de brillo del píxel en la fila \(i\), columna \(j\).
Conceptos clave de las operaciones con matrices:
| Operación | Expresión matemática | Notación en NumPy | Efecto en la imagen |
|---|---|---|---|
| Transposición | \(M^T_{ij} = M_{ji}\) | img.T | Intercambiar filas y columnas, voltear a lo largo de la diagonal |
| Volteo horizontal | \(M'_{ij} = M_{i, W-1-j}\) | img[:, ::-1] | Invertir el índice de las columnas |
| Volteo vertical | \(M'_{ij} = M_{H-1-i, j}\) | img[::-1, :] | Invertir el índice de las filas |
| Desenfoque promedio | \(M'_{ij} = \frac{1}{k^2}\sum_{p,q} M_{i+p, j+q}\) | Ventana deslizante calculando mean() | Reemplazar cada píxel por el promedio de su vecindad |
La operación de «ventana deslizante» utilizada en el desenfoque promedio es, en esencia, el germen de laconvolución— la operación central de las redes neuronales convolucionales (CNN).
Práctica con Python
Genera una imagen sintética en escala de grises y utiliza operaciones de arreglos NumPy para implementar transposición, volteo, recorte y desenfoque por convolución escrito a mano.
Ejemplo
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import os
# Crear el directorio de salida
OUT = os.path.join(os.path.dirname(os.path.abspath(__file__)), "outputs")
os.makedirs(OUT, exist_ok=True)
# 1. Generar una imagen sintética en escala de grises: gradiente diagonal + cuadrado brillante en el centro
size = 64
img = np.zeros((size, size))
for i in range(size):
for j in range(size):
img[i, j] = (i + j) / (2 * size) # Gradiente diagonal de oscuro a claro
img[20:44, 20:44] += 0.6 # Agregar un cuadrado brillante en el centro
img = np.clip(img, 0, 1) # Limitar al rango [0, 1]
print("EJEMPLO Forma de la matriz de imagen (shape):", img.shape)
print("Primeros 3x3 de la matriz de imagen:"\n", np.round(img[:3, :3], 3))
# 2. Operaciones con matrices = transformación de imágenes
img_transpose = img.T # Transposición: intercambiar filas y columnas
img_flip_lr = img[:, ::-1] # Espejo horizontal: invertir índices de columnas
img_flip_ud = img[::-1, :] # Espejo vertical: invertir índices de filas
img_crop = img[10:54, 10:54] # Recorte: usar segmentos (slices) para obtener una submatriz
# 3. Desenfoque promedio escrito a mano (núcleo de convolución 5x5, sin usar OpenCV)
def box_blur(mat, k=5):
"""Aplicar desenfoque promedio a la matriz con una ventana deslizante de k x k"""
pad = k // 2
# Rellenar los bordes con valores de borde (edge padding)
padded = np.pad(mat, pad, mode="edge")
out = np.zeros_like(mat)
for i in range(mat.shape[0]):
for j in range(mat.shape[1]):
# Tomar la vecindad de k x k y calcular el promedio
out[i, j] = padded[i:i+k, j:j+k].mean()
return out
img_blur = box_blur(img, k=5)
print("EJEMPLO Primeros 3x3 de la matriz después del desenfoque:"\n",
np.round(img_blur[:3, :3], 3))
# 4. Guardar el gráfico comparativo de visualización
fig, axes = plt.subplots(2, 3, figsize=(12, 8))
titles = ["Imagen original (matriz)", "Transposición img.T",
"Espejo horizontal img[:, ::-1]",
"Espejo vertical img[::-1, :]",
"Recorte img[10:54, 10:54]",
"Desenfoque promedio (convolución 5x5)"]
images = [img, img_transpose, img_flip_lr,
img_flip_ud, img_crop, img_blur]
for ax, title, im in zip(axes.flat, titles, images):
ax.imshow(im, cmap="gray", vmin=0, vmax=1)
ax.set_title(title, fontsize=11)
ax.axis("off")
plt.tight_layout()
plt.savefig(os.path.join(OUT, "01_image_as_matrix.png"), dpi=130)
print(f"\n"EJEMPLO El resultado de la visualización se ha guardado en {OUT}/01_image_as_matrix.png")
EJEMPLO 图像矩阵形状 (shape): (64, 64) 图像矩阵前 3x3 部分: [[0. 0.008 0.016] [0.008 0.016 0.023] [0.016 0.023 0.031]] EJEMPLO 模糊后矩阵前 3x3 部分: [[0.009 0.011 0.013] [0.01 0.013 0.016] [0.011 0.016 0.021]] EJEMPLO 可视化结果已保存到 .../outputs/01_image_as_matrix.png
Se puede ver que, después del desenfoque, las diferencias de valores entre píxeles adyacentes se reducen — esta es precisamente la esencia matemática del «desenfoque»:Reemplazar el valor del píxel original por el promedio de su vecindad。
Casos de uso en IA
| Escenario de IA | Cómo se utilizan las matrices |
|---|---|
| Red neuronal convolucional (CNN) | La entrada es un tensor de orden 4 formado por un lote de imágenes (batch, H, W, C); cada capa desliza núcleos de convolución (pequeñas matrices) sobre la entrada. |
| Aumento de datos (Augmentation) | Durante el entrenamiento, se voltean, rotan y recortan imágenes aleatoriamente — todo son operaciones matriciales para ampliar el conjunto de entrenamiento. |
| Preprocesamiento de imágenes | Antes de enviarlas al modelo, se recortan uniformemente a un tamaño fijo (por ejemplo, 224x224) — es decir, segmentación (slicing) y escalado de matrices. |
| Transferencia de estilo | Representar la imagen como una matriz de características y alterar las características de «estilo» mediante operaciones matriciales. |
Otras extensionesEl ndarray de NumPy y el Tensor de PyTorch son, en esencia, la misma cosa: una tabla multidimensional de números. Si entiendes las matrices, entiendes la estructura de datos más básica de los marcos de aprendizaje profundo.