🔸 Introducción

En el procesamiento de imágenes, una mejora efectiva del contraste en imágenes a color puede transformar fotografías oscuras y de bajo contraste en imágenes vibrantes y detalladas. En esta clase, exploraremos un algoritmo para mejorar imágenes a color utilizando el espacio HSV, preservando los colores originales y ajustando únicamente la luminosidad.

En esta clase aprenderás:

Por qué el espacio RGB no es el más adecuado para mejorar imágenes a color.
Cómo utilizar el espacio HSV para preservar colores originales y mejorar el contraste.
Los pasos necesarios para implementar el mejoramiento de imágenes a color.

📘 Fundamento Teórico

📖 General

📄 Problemas en el Espacio RGB

Independencia de los canales:
- En RGB, cada píxel se descompone en tres componentes independientes: rojo, verde y azul.
- La ecualización de cada canal por separado puede alterar los colores originales, generando resultados no deseados (e.g., cabello verde).
Subutilización del histograma:
- En imágenes oscuras, los valores RGB suelen ocupar solo una fracción del rango total (0-255), resultando en un bajo contraste.
Limitación del modelo:
- El espacio RGB no considera la relación entre los colores, dificultando la preservación de los tonos originales al realizar ajustes.

📄 Solución: Uso del Espacio HSV

Componentes del espacio HSV:
- Hue (H): Representa el tono de color (e.g., rojo, azul).
- Saturation (S): Mide la pureza o intensidad del color.
- Value (V): Representa la luminosidad o brillo.
Ventajas del espacio HSV:
- Permite separar el color (H, S) de la luminosidad (V), facilitando el ajuste del contraste sin alterar los tonos originales.
Proceso de mejoramiento:
- Convertir la imagen de RGB a HSV.
- Ecualizar únicamente el canal V para aumentar el contraste.
- Reconvertir la imagen de HSV a RGB, manteniendo H y S originales.