Técnicas de corrección del sombreado en imágenes digitales utilizando enfoques de inteligencia artificial

Ponente(s): José Luis López Martínez, Marinthia Alejandra Cetz Navarro, Manuel Alejandro Coronado Arjona

Las variaciones de iluminación en imágenes digitales afectan su análisis, impactando áreas como medicina, biología, seguridad entre otras. El procesamiento digital de imágenes (PDI) permite aplicar métodos de corrección de sombreado, siendo esencial desarrollar algoritmos que mitiguen los efectos de iluminación desigual para mejorar la calidad visual. Tradicionalmente, se han usado enfoques analíticos basados en modelos matemáticos; sin embargo, el avance del hardware ha impulsado la inteligencia artificial, destacando las redes neuronales, que simulan el cerebro humano. En particular, las redes neuronales convolucionales (CNN) han mostrado gran eficacia en el análisis y mejora de imágenes, al aprender automáticamente patrones a partir de grandes conjuntos de datos. En este trabajo, se creó un conjunto de imágenes artificialmente degradadas mediante un modelo de iluminación con función gradiente, usado para entrenar una CNN en Google Colab, utilizando Python y PyTorch. Se presentan algunos resultados obtenidos y una comparación con métodos clásicos de corrección de sombreado.