{"id":35473,"date":"2019-10-31T22:04:32","date_gmt":"2019-10-31T19:04:32","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novaya-statya-vychislitelnaya-fotografiya\/"},"modified":"2019-10-31T22:04:32","modified_gmt":"2019-10-31T19:04:32","slug":"novaya-statya-vychislitelnaya-fotografiya","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/novaya-statya-vychislitelnaya-fotografiya","title":{"rendered":"Nuevo art\u00edculo: Fotograf\u00eda Computacional","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>El original del art\u00edculo se encuentra en el sitio web <noindex><a rel=\"nofollow noopener noreferrer\" href=\"https:\/\/vas3k.ru\/\" target=\"_blank\">Vastrik.ru<\/a><\/noindex>&nbsp;y fue publicado en 3DNews con el permiso del autor. Presentamos el texto completo del art\u00edculo, exceptuando una gran cantidad de enlaces, que ser\u00e1n \u00fatiles para quienes est\u00e9n realmente interesados en el tema y deseen estudiar los aspectos te\u00f3ricos de la fotograf\u00eda computacional m\u00e1s a fondo, pero para la audiencia general consideramos que este material era excesivo.&nbsp;&nbsp;<\/p>\n<p>Hoy en d\u00eda, ninguna presentaci\u00f3n de un smartphone se lleva a cabo sin que se alabe su c\u00e1mara. Cada mes escuchamos sobre el \u00faltimo \u00e9xito de las c\u00e1maras m\u00f3viles: Google ense\u00f1a al Pixel a tomar fotos en la oscuridad, Huawei hace zoom como un binocular, Samsung incorpora lidar, y Apple crea los bordes m\u00e1s redondeados del mundo. En ning\u00fan lugar es tan evidente el flujo de innovaciones.<\/p>\n<p>Las c\u00e1maras r\u00e9flex, por otro lado, parecen estar estancadas. Sony cada a\u00f1o sorprende a todos con nuevos sensores, mientras que los fabricantes actualizan perezosamente el \u00faltimo n\u00famero de la versi\u00f3n y contin\u00faan relaj\u00e1ndose al margen. Tengo una r\u00e9flex que cuesta $3000 en mi escritorio, pero en mis viajes llevo un iPhone. \u00bfPor qu\u00e9?<\/p>\n<p>Como dec\u00eda el cl\u00e1sico, sal\u00ed a internet con esta pregunta. All\u00ed se discuten algunos 'algoritmos' y 'redes neuronales', sin tener idea de c\u00f3mo impactan espec\u00edficamente en la fotograf\u00eda. Los periodistas recitan en voz alta la cantidad de megap\u00edxeles, los bloggers se dedican a hacer unboxing patrocinados, y los estetas se sumergen en 'la percepci\u00f3n sensorial de la paleta de colores del sensor'. Todo como de costumbre.<\/p>\n<p>Tuve que sentarme, gastar media vida y resolver todo por mi cuenta. En este art\u00edculo, compartir\u00e9 lo que descubr\u00ed.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044f?\" href=\"#\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044f?\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>\u00bfQu\u00e9 es la fotograf\u00eda computacional?<\/h2>\n<p>En todas partes, incluyendo Wikipedia, dan aproximadamente la siguiente definici\u00f3n: fotograf\u00eda computacional es cualquier t\u00e9cnica de captura y procesamiento de im\u00e1genes donde, en lugar de transformaciones \u00f3pticas, se utilizan c\u00e1lculos digitales. Est\u00e1 bien, excepto que no explica nada. Se puede aplicar incluso al autofoco, pero no incluye la \u00f3ptica de plenoscop\u00eda, que ya nos ha tra\u00eddo muchas cosas \u00fatiles. La vaguedad de las definiciones oficiales sugiere que no tenemos idea de lo que estamos hablando.<\/p>\n<p>El pionero de la fotograf\u00eda computacional, el profesor de Stanford Marc Levoy (quien ahora tambi\u00e9n est\u00e1 a cargo de la c\u00e1mara en Google Pixel), presenta otra definici\u00f3n: un conjunto de m\u00e9todos de visualizaci\u00f3n por computadora que mejoran o ampl\u00edan las capacidades de la fotograf\u00eda digital, a trav\u00e9s de los cuales se logra una fotograf\u00eda convencional que no podr\u00eda haber sido capturada t\u00e9cnicamente de la manera tradicional con esa c\u00e1mara. En este art\u00edculo sigo precisamente su definici\u00f3n.<\/p>\n<p>As\u00ed que la culpa la tuvieron los smartphones.<\/p>\n<p style=\"text-align: center;\">Los smartphones no tuvieron otra opci\u00f3n que dar vida a un nuevo tipo de fotograf\u00eda: la computacional.<\/p>\n<p>Sus peque\u00f1os sensores ruidosos y sus diminutas lentes poco luminosas, por todas las leyes de la f\u00edsica, deber\u00edan haber tra\u00eddo solo dolor y sufrimiento. Y lo hicieron, hasta que sus desarrolladores ingeniosamente decidieron aprovechar sus fortalezas para combatir sus debilidades: r\u00e1pidos obturadores electr\u00f3nicos, potentes procesadores y software.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/9735433adae34a087804b604eff125d4.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La mayor\u00eda de las investigaciones destacadas en el campo de la fotograf\u00eda computacional datan de 2005 a 2015, lo que en ciencia se considera literal y figurativamente ayer. En este momento, ante nuestros ojos y en nuestros bolsillos, est\u00e1 emergiendo una nueva rama del conocimiento y la tecnolog\u00eda que nunca antes existi\u00f3.<\/p>\n<p>La fotograf\u00eda computacional no es solo un selfie con un bokeh neuronal. La reciente fotograf\u00eda de un agujero negro no hubiese sido posible sin los m\u00e9todos de la fotograf\u00eda computacional. Para obtener una imagen as\u00ed con un telescopio convencional, tendr\u00edamos que hacerlo del tama\u00f1o de la Tierra. Sin embargo, al combinar datos de ocho radiotelescopios en diferentes puntos de nuestro planeta y escribiendo unos scripts en Python, logramos la primera fotograf\u00eda del horizonte de eventos en el mundo. Tambi\u00e9n sirve para selfies.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/696e1ec7834e8bf47bff2aa8965b903a.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u041d\u0430\u0447\u0430\u043b\u043e: \u0446\u0438\u0444\u0440\u043e\u0432\u0430\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430\" href=\"#\u041d\u0430\u0447\u0430\u043b\u043e: \u0446\u0438\u0444\u0440\u043e\u0432\u0430\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Introducci\u00f3n: procesamiento digital<\/h2>\n<p>Imaginemos que estamos en 2007. Nuestra madre es la anarqu\u00eda, y nuestras fotos son bulliciosos JPEG de 0.6 Mp tomadas con una patineta. Aproximadamente en esa \u00e9poca, surgi\u00f3 nuestro primer deseo irrefrenable de agregarles presets para ocultar la pobreza de las matrices m\u00f3viles. No nos privaremos de ello.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/4078f9ff31730ac7b4dec18d4408a707.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u041c\u0430\u0442\u0430\u043d \u0438 \u0438\u043d\u0441\u0442\u0430\u0433\u0440\u0430\u043c\" href=\"#\u041c\u0430\u0442\u0430\u043d \u0438 \u0438\u043d\u0441\u0442\u0430\u0433\u0440\u0430\u043c\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Matem\u00e1ticas e Instagram<\/h2>\n<p>Con la llegada de Instagram, todos se obsesionaron con los filtros. Como alguien que en su momento realiz\u00f3 ingenier\u00eda inversa de X-Pro II, Lo-Fi y Valencia, por supuesto con fines de investigaci\u00f3n (je), a\u00fan recuerdo que consist\u00edan en tres componentes:<\/p>\n<ul>\n<li>Los ajustes de color (matiz, saturaci\u00f3n, luminosidad, contraste, niveles, etc.) son coeficientes digitales simples, exactamente como en cualquier preset que los fot\u00f3grafos han usado desde tiempos inmemoriales.<\/li>\n<li>Los mapas de mapeo de tonos son vectores de valores, cada uno de los cuales nos dec\u00eda: 'El color rojo con un matiz de 128 debe convertirse en un matiz de 240'.<\/li>\n<li>Los overlays son im\u00e1genes semitransparentes con polvo, grano, vi\u00f1etas y todo lo dem\u00e1s que se puede superponer para obtener un efecto nada banal de pel\u00edcula antigua. No siempre estaban presentes.&nbsp; &nbsp;<\/li>\n<\/ul>\n<p>Los filtros modernos no se han alejado mucho de este tr\u00edo, solo se han vuelto un poco m\u00e1s complejos matem\u00e1ticamente. Con la llegada de los sombreadores de hardware y OpenCL en los tel\u00e9fonos inteligentes, se reescribieron r\u00e1pidamente para GPU, y eso se consideraba incre\u00edblemente genial. Para el a\u00f1o 2012, por supuesto. Hoy en d\u00eda, cualquier estudiante de secundaria puede hacer algo similar en CSS, y no recibir\u00e1 nada en la graduaci\u00f3n.<\/p>\n<p>Sin embargo, el progreso de los filtros no se ha detenido hoy en d\u00eda. Los chicos de Dehancer, por ejemplo, est\u00e1n muy enfocados en filtros no lineales; en lugar de un mapeo de tonos proletario, utilizan transformaciones no lineales m\u00e1s complejas, lo que, seg\u00fan ellos, abre muchas m\u00e1s posibilidades.<\/p>\n<p>Las transformaciones no lineales pueden hacer muchas cosas, pero son incre\u00edblemente complejas, y nosotros, los humanos, somos incre\u00edblemente torpes. Tan pronto como la ciencia llega a las transformaciones no lineales, preferimos recurrir a m\u00e9todos num\u00e9ricos e insertar redes neuronales por todas partes para que ellas escriban obras maestras por nosotros. Lo mismo sucedi\u00f3 aqu\u00ed.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0410\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u043a\u0430 \u0438 \u043c\u0435\u0447\u0442\u044b \u043e \u043a\u043d\u043e\u043f\u043a\u0435 &laquo;\u0448\u0435\u0434\u0435\u0432\u0440&raquo;\" href=\"#\u0410\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u043a\u0430 \u0438 \u043c\u0435\u0447\u0442\u044b \u043e \u043a\u043d\u043e\u043f\u043a\u0435 &laquo;\u0448\u0435\u0434\u0435\u0432\u0440&raquo;\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Automatizaci\u00f3n y sue\u00f1os de un bot\u00f3n de 'obra maestra'<\/h2>\n<p>Cuando todos se acostumbraron a los filtros, comenzamos a integrarlos directamente en las c\u00e1maras. La historia oculta qui\u00e9n fue el primer fabricante, pero solo para comprender cu\u00e1n antiguo es esto: en iOS 5.0, que se lanz\u00f3 en 2011, ya exist\u00eda una API p\u00fablica para mejorar autom\u00e1ticamente las im\u00e1genes. Solo a Jobs le constar\u00e1 cu\u00e1nto tiempo se utiliz\u00f3 antes de ser abierto al p\u00fablico.<\/p>\n<p>La automatizaci\u00f3n hac\u00eda lo mismo que cada uno de nosotros al abrir una foto en el editor: sacaba detalles en las luces y sombras, aumentaba la saturaci\u00f3n, eliminaba los ojos rojos y correg\u00eda el tono de piel. Los usuarios ni siquiera sospechaban que la \"c\u00e1mara dram\u00e1ticamente mejorada\" en el nuevo smartphone era solo el resultado de un par de nuevos shaders. Pasar\u00edan cinco a\u00f1os hasta la llegada del Google Pixel y el inicio del hype por la fotograf\u00eda computacional.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/480b0c337a37ce33a178794104c2d541.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Hoy, la lucha por el bot\u00f3n de \"maestro\" se ha trasladado al campo del aprendizaje autom\u00e1tico. Tras experimentar con el tono de mapeo, todos se lanzaron a entrenar redes neuronales convolucionales (CNN) y generativas adversarias (GAN) para ajustar los controles en lugar del usuario. En otras palabras, a partir de la imagen de entrada, se determina un conjunto \u00f3ptimo de par\u00e1metros que acercar\u00edan la imagen a una comprensi\u00f3n subjetiva de \"buena fotograf\u00eda\". Esto se implement\u00f3 en Pixelmator Pro y otros editores. Funciona, como se puede adivinar, no siempre y no muy bien.&nbsp;<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0421\u0442\u0435\u043a\u0438\u043d\u0433 &mdash; 90% \u0443\u0441\u043f\u0435\u0445\u0430 \u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445 \u043a\u0430\u043c\u0435\u0440\" href=\"#\u0421\u0442\u0435\u043a\u0438\u043d\u0433 &mdash; 90% \u0443\u0441\u043f\u0435\u0445\u0430 \u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445 \u043a\u0430\u043c\u0435\u0440\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>El apilamiento: 90% del \u00e9xito de las c\u00e1maras de tel\u00e9fonos m\u00f3viles.<\/h2>\n<p>La verdadera fotograf\u00eda computacional comenz\u00f3 con el apilamiento: superponer varias fotos una sobre otra. Para un smartphone no es un problema tomar una docena de im\u00e1genes en medio segundo. En sus c\u00e1maras no hay partes mec\u00e1nicas lentas: la apertura es fija, y en lugar de un obturador mec\u00e1nico, hay un obturador electr\u00f3nico. El procesador simplemente indica al sensor cu\u00e1ntos microsegundos debe captar fotones salvajes, y luego lee el resultado.<\/p>\n<p>T\u00e9cnicamente, un tel\u00e9fono puede tomar fotos a la velocidad de un video, y video con la resoluci\u00f3n de una foto, pero todo depende de la velocidad del bus y del procesador. Por eso siempre se establecen l\u00edmites program\u00e1ticos.<\/p>\n<p>El apilamiento ha estado con nosotros desde hace tiempo. Ya en los tiempos de nuestros abuelos se usaban plugins en Photoshop 7.0 para combinar varias fotos en un HDR deslumbrante o para crear una panor\u00e1mica de 18000 \u00d7 600 p\u00edxeles y\u2026 en realidad, nadie ha descubierto realmente qu\u00e9 hacer con ellas despu\u00e9s. Fueron tiempos dorados, aunque salvajes.<\/p>\n<p>Ahora hemos crecido y lo llamamos \"fotograf\u00eda \u00e9psilon\": cuando, al cambiar uno de los par\u00e1metros de la c\u00e1mara (exposici\u00f3n, enfoque, posici\u00f3n) y combinar las im\u00e1genes obtenidas, logramos algo que no podr\u00eda ser capturado en una sola toma. Pero este es un t\u00e9rmino te\u00f3rico; en la pr\u00e1ctica se ha arraigado otro nombre: apilamiento. Hoy, de hecho, el 90% de todas las innovaciones en c\u00e1maras m\u00f3viles se basa en \u00e9l.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/f3a6fd9c8260116a371eeb03bbf61536.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Una cosa que muchos no consideran, pero que es importante para entender toda la fotograf\u00eda m\u00f3vil y computacional: la c\u00e1mara en el smartphone moderno comienza a tomar fotograf\u00edas inmediatamente despu\u00e9s de abrir su aplicaci\u00f3n. Lo cual es l\u00f3gico, ya que necesita de alguna manera transmitir la imagen a la pantalla. Sin embargo, adem\u00e1s de la pantalla, guarda im\u00e1genes de alta resoluci\u00f3n en su propio buffer c\u00edclico, donde las mantiene durante unos segundos m\u00e1s.<\/p>\n<p style=\"text-align: center;\">Cuando presionas el bot\u00f3n de \"tomar foto\", en realidad ya se ha capturado; la c\u00e1mara simplemente toma la \u00faltima foto del b\u00fafer.<\/p>\n<p>Hoy en d\u00eda, cualquier c\u00e1mara m\u00f3vil funciona as\u00ed. Al menos en todos los buques insignia, no en los de gama baja. La almacenamiento en b\u00fafer permite lograr no solo un retraso de obturaci\u00f3n cero, que ha sido el sue\u00f1o de los fot\u00f3grafos durante tanto tiempo, sino incluso un retraso negativo: al presionar el bot\u00f3n, el tel\u00e9fono inteligente mira hacia el pasado, carga las 5-10 \u00faltimas fotos del b\u00fafer y comienza a analizarlas fren\u00e9ticamente y combinarlas. Ya no es necesario esperar a que el tel\u00e9fono tome fotos para HDR o modo nocturno; simplemente se sacan del b\u00fafer, el usuario ni siquiera se da cuenta.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/df4d90e674db51c1e8b43518300270da.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Por cierto, es precisamente gracias al tiempo de obturaci\u00f3n negativa que se implement\u00f3 Live Photo en los iPhones, mientras que en HTC algo similar existi\u00f3 ya en 2013 bajo el extra\u00f1o nombre de Zoe.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u044d\u043a\u0441\u043f\u043e\u0437\u0438\u0446\u0438\u0438 &mdash; HDR \u0438 \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 \u043f\u0435\u0440\u0435\u043f\u0430\u0434\u0430\u043c\u0438 \u044f\u0440\u043a\u043e\u0441\u0442\u0438\" href=\"#\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u044d\u043a\u0441\u043f\u043e\u0437\u0438\u0446\u0438\u0438 &mdash; HDR \u0438 \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 \u043f\u0435\u0440\u0435\u043f\u0430\u0434\u0430\u043c\u0438 \u044f\u0440\u043a\u043e\u0441\u0442\u0438\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Apilamiento por exposici\u00f3n: HDR y lucha contra las variaciones de brillo<\/h2>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/f05831e57c87ec1177cdef0dc578b46c.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>\u00bfSon capaces los sensores de las c\u00e1maras de registrar todo el rango de brillo que nuestros ojos pueden percibir? Este es un viejo tema candente de debate. Algunos dicen que no, ya que el ojo puede ver hasta 25 paradas f, mientras que incluso el mejor sensor de formato completo puede extraer un m\u00e1ximo de 14. Otros consideran incorrecta esta comparaci\u00f3n, ya que el cerebro ayuda al ojo, ajustando autom\u00e1ticamente la pupila y completando la imagen con sus redes neuronales, y el rango din\u00e1mico instant\u00e1neo del ojo en realidad no supera de 10 a 14 paradas f. Dejemos estas disputas a los mejores pensadores de sof\u00e1 de internet.<\/p>\n<p>El hecho es innegable: al fotografiar amigos contra un cielo brillante sin HDR con cualquier c\u00e1mara m\u00f3vil, obtienes o un cielo normal y caras de amigos negras, o amigos bien definidos, pero un cielo quemado.<\/p>\n<p>La soluci\u00f3n se ha encontrado hace tiempo: ampliar el rango de brillo mediante HDR (rango din\u00e1mico alto). Se deben tomar varias fotos con diferentes exposiciones y combinarlas. As\u00ed, una imagen ser\u00e1 'normal', la segunda ser\u00e1 m\u00e1s clara y la tercera m\u00e1s oscura. Tomamos las sombras de la imagen clara, y las sobreexposiciones las rellenamos con la imagen oscura: beneficio garantizado. Solo queda resolver la tarea del bracketing autom\u00e1tico: cu\u00e1nto desplazar la exposici\u00f3n de cada imagen, para no pasarse, pero con la determinaci\u00f3n del brillo medio de la imagen, ahora un estudiante de segundo a\u00f1o de una universidad t\u00e9cnica puede manejar eso.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/de7ba87bb60f8da89c650220d431248b.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>En los \u00faltimos iPhone, Pixel y Galaxy, el modo HDR se activa autom\u00e1ticamente cuando un simple algoritmo dentro de la c\u00e1mara determina que est\u00e1s tomando una foto de algo contrastante en un d\u00eda soleado. A veces, se puede notar c\u00f3mo el tel\u00e9fono cambia el modo de grabaci\u00f3n en el b\u00fafer para guardar las im\u00e1genes con exposici\u00f3n desplazada; los fps de la c\u00e1mara disminuyen y la imagen se vuelve m\u00e1s viva. El momento del cambio es bastante notable en mi iPhone X cuando se toma fotos afuera. Observa tu smartphone la pr\u00f3xima vez tambi\u00e9n.<\/p>\n<p>La desventaja de HDR con bracketing de exposici\u00f3n \u2014 su incapacidad insuperable en condiciones de poca luz. Incluso con la luz de una l\u00e1mpara de casa, las im\u00e1genes resultan tan oscuras que la computadora no puede alinearlas y unirlas. Para resolver el problema de la luz en 2013, Google mostr\u00f3 un enfoque diferente hacia HDR en el smartphone Nexus que sali\u00f3 en ese a\u00f1o. Us\u00f3 apilamiento por tiempo.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 &mdash; \u0441\u0438\u043c\u0443\u043b\u044f\u0446\u0438\u044f \u0434\u043b\u0438\u043d\u043d\u043e\u0439 \u0432\u044b\u0434\u0435\u0440\u0436\u043a\u0438 \u0438 \u0442\u0430\u0439\u043c\u043b\u0430\u043f\u0441\" href=\"#\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 &mdash; \u0441\u0438\u043c\u0443\u043b\u044f\u0446\u0438\u044f \u0434\u043b\u0438\u043d\u043d\u043e\u0439 \u0432\u044b\u0434\u0435\u0440\u0436\u043a\u0438 \u0438 \u0442\u0430\u0439\u043c\u043b\u0430\u043f\u0441\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Apilamiento por tiempo \u2014 simulaci\u00f3n de larga exposici\u00f3n y time lapse<\/h2>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/4fe1ab5f044e2097f11cf582926c2713.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>El apilamiento por tiempo permite obtener una larga exposici\u00f3n mediante una serie de capturas cortas. Los pioneros fueron aficionados a fotografiar rastros de estrellas en el cielo nocturno, quienes encontraban inc\u00f3modo abrir el obturador durante dos horas. Era dif\u00edcil calcular todas las configuraciones con anticipaci\u00f3n, y con el m\u00e1s m\u00ednimo movimiento toda la toma quedaba arruinada. Decidieron abrir el obturador solo por unos minutos, pero muchas veces, y luego iban a casa y un\u00edan los fotogramas obtenidos en Photoshop.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/3985acce3f0bd1e1ceab9364f4f98d91.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>As\u00ed que, en realidad, la c\u00e1mara nunca tom\u00f3 una larga exposici\u00f3n, pero obten\u00edamos el efecto de su simulaci\u00f3n al superponer varias tomas consecutivas. Para smartphones, ya existen un mont\u00f3n de aplicaciones que utilizan este truco, pero ya no son necesarias desde que esta funci\u00f3n se a\u00f1adi\u00f3 a casi todas las c\u00e1maras est\u00e1ndar. Hoy en d\u00eda, incluso un iPhone puede f\u00e1cilmente unir una larga exposici\u00f3n a partir de una Live Photo.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/e6bf5859cab4f105990859735f6a48e7.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Volvamos a Google con su HDR nocturno. Result\u00f3 que, con el bracket de tiempo, se puede lograr un buen HDR en la oscuridad. La tecnolog\u00eda apareci\u00f3 por primera vez en el Nexus 5 y se llam\u00f3 HDR+. Los otros tel\u00e9fonos Android la recibieron como un regalo. La tecnolog\u00eda sigue siendo tan popular que incluso se menciona en la presentaci\u00f3n de los \u00faltimos Pixel.<\/p>\n<p>HDR+ funciona de manera bastante simple: al detectar que est\u00e1s tomando fotos en la oscuridad, la c\u00e1mara descarga del b\u00fafer 8-15 fotos recientes en RAW para superponerlas. De esta forma, el algoritmo recoge m\u00e1s informaci\u00f3n sobre las \u00e1reas oscuras de la imagen para minimizar el ruido \u2014 p\u00edxeles donde, por alguna raz\u00f3n, la c\u00e1mara no pudo recopilar toda la informaci\u00f3n y fall\u00f3.<\/p>\n<p>Como si no supieras c\u00f3mo luce un capibara y le pidieras a cinco personas que la describieran \u2014 sus relatos ser\u00edan aproximadamente iguales, pero cada uno mencionar\u00eda alg\u00fan detalle \u00fanico. As\u00ed, obtendr\u00edas m\u00e1s informaci\u00f3n que si \u00fanicamente preguntaras a uno. Lo mismo ocurre con los p\u00edxeles.<\/p>\n<p>La combinaci\u00f3n de disparos tomados desde un mismo lugar produce el mismo efecto falso de largas exposiciones como el de las estrellas mencionado anteriormente. La exposici\u00f3n de decenas de tomas se acumula, minimizando los errores en una toma con respecto a las otras. Imagina cu\u00e1ntas veces tendr\u00edas que presionar el obturador de una r\u00e9flex para lograr lo mismo.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/eb7e3d8571ee4ae7eb7e62a47604ae1d.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Solo quedaba resolver el problema de la correcci\u00f3n autom\u00e1tica del color \u2014 las fotos tomadas en la oscuridad suelen resultar en un tono amarillento o verdoso, y queremos la riqueza de la luz diurna. En las primeras versiones de HDR+ esto se solucionaba con simples ajustes, como en filtros al estilo de Instagram. M\u00e1s tarde, se llam\u00f3 en ayuda a las redes neuronales.<\/p>\n<p>As\u00ed apareci\u00f3 Night Sight \u2014 la tecnolog\u00eda de \"fotograf\u00eda nocturna\" en Pixel 2 y 3. En la descripci\u00f3n se dice: \"T\u00e9cnicas de aprendizaje autom\u00e1tico construidas sobre HDR+, que hacen que Night Sight funcione\". En esencia, esto automatiza la etapa de correcci\u00f3n del color. La m\u00e1quina fue entrenada en un conjunto de datos de fotos \"antes\" y \"despu\u00e9s\", para convertir un conjunto de im\u00e1genes oscuras en una sola hermosa.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/3451cbbeaa58a77f5ce9f88b7ac0de79.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Por cierto, el conjunto de datos se public\u00f3 en acceso abierto. Quiz\u00e1s, los chicos de Apple lo tomen y finalmente logren que sus tubos de vidrio tomen fotos decentemente en la oscuridad.<\/p>\n<p>Adem\u00e1s, en Night Sight se utiliza el c\u00e1lculo del vector de movimiento de los objetos en el marco para normalizar el desenfoque que necesariamente se produce con una larga exposici\u00f3n. As\u00ed, el smartphone puede tomar partes n\u00edtidas de otros cuadros y unirlas.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0434\u0432\u0438\u0436\u0435\u043d\u0438\u044e &mdash; \u043f\u0430\u043d\u043e\u0440\u0430\u043c\u0430, \u0441\u0443\u043f\u0435\u0440\u0437\u0443\u043c \u0438 \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 \u0448\u0443\u043c\u0430\u043c\u0438\" href=\"#\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0434\u0432\u0438\u0436\u0435\u043d\u0438\u044e &mdash; \u043f\u0430\u043d\u043e\u0440\u0430\u043c\u0430, \u0441\u0443\u043f\u0435\u0440\u0437\u0443\u043c \u0438 \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 \u0448\u0443\u043c\u0430\u043c\u0438\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Apilamiento por movimiento \u2014 panoramas, superzoom y lucha contra el ruido<\/h2>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/c03260ea8ad60358065ec81ed0539063.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La panor\u00e1mica \u2014 un entretenimiento popular entre los habitantes de las zonas rurales. Hasta ahora no se conocen casos en que una foto de una salchicha haya interesado a alguien m\u00e1s que a su autor, pero no se puede dejar de mencionarla \u2014 para muchos, este fue el comienzo del apilamiento.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/bf5955b2f32018ab90c12d6da41107c1.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La primera aplicaci\u00f3n \u00fatil de la panor\u00e1mica es obtener una fotograf\u00eda de mayor resoluci\u00f3n de la que permite el sensor de la c\u00e1mara al combinar varias im\u00e1genes. Los fot\u00f3grafos han estado utilizando diferentes software para lo que se conoce como fotograf\u00edas de s\u00faper resoluci\u00f3n, donde im\u00e1genes ligeramente desplazadas se complementan entre los p\u00edxeles. De esta manera, se puede obtener una imagen de hasta cientos de gigap\u00edxeles, lo cual es muy \u00fatil si necesitas imprimirla en un cartel publicitario del tama\u00f1o de una casa.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/41f0d56913cd7b4c9e407345bf7383ce.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Otro enfoque, ya m\u00e1s interesante, es el Pixel Shifting. Algunas sin espejo como Sony y Olympus comenzaron a soportarlo desde 2014, pero a\u00fan se requer\u00eda unir los resultados manualmente. Innovaciones t\u00edpicas de c\u00e1maras grandes.<\/p>\n<p>Los smartphones han destacado aqu\u00ed por una raz\u00f3n inesperada: cuando tomas una foto, tus manos tienden a temblar. Este problema, a primera vista, se convirti\u00f3 en la base para implementar la s\u00faper resoluci\u00f3n nativa en los smartphones.<\/p>\n<p>Para entender c\u00f3mo funciona, hay que recordar c\u00f3mo est\u00e1 dise\u00f1ada la matriz de cualquier c\u00e1mara. Cada p\u00edxel (fotodiodo) solo puede registrar la intensidad de la luz, es decir, la cantidad de fotones que entran. Sin embargo, un p\u00edxel no puede medir su color (longitud de onda). Para obtener una imagen RGB, tambi\u00e9n hubo que emplear soluciones ingeniosas, cubriendo toda la matriz con una malla de cristalitos de diferentes colores. La implementaci\u00f3n m\u00e1s popular se llama filtro Bayer y se utiliza hoy en la mayor\u00eda de las matrices. Se ve como en la imagen de abajo.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/7dc43fed6c8080917d09275c23cd614c.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>As\u00ed que, cada p\u00edxel del sensor solo captura el componente R, G o B, ya que los dem\u00e1s fotones son reflejados por el filtro Bayer. Los componentes faltantes se obtienen mediante un promedio simple de los valores de los p\u00edxeles vecinos.<\/p>\n<p>Hay m\u00e1s celdas verdes en el filtro Bayer, esto se hizo por analog\u00eda con el ojo humano. As\u00ed que de 50 millones de p\u00edxeles en la matriz, el color verde ser\u00e1 captado por 25 millones, mientras que el rojo y el azul contar\u00e1n con 12,5 millones cada uno. El resto ser\u00e1 promediado; este proceso se llama debayerizaci\u00f3n o demosaico, y es un ingenioso pero torpe recurso en el que todo se sostiene.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/aa2d9d74153b26e3f0cdb6d2ba954fc2.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p style=\"text-align: center;\">En realidad, cada sensor tiene su propio algoritmo patentado para la demosaico, pero en el marco de esta historia, lo vamos a pasar por alto.<\/p>\n<p style=\"text-align: center;\">\n<p>Otros tipos de sensores (como los de Foveon) a\u00fan no han ganado popularidad. Aunque algunos fabricantes intentan utilizar sensores sin el filtro Bayer para mejorar la nitidez y el rango din\u00e1mico.<\/p>\n<p>Cuando hay poca luz o los detalles del objeto son muy peque\u00f1os, perdemos mucha informaci\u00f3n porque el filtro Bayer descaradamente corta los fotones con longitudes de onda no deseadas. Por eso se ide\u00f3 el Pixel Shifting, desplazando el sensor 1 p\u00edxel hacia arriba, abajo, derecha o izquierda para captarlos todos. La fotograf\u00eda resultante no aumenta 4 veces de tama\u00f1o, como podr\u00eda parecer, simplemente el procesador utiliza estos datos para registrar con mayor precisi\u00f3n el valor de cada p\u00edxel. Promedia no entre vecinos, por as\u00ed decirlo, sino entre cuatro valores de s\u00ed mismo.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/f0c5f4eca43894ef480d1573ef4fddda.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La vibraci\u00f3n de nuestras manos al tomar fotos con el tel\u00e9fono hace que este proceso sea una consecuencia natural. En las \u00faltimas versiones de Google Pixel, esta funci\u00f3n se implementa y se activa siempre que utilizas el zoom en el tel\u00e9fono, se llama Super Res Zoom (s\u00ed, a m\u00ed tambi\u00e9n me gusta su naming sin piedad). Los chinos tambi\u00e9n lo replicaron en sus tel\u00e9fonos, aunque el resultado fue un poco peor.<\/p>\n<p>La superposici\u00f3n de fotos ligeramente desplazadas permite recopilar m\u00e1s informaci\u00f3n sobre el color de cada p\u00edxel y, por lo tanto, reducir el ruido, aumentar la nitidez y elevar la resoluci\u00f3n sin aumentar el n\u00famero f\u00edsico de megap\u00edxeles del sensor. Los flagships modernos de Android hacen esto autom\u00e1ticamente, mientras sus usuarios ni siquiera piensan en ello.<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0444\u043e\u043a\u0443\u0441\u0443 &mdash; \u043b\u044e\u0431\u0430\u044f \u0433\u043b\u0443\u0431\u0438\u043d\u0430 \u0440\u0435\u0437\u043a\u043e\u0441\u0442\u0438 \u0438 \u0440\u0435\u0444\u043e\u043a\u0443\u0441 \u0432 \u043f\u043e\u0441\u0442\u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435\" href=\"#\u0421\u0442\u0435\u043a\u0438\u043d\u0433 \u043f\u043e \u0444\u043e\u043a\u0443\u0441\u0443 &mdash; \u043b\u044e\u0431\u0430\u044f \u0433\u043b\u0443\u0431\u0438\u043d\u0430 \u0440\u0435\u0437\u043a\u043e\u0441\u0442\u0438 \u0438 \u0440\u0435\u0444\u043e\u043a\u0443\u0441 \u0432 \u043f\u043e\u0441\u0442\u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>El apilamiento por enfoque \u2014 cualquier profundidad de campo y refocus en postproducci\u00f3n<\/h2>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/19299836bf612a9425c5633572d7879c.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>El m\u00e9todo proviene de la macrofotograf\u00eda, donde una profundidad de campo reducida siempre ha sido un problema. Para que todo el objeto estuviera enfocado, era necesario hacer varias tomas con el enfoque desplaz\u00e1ndose hacia adelante y hacia atr\u00e1s, para luego unirlas en una sola imagen n\u00edtida. El mismo m\u00e9todo era a menudo utilizado por aficionados a la fotograf\u00eda de paisajes, logrando que tanto el primer plano como el fondo fueran n\u00edtidos como si fueran de pasta.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/a2336f7ce07d4bbd931881b2b8a16387.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Todo esto tambi\u00e9n ha llegado a los smartphones, aunque sin mucho revuelo. En 2013, se lanza el Nokia Lumia 1020 con la \"Refocus App\", y en 2014 el Samsung Galaxy S5 con el modo \"Selective Focus\". Funcionaban bajo el mismo principio: al presionar el bot\u00f3n, tomaban r\u00e1pidamente 3 fotos \u2014 una con el enfoque \"normal\", otra con el enfoque desplazado hacia adelante y la tercera con el desplazado hacia atr\u00e1s. El programa alineaba las im\u00e1genes y permit\u00eda elegir una de ellas, lo cual se presentaba como un control \"real\" del enfoque en postproducci\u00f3n.<\/p>\n<p>No hubo m\u00e1s procesamiento, ya que incluso este simple truco fue suficiente para enterrar a\u00fan m\u00e1s la idea del Lytro y sus equivalentes con su verdadero reaprendizaje del enfoque. Por cierto, hablemos de ellos (maestro del cambio de niveles 80).<\/p>\n<h2><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u0412\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b &mdash; \u0441\u0432\u0435\u0442\u043e\u0432\u044b\u0435 \u043f\u043e\u043b\u044f \u0438 \u043f\u043b\u0435\u043d\u043e\u043f\u0442\u0438\u043a\u0430\" href=\"#\u0412\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b &mdash; \u0441\u0432\u0435\u0442\u043e\u0432\u044b\u0435 \u043f\u043e\u043b\u044f \u0438 \u043f\u043b\u0435\u043d\u043e\u043f\u0442\u0438\u043a\u0430\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex>Matrices computacionales \u2014 campos de luz y plen\u00f3ptica<\/h2>\n<p>Como hemos entendido anteriormente, nuestras matrices son un horror sobre muletas. Simplemente nos hemos acostumbrado y tratamos de vivir con ello. En su dise\u00f1o, han cambiado poco desde los primeros tiempos. Solo hemos perfeccionado el proceso tecnol\u00f3gico: reduciendo la distancia entre p\u00edxeles, luchando contra el ruido y las interferencias, a\u00f1adiendo p\u00edxeles especiales para el funcionamiento del autofoco por fase. Pero basta con tomar incluso una r\u00e9flex costosa e intentar fotografiar un gato en movimiento con luz de oficina \u2014 el gato, por decirlo suavemente, ganar\u00e1.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/dcb87026c62ed4604bc67a4455fa0997.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Hace mucho tiempo que intentamos inventar algo mejor. Muchas tentativas e investigaciones en esta \u00e1rea se pueden buscar con las palabras clave \u00absensor computacional\u00bb o \u00absensor no Bayer\u00bb, e incluso el ejemplo de Pixel Shifting mencionado anteriormente puede considerarse un intento de mejorar los sensores mediante c\u00e1lculos. Sin embargo, las historias m\u00e1s prometedoras de los \u00faltimos veinte a\u00f1os provienen del mundo de las llamadas c\u00e1maras plen\u00f3pticas.<\/p>\n<p>Para que no te duermas esperando las dif\u00edciles palabras que se avecinan, te dar\u00e9 un dato: la c\u00e1mara de los \u00faltimos Google Pixel es \u00abun poco\u00bb plen\u00f3ptica. Solo con dos p\u00edxeles, pero incluso eso le permite calcular de manera precisa la profundidad \u00f3ptica de la imagen sin necesidad de una segunda c\u00e1mara como en las dem\u00e1s.<\/p>\n<p>La plen\u00f3ptica es un arma poderosa que a\u00fan no ha sido disparada. Te dejo un enlace a uno de mis recientes favoritos. <noindex><a rel=\"nofollow noopener noreferrer\" href=\"https:\/\/m.habr.com\/ru\/post\/440652\/\" target=\"_blank\">De donde tom\u00e9 algunos ejemplos.<\/a><\/noindex>La c\u00e1mara plen\u00f3ptica: pronto ser\u00e1 de todos.<\/p>\n<p class=\"h3\"><noindex><a rel=\"nofollow\" href=\"#contents\" class=\"right paragraph tooltip\" data-tooltip=\"\u0412\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a \u043e\u0433\u043b\u0430\u0432\u043b\u0435\u043d\u0438\u044e\">\u2193<\/a><\/noindex><noindex><a rel=\"nofollow\" name=\"\u041f\u043b\u0435\u043d\u043e\u043f\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u043a\u0430\u043c\u0435\u0440\u0430 &mdash; \u0441\u043a\u043e\u0440\u043e \u0431\u0443\u0434\u0435\u0442 \u043a\u0430\u0436\u0434\u0430\u044f\" href=\"#\u041f\u043b\u0435\u043d\u043e\u043f\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u043a\u0430\u043c\u0435\u0440\u0430 &mdash; \u0441\u043a\u043e\u0440\u043e \u0431\u0443\u0434\u0435\u0442 \u043a\u0430\u0436\u0434\u0430\u044f\" class=\"right paragraph tooltip\" data-tooltip=\"\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u044d\u0442\u0443 \u0433\u043b\u0430\u0432\u0443\">#<\/a><\/noindex><\/p>\n<h2>La c\u00e1mara plen\u00f3ptica \u2014 pronto estar\u00e1 en manos de todos.<\/h2>\n<p>Inventada en 1994, ensamblada en Stanford en 2004. La primera c\u00e1mara de consumo \u2014 Lytro, lanzada en 2012. Con tecnolog\u00edas similares, la industria de la realidad virtual est\u00e1 experimentando activamente en este momento.<\/p>\n<p>La c\u00e1mara plen\u00f3ptica se diferencia de una c\u00e1mara convencional solo por una modificaci\u00f3n: su matriz est\u00e1 cubierta por una rejilla de lentes, cada uno de los cuales cubre varios p\u00edxeles reales. As\u00ed es m\u00e1s o menos:<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/209d4729485d9f36976c47d7b93ee6f7.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>si se calcula correctamente la distancia de la rejilla a la matriz y el tama\u00f1o del diafragma, la imagen resultante contendr\u00e1 n\u00edtidos cl\u00fasteres de p\u00edxeles \u2014 versiones mini de la imagen original.<\/p>\n<p>Resulta que si tomamos de cada cl\u00faster, digamos, un p\u00edxel central y unimos la imagen solo con ellos, no se diferenciar\u00e1 de la tomada con una c\u00e1mara convencional. S\u00ed, hemos perdido un poco de resoluci\u00f3n, pero solo le pediremos a Sony que agregue m\u00e1s megap\u00edxeles en las nuevas matrices.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/290518da93056e53314ed8219709f9a2.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La diversi\u00f3n reci\u00e9n comienza. si tomamos otro p\u00edxel de cada cl\u00faster y volvemos a unir la imagen, obtendremos otra fotograf\u00eda normal, solo que parece que fue tomada desplazando un p\u00edxel. As\u00ed, teniendo cl\u00fasteres de 10 \u00d7 10 p\u00edxeles, obtendremos 100 im\u00e1genes del objeto desde \u00abun poco\u00bb diferentes \u00e1ngulos.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/70bbfa990d697dfb5b2c119853a8810e.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Cuanto mayor sea el tama\u00f1o del cl\u00faster, m\u00e1s im\u00e1genes obtendremos, pero menor ser\u00e1 la resoluci\u00f3n. En el mundo de los smartphones con matrices de 41 megap\u00edxeles, podemos permitirnos un poco menos de resoluci\u00f3n, pero todo tiene un l\u00edmite. Hay que mantener un equilibrio.<\/p>\n<p>Reenfoque real.<\/p>\n<p><strong>La caracter\u00edstica de la que todos los periodistas han hablado en los art\u00edculos sobre Lytro es la posibilidad de ajustar el enfoque de manera genuina en la postproducci\u00f3n. Por genuino me refiero a que no aplicamos algoritmos de desenfoque, sino que usamos \u00fanicamente los p\u00edxeles disponibles, seleccion\u00e1ndolos o promedi\u00e1ndolos de los grupos en el orden necesario.<\/strong><\/p>\n<p>La caracter\u00edstica de la que hablaron todos los periodistas en los art\u00edculos sobre Lytro es la posibilidad de un ajuste honesto del enfoque en la postproducci\u00f3n. Por honesto, me refiero a que no aplicamos algoritmos de desenfoque, sino que usamos exclusivamente los p\u00edxeles disponibles, eligiendo o promediando de los cl\u00fasteres en el orden necesario.<\/p>\n<p>Una fotograf\u00eda RAW de una c\u00e1mara plen\u00f3ptica se ve extra\u00f1a. Para obtener un JPEG n\u00edtido y familiar, primero hay que ensamblarlo. Para esto, debemos seleccionar cada p\u00edxel del JPEG de uno de los cl\u00fasteres del RAW. Dependiendo de c\u00f3mo los elijamos, el resultado variar\u00e1.<\/p>\n<p>Por ejemplo, cuanto m\u00e1s lejos est\u00e1 un cl\u00faster del lugar donde cae el rayo original, m\u00e1s desenfocado resulta este rayo. Eso es \u00f3ptica. Para obtener una imagen desenfocada, solo necesitamos seleccionar p\u00edxeles a la distancia que necesitamos del original, ya sea m\u00e1s cerca o m\u00e1s lejos.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/2c091775113b80bc0333624190529ffe.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>&nbsp;<\/p>\n<p>Con el desplazamiento de enfoque hacia uno mismo fue m\u00e1s complicado; f\u00edsicamente hab\u00eda menos p\u00edxeles en los cl\u00fasteres. Al principio, los desarrolladores ni siquiera quer\u00edan dar al usuario la posibilidad de enfocar manualmente; la c\u00e1mara decid\u00eda eso program\u00e1ticamente. A los usuarios no les gust\u00f3 ese futuro, por lo que la caracter\u00edstica se a\u00f1adi\u00f3 en versiones de firmware posteriores bajo el nombre de 'modo creativo', aunque limitaron el re-enfoque precisamente por esa raz\u00f3n.<\/p>\n<p><strong>Mapa de profundidad y 3D de una sola c\u00e1mara&nbsp;&nbsp;&nbsp;<\/strong><\/p>\n<p>Una de las operaciones m\u00e1s simples en plen\u00f3ptica es obtener un mapa de profundidad. Para esto, solo hay que ensamblar dos im\u00e1genes diferentes y calcular cu\u00e1nto se han desplazado los objetos en ellas. Cuanto mayor sea el desplazamiento, m\u00e1s lejos estar\u00e1n de la c\u00e1mara.<\/p>\n<p>Recientemente, Google compr\u00f3 y descontinu\u00f3 Lytro, pero utiliz\u00f3 su tecnolog\u00eda para su VR y... para la c\u00e1mara del Pixel. Desde el Pixel 2, la c\u00e1mara se volvi\u00f3 'un poco' plen\u00f3ptica, aunque con cl\u00fasteres de solo dos p\u00edxeles. Esto permiti\u00f3 a Google no tener que poner una segunda c\u00e1mara, como lo hicieron todos los dem\u00e1s, y calcular el mapa de profundidad \u00fanicamente a partir de una fotograf\u00eda.<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/11212c1d7ad0ad9bca448c01b81e49fc.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/4112733d57496d546c66100c541dee22.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>El mapa de profundidad se construye a partir de dos im\u00e1genes desplazadas un subp\u00edxel. Esto es m\u00e1s que suficiente para calcular un mapa de profundidad binario y separar el primer plano del fondo, difuminando este \u00faltimo en el popular efecto bokeh. El resultado de esta estratificaci\u00f3n se suaviza y \"mejora\" con redes neuronales que est\u00e1n entrenadas para mejorar mapas de profundidad (y no para desenfocar, como muchos piensan).<\/p>\n<p><img decoding=\"async\" alt=\"Nuevo art\u00edculo: Fotograf\u00eda Computacional\" src=\"\/wp-content\/uploads\/2019\/06\/f94ae3d368c97cf0e5c63c288dfaab23.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>La gracia adicional es que la plen\u00f3ptica en los smartphones casi nos lleg\u00f3 gratis. Ya est\u00e1bamos colocando lentes en estos diminutos sensores para aumentar el flujo de luz de alguna manera. En los pr\u00f3ximos Pixel, Google planea ir m\u00e1s all\u00e1 y cubrir cuatro fotodiodos con una lente.<\/p>\n<p>Fuente: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/3dnews.ru\/989337\">3dnews.ru<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d \u043d\u0430 \u0441\u0430\u0439\u0442\u0435 \u0412\u0430\u0441\u0442\u0440\u0438\u043a.\u0440\u0443&nbsp;\u0438 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 3DNews \u0441 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0430\u0432\u0442\u043e\u0440\u0430. \u041c\u044b \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u043c \u043f\u043e\u043b\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0441\u0442\u0430\u0442\u044c\u0438, \u0437\u0430 \u0438\u0441\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435\u043c \u043e\u0433\u0440\u043e\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0441\u0441\u044b\u043b\u043e\u043a &mdash; \u043e\u043d\u0438 \u043f\u0440\u0438\u0433\u043e\u0434\u044f\u0442\u0441\u044f \u0442\u0435\u043c, \u043a\u0442\u043e \u0432\u0441\u0435\u0440\u044c\u0435\u0437 \u0437\u0430\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043e\u0432\u0430\u043b\u0441\u044f \u0442\u0435\u043c\u043e\u0439 \u0438 \u0445\u043e\u0442\u0435\u043b \u0431\u044b \u0438\u0437\u0443\u0447\u0438\u0442\u044c \u0442\u0435\u043e\u0440\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0430\u0441\u043f\u0435\u043a\u0442\u044b \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0438 \u0431\u043e\u043b\u0435\u0435 \u0433\u043b\u0443\u0431\u043e\u043a\u043e, \u043d\u043e \u0434\u043b\u044f \u0448\u0438\u0440\u043e\u043a\u043e\u0439 \u0430\u0443\u0434\u0438\u0442\u043e\u0440\u0438\u0438 \u043c\u044b \u0441\u043e\u0447\u043b\u0438 \u044d\u0442\u043e\u0442 \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b \u0438\u0437\u0431\u044b\u0442\u043e\u0447\u043d\u044b\u043c.&nbsp;&nbsp; \u0421\u0435\u0433\u043e\u0434\u043d\u044f \u043d\u0438 \u043e\u0434\u043d\u0430 \u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0441\u043c\u0430\u0440\u0442\u0444\u043e\u043d\u0430 \u043d\u0435 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":26610,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-35473","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.2 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d \u043d\u0430 \u0441\u0430\u0439\u0442\u0435 \u0412\u0430\u0441\u0442\u0440\u0438\u043a.\u0440\u0443 \u0438 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 3DNews \u0441 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0430\u0432\u0442\u043e\u0440\u0430.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/es\/blog\/news\/novaya-statya-vychislitelnaya-fotografiya\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.2\" \/>\n\t\t<meta property=\"og:locale\" content=\"es_ES\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041d\u043e\u0432\u0430\u044f \u0441\u0442\u0430\u0442\u044c\u044f: \u0412\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0424\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044f | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d \u043d\u0430 \u0441\u0430\u0439\u0442\u0435 \u0412\u0430\u0441\u0442\u0440\u0438\u043a.\u0440\u0443 \u0438 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 3DNews \u0441 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0430\u0432\u0442\u043e\u0440\u0430.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/es\/blog\/news\/novaya-statya-vychislitelnaya-fotografiya\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-10-31T19:04:32+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2019-10-31T19:04:32+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Nuevo art\u00edculo: Fotograf\u00eda Computacional | ProHoster","description":"El original del art\u00edculo est\u00e1 publicado en el sitio Vastrik.ru y se ha publicado en 3DNews con el permiso del autor.","canonical_url":"https:\/\/prohoster.info\/es\/blog\/news\/novaya-statya-vychislitelnaya-fotografiya","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"es_ES","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041d\u043e\u0432\u0430\u044f \u0441\u0442\u0430\u0442\u044c\u044f: \u0412\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0424\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044f | ProHoster","og:description":"\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d \u043d\u0430 \u0441\u0430\u0439\u0442\u0435 \u0412\u0430\u0441\u0442\u0440\u0438\u043a.\u0440\u0443 \u0438 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 3DNews \u0441 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0430\u0432\u0442\u043e\u0440\u0430.","og:url":"https:\/\/prohoster.info\/es\/blog\/news\/novaya-statya-vychislitelnaya-fotografiya","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T19:04:32+00:00","article:modified_time":"2019-10-31T19:04:32+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"35473","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 23:25:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 02:01:27","updated":"2026-01-21 23:25:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/35473","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/comments?post=35473"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/35473\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media\/26610"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media?parent=35473"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/categories?post=35473"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/tags?post=35473"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}