Compresión de imágenes fractales
La compresión de imágenes fractales representa una imagen como un conjunto de transformaciones contractivas que asignan, de forma aproximada, bloques de origen más grandes a bloques de destino más pequeños.
Busca estructuras repetidas
Un codificador divide la imagen en bloques de rango y busca bloques de dominio que se asemejen a ellos tras una transformación geométrica y tonal. La lista de transformaciones define un operador cuyo punto fijo se aproxima a la imagen original.
El codificador divide una imagen en pequeños bloques de rango y busca bloques de dominio más grandes que resulten similares tras la rotación, la reflexión y el ajuste de brillo y contraste. Almacena parámetros de transformación en lugar de píxeles. Las coincidencias sólidas requieren una estructura local recurrente. La búsqueda es combinatoriamente amplia, por lo que la clasificación y la restricción de candidatos determinan en gran medida el coste de la codificación.
Coste asimétrico
La decodificación aplica repetidamente las transformaciones almacenadas y puede partir de muchas imágenes arbitrarias. La codificación es costosa porque la búsqueda entre las relaciones entre bloques es extensa; acelerar y restringir esa búsqueda es fundamental para los sistemas prácticos.
La decodificación aplica repetidamente todas las transformaciones a una imagen inicial arbitraria. Dado que el operador combinado debe ser contractivo, la secuencia se aproxima a su punto fijo. Esto explica el coste asimétrico: una búsqueda de relaciones costosa durante la codificación y una iteración relativamente sencilla durante la decodificación. Los mapas mal condicionados o excesivamente agresivos pueden perjudicar la convergencia y la calidad de la imagen.
Promesas de zoom y compensaciones prácticas
Dado que las transformaciones definen correspondencias continuas, las imágenes descodificadas pueden evaluarse más allá de su cuadrícula original, pero no se recupera ninguna verdad fotográfica perdida. Los códecs modernos de uso general suelen ofrecer un mejor equilibrio entre velocidad, calidad y compatibilidad, lo que hace que la compresión fractal siga siendo históricamente importante y especializada.
Las transformaciones pueden evaluarse de forma continua, lo que permite a un decodificador generar una trama de mayor tamaño. No se recupera ninguna información fotográfica adicional de la fuente; se refina la hipótesis de autosimilaridad del modelo. Los códecs modernos suelen equilibrar mejor la velocidad y la calidad mediante transformaciones por bloques, predicción y herramientas de aprendizaje. La compresión fractal sigue siendo importante desde el punto de vista conceptual, pero no es una vía universal para lograr un zoom infinito sin pérdidas.
Fuentes y lecturas recomendadas
Este artículo resume las siguientes fuentes especializadas utilizando la redacción original. Consultado y revisado editorialmente el 12 de agosto 2026.
- Fractal Image CompressionNotices of the American Mathematical Society
- Iterated Function SystemWolfram MathWorld
Continúa con la idea
Sistemas de funciones iteradas
Cómo una pequeña colección de transformaciones contractivas define un atractor fractal único.
Arte fractal: las matemáticas como material
Cómo los artistas convierten fórmulas, búsquedas de parámetros, colores, texturas, iluminación y decisiones de exportación en imágenes creadas por ellos mismos.
Renderización de fractales mediante GPU
Cómo los píxeles fractales utilizan el cálculo paralelo Metal en Mac y Apple Silicon, donde la divergencia y la precisión afectan al rendimiento, y por qué es importante el refinamiento progresivo.