¿Qué es la tecnología DSP?
Procesamiento - DSP) enfatiza el uso de la teoría del procesamiento de señales digitales para ejecutar programas de destino en el chip para lograr un cierto procesamiento de señales.
El procesamiento de señales digitales es una de las tecnologías más poderosas de la ciencia y la ingeniería del siglo XXI. Se produjeron cambios revolucionarios en una amplia gama de campos: comunicaciones, imágenes médicas, radares y sonares, reproducción de música de alta fidelidad y exploración de petróleo crudo, por nombrar sólo estos. La tecnología DSP se ha desarrollado hasta cierto punto en varios campos y tiene sus propios algoritmos, matemáticas y habilidades específicas. La combinación de amplitud y profundidad hace imposible que una sola persona domine todas las tecnologías DSP que se han desarrollado. La educación DSP consta de dos tareas: aprender conceptos que se pueden aplicar al conjunto y aprender habilidades profesionales en un área de interés específica. Este capítulo comienza nuestro viaje hacia el mundo del procesamiento de señales digitales describiendo el tremendo impacto que ha tenido DSP en varias áreas diferentes. La revolución ha comenzado.
Las raíces del DSP
El procesamiento de señales digitales se diferencia de otros campos de la informática debido a la singularidad del tipo de datos que utiliza: las señales. En la mayoría de los casos, estas señales se originan a partir de datos sensoriales del mundo real: vibraciones sísmicas de terremotos, imágenes visuales, ondas sonoras, etc. DSP son las matemáticas, algoritmos y técnicas que se utilizan para procesar señales después de convertirlas a formato digital. Esto incluye objetivos tan diversos como mejorar imágenes visuales, reconocer y generar diálogo (habla), comprimir datos para su almacenamiento y transmisión, y más. Supongamos que agregamos un "convertidor de contraste a digital" a la computadora y lo usamos para recuperar algunos datos del mundo real. DSP responde a la pregunta: ¿Qué sigue?
Los orígenes del DSP se encuentran en las décadas de 1960 y 1970, cuando aparecieron por primera vez los ordenadores digitales. Las computadoras eran caras en esta época y el DSP se limitaba a unas pocas aplicaciones críticas. Pioneer se centra en cuatro áreas clave: radares y sonares que ponen en peligro la seguridad internacional, exploración de petróleo crudo que puede generar mucho dinero, exploración espacial irremplazable e imágenes médicas que pueden salvar vidas. En las décadas de 1980 y 1990, la revolución de las computadoras personales provocó un aumento repentino de nuevas aplicaciones para DSP. La motivación no son las necesidades de los militares y del gobierno. De repente, DSP fue impulsado por el mercado comercial. Cualquiera que piense que puede ganar dinero en un campo en rápida expansión de repente se convierte en proveedor de DSP. Los DSP se han vuelto muy conocidos en productos como teléfonos móviles, reproductores de discos compactos y correo de voz electrónico. La Figura 1-1 enumera algunas de estas aplicaciones.
Esta revolución tecnológica se está produciendo de arriba hacia abajo. A principios de la década de 1980, el DSP se enseñaba en cursos de posgrado en el campo eléctrico. Diez años después, DSP se ha convertido en parte del plan de estudios universitario estándar. Hoy en día, DSP se ha convertido en una habilidad esencial requerida por científicos e ingenieros en muchos campos. Por analogía, el DSP se puede comparar con la "electrónica" de revoluciones tecnológicas anteriores. Aunque todavía están en el campo de los motores electrónicos, casi todos los científicos e ingenieros tienen alguna experiencia en el diseño de circuitos básicos. De lo contrario, podrían perderse en el mundo de la tecnología. DSP tiene el mismo futuro.
Figura 1-1
DSP ha revolucionado muchas áreas de la ciencia y la ingeniería. A continuación se enumeran algunas aplicaciones diferentes.
La historia reciente es aún más curiosa; tiene un gran impacto en tu capacidad para aprender y utilizar DSP. Supongamos que encuentra un problema de DSP y busca la respuesta en un libro de texto u otra publicación. Normalmente encontrará páginas y páginas de ecuaciones, notación matemática arcana y terminología desconocida. ¡Esto es una pesadilla! Incluso para las personas con experiencia en esta área, gran parte de la documentación de DSP puede resultar confusa. No hay nada malo en esto en la literatura, simplemente se espera de una audiencia muy específica. Actualmente, los investigadores en ciencia y tecnología del desarrollo necesitan estas matemáticas complejas (detalladas) para comprender las implicaciones teóricas de su trabajo.
La suposición básica de este libro es que la mayoría de las técnicas DSP prácticas se pueden aprender y utilizar sin las barreras tradicionales de las matemáticas y la teoría complejas. La Guía para científicos e ingenieros sobre procesamiento de señales digitales está escrita para aquellos que desean considerar DSP como una herramienta en lugar de una nueva carrera.
El resto de este capítulo enumera algunas de las áreas donde DSP ha traído cambios revolucionarios. Cuando observe cada aplicación, notará que DSP es muy interdisciplinario y se basa en el trabajo técnico en muchos campos adyacentes. Como se muestra en la Figura 1-2, los límites entre DSP y otras disciplinas técnicas no son obvios ni están perfectamente definidos, sino que están borrosos y se superponen. Si desea especializarse en DSP, también necesita aprender algunos campos relacionados.
Figura 1-2
El procesamiento de señales digitales tiene límites borrosos y superpuestos en muchas áreas de la ciencia, la ingeniería y las matemáticas.
Telecomunicaciones (telecomunicaciones)
Las telecomunicaciones es el envío de información de un lugar a otro. Esto incluye muchas formas de información: conversaciones telefónicas, señales de televisión, archivos informáticos y otros tipos de datos. Para enviar información, necesita un canal entre dos ubicaciones. Puede ser un par de cables, una señal de transmisión de radio, fibra óptica, etc. A las empresas de telecomunicaciones se les paga por transmitir información de los clientes, sin embargo, deben pagar para establecer y mantener el canal. La conclusión de los libros financieros es simple: cuanta más información entreguen a través de un único canal, más dinero podrán ganar.
DSP ha revolucionado la industria de las telecomunicaciones en muchas áreas: generación y detección de señales de audio, cambio de banda de frecuencia, filtrado para eliminar el zumbido de las líneas eléctricas y más. Aquí se analizarán tres ejemplos especiales de redes telefónicas: multiplexación, compresión y control de eco.
Multiplex (multiplex)
Existen aproximadamente mil millones de teléfonos en el mundo. Las redes conmutadas permiten que cualquier persona, en cualquier lugar, se conecte en segundos con solo presionar unas pocas teclas. Esta tarea infinita hace que la gente dude. Hasta la década de 1960, la conexión entre dos teléfonos requería la transmisión de señales de sonido analógicas a través de interruptores mecánicos y amplificadores. Una conexión requiere un par de cables. Por el contrario, DSP convierte el audio en un flujo de datos digitales en serie. Debido a que los bits se pueden entrelazar y separar fácilmente, muchas conversaciones telefónicas se pueden transmitir en un solo canal. Por ejemplo, el estándar para teléfonos se llama sistema T-carier, que puede transmitir 24 señales de voz simultáneamente. Cada señal de sonido se muestrea 8.000 veces por segundo utilizando una conversión de analógico a digital de compresión logarítmica de 8 bits. Cada señal de sonido da como resultado una representación de 64.000 bits/segundo, con los 24 canales incluidos en 1,544 Mbit/s. Utilizando un cable telefónico de cobre tradicional de calibre 22, las señales pueden viajar aproximadamente 6000 pies, que es una distancia de interconexión típica. La transmisión digital tiene muchas ventajas económicas. Los cables y los interruptores analógicos son caros, las puertas lógicas digitales son baratas.
Compresión (Compression)
Cuando las señales de sonido se digitalizan a 8000 muestras/segundo, la mayor parte de la información digital será redundante. En otras palabras, la información contenida en cualquier muestra será copiada en gran medida por muestras adyacentes. Se han desarrollado docenas de algoritmos DSP para convertir señales de sonido digitalizadas en flujos de datos que requieren menos bits por segundo. Estos se denominan algoritmos de compresión de datos. El algoritmo de descompresión correspondiente se utiliza para restaurar la señal a su forma original. Estos algoritmos se diferencian en la cantidad de veces que se comprimen y la calidad del sonido que producen. En términos generales, la velocidad de datos se puede reducir de 64 kbit/s a 32 kbit/s sin perder calidad de sonido. Cuando se comprime a una velocidad de datos de 8 kilobits/segundo, el sonido se ve afectado significativamente, pero sigue siendo útil para redes telefónicas de larga distancia. La compresión máxima que se puede lograr es de aproximadamente 2 kilobits/segundo, lo que da como resultado un sonido muy distorsionado, pero puede usarse en algunas aplicaciones, como comunicaciones militares y submarinas.
Control de Eco (Echo Control)
El eco es un problema grave en las conexiones telefónicas de larga distancia. Cuando habla por teléfono, una señal que representa su voz viaja al receptor conectado a él y parte de la señal se transmite de regreso, lo que se conoce como eco. Si el enlace se encuentra a cientos de kilómetros, sólo se necesitan unos pocos milisegundos para recibir el eco. El oído humano está acostumbrado a escuchar estos pequeños ecos retardados y la conexión parece bastante normal. A medida que aumenta la distancia, el eco se vuelve más pronunciado y molesto. Para las comunicaciones interestatales, la latencia puede llegar a cientos de microsegundos, lo cual es particularmente objetable. El procesamiento de señales digitales comienza a solucionar problemas como este midiendo la señal de retorno y produciendo una contraseñal adecuada para eliminar el molesto eco. La misma tecnología permite a los usuarios de altavoces escuchar y hablar simultáneamente sin represalias (gritos prolongados). También se puede compensar con antirruido generado digitalmente para reducir el ruido ambiental.
Procesamiento de Audio (Audio Processing)
Los dos principales sentidos humanos son la visión y el oído. En consecuencia, muchos DSP están relacionados con el procesamiento de imágenes y audio. La gente escucha música y lenguaje (pronunciación). DSP ha revolucionado ambas áreas.
Música (Música)
El camino desde el micrófono de un músico hasta los altavoces de alguien a quien le gusta reproducir sonido estéreo premium es bastante largo. La representación de datos digitales es importante porque previene la degradación "generalmente asociada con el almacenamiento y procesamiento analógico". Esto le resultará familiar a cualquiera que haya comparado la calidad de la música desde casetes con CD. Por lo general, los clips musicales se graban en un estudio de grabación en varios canales o pistas. En algunos casos, esto incluye incluso grabar instrumentos individuales y vocalistas por separado. Esto se hace para darle al ingeniero de sonido más flexibilidad al crear el producto final. El complejo proceso de combinar pistas individuales en un producto final se llama mezcla. DSP puede proporcionar varias funciones importantes durante la mezcla, que incluyen: filtrado, suma y resta de señales, edición de señales, etc.
Nota: Mezcle el audio del canal X en el canal Y, donde X es un número mayor que Y. Por ejemplo, su DVD tiene 5.1 canales, pero solo tiene auriculares, y los auriculares solo tienen dos canales. necesitas mezclar hasta 2 canales. Gracias Jedi por la explicación.
Una de las aplicaciones más interesantes del DSP en la preparación musical es la reverberación artificial. Si los canales individuales simplemente se sumaran, el clip resultante sonaría frágil, muy parecido a un músico tocando al aire libre. Esto se debe a que los oyentes se ven muy afectados por el eco o regusto musical, un efecto que normalmente se minimiza en el estudio de grabación. DSP permite resumir ecos artificiales y regustos en la mezcla para simular una variedad de entornos de escucha ideales. Los ecos retrasados cientos de microsegundos dan una sensación de catedral. Aumente el eco con un retraso de 10 a 20 microsegundos para que las personas sientan que están en un espacio de escucha más adecuado.
Generación de voz (generación de voz)
La generación y el reconocimiento de voz se utilizan para la comunicación entre humanos y máquinas. No con las manos y los ojos, sino con la boca y los oídos. Esto resulta útil cuando tus manos y ojos deberían estar haciendo otras cosas, como conducir un automóvil, realizar una cirugía o (desafortunadamente) disparar un arma a los enemigos.
Para los sonidos generados por computadora, se utilizarán dos métodos: grabación digital y simulación de canales vocales. En la grabación digital, la voz se digitaliza y almacena, generalmente en forma comprimida. Durante la grabación y reproducción, los datos almacenados se descomprimen y se vuelven a convertir en señales analógicas. Una hora completa de discurso grabado sólo requiere almacenar unos 3 MB, incluso en un sistema informático pequeño. Este es el método más común de generación de voz digital en la actualidad.
La simulación del canal vocal es más compleja. Intentamos imitar la mecánica física del cuerpo construyendo la voz humana. La simulación del tracto vocal humano es una cavidad acústica y su frecuencia de resonancia está determinada por el tamaño y la forma de la cavidad. En comparación, las fricativas se originan a partir del ruido del aire bajo una compresión estrecha, al igual que los dientes y los labios. La simulación de canales funciona generando señales digitales que simulan estos dos estímulos. Las características de la cavidad resonante se simulan transmitiendo la señal de excitación con un filtro digital similar a * * vibración. Este enfoque se utilizó en una de las primeras historias de éxito de DSP, Speak & Spell, una ayuda electrónica de aprendizaje para niños de gran éxito de ventas.
Reconocimiento de voz
El reconocimiento automático del habla humana es más difícil que la generación de voz. El reconocimiento de voz es un ejemplo clásico de algo que el cerebro humano hace muy bien, pero que las computadoras digitales hacen muy mal. Las computadoras digitales pueden almacenar y recordar grandes cantidades de datos, realizar cálculos matemáticos muy rápidamente y realizar tareas repetitivas sin aburrirse o ser ineficientes. Desafortunadamente, las computadoras actuales funcionan mal cuando se enfrentan a datos sensoriales sin procesar. Es fácil enseñarle a una computadora a enviarle una factura todos los meses. Enseñarle a la misma computadora a comprender su voz es una gran tarea.
El procesamiento de señales digitales suele procesar el reconocimiento de voz en dos pasos: extracción de características y después comparación de características.
Primero se debe aislar cada palabra en la señal de audio de entrada y luego analizarla para identificar el tipo de estímulo y la frecuencia de vibración. Luego, estos parámetros se comparan con ejemplos de la palabra hablados anteriormente para identificar el par más cercano. Por lo general, estos sistemas se limitan a unos pocos cientos de palabras y sólo pueden aceptar discursos con pausas significativas entre palabras; cada hablante debe volver a capacitarse individualmente; Si bien esto funciona para muchas aplicaciones comerciales, estas limitaciones palidecen en comparación con el oído humano. Hay mucho trabajo por hacer en esta área y aquellos que tengan éxito con productos comerciales serán bien recompensados.
Ecolocalización
Un método común para obtener información sobre objetos remotos es hacer aparecer una ola. Por ejemplo, el radar funciona transmitiendo pulsos de ondas de radio y examinando cada señal que recibe en busca de ecos de los aviones. En el sonar, las ondas sonoras viajan a través del agua para detectar submarinos y otros objetos bajo el agua. Los geofísicos localizan la Tierra estableciendo explosiones de larga duración y escuchando ecos de formaciones rocosas profundamente enterradas. Aunque estas aplicaciones comparten el mismo hilo, cada una tiene sus propios problemas y necesidades específicas. El procesamiento de señales digitales ha revolucionado tres áreas.
Radar (radar)
Radar es la abreviatura de radiodetección y alcance. En los sistemas de radar más simples, un transmisor de radio genera un pulso de energía de radiofrecuencia que dura unos pocos microsegundos. Este pulso se alimenta a una antena altamente direccional, donde las ondas de radio se propagan y salen a la velocidad de la luz. Las superficies planas en esta trayectoria de onda reflejarán una pequeña porción de la energía hacia la antena receptora cerca de la estación transmisora. La distancia al objeto se calcula a partir del tiempo entre la transmisión de un pulso y la recepción de un eco. La dirección de un objeto es más fácil de encontrar. Cuando se recibe el eco, sabes hacia dónde apuntó la antena direccional.
El alcance de un sistema de radar está determinado por dos parámetros: cuánta energía hay en el pulso inicial y el nivel de ruido del receptor de radio. Desafortunadamente, normalmente se necesitan ondas de pulso más largas para aumentar la energía en la onda de pulso. Por tanto, las ondas de pulso más largas reducen la precisión y exactitud de las mediciones del tiempo transcurrido. Esto conduce a un conflicto entre dos parámetros importantes: la capacidad de detectar objetos distantes y la capacidad de determinar correctamente la distancia del objeto.
DSP cuenta con radares revolucionarios en tres campos, todos ellos relacionados con cuestiones básicas. En primer lugar, el DSP puede comprimir la onda del pulso después de recibirla, lo que proporciona una mejor medición de la distancia sin reducir su rango operativo. En segundo lugar, DSP puede filtrar la señal recibida y reducir el ruido. Esto aumenta el alcance sin degradar la medición de distancia. En tercer lugar, el DSP puede seleccionar y generar rápidamente diferentes formas y longitudes de onda de pulso. Esto permite, entre otras cosas, optimizar la onda de pulso para un problema de detección específico. Ahora pasemos a la parte impresionante: muchos de ellos se basan en frecuencias de muestreo similares a las frecuencias de radio utilizadas, ¡del orden de cientos de megahercios! En el caso del radar, el DSP es tan relevante para el diseño de hardware de alta velocidad como lo es para los algoritmos.
Sonar
Sonar es la abreviatura de Sound Navigation and Ranging. Dividido en categorías activas y pasivas. En el sonar activo, se lanzan al agua ondas de pulso de sonido de entre 2 kHz y 40 kHz y los ecos resultantes se detectan y analizan. El uso del sonar activo incluye: detección y localización de objetos submarinos, navegación, comunicaciones y mapeo del fondo marino. Generalmente, el kilometraje operativo máximo es de 10 a 100 kilómetros. Por el contrario, el sonar pasivo sólo detecta sonidos submarinos, incluidas las turbulencias naturales, la vida marina y los sonidos mecánicos de submarinos y barcos de superficie. Debido a que el sonar pasivo no elimina energía, es ideal para operaciones de conversión. Quieres descubrir a otra persona, pero no quieres que él te descubra a ti. La aplicación más importante del sonar pasivo es en los sistemas de vigilancia militar, donde se utiliza para detectar y rastrear submarinos.
El sonar pasivo generalmente utiliza frecuencias más bajas que el sonar activo porque absorben menos a medida que viajan a través del agua. El rango de detección puede alcanzar miles de kilómetros.
DSP tiene muchos desarrollos revolucionarios en sonar y radar: generación de ondas de pulso, compresión de ondas de pulso y filtrado de señales de detección. Existe el argumento de que el sonar es más simple que el radar: porque contiene frecuencias más bajas. Otra opinión es que el sonar es más difícil que el radar porque el entorno es más inconsistente e inestable. Los sistemas de sonar suelen utilizar conjuntos costosos para transmitir y recibir elementos, en lugar de un solo canal. Al controlar y mezclar adecuadamente las señales de estos numerosos elementos, el sistema de sonar puede dirigir la onda de pulso cancelada a la ubicación deseada y determinar la dirección en la que se recibirá el eco. Para manejar tantos canales, un sistema de sonda requiere tanta potencia de cálculo DSP como un radar.
Sismología de Reflexión (Sismología de Reflexión)
Hacia principios de la década de 1920, los geofísicos descubrieron que la estructura de la corteza terrestre podía detectarse a través del sonido. Los exploradores pueden detonar y registrar ecos de la capa límite a más de diez kilómetros por debajo de la superficie. Estos ecos se interpretan a simple vista como correspondientes a estructuras del subsuelo. Los métodos sísmicos de reflexión se convirtieron rápidamente en el método principal para determinar la ubicación de depósitos de petróleo y minerales, y siguen siéndolo en la actualidad.
En un mundo ideal, los pulsos de sonido transmitidos al suelo producirían ecos en la capa límite a través de la cual pasa cada pulso. Lamentablemente, muchas veces no es tan sencillo. Cada eco que regresa al suelo debe atravesar todas las demás capas límite superiores. Esto hará que el eco salte de una capa a otra y el eco que lo creó se detectará en la superficie. Estos ecos secundarios pueden hacer que la señal detectada sea muy compleja y difícil de interpretar. Desde la década de 1960, el procesamiento de señales digitales se ha utilizado ampliamente para separar los ecos primarios y secundarios de los registros sísmicos de reflexión. ¿Cómo se las arreglaron los primeros geofísicos sin DSP? La respuesta es simple: miran lugares simples donde se minimizan múltiples reflejos. DSP permite descubrir petróleo crudo en lugares difíciles, como bajo el mar.
Procesamiento de imágenes (image Processing)
Las imágenes son señales características. Primero, son medidas de parámetros en el espacio (distancia), aunque la mayoría de las señales son medidas de parámetros en el tiempo. En segundo lugar, contienen una gran cantidad de información. Por ejemplo, almacenar la mitad del vídeo de un televisor puede requerir más de 10 megabytes. Esto es más de 1.000 veces mayor que una señal de sonido de duración similar. En tercer lugar, el juicio de calidad final generalmente está limitado por la evaluación humana más que por estándares de evaluación objetivos. Estas características permiten dividir el procesamiento de imágenes en diferentes subgrupos dentro del DSP.
Médico (Medicina)
En 1895, William Conrad R? Ntgen descubrió que los rayos X pueden penetrar bastantes objetos reales. La medicina ha sido revolucionada por la capacidad de ver el interior del cuerpo humano vivo. En tan sólo unos años, los sistemas de rayos X médicos se han extendido por todo el mundo. A pesar de su aparente éxito, las imágenes de rayos X médicas estaban limitadas por cuatro problemas hasta la llegada del DSP y tecnologías relacionadas en 1970. En primer lugar, las estructuras superpuestas del cuerpo humano pueden quedar ocultas detrás de otra estructura. Por ejemplo, es posible que la porción del corazón detrás de las costillas no sea visible. En segundo lugar, no siempre es posible diferenciar entre organizaciones similares. Por ejemplo, quizá sea posible separar el hueso del tejido blando, pero no los tumores de los reservorios hepáticos. En tercer lugar, las imágenes de rayos X muestran anatomía, la estructura del cuerpo, más que fisiología, el funcionamiento del cuerpo. ¡Las imágenes de rayos X de personas vivas parecen imágenes de rayos X de personas muertas! Cuarto, la exposición a los rayos X puede provocar cáncer, por lo que deben utilizarse con precaución y sólo en circunstancias apropiadas.
El problema de las estructuras superpuestas se resolvió con la introducción del primer escáner de tomografía computarizada (oficialmente llamado tomografía axial computarizada o escáner CAT) en 1971. La tomografía computarizada (TC) es un ejemplo clásico de procesamiento de señales digitales. Al examinar a un paciente, los rayos X procedentes de múltiples direcciones penetran en varias partes del cuerpo del paciente. En lugar de simplemente formar una imagen a partir de los rayos X detectados, la señal se convierte en datos digitales y se almacena en una computadora. Luego, esta información se utiliza para calcular las imágenes que se mostrarán como cortes del cuerpo. Estas imágenes muestran más detalles que las técnicas tradicionales, lo que permite una mejor detección y tratamiento. El impacto de la TC es casi tan grande como el de la propia imagen de rayos X original. En unos pocos años, todos los hospitales importantes del mundo utilizaban escáneres de tomografía computarizada. En 1979, dos contribuyentes a los principios de la TC, Godfrey N. Hounsfeld y Alan M. Cormack, * * * recibieron el Premio Nobel de Medicina. ¡Es un buen DSP!
Los últimos tres problemas de los rayos X se han resuelto utilizando energías penetrantes distintas a los rayos X, como las ondas de radio y de sonido. DSP juega un papel clave en todas estas tecnologías. Por ejemplo, la resonancia magnética (MRI) utiliza campos magnéticos y ondas de radio para examinar el interior del cuerpo humano. La intensidad y la frecuencia del campo magnético se ajustan adecuadamente para que los núcleos atómicos de la región del cuerpo puedan vibrar entre estados de energía cuántica. Esta vibración provoca emisiones secundarias de ondas de radio que son detectadas por una antena colocada cerca del cuerpo. La intensidad y otras características de esta señal detectada proporcionan información sobre el área de vibración localizada. El campo magnético se ajusta de modo que las áreas vibratorias escaneadas por el objeto correspondan a la estructura interna. Esta información suele representarse en forma de imágenes, como una tomografía computarizada. Además de proporcionar una excelente identificación entre diferentes tipos de tejido blando, la resonancia magnética también puede proporcionar información sobre la fisiología, como el flujo sanguíneo a través de las arterias.
La resonancia magnética se basa completamente en la tecnología de procesamiento de señales digitales y no sería posible sin ella.
Espacio exterior
A veces hay que sacar lo mejor de una mala foto. A menudo, esto se debe a que las imágenes se toman desde satélites no tripulados y cohetes de exploración espacial. ¡Nadie enviaría a un mecánico a Marte sólo para girar el mando de una cámara! Existen varios métodos que DSP puede utilizar para mejorar la calidad de las imágenes tomadas en condiciones muy inadecuadas, son: ajuste de brillo y contraste, detección de límites, reducción de ruido, ajuste de enfoque, reducción de desenfoque de movimiento y más. Las imágenes con distorsiones espaciales, como las que se encuentran al tomar imágenes planas de planetas esféricos, se pueden deformar para obtener la representación correcta. Se pueden combinar muchas imágenes individuales en una base de datos para que la información se pueda mostrar de una manera única. Por ejemplo, una secuencia de imágenes de televisión simula un avión volando sobre la superficie de otro planeta.
Productos de imágenes comerciales (Productos de imágenes comerciales)
Para los sistemas vendidos en grandes cantidades al público, el gran contenido de información en las imágenes es un problema. Los sistemas comerciales tienen que ser baratos, y eso no es el resultado de mucha memoria y altas tasas de transferencia de datos. Una solución a este teorema es la compresión de imágenes. Al igual que las señales de sonido, las imágenes contienen mucha información redundante que puede transmitirse mediante algoritmos que reducen la cantidad de bits que deben representarse. La televisión y otras películas de acción son particularmente adecuadas para la compresión porque la mayoría de las imágenes son iguales de un cuadro a otro. El software comercial de procesamiento de imágenes utiliza esta tecnología, incluidos: videoteléfonos, programas informáticos que muestran imágenes en movimiento y televisión digital.