Que no, que no trabaje con imágenes JPEG

Es sabido que la compresión de imágenes tiene las ventajas de reducir el tamaño de almacenamiento y, consecuentemente, las necesidades a la hora de trasmitir los datos: menos ancho de banda o, lo que es equivalente, más imágenes por unidad de tiempo.
Es menos conocido que los satélites de observación terrestre no toman todas las imágenes que podrían porque no hay tiempo para transmitirlas a las estaciones terrestres. El cuello de botella es, en este caso, el ancho de banda. Por este motivo y otros similares, los algoritmos de compresión se aplican desde las pequeñas imágenes que usamos en las páginas web (mejor 40 kb que 400 a la hora de visitar una página) hasta los Gb de las imágenes hiperespectrales. Por poner un ejemplo, una imagen tomada con una cámara digital de 5 megapíxeles se codifica en tres canales de 8 bits, uno por cada color primario en el modelo RGB. Eso hace un total de 24 bits/pixel lo que supone 15 Mbytes si guardamos la imagen sin comprimir. Como ninguna imagen contiene los más de 16 millones de colores que pueden codificarse con los 24 bits/píxel (y en cualquier caso no podríamos distinguirlos) una de las opciones más utilizadas para reducir el tamaño es usar un solo byte por pixel, cuyo valor representa un color determinado. La paleta de 256 colores se construye en función de las caracteristicas de cada imagen y el resultado suele ser visualmente indistinguible del original aunque realmente suponga una fuerte pérdida cromática. En las imágenes GIF se utiliza esta técnica y cada imagen se acompaña del diccionario de colores “a medida” para permitir la decodificación.
Pero la clave del proceso está en la palabra visualmente. En realidad la pérdida es importante y este procedimiento no es aceptable para todas las aplicaciones. Por ejemplo, en las imágenes destinadas a proceso numérico jamás debe perderse resolución radiométrica. El motivo es que los algoritmos que extraen información de estas imágenes sí “ven” las variaciones y los resultados se verán a su vez afectados.
Los algoritmos de compresión se suelen dividir en dos clases: sin pérdida y con pérdida. Los primeros garantizan que la imagen decodificada es idéntica a la inicial; en los segundos, en cambio, se acepta una distorsión en los valores originales para aumentar la tasa de compresión. Entre los primeros están las compresiones LZW, usadas en los formatos TIFF y GIF habitualmente. Entre los segundos el más conocido es el formato JPEG, que se basa en un sofisticado proceso de codificación que permite una compresión a demanda: más compresión con más pérdida o menos compresión con menor modificación de los valores originales.
Realmente, el algoritmo JPEG puede comprimir algunas imágenes con una eficacia aplastante sin que visualmente se note la diferencia. Pero todo tiene su precio y hay un efecto menos evidente que puede convencerles de no usar el formato JPEG ni siquiera para sus fotos de vacaciones. El problema es que si vamos a regrabar la misma imagen varias veces, por ejemplo, para varias sesiones de retoque, la distorsión se acumula en cada ciclo de descompresión-compresión sin que sea posible recuperar la calidad original. El número de ciclos necesarios para que la distorsión sea aparente dependerá de los parámetros que controla la calidad de la compresión: abajo les pongo un ejemplo para que vean el efecto.

Fragmento ampliado de la imagen original en formato TIFF

El mismo fragmento tras 20 ciclos de grabación con compresión JPEG con calidad 40 (en una escala 0-100).

En la imagen superior verán fuertes distorsiones cromáticas y de luminosidad, así como un efecto de bloques. Este se debe a que JPEG trabaja sobre bloques de 8x8 píxeles cuyos parámetros de compresión no tienen continuidad con los vecinos.
¿La solución? Huir de la compresión JPEG y usar el formato TIFF con 24 bits por píxel para guardar las imágenes. Ya estarán a tiempo de reducirlas para su blog o destrozarlas para otros objetivos pero al menos mantendrán un original en buen estado. Para más detalles pueden seguir el protocolo aconsejado por Paulo Porta que pueden encontrar aquí junto con otros artículos que desvelan aspectos básicos de la fotografía digital. Muy recomendable invertir un rato en leerlos todos.

Nota: dos programas para trabajar con imágenes. Para verlas y alguna manipulación simple, lo mejor que en encontrado es Irfanview, muy ligero y con operaciones útiles como, por ejemplo, la transformación masiva en "batch". Para edición en serio, el GIMP que además se distribuye con licencia GNU. Ambos gratuitos, claro.

El extraño caso de la babosa que se movía por energía solar

Hablamos de los líquenes hace una temporada en una breve entrada titulada formas de vida. Tan breve que, aparte de la foto, sólo decía lo siguiente:

Los líquenes no son plantas, son organismos simbióticos donde un alga y un hongo se unen para vivir complementándose mutuamente.

A los líquenes se les asignan nombres específicos como si fueran organismos únicos en vez de comunidades simbióticas donde los papeles se reparten en beneficio mutuo: el alga fotosintetiza para ambos y el hongo la protege de la desecación. Una unión fructífera porque los líquenes aparecen en hábitats realmente extremos. El esquema basado en dos simbiontes es sólo el caso más simple porque a veces las especies implicadas forman tríos: en los líquenes del género Lobaria, al hongo y al alga se les asocia una cianobacteria que añade al grupo la capacidad de fijar el nitrógeno atmosférico. Tampoco son infrecuentes los organismos simbióticos formados por cuatro biontes y hay sospecha razonable de organismos formados por cinco.
Estas “complicaciones” no son raras en la naturaleza, donde el concepto clásico de especie falla más que una escopeta de feria si queremos abarcar a la vida en su conjunto.

Un caso llamativo de estrategia para vivir es el de un grupito de moluscos que ha tomado afición a apropiarse de organismos externos para su propio provecho.
Elysia chlorotica es una especie de babosa marina que se alimenta de un alga llamada Vaucheria litorea. El alga es digerida en su totalidad con una notable excepción: los cloroplastos, orgánulos celulares capaces de realizar la fotosíntesis. Sorprendentemente, los cloroplastos del alga se incorporan a los tejidos del molusco en una forma llamada endosimbiosis intracelular. Los cloroplastos simbióticos son plenamente funcionales y generan nutrientes que son utilizados por la babosa. El resultado es que el molusco puede vivir mediante la fotosíntesis de sus adquiridos cloroplastos durante meses (siempre que haya luz, claro).

Elysia chlorotica en un acuario. Los cloroplastos de dan un intenso color verde y permiten que ejerza una fotosíntesis "prestada" pero funcional.

La endosimbiosis comienza en los moluscos juveniles, que no heredan los cloroplastos y nacen libres de ellos. Aún no se sabe gran cosa sobre como reconocen y seleccionan los cloroplastos del resto de componentes celulares del alga, ni como las células del animal los fagocitan para incorporarlos a su citoplasma.
Lo que sí está claro es que esta simbiosis es algo notable por varios motivos. El más llamativo es que el cloroplasto simbionte no es un organismo completo sino un orgánulo celular semiautónomo. Aunque posee su propio ADN y se divide independientemente de la célula en la que está inmerso, la necesita para el suministro de proteínas que no puede sintetizar por sí mismo. Esto significa que la célula del molusco debe disponer de los mecanismos adecuados para que los cloroplastos no mueran rápidamente: el éxito está claro ya que viven durante bastantes meses en el medio intracelular del molusco y sólo unos días en un medio extracelular. No se conoce con certeza cómo Elysia puede replicar las funciones presentes en el alga y generar las proteínas específicas necesarias para el mantenimiento de los cloroplastos pero hay una hipótesis que a mí me resulta enormemente atractiva: hay evidencia de que existe una transferencia génetica del alga a las células de los animales jóvenes antes de que la simbiosis se establezca. Si esto es así, podria explicarse la síntesis de proteínas necesarias para el cloroplasto porque la trasferencia lateral de genes permite a las células animales satisfacer las necesidades del cloroplasto. Si no es así habrá que buscar explicaciones alternativas para la excepcional pervivencia de estos orgánulos en un medio donde, en principio, no podrían mantener más que unos días.
Hay más ejemplos de esta extraordinaria habilidad. Por ejemplo, una babosa marina pariente de la anterior, Elysia timida también retiene cloroplastos pero de un alga diferente llamada Acetabularia acetabulum. Otra sólo se alimenta y usa cloroplastos de Caulerpa, otra de Halimeda. Todo un despliegue de adaptaciones con una base común y, flotando sobre todo el proceso, esa transferencia genética que hace pocos años sólo se reconocía en bacterias y que, poco a poco, parece no limitarse a ese caso.

Un par de referencias:
Mujer, C.V. et al., 1996, Chloroplast genes are expressed during intracellular symbiotic association of Vaucheria litorea plastids with the sea slug Elysia chlorotica. PNAS, 93(22): 12333-12338
Rumpho, M.E. et al., 2000, Solar-Powered Sea Slugs. Mollusc/Algal Chloroplast Symbiosis. Plant Physiology, 123: 29-38.

Congreso en Mérida

Lamento no poder invitarles a una reunión de frikis o de blogueros pero sí puedo hacerlo al congreso que celebraremos en Mérida dentro de un mes y cuyo lema es "De los modelos a la realidad" ¿les suena?
Hablaremos esencialmente de métodos mediante los cuales los sistemas de información geográfica y la teledetección pueden ser aplicados a la resolución de problemas en ecología. La página del congreso es esta y la de nuestro grupo de investigación, bautizado Kraken, esta otra. Somos primerizos y debo reconocer que ya he pasado alguna noche de sueño de baja calidad debido a este asunto pero estoy seguro de que merecerá la pena.

Ridiculum vitae

La propuesta es muy simple: es absolutamente necesario que los currículos académicos y los sexenios concedidos sean públicos y no, como hasta ahora, secretos celosamente guardados para no revelar al mundo vergüenzas propias o ajenas.
El cabreo viene a cuento de que hoy a un colega le han denegado la acreditación para la figura de profesor contratado doctor. No se trata aquí de clamar ante la injusticia sino, simplemente, de reconocer que los aspirantes a plazas están absolutamente indefensos ante las decisiones. ¿Por qué? Pues porque no saben a quién tienen delante, qué méritos les acreditan para juzgar ni qué baremos se aplican para la resolución. Aceptado o denegado, esa es la cuestión y eso es todo. Anónimo, injustificado, tal vez afectado por un grado de arbitrariedad insoportable, no se sabe.
La idea subyacente a todo esto es que hay un conspicuo conjunto de personas que aparecen por comisiones y tribunales cuyos méritos para estar ahí son imposibles de definir.
La tentación es decir que no tienen esos méritos porque cuando uno mira en la Web of Science o en Scopus, sus publicaciones en revistas con factor de impacto parecen inexistentes. Recordemos el caso de un insigne funcionario al que sólo se le puede asignar una solitaria publicación (F.I.=0.4) en su dilatada experiencia docente e investigadora. Tan dilatada que, además de Catedrático de Universidad, es secretario de Estado de Universidades e Investigación y dirige, por tanto, la política de investigación nacional.
Como estoy seguro de que cometo una injusticia al sospechar que hubo tiempos donde se saldaban algunos méritos propongo de nuevo la solución: transparencia e información. Y la fórmula más simple e inmediata es que los currículos académicos de todos los funcionarios de universidades y de todo el personal contratado o becado deben ser públicos: que corra el aire por sus páginas, que sepamos realmente de qué vamos cuando se decide el futuro de la gente, su empleo o su financiación.
La solución técnica no es especialmente compleja, para eso tenemos internet: un servidor centralizado en el Ministerio donde cada uno tenga acceso a editar sus méritos y todos podamos leerlos.
Veo que este post me ha quedado muy breve. Pero es que la idea es muy simple.

Mirando por el retrovisor: algunas entradas en el 2006

Gracias a Google Analytics he podido echar un vistazo a las entradas más leídas del semestre pasado (no hay datos de antes). Sin analizar nada, el conjunto me parece interesante porque son de carácter bastante diferente. Las 8 primeras son las siguientes:

1. Las cintas desaparecidas del Apolo 11
2. Modelos matemáticos y realidad
3. Sobre la necesidad de liberar los datos científicos
4. Creencias persistentes ¿ha nacido usted con luna llena?
5. Continentes a la deriva y GPS
6. Benedicto XVI y la evolución biológica
7. El último tilacino
8. Libros, grutas y arqueólogos

No sé si son mis preferidas porque, aunque las he leido todas (pueden creerme) y mi memoria es perfectamente selectiva (sólo recuerdo lo accesorio, nunca lo fundamental), son demasiadas para mantener una lista ordenada en la cabeza. Aún así, echo en falta una redactada en el agosto profundo de Castilla que me permito rescatar del olvido: los ratones paracaidistas. Y, por redondear a la decena, hoy, pero hace justo un año, escribí un post muy breve defendiendo las lenguas, idiomas y dialectos de los miserables que los usan como arma: de idiomas oprimidos y opresores.

Modelos, realidad, incertidumbre… y Turing de nuevo

Comentábamos el otro día que probablemente el aspecto más importante a la hora de valorar el test de Turing era tener claras las relaciones entre los modelos y la realidad.
Antes de seguir no me resisto a incluir aquí una de las frases lapidarias atribuidas a Dijkstra (no verificada) y sacada de las Wikicitas a propósito de nuestro debate:

«La pregunta de si un computador puede pensar no es más interesante que la pregunta de si un submarino puede nadar.»

Pero sigamos. Quería desarrollar uno de los párrafos de Pedro en los comentarios al post anterior:

Lo que él [Turing] propone es análogo a la confrontación de un modelo con la realidad en el método científico: diseñar experimentos para comparar lo que hace el modelo con lo que hace la realidad, y si no somos capaces de falsar la hipótesis de que el modelo reproduce el comportamiento real, nos quedamos con el modelo.

No me gusta demasiado la última frase porque creo que se refiere a situaciones conceptualmente irreales y que cuando usamos modelos en la investigación no procedemos así. A ver si me explico comentando algo sobre objetivos y métodos de modelado (RAE dixit) aunque es difícil sintetizar esto en dos páginas.
Usamos los modelos como recurso para simplificar la forma, estructura o funcionamiento de objetos y procesos reales y, así, poder deducir o conocer algunas de sus propiedades con más comodidad: la complejidad de la realidad hace incómodo (o imposible) someterla a experimentación directa y usamos una simplificación. Para que este método funcione es necesario suponer que la simplificación de la realidad no penaliza excesivamente la exactitud del resultado. Lógicamente, esta suposición no puede hacerse sin más y debe comprobarse y valorarse cuantitativamente siempre.
Aceptamos por tanto que lo que genera el modelo (resultados) será similar a lo que generaría el objeto real en las mismas condiciones de experimentación (escenario) y utilizamos los resultados dándoles un valor de verosimilitud. Pero esta suposición debe tomarse con pinzas y tener en cuenta:

• Que el escenario es a su vez un modelo de las condiciones reales, simplificado y truncado, por lo que no puede ser asumido directamente como “real”.
• Que, consecuentemente, los resultados se generan condicionados por la calidad del escenario, de los modelos de los objetos (a través de datos) y de los modelos de los procesos (a través de ecuaciones o algoritmos que las traducen al lenguaje informático).
  

Es decir, en teoría siempre podremos falsar o refutar la hipótesis de que el modelo se comporta como la realidad. Los modelos “perfectos” no existen por propia definición, donde la realidad se simplifica en sus componentes y en sus interacciones. Si no hiciéramos esa simplificación el modelo no sería tal sino un réplica, un duplicado, y no tendría ventaja alguna el usarlo porque no reduciría la complejidad del experimento.
Para saber si podemos usar un modelo es necesario estimar la similitud del resultado modelado respecto al resultado real y valorar si ese resultado nos es útil y para qué.
Esto puede realizar de dos formas:

• Cuando es posible, contrastando una pequeña parte de los resultados modelados con resultados reales (muestra de contraste).
• Cuando no es posible, realizando un análisis de sensibilidad (aunque éste debe hacerse siempre).
  

Un ejemplo me ayudará a explicarme: tenemos una hoja de cálculo para modelar las variaciones de temperaturas en un perfil de suelo a lo largo de un día. La hoja representa el suelo en estratos o capas de 2 cm (primera simplificación) y estima la transferencia de calor de un estrato a otro mediante elementos finitos. Los datos de entrada son la luz solar (irradiancia) que se calcula cada 20 minutos (segunda simplificación), un coeficiente de conductividad y otro de difusividad que suponemos iguales para todo el perfil (tercera simplificación), etc. En el modelo hemos descartado introducir la nubosidad por su irregularidad (suponemos un día despejado) y así otros factores que creemos menos relevantes.
Este modelo tiene la bondad de ser contrastable: iríamos a varios lugares de características diferentes, pondríamos termómetros a varias profundidades y contrastaríamos las temperaturas reales con las predichas. Las divergencias nos permitirían dar valores de incertidumbre a los resultados mediante, por ejemplo, un intervalo de confianza al 95%. Los resultados adoptarían la forma, por ejemplo, de 13.2±1.5 ºC (I.C.: 95%). Lógicamente, el valor de incertidumbre puede no ser constante sino función de la temperatura y de los valores de conductividad o de sus combinaciones…
La idea fundamental es que conocemos hasta dónde llega la exactitud de los resultados modelados. Si nos vale o no es otra cuestión y depende de nuestros objetivos: habrá trabajos que soporten esa incertidumbre y otros que no.
Segundo ejemplo, más de moda que el anterior: predicciones de cambio climático. Resulta que aplicamos el modelo X de predicción de cambio climático y encontramos que en una zona determinada X predice una subida de 3.0 ºC en los próximos 80 años. ¿Cómo puedo saber si este resultado es fiable? Pues lamentablemente este modelo no es contrastable y no podemos, en principio, saber hasta qué punto es fiable. ¿Estamos perdidos? No del todo, podemos hacer una prueba que nos va a dar información indirecta sobre el asunto. Sería la siguiente: si el modelo X usa n variables x_i (i=1..n) como entrada, vamos a hacer mil réplicas del proceso de modelado. Lógicamente, esos mil valores de temperatura que resultan serían iguales pero en estas réplicas vamos a cambiar esos valores originales añadiéndoles una desviación aleatoria: x_i + e_i . Esa desviación e_i estará dentro del rango de incertidumbre de la medida x_i. ¿Y cómo sabemos esa incertidumbre? Midiendo repetidas veces el valor x_i en la realidad. Es decir, asignamos una incertidumbre a cada uno de los datos de entrada. En nuestro caso, si una de las entradas es la transparencia de la atmósfera habrá que medirla unos cientos de veces y calcular el valor medio y la incertidumbre asociada. Los modelos de cambio no se harán introduciendo repetidamente el valor medio sino muchos valores posibles calculados a partir de la incertidumbre de la medida. Y todo esto para cada variable y valor de entrada en el modelo X.
Este procedimiento nos permitirá ver, analizando los resultados, varias cosas. Entre ellas cuál es la variación en esos resultados. Cabe que esa subida de 3.0 sea, en realidad 3.0±0.3 ºC o cabe que sea 3.0±5.3 ºC. En este segundo caso el modelo no nos vale para nada que se me ocurra.

Otra cosa que podemos ver es si hay variables críticas, es decir, variables cuyas variaciones implican cambios relativamente mayores en los resultados que otras. Esas variables deben ser medidas con mayor exactitud que el resto (o dicho de otra forma, los otros pueden ser medidos con menos exactitud) lo que facilita la eficaz distribución de recursos a la hora de planificar la toma de datos.
Este análisis debe hacerse siempre, no sólo cuando el modelo no es contrastable, porque la información que nos proporciona es enormemente útil.
Dado que los modelos imitan el comportamiento de los sistemas reales sólo aproximadamente debemos analizar cuidadosamente qué modelo es adecuado para el objetivo que perseguimos y hasta que punto los resultados son de suficiente calidad.

Enlazando con el asunto del test de Turing, que un modelo haga buenas predicciones o proporcione buenos resultados no significa que funcione igual que la realidad. Por eso, la frase de Pedro mencionada al principio “si no somos capaces de falsar la hipótesis de que el modelo reproduce el comportamiento real, nos quedamos con el modelo” yo la entiendo como “si no encontramos diferencias entre los resultados del modelo y los resultados reales, aceptamos el modelo como buen generador de resultados”. Pero no podemos ir más allá y suponer que los mecanismos que generan resultados en el modelo y en la realidad son los mismos. De hecho, por la propia definición de modelo, nunca lo son. No lo sería ni siquera si el ordenador fuera inteligente porque suponer que su inteligencia fuera humana es de un antropocentrismo insostenible. De ahí mi objeción de ET al test de Turing que propuse días atrás y que hasta el momento no ha sido criticada :-)

Nota: más cosas sobre este tema han sido tratadas hace poco en CPI y en Malaciencia donde Remo y Alf han presentado aspectos distintos del asunto con ejemplos que van desde sistemas planetarios hasta el cambio climático.