Modelo HSI

Edison Brayan Mazón Flores

Freddy Lapo Robles
Christian Yugcha
Escuela de Ingeniería Electrónica en Control y Redes Industriales
Escuela Superior Politécnica de Chimborazo
brayutum95@hotmail.com
fred_edu_15@hotmail.es
cyugcha@espoch.edu.ec

Resumen— El presente documento es una investigación Por tanto, la Visión Artificial o también llamada Visión por
exhaustiva acerca del contenido visto en clases para abordar temas Computador, pretende capturar la información visual del entorno físico
que no se mencionar por razones de tiempo, en el cual se va a tratar para extraer características relevantes visuales, utilizando
temáticas como su concepto, su derivación con otros tipos de procedimientos automáticos. Según Marr, “Visión es un proceso que
sistemas, analogías que expliquen de mejor manera este nuevo produce a partir de imágenes del mundo exterior una descripción útil
para el observador y no tiene información irrelevante”.
tema a tratar, ejemplo de imágenes aplicado este tipo de modelo y
algunas fórmulas muy importantes que deben ser tomadas en II. MARCO TEÓRICO
consideración para aplicar el Modelo HSI, o también conocido
como HSL (Hue, Saturation, Ligthness) y para concluir se a) Modelo HSL
mostrará una línea de código que servirá como ejemplo para una
mejor comprensión del modelo realizado en Matlab. El modelo HSL es un modelo de color de los llamados
cilíndricos, por el modo de representar gráficamente las
Abstract— The present document is an exhaustive investigation coordenadas de su gama de colores en contraposición al
brings over of the content I dress in classes to approach topics that modelo cúbico RGB:
not to mention for reasons of time, in which one is going to treat
subject matters as his concept, his derivation with other types of
systems, analogies that explain of better way this new topic to
treating, applied example of images this type of model and some
very important formulae that must be taken in consideration to
apply the Model HSI, or also known as HSL (Hue, Saturation,
Ligthness) and to conclude there will appear a line of code that will
serve as example for a better comprehension of the model realized
in Matlab. Figura 1. Analogía del Cubo RGB al modelo cilíndrico HSL.

Índice de términos—Cilindro HSI, Intensidad, Matiz, Modelo RGB,
Saturación
I. INTRODUCCIÓN
Uno de los sentidos más importantes de los seres humanos es la visión.
Ésta es empleada para obtener la información visual del entorno físico.
Según Aristóteles, “Visión es saber que hay y donde mediante la
vista”. De hecho, se calcula que más de 70% de las tareas del cerebro
son empleadas en el análisis de la información visual. El refrán popular
de “Una imagen vale más que mil palabras” tiene mucho que ver con
los aspectos cognitivos de la especie humana. Casi todas las disciplinas
científicas emplean utillajes gráficos para transmitir conocimiento. Por
ejemplo, en Ingeniería Electrónica se emplean esquemas de circuitos,
a modo gráfico, para describirlos. Se podría hacerlo mediante texto,
pero para la especie humana resulta mucho más eficiente procesar
imágenes que procesar texto. La visión humana es el sentido más
desarrollado y el que menos se conoce debido a su gran complejidad.
Es una actividad inconsciente y difícil de saber cómo se produce.
Los modelos de color cilíndricos se crearon en los años
1970s por el ingeniero norteamericano Alvy Ray Smith, uno
de los fundadores de los estudios cinematográficos PIXAR,
para el manejo digital del color utilizando conceptos más
fácilmente comprensibles que los del modelo RGB utilizado
tradicionalmente en el tratamiento digital de imágenes.
b) Denominación
La denominación de los distintos modelos de color
cilíndricos no está estandarizada. Las denominaciones HSL
(Hue Saturation Ligthness), HSI (Hue Saturation Intensity),
HSB (Hue Saturation Brigthness) e, incluso HSV (Hue
Saturation Value) se intercambian con facilidad para referir
modelos de color distintos. Para añadir más confusión se
introducen los nombres traducidos: TCS (Tono Claridad
Saturación), TSB (Tono Saturación Brillo) u otros.
De todos modos, las denominaciones HSL y HSV
prácticamente siempre hacen referencia a los dos modelos
 cilíndricos más comunes y claramente diferenciados. El
resto de denominaciones pueden hacer referencia a
cualquiera de los dos modelos o, incluso, a otros.
Figura 2. Cilindros HSL y HSV.
En ocasiones, se intercambia el orden de enumeración
de los canales y es fácil encontrar la denominación
HLS en lugar de la más común HSL. En distintos
programas de tratamiento de imágenes estas
denominaciones también son confusas. Por ejemplo,
en el software Photoshop, el modelo HSL que tratamos
aquí se refiere como HSB y solo se incluye en el
selector de colores, no entre los modelos para el
tratamiento del color. En el antiguo Photostyler se
llamaba TCS. El software Gimp incluye los dos
modelos más comunes denominándolos correctamente
como HSL y HSV. [1]
c) Canales
El modelo de color HSL se compone de tres canales:
d) Rango de valores de los tres canales en ficheros
Canal H:
HUE. Se traduce como “tono”, “tonalidad”, “matiz”.
Representa los colores primarios (rojo, verde, azul) con
todos los matices intermedios que podemos percibir cuando
los situamos en el círculo cromático (naranjas, amarillos,
morados…). Los valores de tono se refieren mediante su
posición en el círculo cromático. Queda normalizado que el
rojo primario se sitúa a 0º, el verde primario a 120º y el azul
primario a 240º, volviendo al rojo cuando regresamos al
origen del círculo a 360º.
Figura 3. Circulo cromático canal H.
Canal L:
LIGTHNESS. Traducido directamente como “luminosidad”
pero también como “claridad”. Podríamos entenderlo como
la cantidad de luz. Cualquier color al aumentar su cantidad
de luz tiende al blanco. Si, por el contrario, la cantidad de luz
disminuye tenderá al negro. El valor máximo de luminosidad
de cualquier color es el blanco. El valor mínimo será el
negro. El rango de valores de este canal se suele referir como
un porcentaje: 0% luminosidad mínima (negro) y 100%
luminosidad máxima (blanco). También se puede referir
como un rango de valores entre 0 y 1.
En el modelo de coordenadas cilíndricas HSL, la
luminosidad es la coordenada que representa la posición de
un color en la altura del cilindro.
Canal S:
SATURATION. Sin ambigüedades en su traducción como
“saturación”. Evitando entrar en las farragosas definiciones
de los teóricos del color, podemos decir que representa la
cantidad de color. De tal manera que si cualquier color pierde
saturación tiende hacia el gris. Si la gana, se aleja del gris y
gana “color”. El valor mínimo de saturación para cualquier
color es el gris, mientras que el máximo es el color más puro,
más “intenso”. Al igual que la luminosidad, este canal se
suele representar como un porcentaje o un rango de valores
entre 0 y 1.
En las coordenadas cilíndricas HSL, la saturación es la
coordenada que representa la posición de un color en el radio
del cilindro. [2]
digitales
Como hemos visto, el rango del canal HUE es de 360
valores, mientras que los valores de los otros dos canales se
expresan en porcentaje con un rango de 0 a 100 (o también
de 0 a 1); de este modo se suelen mostrar en las herramientas
de selección de colores (como el selector de colores de
Photoshop, por ejemplo). Sin embargo, cuando se manejan
imágenes en ficheros informatizados se adecúan esos valores
a las estructuras de datos digitales basadas en el sistema
binario: generalmente, los datos de las imágenes se
almacenan en estructuras de 8, 16, 24, 32 o 64 bits. Todos
los programas de tratamiento de imágenes utilizan
estructuras de 8 bits para almacenar cada uno de los canales
de los modelos de color.
Estas estructuras más simples se combinan en bloques de 8
x n bits siendo n el número de canales del modelo de color:
RGB, 8 x 3 canales = 24 bits; HSL, 8 x 3 canales = 24 bits;
CMYK, 8 x 4 canales = 32 bits.
En consecuencia, si disponemos de estructuras de 8 bits para
almacenar los canales, el rango de valores de cada canal es
siempre de 2⁸ = 256, es decir, números entre 0 y 255. Por
tanto, Los 360 valores teóricos del canal HUE quedan
comprimidos a 256 valores posibles reduciendo valores
intermedios. Los valores en porcentaje de los canales de e) Representación del espacio del Modelo HSI
saturación y luminosidad también se adecúan a los 256
valores posibles siendo 255 equivalente al 100%.

Si se van a construir imágenes digitales según el modelo de

color HSL generando los 3 ficheros de sus canales, es
necesario tener una guía de visualización de los valores
numéricos de cada canal y sus efectos en los colores de la
imagen final. Ya se ha dicho que los valores indicados en los
programas de selección de colores se adaptan al rango de
teórico del modelo: H de 0 a 360º, S y L de 0 a 100%, no a
los rangos posibles en las estructuras digitales entre 0 y 255
que son los que, finalmente, deben ser generados. [3]

Figura 7. Cilindro HSI

 La saturación corresponde a la distancia radial

 El matiz corresponde al ángulo del sistema de

coordenadas polar.

 La intensidad es el eje perpendicular al plano de

coordenadas polares

f) Ejemplo de aplicación del Modelo HSI

Figura 4. Variación del canal H
H de 0 a 255, S = 100, L = 100

Figura 8. Aplicación del Modelo HSI

Canales de matiz (a), saturación (b) e intensidad (c)

Figura 5. Variación del canal S

H = 100, S de 0 a 255, L = 100

Figura 9. Aplicación del Modelo HSI

Imagen RGB (a), Hue (b), Saturation (c) e Intensity (d)

g) Variaciones del Modelo HSI

Figura 6. Variación del canal L
H = 100, S = 100, L de 0 a 255 Existen dos modelos que derivan del HSI muy utilizados en
procesamiento de imágenes:

 HLS (H, Luminancia, S)

 HSV (H, S, Valor)
 Figura 10. Modelo HLS

Figura 12. Aplicación del modelo HSV

h) Código en Matlab para pasar una Imagen de RBG a

Figura 11. Modelo HSV
HSI
HSV:
function [hsi]=convertionRgb2Hsi(image)
%HSI: Tono, Saturación e Intensidad
El cálculo de la saturación S para el modelo HSV se deduce
%RGB: Matriz numérica Rojo, Verde y Azul
a partir de [5]: %Extraer componentes componentes individuales de
color
max(𝑅,𝐺,𝐵)−min(𝑅,𝐺,𝐵) rgb = im2double(image);
𝑠𝑖 max(𝑅, 𝐺, 𝐵) ≠ 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑆 =
max(𝑅,𝐺,𝐵) R = rgb(:,:,1);
𝑠𝑖𝑛𝑜 𝑠 = 0 G = rgb(:,:,2);
ecuación 1 B = rgb(:,:,3);
%ecuacion conversion
num = 0.5*((R - G)+(R - B));
La componente acromática de valor en HSV se calcula den = sqrt((R - G).^2 + (R - B).*(G - B));
como: angulo = acos(num./(den + eps));
H = angulo;
𝑉 = max(𝑅, 𝐺, 𝐵) ecuación 2 H(B > G) = 2*pi - H(B > G);
H = H/(2*pi);
num = min(min(R,G),B);
den = R + G + B;
HLS: den(den == 0) = eps;
S = 1 - 3.*num./den;
H(S == 0) = eps;
𝑠𝑖 max(𝑅, 𝐺, 𝐵) = min(𝑅, 𝐺, 𝐵) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠 = 0 I = (R + G + B)/3;
% combinacion de cada resultado en la imagen hsi
max(𝑅,𝐺,𝐵)−min(𝑅,𝐺,𝐵) hsi = cat(3, H, S, I);
𝑠𝑖𝑛𝑜 𝑠𝑖 𝐿 ≤ 0.5 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑆 =
max(𝑅,𝐺,𝐵)+min(𝑅,𝐺,𝐵) end

ecuación 3 [4]
max(𝑅,𝐺,𝐵)−min(𝑅,𝐺,𝐵)
𝑠𝑖𝑛𝑜 𝑆 = ecuación 4
2−max(𝑅,𝐺,𝐵)−min(𝑅,𝐺,𝐵)

III. CONCLUISONES Y RECOMENDACIONES

max(𝑅, 𝐺, 𝐵) + min(𝑅, 𝐺, 𝐵)
𝐿=
2
ecuación 5 a) Conclusiones:

 El Modelo HSI y sus variantes son comúnmente

utilizados por software de edición de imágenes
debido a las características del modelo que poseen.

 Mediante la matriz RGB, se pueden descomponer

en diferentes modelos para diversas aplicaciones y
 que son de gran utilidad para la gran mayoría de
personas en función del campo de aplicación.
 Todos estos modelos descritos en este trabajo de
investigación son herramientas poderosas para
comprender los diferentes componentes que
describen a un color.
 Gracias al avance de la tecnología y software de
edición se puede alterar y transmitir esta
composición dentro de los diferentes sistemas
computaciones, e incluso aplicaciones con robot
que permitan solucionar problemas del diario
vivir.
b) Recomendaciones:
Edison Brayan Mazón Flores nació en la
ciudad de Quevedo el 9 de mayo de 1994.
Sus estudios primarios los realizo en la
Unidad Educativa “América” y
secundarios los realizo en la Unidad
Educativa “Nicolás Infante Diaz” en donde
fue un estudiante con notas muy buenas y
que por desgracia no alcanzo hacer
abanderado de la Institución por no
alcanzar el puntaje mínimo requerido. En
el 2012 ingresa a la Escuela Superior Politécnica de
Chimborazo donde empieza a estudiar la carrera de ingeniería
electrónica en control y redes industriales. Actualmente está
cursando el décimo semestre de la carrera. Es aficionado a la
programación siendo esta su principal línea de investigación.

 Tener en mente como solucionar el problema

propuesto para luego facilitar la resolución.

 Realizar la tarea en un ambiente cómodo,

acogedor y sobre todo un lugar donde se pueda
concentrar para resolver los problemas
propuestos.

IV. REFERENCIAS

[1] Roncagliolo, P (2007). Procesamiento Digital de Imágenes.

Disponible en:
http://www2.elo.utfsm.cl/~elo328/pdf1dpp/PDI13_Color_1dpp.pdf

[2] Almonacid, C (2012). Descripción del modelo de color HSL

(Hue, Saturation, Ligthness)
Disponible en:
http://guiadigital.uam.es/SCUAM/documentacion/pdfs_a_descargar/c
olor.pdf

[3] Platero, C (2013). Introducción a la Visión Artificial

Disponible en:
http://www.elai.upm.es/moodle/mod/resource/view.php?id=140

[4] Community MathWorks (2013). Conversion de una imagen RGB

a HSI
Disponible en:
https://la.mathworks.com/matlabcentral/fileexchange/40966-
conversion-de-una-imagen-rgb-a-
hsi?focused=3782704&tab=function

[5] Zavalza, E (2013). Iluminación y Color

Disponible en:
https://es.slideshare.net/PaulZavalza/modelos-de-color-25730986