Cómo determinar el color en alimentos con herramientas de diseño gráfico.
Preliminares
En alimentos, es habitual encontrar investigaciones en las que el color se expresa mediante coordenadas colorimétricas rectangulares y/o polares, y el espacio de color más utilizado por acercarse más a la visión humana es el CIE de coordenadas L, a y b (con asteriscos); donde L es la luminosidad que va de negro a blanco, a el color rojo (valores positivos) o verde (valores negativos) y b el color amarillo (valores positivos) o azul (valores negativos) como se aprecia en la siguiente figura.
Además del espacio de color CIE-Lab existen otros como el AnLab-LAaAbA y el HunterLab-L,a,b.
Ahora, el asunto es que esas coordenadas pueden ser obtenidas mediante instrumentos como los colorímetros y espectrofotómetros, que son de alto costo económico; y en las investigaciones publicadas se expresan, por ejemplo, para la pulpa de aguacate como L: 76,76; a: 13,50 y b: 36,12; osea, en realidad no se aprecia el color, dejando a la imaginación del lector la visualización del color sugerido; y esto puede implicar que las coordenadas determinadas no se correspondan con la realidad visual por causa de falta de uniformidad en el color o la textura de las muestras, entre otros considerables factores, generando errores en las mediciones. Recalco que estos errores no son percibidos debido a que tales instrumentos, en su mayoría, solo muestran en pantalla los valores de las coordenadas y no una imagen digital con el color medido. Este fue el objetivo de este trabajo, que el color de una muestra de alimentos pudiera verse con el mismo color al visualizarlo en el monitor de una computadora; y además, que el costo económico fuese menor.
En la determinación del color, a veces se utilizan atlas, cartas y guías de color como los atlas de color Munsel y las tarjetas de color Roche; pero es solo para establecer el color por comparación.
En la literatura se puede encontrar lo que se denomina Sistema de Visión Computarizada (‘Computer Vision System’) que consiste en la instalación de un escenario iluminado, una cámara digital para la captación de imágenes y un computador para el procesamiento de las mismas, lo cual involucra la segmentación, la cuantificación y la clasificación de las imágenes y objetos de interés de esas imágenes para la toma de decisiones. Una vez que la cámara está caracterizada y las condiciones de observación fijadas, el dispositivo puede utilizarse a modo de colorímetro para medir el color.
Destaco que en cámaras digitales, que ofrecen ventajas como resolución ajustable y menor costo económico en comparación a los instrumentos convencionales, el espacio de color más usado es el RGB (Red, Green, Blue) que se basa en los colores que estimulan los 3 tipos de conos en la retina humana y por tanto es un modelo de colores inspirados fisiológicamente. Y al utilizar fórmulas estándares los valores RGB de las cámaras se pueden transformar en valores CIE-Lab. Con relación al uso de software, algunos investigadores han empleado el Corel PHOTO-PAINT y el MATLAB pero para obtener finalmente solo coordenadas. Por otro lado, en la paleta de colores de Photoshop aparece reguladores Lab con coordenadas L, a y b (sin asterisco) y realmente el modelo es CIE-Lab con asteriscos, con coordenadas L, a y b; por lo no se debe confundir con las coordenadas L, a y b de la escala HunterLab. En CorelDRAW también aparecen reguladores Lab. He realizado varios ensayos previos comparando con Photoshop y este último fue el mejor software acorde al propósito de este trabajo.
Se puede utilizar cualquier versión de Photoshop. En el sitio web adobe.com se puede descargar una versión de prueba gratuita con todas las funciones. Existen otros sitios webs donde se puede descargar.
En líneas generales, la caracterización de un sistema de captación de imagen digital consiste en construir un modelo que relacione las distribuciones espectrales de energía del estímulo con los valores digitales de la imagen y éstos, a su vez, con la respuesta del sistema visual humano; este modelo depende no solo de la cámara, sino que requiere fijar, la distancia del objeto de captura, el área de trabajo, la geometría de iluminación/observación y minimizar la influencia de otras luces ambientales.
METODOLOGÍA
El Sistema de Visión Computarizada usado se aprecia en la siguiente imagen.
Montaje del escenario
Sobre una mesa se ubicó un portalámpara retráctil de escritorio y como fuente de luz una lámpara fluorescente que simula la luz del día (D65), el reflector se hizo incidir, a una distancia de 15 cm, sobre papel digital liso, de alta blancura y mate (marca Xerox), 2 hojas de papel, una sobre la otra, para minimizar el efecto de transparencia que produce 1 hoja. La cámara digital se posicionó sobre un soporte y la geometría de las direcciones de iluminación/observación fue 45º/0º.
El color blanco del papel para impresión es diferente al blanco del dispositivo de visualización de una computadora o monitor y lo mismo ocurre con los demás colores.
Selección de la cámara digital
En el escenario anterior fueron probadas 2 modelos, E427 y M22 (marca HP), ambas con sensor CCD pero difieren en diversas características. Sobre un texto de color negro impreso en papel digital blanco se capturó, mediante zoom digital, imágenes de 3 y 0,2 megapíxeles en modo de fotografía automático a distancias de 80 y 35 cm, compensación EV = 0,0; flash apagado (condición fundamental) y equilibrio de blanco automático. En Photoshop® CS3 Extended (versión de Photoshop utilizada) se recortaron las imágenes y visualizaron en zona paraxial (donde los rayos de luz son muy próximos al eje) de 170x57 píxeles para reducir deficiencias en la uniformidad de la iluminación. Finalmente, se seleccionó la cámara M22 por presentar el mejor enfoque sobre texto, en imágenes de 0,2 megapíxeles a una distancia de 35 cm.
Se puede utilizar cualquier marca o modelo de cámara digital.
Condiciones de la cámara para la captación de imágenes
Desde el ángulo de observación de 0º y a distancia de 35 cm, con la cámara fijada sobre el soporte, se capturaron imágenes sobre el papel digital, en las condiciones establecidas, a una referencia de color (PANTONE Process Cyan M) de la guía de color PANTONE® solid matte.
Las capturas fueron en modo de fotografía automático y flash apagado, se configuró el menú de captura de la cámara M22 en equilibrio de blanco fluorescente, variando las condiciones de iluminación adaptable alta y baja y compensación EV = 0,0; +0,3 y +0,7. En cada toma se ajustó la distancia del área de trabajo mediante el zoom de la cámara el cual provee un tamaño de las imágenes de 0,2; 0,5; 1; 2; 3 y 4 megapíxeles. Fue seleccionado 0,5 megapíxeles por presentar un área de enfoque (848x640 píxeles, resolución: 300 píxeles/pulgada) conveniente al área de trabajo (zona paraxial). Luego, en Photoshop a las imágenes obtenidas se le ajustaron los niveles de entrada (0, 1, 255) y de salida (0, 255) en canal RGB para mejorar la gama tonal y el equilibrio de color, y se recortó un área en la zona central (133x295 píxeles) que representó la referencia del color cyan en cada imagen que posteriormente se guardó en formato JPEG y procesó mediante el menú filtro, submenú desenfocar, opción promediar, para determinar la media aritmética de todos los píxeles. Culminado lo anterior, se descartaron las imágenes a las que no se le realizaron ajuste de los niveles de entrada y salida (poca tonalidad) y las de compensación EV = +0,7 (mucha brillantez). Las mejores condiciones de la cámara para la captura de imágenes fueron: iluminación adaptable alta y compensación EV = 0,0; las cuales presentaron una media de 1:164:221 (valores R, G y B, respectivamente) para la referencia del color cyan, similar a la muestra PANTONE Process Cyan M del libro PANTONE solid matte de la biblioteca de colores de Photoshop (0:164:222). Parte del procesamiento digital se aprecia en la siguiente imagen.
Muestras de alimentos
Las muestras que se consideraron para evaluar se adquirieron en un establecimiento comercial, en total fueron 23 pero en la siguiente imagen muestro un set de 16. Diversos criterios para la selección de las muestras fueron usados, por mencionar algunos, las muestras de pulpas de lechosa y plátano maduro, y de queso pecorino fueron extraídas y cortadas con cuchillo de hoja lisa (cuchillo de hoja con sierra dejaría marcas afectando la textura).
Todas las muestras se colocaron sobre el papel digital, en las condiciones establecidas, esto permite crear un entorno con color y reflectancia que no afecta la apariencia del color de las muestras por diferencias en el tono y la luminosidad, teniendo en cuenta que la percepción del color puede cambiar en función de la distribución del color en el entorno.
Captación de imágenes
En las condiciones de geometría de las direcciones de iluminación/observación 45º/0º, distancia del ángulo de iluminación 15 cm, distancia del ángulo de observación de 35 cm, cámara M22 ajustada en modo de fotografía automático, flash apagado, equilibrio de blanco fluorescente, a 0,5 megapíxeles, iluminación adaptable alta y compensación EV = 0,0; se capturaron por triplicado sobre el papel digital imágenes de las muestras de alimentos de 848x640 píxeles.
Preprocesamiento
Las imágenes capturadas o captadas se descargaron en un computador provisto de un procesador Intel Pentium 4 de 3,06 GHz con tarjeta gráfica Intel 82865G Graphics Controller, monitor CRT Samsung de 17 pulgadas (calibrado paso por paso utilizando el software Adobe Gamma, que venía incluido en el software Photoshop, definiendo punto blanco del hardware en 6500 ºK) y se preprocesaron en Photoshop mediante la siguiente metodología: a cada imagen (resolución 300 píxeles/pulgada) por triplicado de cada muestra de alimento se le realizó un ajuste previo mediante el menú imagen, submenú ajustes, opción niveles en canal RGB automático e incrementó el brillo a +35 para remover defectos de no uniformidad en la iluminación y color.
Se puede utilizar cualquier computador de escritorio o portátil.
Segmentación
Este paso fue considerablemente importante. Acompaño imágenes para mejor entendimiento. Cada imagen se recortó en una zona paraxial de 239x120 píxeles (2x1 cm). En las imágenes en zona paraxial existen regiones que deben ser discriminadas. Las burbujas de aire en la boloña de pollo y queso amarillo blando y los nervios o venas de la hoja de espinaca producen sombras.
El epicarpio de naranjas y limones presentan manchas por oleocelosis, rameado y las producidas por los orificios o cavidades naturales de la cáscara, y el epicarpio de papa posee manchas causadas por las hendiduras que resguardan las yemas vegetativas y las lenticelas.
En epicarpios de plátanos maduros y verdes son características sus manchas negras (“pecas”), y en chuleta de cerdo, pechuga de pavo y pulpas de plátano maduro y lechosa se hace evidente cierto brillo.
Harinas de maíz blanco y amarillo presentan impurezas oscuras y si las muestras, previo a la captación de las imágenes no son bien esparcidas presentan relieves que producen sombras; igualmente las muestras tipo pastas como la mostaza las producen sino son uniformemente untadas, y el corte para la toma de muestras en queso pecorino, aunque se use cuchillo de hoja lisa, produce manchas claras por efecto de la compresión.
Estas regiones, sino son excluidas, ocasionan errores en el cálculo del valor de color promedio de las muestras y para evitarlo se realiza una técnica de segmentación por regiones para subdividir las imágenes en zona paraxial en regiones de interés y de discriminación,. Se procedió de la siguiente manera: en la paleta color se cambiaron los reguladores RGB por los reguladores Lab, en el menú selección se abrió la ventana gama de colores, se seleccionó la opción muestreados y previsualización con máscara rápida (la casilla invertir se activa). Con la herramienta cuentagotas se tomó una muestra a criterio de tamaño “un punto” a la sombra o mancha más oscura y/o al brillo (ese punto selecciona todos los puntos del mismo color en las imágenes) y se incrementó la tolerancia a criterio (lo cual permite seleccionar colores semejantes al punto seleccionado que se desea excluir), esta acción seleccionó las áreas sombreadas, manchadas y con brillo y las excluyó para el promedio de los píxeles. Luego en el menú filtro, submenú desenfocar, opción promediar, automáticamente se realizó la sumatoria de todos los píxeles de las imágenes menos las sombras, manchas y/o brillantez seleccionadas. Con la herramienta cuentagotas se tomó una muestra del color promediado cuyas coordenadas CIE L, a y b quedaron reflejadas en la paleta de colores; seguidamente se invirtió la selección en el menú selección, opción invertir, luego en el menú edición, opción rellenar, se escogió el color que dio el mejor contraste (blanco o negro) con fusión en modo normal y opacidad 100 % para rellenar el contenido de las áreas seleccionadas. Se deseleccionaron las áreas con sombras, manchas y/o brillo y guardaron las imágenes dándoles otro nombre a los archivos y en formato JPEG, pero se mantuvieron activas (sin cerrarlas). Finalmente con la herramienta bote de pintura se rellenó repetidamente las imágenes con el color frontal, que es el promediado con antelación de las coordenadas CIE-Lab en la paleta de colores y guardaron las imágenes con otro nombre en formato JPEG. De esta manera se obtienen 2 imágenes nuevas de cada muestra (239x120 píxeles, resolución 300 píxeles/pulgada), además de la original en zona paraxial; una segmentada (regiones de interés y discriminación) y otra con el color final de la muestra o valor de color promedio en coordenadas CIE-Lab.
En muestras de textura lisa o uniforme como los epicarpios del pimentón, tomate maduro y verde, y pulpas de aguacate, auyama, papa y plátano verde no se hace necesaria la segmentación de las imágenes.
A los datos obtenidos para cada muestra de alimento (color final por triplicado), se determinaron las medias muestrales de las coordenadas CIE-Lab mediante el submenú estadística descriptiva del software Statistix, versión 1.0.
Comparación del procedimiento
La exactitud en la medida del color mediante cámara digital se realizó comparando los resultados obtenidos con los determinados por un instrumento de referencia. Como instrumento se utilizó la guía de color PANTONE solid matte, la cual fue utilizada por 2 observadores a los que se les realizó examen visual, uno de 16 años de edad con visión normal y otro de 46 años con visión corregida (OD: esfera +0,75; cil -0,50; eje 11; add 1,50 y OI: esfera +0,25; cil 0,00; eje 0; add 1,50). La evaluación del color sobre las muestras de alimentos se llevó a cabo en el mismo escenario, en las mismas condiciones establecidas y luego de cada captación de las imágenes. Para evitar el metamerismo geométrico los observadores se ubicaron en un mismo ángulo de visión.
Para la conversión de valores PANTONE a CIE-Lab, se creó en Photoshop imágenes de 239x120 píxeles (2x1 cm, resolución 300 píxeles/pulgada) con contenido de fondo blanco. La paleta color se colocó en reguladores Lab. Se abrió la biblioteca de colores y se seleccionó el libro PANTONE solid matte. Se ubicó en la lista de colores el color PANTONE para la conversión, el cual quedó reflejado en la paleta color como nuevo color frontal en coordenadas CIE-Lab. Con la herramienta bote de pintura se rellenó la imagen fondo blanco con el color CIE-Lab y guardaron las imágenes en formato JPEG.
Para la conversión de valores CIE-Lab a PANTONE, en Photoshop a las imágenes de los resultados de las medias muestrales de cada muestra de alimento se les tomó una muestra con la herramienta cuentagotas la cual quedó reflejada en la paleta color como el color frontal; a través de este se abrió la ventana selector de color (color frontal) e ingresó a las bibliotecas de colores; se seleccionó el libro PANTONE solid matte y automáticamente el software presentó como nuevo color frontal, el color PANTONE que más se aproximó al de la imagen. Finalmente, con la herramienta bote de pintura se rellenó la imagen con el color PANTONE. Las imágenes se guardaron con otros nombres de archivo en formato JPEG para efectos de comparación.
La transformación de valores HunterLab a CIE-Lab se realizó mediante el software Colour Conversion Centre.
RESULTADOS Y DISCUSIÓN
Imágenes en zona paraxial, segmentadas y promediadas de las muestras de alimentos
En el cuadro a continuación se presentan las diversas imágenes obtenidas para cada muestra de alimento. En las imágenes segmentadas se destacan en color blanco o negro, las características de textura, brillantez, sombras, manchas, impurezas o relieve presentes en las imágenes en zona paraxial que se consideraron regiones de discriminación y fueron excluidas para obtener las imágenes promediadas (regiones de interés). Si bien, aquí no es objeto de estudio la segmentación de imágenes para evaluar características de apariencia de las muestras de alimentos; fue el paso previo para la obtención de imágenes con color promediado, por lo que el procedimiento usado puede implementarse para la determinación de características físicas de calidad en muestras de alimentos.
Comparación de las imágenes promediadas con las apreciaciones de los observadores
Explicando de manera muy puntual solo para algunas muestras, ambos observadores consideraron a las muestras de chuleta de cerdo, epicarpio de pimentón verde y pulpa de lechosa, entre otras, más claras al compararse con las imágenes promedio y en harina de maíz amarillo y pulpa de papa más oscuras; como se aprecia en el siguiente cuadro. En epicarpio de limón la apreciación del Observador 1 en la muestra indicó menos luminosidad que la de la imagen promedio y para el Observador 2 mayor luminosidad, mientras que en queso amarillo blando ocurrió lo contrario.
En chuleta de cerdo y pulpa de lechosa los valores positivos de las coordenadas a indicaron una tendencia al color rojo y al comparar las apreciaciones de los observadores con las imágenes promedio, estas últimas presentaron un valor mayor en chuleta de cerdo, siendo similar en pulpa de lechosa. En epicarpios de limón y pimentón verde los valores de las coordenadas a fueron negativos lo que indicó una tendencia al color verde, siendo mayor en la imagen del limón y menor en la del pimentón al comparar con la apreciación de ambos observadores.
En epicarpios de naranja y papa, pasta de mostaza y queso amarillo blando, entre otras muestras, los valores positivos de las coordenadas b indicaron una tendencia al color amarillo. Los valores de las imágenes promedio al ser comparadas con las apreciaciones de los observadores presentaron menores valores en epicarpio de naranja, pasta de mostaza y queso amarillo blando; mayores valores en epicarpio de papa y pulpas de plátano maduro y verde, y similares valores en harina de maíz amarillo y pulpa de papa.
En pulpa de aguacate la apreciación del color de la muestra de ambos observadores fue similar al color determinado en la imagen promediada. Los valores negativos de las coordenadas a indicaron una leve tendencia al color verde y los valores positivos de las coordenadas b mostraron una mayor tendencia al color amarillo.
En general, se puede notar que en los valores de las coordenadas de las imágenes promediadas existen coincidencias con las apreciaciones de los observadores en lo relacionado al carácter negativo o positivo de las coordenadas a y b y por ende la tendencia a un color. Las diferencias entre los valores L, a y b fueron de carácter cuantitativo, es decir, un mayor, menor o similar valor de coordenada en las imágenes promedio con respecto a valores de coordenadas en las apreciaciones de los observadores, e incluso entre los mismos observadores. Tales diferencias fueron visualmente ligeras en la mayoría de los casos y el metamerismo de observador pudo haber influido, pero este factor es biológico. Lo expuesto permite inferir que el procedimiento es factible en la determinación del color en muestras uniformes y no uniformes de colores claros y oscuros.
Comparación de las imágenes por aproximación con las apreciaciones de los observadores
En el cuadro a continuación se muestran las imágenes promedio obtenidas de boloña de pollo, harina de maíz blanco, pechuga de pavo, pulpa de auyama y queso pecorino con sus correspondientes colores PANTONE por aproximación generados por Photoshop. En estas muestras los observadores consideraron los colores de las mismas fuera de la gama (FG en el cuadro) de colores de la guía PANTONE solid matte. Los colores PANTONE determinados por el Observador 1 en epicarpio de limón, por el Observador 2 en hoja de espinaca y por ambos observadores en pulpa de aguacate fueron idénticos a los colores PANTONE por aproximación generados por Photoshop. En relación con esto, la guía de color PANTONE solid matte, no abarca toda la gama de colores posibles, por lo que los observadores en algunos casos, no correlacionaron el color de las muestras citadas, con un color en la guía; sin embargo, como alternativa, es factible relacionar el color de una muestra con un intervalo de colores de la guía. Photoshop al convertir el color promedio de una muestra en coordenadas CIE-Lab a valores PANTONE, puede ofrecer idénticos valores (pulpa de auyama) e incluso a los apreciados por los observadores (pulpa de aguacate); colores PANTONE por aproximación distintos a los valores de las imágenes promedio y apreciaciones de los observadores, pueden generarse por no encontrarse el color de la imagen en la biblioteca de colores del software por pequeñas variaciones o diferencias en las coordenadas, los cuales pueden ofrecer visualmente diferencias muy marcadas (pulpa de lechosa) o por el contrario ser poco perceptibles (epicarpio de naranja).
Comparación de las imágenes promediadas de 2 frutos en 2 estados de maduración con las apreciaciones de los observadores
En el cuadro que sigue se presentan las imágenes obtenidas en epicarpios de plátano y tomate en 2 estados de maduración (maduro e inmaduro). En epicarpio de plátano maduro las apreciaciones de los 2 observadores al compararse con la imagen promedio fue que las apreciaciones presentaron mayor claridad y en todos los casos los valores de las coordenadas a son próximas a cero lo que indica carencia del color verde (fruto maduro); asimismo, los valores positivos de las coordenadas b indican una tendencia al color amarillo, mayor en la imagen promediada. En relación al epicarpio de plátano verde las apreciaciones de los observadores también indicaron mayor claridad, presentando las coordenadas a valores negativos que indicaron tendencia al color verde (fruto inmaduro) que fue menor en la imagen promediada y de manera similar que en el epicarpio del plátano maduro, los valores positivos de las coordenadas b mostraron tendencia al color amarillo, mayor en la imagen promedio; sin embargo, todos los valores de la coordenada b en el epicarpio de plátano verde fueron menores a los valores b del epicarpio de plátano maduro, lo cual también indicó diferencias del estado de madurez entre ambos frutos. En general, en la medida en que el fruto madura, los valores negativos de las coordenadas a tienden a cero (menos verde) y los positivos de las coordenadas b se incrementan (más amarillo).
En el mismo cuadro (arriba), pero ahora con relación al epicarpio de tomate maduro, el color promedio de la imagen fue de L: 50, a: 55 y b: 50; la apreciación del Observador 1 fue L: 67, a: 56 y b: 80, mientras que el Observador 2 lo consideró fuera de la gama (FG en el cuadro) de colores de la guía PANTONE solid matte. Los valores positivos de las coordenadas a apreciadas por el Observador 1 indican una tendencia al color rojo similar a la de la imagen promediada y en relación a la coordenada b la apreciación fue que el epicarpio del fruto presentó mayor amarillamiento. Durante la madurez de estos frutos disminuye el contenido de clorofila y aumentan los contenidos de carotenos y licopeno causantes del color amarillo y rojo, respectivamente, los cuales a veces a la vista del observador no son bien diferenciados, apreciándose en ocasiones un color anaranjado.
En epicarpio de tomate verde el Observador 1 consideró a la muestra ligeramente más clara y el Observador 2 más oscura al comparar con la luminosidad determinada en la imagen promedio. Los valores negativos de las coordenadas a indican una tendencia al color verde siendo menor en la imagen promediada y por consecuencia carencia de rojo. Los valores de las coordenadas a pueden ser suficientes para predecir los cambios de coloración en las etapas de maduración del tomate mediante aumentos graduales desde valores negativos (verde) hasta valores positivos (rojos). Aquí se evidencia que el procedimiento usado permitió la obtención de imágenes promediadas de epicarpios de plátano y tomate a efectos de comparar variaciones del color en 2 estados de maduración, pudiendo extenderse su aplicación a otros cultivos.
Comparación de las imágenes promediadas con imágenes resultantes de la transformación de coordenadas de color de UNA muestra de alimento indicada por otros autores
En el cuadro abajo se presentan valores de coordenadas HunterLab de muestras de varios alimentos indicadas por diversos autores en la literatura, transformadas a coordenadas CIE-Lab y las imágenes resultantes de dichas transformaciones aplicando el procedimiento, objeto de este trabajo. Al comparar las imágenes resultantes con las imágenes promedio se apreció que existen semejanzas en el color las cuales son características de cada especie, como colores amarillos en epicarpios de naranja, plátano maduro y en pulpa de plátano verde y colores verdes en epicarpios de plátano y tomate verde.
En chuleta de cerdo, epicarpio de tomate maduro y harinas de maíz amarillo y blanco, el color en las imágenes resultantes difirió del de las imágenes promedio y por ende, del característico o esperado en las muestras, principalmente en epicarpio de tomate maduro que presentó un color negruzco; en este sentido, fue posible que debido a la integración de los valores de las medidas efectuadas con los equipos sobre las muestras, se obtuvieron valores promedios que, en los casos de muestras texturadas y muestras con una distribución de color no uniforme, no describieron adecuadamente la compleja realidad colorimétrica de la muestra original, señalando además, que la determinación del color involucra multitud de otros parámetros visuales. En los estudios presentados de otros autores, solo se publicaron los valores de las coordenadas de color y mediante la aplicación del procedimiento fue factible transformarlos en imágenes que permitieron una real visualización del color. Aquí se demuestra la importancia de publicar no solo coordenadas colorimétricas sino acompañarlas con una imagen que muestre el color.
Comparación de las imágenes promediadas con imágenes resultantes de la transformación de coordenadas de color de VARIAS muestras de un mismo alimento indicadas por otros autores
Finalmente, en este último cuadro mostrado abajo, se indican valores de coordenadas HunterLab de muestras de alimentos publicadas por algunos autores en la literatura, que fueron transformadas a coordenadas CIE-Lab y las imágenes resultantes. Resalta que en pulpas de papa y aguacate el color de las imágenes resultantes fue muy distinto al de la imagen promedio y no característico de esos tipos de muestras, siendo más relevante la diferencia en las muestras de papa que presentaron una coloración grisácea. En epicarpio de papa y pulpa de plátano maduro las imágenes resultantes son visualmente similares a la imagen promedio a pesar de ligeras variaciones en las coordenadas L, a y b de las muestras. En epicarpio de papa las imágenes resultantes corresponden a 2 muestras de un mismo alimento pero de especies distintas publicadas en una misma investigación y en pulpa de plátano maduro corresponden a 2 publicaciones distintas; en estas últimas, la imagen correspondiente a Osman et al. (1998) presentó mayor valor de luminosidad y el valor positivo de la coordenada b indicó mayor tendencia al color amarillo en relación con la imagen correspondiente a Ortiz-Alfaro (2003). Estas consideraciones permiten señalar que el procedimiento, objeto de este estudio, presentó aplicaciones en la comparación de variaciones de color entre muestras distintas de un mismo alimento.
CONCLUSIONES
El procedimiento usando Sistema de Visión Computarizada y herramientas de utilidad en el diseño gráfico permitió la obtención de imágenes de muestras de alimentos promediadas en coordenadas CIE-Lab en la determinación del color en muestras uniformes y no uniformes de colores claros y oscuros; presentó aplicaciones en la comparación de variaciones de color entre muestras distintas o no de un mismo alimento, en la evaluación de estados de maduración de cultivos, en la transformación de resultados de coordenadas de color de otros estudios a imágenes, y puede ser implementado en la determinación de características físicas de calidad en muestras de alimentos, siendo de bajo costo económico.
El procedimiento descrito se puede llevar a cabo con cualquier computador, cámara digital o versión de Photoshop, pero es necesario realizar calibraciones.
Todo el contenido de esta entrada, texto, fotografías y figuras corresponden a un trabajo publicado por 