¿Qué es la tecnología DSP?

Procesamiento de señales digitales

: DSP enfatiza el uso de la teoría del procesamiento de señales digitales a través de chips de circuitos integrados dedicados para ejecutar programas de destino en el chip para lograr algún tipo de procesamiento. /p>

El procesamiento de señales digitales (Digital Signal Processing) es una de las tecnologías más poderosas de la ciencia y la ingeniería del siglo XXI. Ha revolucionado una amplia gama de campos: comunicaciones, imágenes médicas, radares y sonares, reproducción de música de alta fidelidad y exploración petrolera, por nombrar sólo algunos. Cada área de la tecnología DSP se ha desarrollado hasta cierta profundidad, con sus propios algoritmos, matemáticas y técnicas específicas. La combinación de amplitud y profundidad significa que ninguna persona puede dominar todas las tecnologías DSP que se han desarrollado. La educación DSP consta de dos tareas: aprender conceptos generales que se pueden aplicar a todo el mundo y aprender habilidades profesionales en un campo específico que le interese. Este capítulo comienza nuestro viaje hacia el mundo del procesamiento de señales digitales describiendo los efectos dramáticos que el DSP ha tenido en varios campos diferentes. La revolución ha comenzado.

Las raíces del DSP

El procesamiento de señales digitales se diferencia de otros campos de la informática debido al tipo único de datos que utiliza: señales (señales). En la mayoría de los casos, estas señales se originan a partir de datos sensoriales del mundo real: vibraciones sísmicas, imágenes visuales, ondas sonoras, etc. DSP son las matemáticas, algoritmos y técnicas que se utilizan para procesar señales después de que se han convertido a formato digital. Esto abarca una amplia gama de objetivos diversos, tales como: mejorar imágenes visuales, reconocer y generar diálogo (habla), compresión de datos para su almacenamiento y transmisión, etc... Supongamos que agregamos un "convertidor de contraste a digital" a la computadora y lo usamos para capturar 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 las computadoras digitales estuvieron disponibles por primera vez. Las computadoras eran caras hoy en día y los DSP se limitaban a unas pocas aplicaciones críticas. Los pioneros se centran en cuatro áreas clave: radares y sonares que ponen en riesgo la seguridad internacional, exploración de petróleo crudo que puede generar mucho dinero, exploración espacial con datos irremplazables e imágenes médicas que pueden salvar vidas. La revolución de las computadoras personales en las décadas de 1980 y 1990 provocó un aumento repentino de nuevas aplicaciones para DSP. En lugar de estar motivado por necesidades militares y gubernamentales, el DSP de repente fue impulsado por el mercado comercial. Cualquiera que pensara que podía ganar dinero en un campo en rápida expansión de repente se convirtió en proveedor de DSP. DSP se ha vuelto muy conocido en productos como: teléfonos móviles, CD (reproductores de discos compactos) y correo de voz electrónico. La Figura 1-1 ilustra algunas de estas aplicaciones.

Esta revolución tecnológica ocurre de arriba hacia abajo. A principios de la década de 1980, DSP en el campo de la electrónica y la electricidad era un curso que se impartía en cursos de posgrado. 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 la revolución tecnológica anterior. Aunque todavía están en el campo de la electrónica y los motores, casi todos los científicos e ingenieros tienen alguna experiencia en el diseño de circuitos básicos. Sin él, 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. Algunas aplicaciones diversas se enumeran aquí.

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 una respuesta en un libro de texto u otra publicación. Lo que normalmente encuentras son páginas y páginas de ecuaciones, notación matemática oscura y terminología desconocida. ¡Qué pesadilla! Gran parte de la literatura sobre DSP resulta desconcertante incluso para quienes tienen experiencia en este campo.

Esto no es un error en la literatura, simplemente está destinado a una audiencia muy específica. Los investigadores de tecnologías actualmente en desarrollo necesitan estas matemáticas sofisticadas (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 de las matemáticas y teorías complejas tradicionales. La Guía para científicos e ingenieros sobre procesamiento de señales digitales está escrita para aquellos que desean utilizar DSP como una herramienta en lugar de una nueva carrera.

El resto de este capítulo enumera algunas de las áreas donde DSP ha revolucionado. Al observar cada aplicación, observe que DSP es muy interdisciplinario y depende del trabajo técnico en muchos campos adyacentes. Como sugiere la Figura 1-2, los límites entre DSP y otras disciplinas técnicas no son claros ni están bien definidos, sino que son borrosos y se superponen. Si quieres especializarte en DSP, también necesitas estudiar algunos campos relacionados.

Figura 1-2

El procesamiento de señales digitales tiene límites borrosos y superpuestos en muchos campos de la ciencia, la ingeniería y las matemáticas.

Telecomunicaciones

Las telecomunicaciones consisten en transmitir información de un lugar a otro. Esto incluye muchos tipos de información: conversaciones telefónicas, señales de televisión, archivos informáticos y otros tipos de datos. Para enviar información, necesita un canal entre dos ubicaciones. Podría ser un par de cables, una señal de radio, fibra óptica, etc... Las empresas de telecomunicaciones reciben un pago por transmitir la información de sus clientes, sin embargo deben pagar para establecer y mantener canales. El resultado financiero es simple: cuanta más información puedan pasar 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 tono, cambio de banda de frecuencia, filtrado para eliminar el zumbido de la línea eléctrica, etc. Aquí se analizan tres ejemplos específicos de redes telefónicas: multiplexación, compresión y control de eco.

Multiplexación

Existen aproximadamente mil millones de teléfonos en el mundo. Con solo presionar unas pocas teclas, las redes conmutadas permiten que cualquier persona, en cualquier lugar, se conecte en solo segundos. La inmensidad de esta tarea hace dudar. Hasta la década de 1960, la conexión entre dos teléfonos requería interruptores mecánicos y amplificadores para transmitir señales de sonido analógicas. Un enlace requiere un par de cables. En comparación, DSP convierte la información en un flujo de datos digitales secuenciales. Debido a que los bits se pueden entrelazar y separar más tarde fácilmente, muchas conversaciones telefónicas se pueden transmitir en un solo canal. Por ejemplo, el estándar para teléfonos se conoce como 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 analógica con compresión logarítmica de 8 bits a bits digitales. El resultado de cada señal de audio se expresa en 64.000 bits/seg, y los 24 canales se incluyen en 1,544 megabits/seg. Utilizando un cable telefónico de cobre tradicional de calibre 22, las señales se pueden transmitir a unos 6000 pies, una distancia de interconexión típica. Las ventajas financieras de la transmisión digital son muchas. Los cables y los interruptores analógicos son caros, las puertas lógicas digitales son baratas.

Compresión

Cuando la señal de sonido se digitaliza a 8000 muestras/seg, la mayor parte de la información digital será redundante. Es decir, la información contenida en cualquier muestra será copiada en gran medida por las muestras vecinas. 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. Se utilizan algoritmos de descompresión correspondientes para restaurar la señal a su forma original. Estos algoritmos varían en la cantidad de compresión realizada y la calidad del sonido resultante. En general, la velocidad de datos se puede reducir de 64 kilobits/s a 32 kilobits/s sin perder calidad de sonido. Cuando se comprime a una velocidad de datos de 8 kilobits/seg, el sonido se ve significativamente afectado, pero sigue siendo útil para redes telefónicas de larga distancia. La compresión más larga que se puede lograr es de aproximadamente 2 kilobits/s, lo que produce un sonido muy distorsionado, pero puede resultar útil en algunas aplicaciones, como las comunicaciones militares y submarinas.

Control del eco

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 y parte de la señal se transmite de regreso como un eco. Si el enlace está a cientos de kilómetros de distancia, el tiempo que se tarda en recibir el eco es de sólo unos pocos milisegundos. El oído humano está acostumbrado a escuchar estos pequeños ecos retardados y las conexiones parecen bastante normales. A medida que las distancias se hacen más largas, los ecos se vuelven más pronunciados e irritantes. Para las comunicaciones interestatales, los retrasos pueden ser de cientos de microsegundos y son particularmente objetables. El procesamiento de señales digitales aborda estos problemas midiendo la señal devuelta y generando una antiseñal adecuada para eliminar el eco perturbador. La misma tecnología permite a los usuarios de altavoces escuchar y hablar al mismo tiempo sin luchar contra la retroalimentación de audio (chillidos). También puede reducir el ruido ambiental contrarrestándolo con anitruido generado digitalmente.

Procesamiento de audio

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 (habla). DSP ya ha realizado cambios revolucionarios en estas dos áreas.

Música

El camino desde el micrófono de un músico hasta los altavoces de alguien que ama el audio de alta gama es bastante largo. La representación de datos digitales es importante porque previene la degradación asociada con el almacenamiento y procesamiento tanto general como analógico. Esto le resultará familiar a cualquiera que haya comparado la calidad de la música en casetes y CD. En un escenario común, las piezas musicales se graban en un estudio de sonido en varios canales o pistas. En algunos casos, esto implica incluso grabar instrumentos individuales y vocalistas por separado. Esto se hace para darle al ingeniero de sonido una mayor flexibilidad a la hora de 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.

Anotación de traducción: 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. Por lo tanto, es necesario mezclarlo en 2 canales. Gracias a 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 y diluido, muy parecido a un músico tocando al aire libre.

Esto se debe a que el oyente se ve muy afectado por el eco o el contenido persistente de la música, que normalmente se minimiza en el estudio de grabación. DSP permite sumar el eco artificial y la permanencia cuando se mezcla para simular una variedad de entornos de escucha ideales. Los ecos con un retraso de cientos de microsegundos dan la impresión de un lugar parecido a una catedral. Agregar un retraso de 10 a 20 microsegundos al eco hace que parezca que estás en un espacio de escucha de tamaño más apropiado.

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 otra cosa, como conducir un automóvil, abrir un cuchillo o (desafortunadamente) disparar un arma a un enemigo. Para el habla generada por computadora, se utilizan dos métodos: grabación digital y simulación del tracto vocal. 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 convierten nuevamente en una señal analógica. Una hora completa de voz grabada requiere sólo unos 3 megabytes para almacenarse, incluso en sistemas informáticos pequeños. Este es el método más común de generación de voz digital que se utiliza en la actualidad.

La simulación del tracto vocal es más compleja, intentando imitar el mecanismo físico del cuerpo a través del método de creación del habla humana. La simulación del tracto vocal humano es una cavidad acústica con una frecuencia de resonancia determinada por el tamaño y la forma de la cámara. En comparación, los sonidos fricativos se originan a partir de ruidos de aire ruidosos en compresiones estrechas, como los dientes y los labios. La simulación del tracto vocal funciona generando señales digitales que imitan estas dos excitaciones. Las características de la cámara de resonancia se simulan enviando señales de estimulación a través de filtros digitales con resonancias similares. 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 venta.

Reconocimiento de voz

El reconocimiento automático de voz humana es más difícil que generar voz. El reconocimiento de voz es un ejemplo clásico de lo que el cerebro humano hace bien pero las computadoras digitales hacen mal. Las computadoras digitales pueden almacenar y recordar grandes cantidades de datos, realizar cálculos matemáticos a velocidades extremadamente rápidas y realizar tareas repetitivas sin aburrirse o ser ineficientes. Desafortunadamente, las computadoras actuales funcionan muy 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 generalmente maneja los problemas de reconocimiento de voz en dos pasos: extracción de características seguida de coincidencia de características.

Cada palabra de la señal de audio entrante se aísla primero y luego se analiza para identificar el tipo de estímulo y la frecuencia vibratoria. Luego, estos parámetros se comparan con ejemplos de palabras pronunciadas anteriormente para identificar las coincidencias más cercanas. A menudo, estos sistemas se limitan a unos pocos cientos de palabras y sólo pueden aceptar discursos con interrupciones discernibles entre palabras y es necesario volver a capacitar a cada hablante individualmente; Si bien esto es apropiado para muchas aplicaciones comerciales, estas limitaciones son humillantes en comparación con la audición humana. Hay mucho trabajo por hacer en esta área y habrá enormes recompensas financieras para quienes creen productos comerciales exitosos.

Ubicación del eco

Una forma común de obtener información sobre un objeto remoto es hacer rebotar una onda en él. Por ejemplo, el radar funciona transmitiendo pulsos de ondas de radio y verificando cada señal recibida en busca de ecos de aviones. En el sonar, se envían ondas sonoras a través del agua para detectar submarinos y otros objetos debajo de la superficie. Los geofísicos han sondeado la Tierra estableciendo explosiones de larga duración y escuchando ecos de capas de roca profundamente enterradas.

Aunque estas aplicaciones tienen un hilo similar, cada una tiene sus propios problemas y necesidades específicas. El procesamiento de señales digitales ha revolucionado los tres campos.

Radar

Radar es el acrónimo de RAdioDetection And Ranging. En los sistemas de radar más simples, un transmisor de radio genera un pulso de energía de radiofrecuencia que dura varios microsegundos. Este pulso se introduce en una antena altamente direccional, donde hace que las ondas de radio se propaguen y salgan a la velocidad de la luz. Las aeronaves en el camino de esta onda reflejarán una pequeña cantidad de energía hacia la antena receptora ubicada cerca de la estación transmisora. La distancia al objeto se calcula a partir del tiempo transcurrido entre el pulso transmitido y el eco recibido. La dirección de un objeto es más fácil de encontrar y cuando se recibe el eco, sabes hacia dónde apunta la antena direccional.

El rango de funcionamiento 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, agregar energía a un pulso generalmente requiere un pulso más largo. Posteriormente, los pulsos más largos reducen la precisión y exactitud de la medición 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 áreas, todas ellas relacionadas con cuestiones fundamentales. En primer lugar, el DSP puede comprimir la onda del pulso después de recibirla, lo que proporciona una mejor determinación de la distancia sin reducir su rango operativo. En segundo lugar, DSP puede filtrar la señal recibida para reducir el ruido. Esto aumenta el alcance sin degradar la determinación de la 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 las ondas de pulso para problemas de detección específicos. Ahora viene la parte impresionante: mucho de esto se hace a una frecuencia de muestreo similar a la frecuencia de radio utilizada, ¡que es de unos pocos cientos de megahercios! Cuando se trata de radar, el DSP es tan relevante para el diseño de hardware de alta velocidad como lo es para los algoritmos.

Sonar

Sonar es el acrónimo de Sound NAvigation and Ranging. Se divide en dos categorías, activa y pasiva. En el sonar activo, se transmiten al agua ondas de pulso de sonido 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 bajo la superficie, navegación, comunicaciones y mapeo del fondo marino. Generalmente el rango operativo máximo es de 10 a 100 kilómetros. Por el contrario, el sonar pasivo sólo escucha los sonidos debajo de la superficie, 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 detectar al otro chico sin que él te detecte a ti. La aplicación más importante del sonar pasivo es en los sistemas de vigilancia militar, que detectan y rastrean submarinos. El sonar pasivo generalmente utiliza frecuencias más bajas que el sonar activo porque se propagan a través del agua con menos absorción. El rango de detección puede alcanzar miles de kilómetros.

DSP ha revolucionado el sonar en muchas de las mismas áreas que el radar: generación de ondas de pulso, compresión de ondas de pulso y filtrado de señales detectadas. Se puede argumentar que el sonar es más simple que el radar porque involucra frecuencias más bajas. Otra perspectiva es que el sonar es más difícil que el radar porque el entorno es menos consistente 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 estos numerosos elementos de la señal, el sistema de sonar puede dirigir la onda de pulso cancelada a la ubicación deseada y determinar la dirección en la que se recibe el eco. Para manejar tantos canales, los sistemas de sonar requieren la misma potencia de cálculo DSP a gran escala que el radar.

Sismología de reflexión

A principios de la década de 1920, los geofísicos descubrieron que la estructura de la corteza terrestre se podía detectar mediante el sonido. Los buscadores pueden detonar y registrar ecos de la capa límite a más de diez kilómetros por debajo de la superficie. Estos sismogramas se interpretan a simple vista para mapear las estructuras del subsuelo. El método sísmico de reflexión se convirtió rápidamente en el método principal para determinar la ubicación de depósitos de petróleo y minerales, y sigue siéndolo en la actualidad.

En un mundo ideal, los pulsos de sonido transmitidos al suelo producen un eco en la capa límite a través de la cual pasa cada pulso. Desafortunadamente, no suele ser tan sencillo. Cada eco que regresa a la superficie debe atravesar todas las demás capas límite superiores de las que se originó. Esto hace que los ecos salten de una capa a otra, lo que hace que los ecos se detecten 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 aislar los ecos primarios de los ecos secundarios en los sismogramas de reflexión. ¿Cómo se las arreglaron los primeros geofísicos sin un DSP? La respuesta es simple: miran lugares simples, donde se minimizan los múltiples reflejos. DSP permite encontrar petróleo crudo en lugares difíciles, como debajo del mar.

Procesamiento de Imágenes

Las imágenes son señales con 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 mucha información. Por ejemplo, es posible que se necesiten más de 10 megabytes para almacenar la mitad de un vídeo de televisión. Esto es más de 1.000 veces más fuerte que una señal sonora de duración similar. En tercer lugar, el juicio final sobre la calidad generalmente estará limitado por la evaluación humana y no por estándares de juicio objetivamente existentes. Estas características han convertido al procesamiento de imágenes en un subgrupo diferente dentro del DSP.

Médico

En 1895, Wilhelm Conrad Röntgen descubrió que los rayos X pueden penetrar un número considerable de objetos reales. La medicina se ha revolucionado al poder ver el interior del cuerpo vivo. Los sistemas de rayos X médicos se extendieron por todo el mundo en tan solo unos años. A pesar de su aparente éxito, las imágenes médicas de rayos X estuvieron limitadas por cuatro problemas hasta la llegada del DSP y tecnologías relacionadas en los años 1970. En primer lugar, las estructuras superpuestas del cuerpo humano pueden quedar ocultas una detrás de otra. Por ejemplo, es posible que parte del corazón detrás de las costillas no sea visible. En segundo lugar, no siempre es posible distinguir entre tejidos similares. Por ejemplo, puede ser posible separar los huesos del tejido blando, pero no distinguir los tumores del tejido hepático. En tercer lugar, las imágenes de rayos X muestran la anatomía, la estructura del cuerpo, más que la 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 causar cáncer y debe usarse con moderación y sólo por razones apropiadas.

El problema de las estructuras superpuestas se resolvió en 1971 con la introducción del primer escáner de tomografía computarizada (formalmente conocido como tomografía axial computarizada o escáner CAT). La tomografía computarizada (TC) es un ejemplo clásico de procesamiento de señales digitales. Los rayos X desde muchas direcciones penetran en cada sección del cuerpo del paciente que se examina. En lugar de simplemente formar una imagen a partir de los rayos X detectados, las señales se convierten en datos digitales y se almacenan en una computadora. Esta información luego 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 detección y un tratamiento significativamente mejores. El impacto de la TC es casi tan grande como la introducción original de las imágenes de rayos X. En unos pocos años, todos los hospitales importantes del mundo utilizaban escáneres de tomografía computarizada.

En 1979, dos de los contribuyentes a los principios de la TC, Godfrey N. Hounsfield y Allan M. Cormack, ganaron el Premio Nobel de Medicina. ¡Eso es un buen DSP!

Los últimos tres problemas de los rayos X se han resuelto utilizando energía penetrante distinta de los rayos X, como ondas de radio y sonido. DSP juega un papel clave en todas estas tecnologías. Por ejemplo, la resonancia magnética (MRI) utiliza campos magnéticos junto con ondas de radio para detectar el interior del cuerpo humano. Ajustar adecuadamente la intensidad y la frecuencia del campo magnético permite que los núcleos atómicos dentro del área del cuerpo oscilen entre estados de energía cuántica. Esta vibración provoca emisiones secundarias de ondas de radio, que son detectadas por antenas colocadas cerca del cuerpo. La intensidad y otras características de esta señal detectada proporcionan información sobre el área local de vibración. El ajuste del campo magnético permite que el área de vibración escaneada a través del cuerpo se corresponda con la estructura interna. Esta información suele representarse en forma de imágenes, como la tomografía computarizada. Además de proporcionar una excelente discriminación entre diferentes tipos de tejido blando, la resonancia magnética 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 se puede implementar sin ella.

Espacio

A veces simplemente hay que sacar lo mejor de una mala foto. Esto sucede a menudo porque las imágenes se toman desde satélites no tripulados y cohetes de exploración espacial. ¡Nadie enviaría a un técnico a Marte sólo para girar el mando de una cámara! DSP puede utilizar varios métodos para mejorar la calidad de las imágenes tomadas en situaciones muy desfavorables, son: ajuste de brillo y contraste, detección de límites, reducción de ruido, ajuste de enfoque, reducción de desenfoque de movimiento, etc... Las imágenes con distorsión espacial, como las que se encuentran al fotografiar imágenes planas de planetas esféricos, se pueden deformar para obtener una representación correcta. Se pueden combinar muchas imágenes independientes en una única base de datos, lo que permite mostrar la información de una manera única. Por ejemplo, una secuencia de imágenes de televisión simula aviones volando sobre las superficies de diferentes planetas.

Productos de imágenes comerciales

Para los sistemas vendidos en grandes cantidades al público, la gran cantidad de contenido de información en la imagen es un problema. Los sistemas comerciales deben ser baratos, y esto no es el resultado de grandes cantidades de memoria y altas velocidades de transferencia de datos. Una solución a este teorema es la compresión de imágenes. Al igual que las señales de sonido, las imágenes contienen una gran cantidad de información redundante y pueden transmitirse mediante algoritmos que reducen la cantidad de bits necesarios para representarla. La televisión y otras películas de acción son particularmente adecuadas para la compresión porque la mayoría de las imágenes permanecen iguales de un cuadro a otro. El software comercial de procesamiento de imágenes que utiliza esta tecnología incluye: videoteléfonos, programas informáticos que muestran imágenes en movimiento y televisores digitales.