La principal motivación de Inkscape es proporcionar a la comunidad una herramienta de código abierto de dibujo SVG que cumpla completamente con los estándares XML, SVG y CSS2.

Inkscape se encuentra desarrollado principalmente para el sistema operativo GNU/Linux, pero es una herramienta multiplataforma que funciona en Windows, Mac OS X, y otros sistemas derivados de Unix.

Esta aplicación tiene una buena compatibilidad multilingüe, particularmente para scripts complejos.

Inkscape
Pantalla de ejemplo de Inkscape
Desarrollador:	El Equipo Inkscape
Última versión:	0.45.1 / 20 de marzo de 2007
S.O.:	Multiplataforma
Género:	Editor de gráficos vectoriales
Licencia:	GPL
En español:	Sí
Sitio Web:	www.inkscape.org

El formato MNG está estrechamente vinculado al formato de imagen PNG. Cuando comenzó el desarrollo de PNG a principios del año 1995, se decidió no incorporar la gestión de la animación, porque se empleaba poco esta capacidad del formato GIF en ese tiempo. Sin embargo, se desarrolló rápidamente un formato que soportaba la animación, el formato MNG, una extensión del formato PNG.

La versión 1.0 de las especificaciones de MNG salió el 31 de enero 2001. MNG es pues muy reciente, y actualmente no se actualiza tanto como el PNG. Sin embargo varios navegadores como Netscape Navigator y Konqueror ya soportan MNG; y los plugins de MNG están disponibles para Mozilla, Opera e Internet Explorer. Los desarrolladores de MNG esperan que MNG comience a sustituir a largo plazo al GIF para imágenes animadas en la Red, de la misma forma que el formato PNG ya comenzó a hacerlo para imágenes fijas.

La estructura de los ficheros de formato MNG es básicamente idéntica a la de los ficheros PNG, difiriendo solamente en la firma (8A 4D 4E 47 0D 1A 0A en hexadecimal) y en la utilización de unidades de información discretas que proporcionan una gran variedad de dispositivos de animación. Las imágenes utilizadas en la animación se almacenan en el fichero MNG como una encapsulación de imágenes con formato PNG o JNG.

Se crearon también dos versiones de MNG de complejidad reducida: MNG-LC (baja complejidad) y MNG-VLC (complejidad muy baja). Éstas permiten a las aplicaciones incluir el soporte de MNG en cierta medida, sin tener que poner todas las especificaciones de MNG.

MNG no dispone aún de un tipo registrado de soporte de vídeo MIME, pero se puede utilizar vídeo/x-mng.

Son muy pocos los navegadores que soportan este formato. Safari no lo soporta. Mozilla retiró el soporte de MNG en la versión 1.5a y todas las futuras versiones, y no parece solucionarse al reinstalarlo por ahora [1], a pesar de las objeciones de la comunidad [2]. El plugin oficioso de Firefox puede utilizarse para integrar el soporte en Mozilla. Hay que indicar que los programadores intentan crear una alternativa a Mozilla, llamada MNGzilla, integrando MNG.

Enlaces externos

• La página oficial del formato MNG (en inglés)
• libmng : Página principal (en inglés)
• Lista de navegadores que soportan MNG (en inglés)

JPEG es un algoritmo de compresión con pérdida. Esto significa que al descomprimir la imagen no obtenemos exactamente la misma imagen que teníamos antes de la compresión.

Una de las características que hacen muy flexible el JPEG es el poder ajustar el grado de compresión. Si especificamos una compresión muy alta se perderá una cantidad significativa de calidad, pero obtendremos ficheros de pequeño tamaño. Con una tasa de compresión baja obtenemos una calidad muy parecida a la del original, y un fichero mayor.

Esta pérdida de calidad se acumula. Esto significa que si comprime una imagen y la descomprime obtendrá una calidad de imagen, pero si vuelve a comprimirla y descomprimirla otra vez obtendrá una perdida mayor. Cada vez que comprima y descomprima la imagen, esta perderá algo de calidad.

El formato de ficheros JPEG o JPG fue creado por un grupo independiente, llamado JFIF (JPEG File Interchange Format), quienes se encargan sólo de la utilización del algoritmo JPEG para almacenar imágenes. Existen otros formatos de fichero que también utilizan el algoritmo JPEG, el más conocido de ellos es JNG.

JPEG/JFIF es el formato más utilizado para almacenar y transmitir archivos de fotos en la Web. Pero la compresión con pérdida del formato no conviene a diagramas que incluyen textos y líneas.

El algoritmo de compresión JPEG se basa en dos defectos visuales del ojo humano, uno es el hecho de que es mucho más sensible al cambio en la luminancia que en la crominancia, es decir, notamos más claramente los cambios de brillo que de color. El otro es que notamos con más facilidad pequeños cambios de brillo en zonas homogéneas que en zonas donde la variación es grande, por ejemplo en los bordes de los cuerpos (entiéndase por cuerpo cualquier cosa y no un cuerpo humano).

El algoritmo JPEG, transforma la imagen en cuadrados de 8×8 y luego almacena cada uno de estos como una combinación lineal o suma de los 64 recuadros que forman esta imágen, esto permitie eliminar detalles de forma selectiva, por ejemplo, si una casilla tiene un valor muy próximo a 0, puede ser eliminada sin que afecte mucho a la calidad.

Codificación.

Muchas de las opciones del estándar JPEG seusan poco. Esto es una descripción breve de uno de los muchos métodos comúnmente usados para comprimir imágenes cuando se aplican a una imagen de entrada con 24 bits por pixel (ocho por cada rojo, verde, y azul). Esta opción particular es un método de compresión con pérdida.

Transformación del espacio de color.

Comienza convirtiendo la imagen desde su modelo de color RGB a otro llamado YUV ó YCbCr. Este espacio de color es similar al que usan los sistemas de color para televisión PAL y NTSC, pero, es mucho más parecido al sistema de televisión MAC.

Este espacio de color (YUV) tiene tres componentes:

* La componente Y, o Luminancia (información de brillo), es decir, la imagen en escala de grises.
* Las componentes U o Cb y V o Cr, respectivamente Saturación (la cantidad de blanco, o la pureza del color) y Tono (el nombre del color propiamente dicho, o la longitud de onda asociada); ambas señales son conocidas como Crominancia (información de color).

El resultado es una imagen en la que la luminancia está separada de la crominancia.

Las ecuaciones que realizan éste cambio de base de RGB a YUV son las siguientes:

Y = 0.257 * R + 0.504 * G + 0.098 * B + 16

Cb = U = -0.148 * R – 0.291 * G + 0.439 * B + 128

Cr = V = 0.439 * R – 0.368 * G – 0.071 * B + 128

Las ecuaciones para el cambio inverso se pueden obtener despejando de las anteriores y se obtienen las siguientes:

B = 1.164 * (Y – 16) + 2.018 * (U – 128)

G = 1.164 * (Y – 16) – 0.813 * (V – 128) – 0.391 * (U – 128)

R = 1.164 * (Y – 16) + 1.596 * (V – 128)

NOTA: Estas ecuaciones están en continua investigación con lo que se pueden encontrar por libros y red otras ecuaciones distintas pero con coeficientes muy parecidos.

Si se analiza el primer trío de ecuaciones veremos que las tres componentes toman como valor mínimo el 16. El canal de luminancia (canal Y) tiene como valor máximo el 235, mientras que los canales de crominancia el 240, todos estos valores caben en un byte haciendo redondeo al entero más próximo.

Durante esta fase no hay pérdida de información.

NOTA: Esta última afirmación no es del todo cierta ya que debido a los redondeos se introduce un pequeño margen de error aunque imperceptible para el ojo humano.

Submuestreo.

Una opción que se puede aplicar al guardar la imagen, es reducir la información del color respecto a la de brillo (debido al defecto en el ojo humano comentado anteriormente). Hay varios métodos: si este paso no se aplica, la imagen sigue en su espacio de color YUV, (este submuestreo se entiende como 4:4:4), con lo que la imagen no sufre pérdidas. Puede reducirse la información cromática a la mitad, 4:2:2 (reducir en un factor de 2 en dirección horizontal), con lo que el color tiene la mitad de resolución (en horizontal), y el brillo sigue intacto. Otro método, muy usado, es reducir el color a la cuarta parte, 4:2:0, en el que el color se reduce en un factor de 2 en ambas direcciones, horizontal y vertical. Si la imagen de partida estaba en escala de grises (blanco y negro), puede eliminarse por completo la información de color, quedando como 4:0:0.
Algunos programas que permiten el guardado de imágenes en JPEG (como el que usa GIMP) se refieren a estos métodos con 1×1,1×1,1×1 para YUV 4:4:4 (no perder color), 2×1,1×2,1×1 para YUV 4:2:2 y 2×2,1×1,1×1 para el último método, YUV 4:2:0.

Las técnicas algorítmicas usadas para este paso (para su reconstrucción exactamente) suelen ser interpolación bilineal, vecino más próximo convolución cúbica, Bezier, b-spline y Catmun-Roll.

Transformación discreta de coseno o DCT
Entonces, cada componente de la imagen se divide en pequeños bloques de 8×8 píxeles, que se procesan de forma casi independiente, de esto resulta la formación de los bloques, que se hace notable en imágenes guardadas con altas compresiones. Si la imagen sufrió un submuestreo del color, los colores quedarían en la imagen final en bloques de 8×16 y 16×16 pixeles, según fuese 4:2:2 o 4:2:0.

Después cada pequeño bloque se convierte al dominio de la frecuencia a través de la transformación discreta de coseno bidimensional, abreviadamente llamada DCT.

Un ejemplo de uno de esos pequeños bloques de 8×8 inicial es este:

El siguiente proceso es restarles 128 para que queden números entorno al 0, entre -128 y 127.

Se procede a la transformación por DCT de la matriz, y el redondeo de cada elemento al número entero más cercano.

Nótese que el elemento más grande de toda la matriz aparece en la esquina superior izquierda, este es el coecifiente DC.

NOTA: Se ha comprobado que los resultados anteriormente expuestos están correctos.

Cuantificación.
Como ya habíamos comentado, el ojo humano es muy bueno detectando pequeños cambios de brillo en áreas relativamente grandes, pero no cuando el brillo cambia rápidamente en pequeñas áreas (variación de alta frecuencia), esto permite eliminar las altas frecuencias, sin perder excesiva calidad visual. Esto se realiza dividiendo cada componente en el dominio de la frecuencia por una constante para ese componente, y redondeándolo a su número entero más cercano. Este es el proceso en el que se pierde la mayor parte de la información (y calidad) cuando una imagen es procesada por este algoritmo. El resultado de esto es que los componentes de las altas frecuencias, tienden a igualarse a cero, mientras que muchos de los demás, se convierten en números positivos y negativos pequeños.

Una matriz de cuantificación típica es esta:

Dividiendo cada coecifiente de la matriz de la imagen transformada entre cada coecifiente de la matriz de cuantificación, se obtiene esta matriz, ya cuantificada:

Por ejemplo, cuantificando el primer elemento, el coecifiente DC, sería así:

Codificación entrópica.
La codificación entrópica es una forma especial de la compresión sin pérdida de datos. Para ello se cogen los elementos de la matriz siguiendo una forma de zig-zag, poniendo grupos con frecuencias similares juntos, e insertando ceros de codificación, y usando la Codificación Huffman para lo que queda. También se puede usar la codificación aritmética, superior a la de Huffman, pero que rara vez se usa, ya que está cubierta por patentes, esta compresión produce archivos un 5% menores, pero a costa de un mayor tiempo de codificación y decodificación, esta pequeña ganancia, puede emplearse también en aplicar un menor grado de compresión a la imagen, y obtener más calidad para un tamaño parecido.

En la matriz anterior, la secuencia en zig-zag, es esta:
−26, −3, 0, −3, −2, −6, 2, −4, 1 −4, 1, 1, 5, 1, 2, −1, 1, −1, 2, 0, 0, 0, 0, 0, −1, −1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0

JPEG tiene un código Huffman para cortar la cadena anterior en el punto en el que el resto de coecifientes sean ceros, y así, ahorrar espacio:
−26, −3, 0, −3, −3, −6, 2, −4, 1 −4, 1, 1, 5, 1, 2, −1, 1, −1, 2, 0, 0, 0, 0, 0, −1, −1, EOB

Ruido producido por la compresión

El resultado tras la compresión, puede variar, en función de la agresividad de los divisores de la matriz de cuantización, a mayor valor de esos divisores, más coecifientes se convierten en ceros, y más se comprime la imagen. Pero mayores compresiones producen mayor ruido en la imagen, empeorando su calidad. Una imagen con una fuerte compresión (1%-15%) puede tener un tamaño de archivo mucho menor, pero tendrá tantas imperfecciones que no será interesante, una compresión muy baja (98%-100%) producirá una imagen de muy alta calidad, pero, tendrá un tamaño tan grande que quizás interese más un formato sin pérdida como PNG.

La mayoría de personas que naveguen por Internet estarán familiarizadas con estas imperfecciones, son el resultado de lograr una buena compresión; para evitarlos, se tendrá que reducir el nivel de compresión o aplicar compresión sin pérdida, produciendo mayores ficheros después.

Decodificación

El proceso es similar al seguido hasta ahora, sólo que de forma inversa. En este caso, al haber perdido información, los valores no coincidirán.

Se coge la información de la matriz, se descodifica, y se pone cada valor en su casilla correspondiente. Después se multiplica cada uno de estos valores por el valor correspondiente de la matriz de cuantización usada, como muchos valores son ceros, sólo se recuperan ( y de forma aproximada) los valores de la esquina superior izquierda.

Después se deshace la transformación DCT:

Y finalmente se suma 128 a cada entrada:

Para comparar las diferencias entre el bloque original y el comprimido, se halla la diferencia entre ambas matrices, la media de sus valores absolutos, da una ligera idea de la calidad perdida:

Se puede observar que las mayores diferencias están cerca de la mancha, y por la parte inferior, entre la esquina izquierda y el centro, notándose más esta última, ya que corre una mancha clara que antes estaba más hacia la esquina. La media de los valores absolutos de las restas es 4.8125, aunque en algunas zonas es mayor.

Esquema del modelo RGB

Esquema del modelo YUV

El formato fue creado por CompuServe en 1987 para dotar de un formato de imagen a color para sus áreas de descarga de ficheros, sustituyendo su temprano formato RLE en blanco y negro. GIF llegó a ser muy popular porque podía usar el algoritmo de compresión LZW (Lempel Ziv Welch) para realizar la compresión de la imagen, que era más eficiente que el algoritmo Run-Lenght Encoding (RLE) usado por los formatos PCX y MacPaint. Por lo tanto, imágenes de gran tamaño podían ser descargadas en un razonable periodo de tiempo, incluso con modems muy lentos.

GIF es un formato sin pérdida de calidad, siempre que partamos de imágenes de 256 colores o menos. Una imagen de alta calidad, como una imagen de color verdadero (profundidad de color de 24 bits o superior) debería reducir literalmente el número de colores mostrados para adaptarla a este formato, y por lo tanto existiría una pérdida de calidad.

Caracteristicas.
Existen diferentes versiones de este formato (GIF87a, GIF89a …).

Sus principales características son:

* Profundidad de color: 8 bits máximo (256 colores simultáneos)
o Uso de color indexado, a través de una paleta de colores que puede ser de distintos tamaños, dependiendo del valor del Size of Local Color Table, que tiene un tamaño de 3 bits. El número de colores se puede calcular mediante la fórmula: 2(Size of Local Color Table+1) Esto permite a GIF usar una paleta de 2,4,8,16,32,64,128 ó 256 colores.
o Aunque con mediante el uso de varias capas transparentes (con un máximo de 256 colores en cada una) separadas por 0 milisegundos (simultáneas) entre ellas, si pueden mostrarse imágenes con más de 24 colores diferentes [1] y [2], permitiendo mostrar un color real. Pese a esto, esta última técnica es poco eficiente, y rara vez se usa, y cuando se hace es sobre todo para demostrar esta posibilidad, a veces, estas imágenes no aparecen simultáneamente sino que va apareciendo cada una de las capas sucesivamente. En este caso, cada capa sería un cuadrado de 16 por 16, en el que como mucho se podrían mostrar 256 colores, la imagen se divide en dichos recuadros, y se van superponiendo uno sobre otro.
* Permite transparencia de 1 bit, de tal forma que cada pixel de la imagen puede ser o no transparente. Esto lo diferencia de formatos como el PNG, que también dispone transparencia variable.
* Sus últimas versiones permiten hacer animaciones simples, aunque la compresión es muy deficiente.
* Permite utilizar entrelazado en imágenes, de tal forma que las imágenes se visualicen al completo nada más empezar su descarga, pero con una baja definición que va progresando hasta cargarse por completo en los navegadores.

Patentes.
Unisys, propietario de la patente del algoritmo LZW que se utiliza en el formato GIF reclamó durante años el pago de regalías por su uso. Compuserve, al desarrollar el formato, no sabía que el algoritmo LZW estaba cubierto por una patente. Debido a esto, cualquier programa capaz de abrir o guardar archivos GIF comprimidos con LZW debía cumplir con sus exigencias. Esto hace que su uso sea desaconsejado por el W3C, y perjudicial para el software libre y proyectos libres como Wikipedia. Es necesario recalcar que el formato GIF puede utilizar otros métodos de compresión no cubiertos por patentes, como el método Run-length encoding.

El 20 de junio de 2003 expiró en Estados Unidos la patente por el algoritmo LZW. Muchos llamaron a este día el Día de la liberación del GIF.

Ejemplo de Imagen GIF.

Animación de la tierra en formato GIF.

• Una imagen puede ser un archivo codificado que, al abrirlo, muestra una representación visual de algo (ya sea fotografía, gráfica, dibujo, etc.)
• También puede ser un archivo en el cual está toda la información de una unidad (disco duro, CD…). Este archivo se puede usar como “molde” para configurar nuevos ordenadores sin tener que realizar todos los procesos de instalación de un sistema nuevo y a la vez sirve como copia de seguridad de los datos de ese ordenador antes de realizar alguna operación sobre él.

FORMATOS DE IMAGEN

BMP

Extensión: .bmp

Profundidad de Color:

• 1 (Mapa de bits)
• 4-8 bits (Escala grises)
• 8 bits (Color Indexado)
• 24 bits(RGB)

Modos Color:

• Modos RGB
• Color Indexado,
• Escala de Grises,
• Mapa de Bits

Canales Alfa:

No

Comprime:

NO (excepto en 4 y 8 bits)

Nota:

El píxel (del inglés picture element, es decir, “elemento de la imagen”) es la menor unidad en la que se descompone una imagen digital, ya sea una fotografía, un fotograma de vídeo o un gráfico.

Al ampliar fuertemente una imagen digital (zoom), por ejemplo en la pantalla de un ordenador, pueden observarse los píxeles que componen la imagen. Los píxeles aparecen como pequeños cuadrados en color, en blanco o en negro, o en matices de gris. Las imágenes se forman como una matriz rectangular de píxeles, donde cada píxel forma un punto diminuto en la imagen total.

En las imágenes de mapa de bits o en los dispositivos gráficos cada píxel se codifica mediante un conjunto de bits de longitud determinada (la llamada profundidad de color), por ejemplo, puede codificarse un píxel con un byte, u 8 bits, de manera que cada píxel admite 256 variantes (2 dígitos por bit, elevados a la octava potencia, es decir, 2 × 2 × 2 × 2 × 2 × 2 × 2 × 2). En las imágenes de color verdadero, se suelen usar tres bytes para definir un color, es decir, en total podemos representar un total de 2 elevado a 24 colores diferentes (16.777.216 de colores).

Para poder transformar la información numérica que almacena un píxel en un color hemos de conocer, además de la profundidad de color (el tamaño en bits del pixel), el modelo de color que estamos usando. Por ejemplo, el modelo de color RGB (Red-Green-Blue) permite crear un color componiendo tres colores básicos: el rojo, el verde y el azul. De esta forma, en función de la cantidad de cada uno de ellos que usemos veremos un resultado u otro. Por ejemplo, el color amarillo se obtiene mezclando el rojo y el verde. Las distintas tonalidades del amarillo se obtienen variando la proporción en que intervienen ambas componentes. En el modelo RGB es frecuente que se usen 8 bits para representar la proporción de cada una de las tres componentes primarias. De esta forma, cuando una de las componentes vale 0, significa que esta no interviene en la mezcla y cuando vale 255 (2⁸ – 1) significa que interviene aportando el máximo de ese tono.

La mayor parte de los dispositivos que se usan con un ordenador (monitor, escáner, …) usan el modelo RGB.

Ejemplo de píxeles

Megapixel

Un mega píxel es 1.048.576 píxeles, usualmente se utiliza para expresar la resolución de cámaras digitales, por ejemplo, una cámara que puede tomar fotografías con una resolución de 2048 × 1536 píxeles se dice que tiene 3,1 mega píxeles (2048 × 1536 = 3.145.728).

La cantidad de mega píxel que tenga una cámara digital define el tamaño de ésta, pero hay que tomar en cuenta que cada mega píxel está siendo distribuido en un área, por tanto no hay una diferencia astronómica entre una cámara de 7 y una de 8 mega píxeles, ya que no es una medida exponencial como las “X” de una grabadora de CDs.

Las cámaras digitales usan electrónica fotosensible, como CCDs (del inglés Charge-Coupled Device) o sensores CMOS, que graban niveles de brillo en una base por-píxel. En la mayoría de las cámaras digitales, el CCD esta cubierto con un filtro coloreado, teniendo regiones color rojo, verde y azul organizadas en mosaico según el filtro de Bayer, así que cada píxel-sensor puede grabar el brillo de un solo color primario. La cámara interpola la información de color de los píxeles vecinos, mediante un proceso llamado “de-mosaicing”, para crear la imagen final.

Fuente obtenida de Wikipedia