Un grupo de investigadores de Google en conjunto con MIT desarrollaron un algoritmo de antidistorsión para cámaras de selfies.
En la actualidad al capturar imágenes de personas con una lente gran angular, por lo general arroja un problema, y es que las caras ubicadas cerca de los bordes del marco aparecen distorsionadas, mostrando signos de estiramiento, aplastamiento y / o sesgo poco naturales, un efecto que también se conoce como anamorfosis.
Mejores selfies
Un tipo de distorsión que es muy común hoy en día, y que al parecer puede ser disminuido a través de este algoritmo que promete corregir este efecto al punto de crear autofotos o retratos más naturales, aún cuando sean de gran angular.
De acuerdo con la fuente, este proyecto titulado: “Libre de distorsiones en los retratos de gran angular en las cámaras de teléfonos” contiene un algoritmo que se vale de un retrato de entrada y la “formulación de un problema de optimización para crear una malla de distorsión sensible al contenido”.
Los especialistas explican que esto “se adapta de forma local a la proyección estereográfica en las regiones faciales y evoluciona sin problemas a la proyección en perspectiva sobre el fondo”.
Es decir, que este algoritmo no solo permite mejorar los rasgos de las personas presentes en la foto, sino que además mejora todo el fondo y los posibles objetos que se encuentren en el entorno.
Campo de visión más amplio
Además de ello, los especialistas mencionan que su función de energía funciona a la perfección en el tratado de la foto cuando existe un gran grupo de sujetos.
Asimismo, el estudio demostró que este algoritmo opera a una tasa interactiva que arroja resultados prometedores en una ampliación del campo de visión (field of view) de 70 ° a 120 °.
Aunque esta tecnología funciona perfectamente, lo más probable es que no la veamos por ahora en los dispositivos, sin embargo, el éxito de este algoritmo realizado por lo chicos de Google nos puede alentar a que dentro de poco los equipos de la compañía de Mountain View integren esta funcionalidad.