Image Utils¶

Módulo: src/utils/image_utils.py

Descripción¶

Proporciona utilidades para procesamiento y validación de imágenes, incluyendo carga, redimensionamiento y verificación de integridad.

Clase Principal¶

`ImageUtils`¶

from src.utils.image_utils import ImageUtils

Métodos Estáticos¶

`load_image`¶

Carga una imagen desde disco.

image = ImageUtils.load_image(
    path="image.jpg",
    mode="RGB"
)

Parámetros:

Parámetro	Tipo	Descripción	Valor por defecto
`path`	str/Path	Ruta a la imagen	Requerido
`mode`	str	Modo de color (RGB, L, RGBA)	`"RGB"`

Retorno: Objeto PIL.Image o None si falla.

`load_image_cv2`¶

Carga una imagen usando OpenCV.

image = ImageUtils.load_image_cv2(
    path="image.jpg",
    grayscale=False
)

Retorno: Array numpy (BGR o grayscale) o None si falla.

`validate_image`¶

Verifica que un archivo sea una imagen válida.

is_valid = ImageUtils.validate_image(path="image.jpg")

Verificaciones: - El archivo existe - PIL puede abrirlo - La imagen no está corrupta (verify)

`get_image_info`¶

Obtiene información de una imagen.

info = ImageUtils.get_image_info(path="image.jpg")

Retorno:

{
    'width': int,
    'height': int,
    'format': str,      # JPEG, PNG, etc.
    'mode': str,        # RGB, L, RGBA
    'size_bytes': int
}

`resize_image`¶

Redimensiona una imagen manteniendo la proporción.

resized = ImageUtils.resize_image(
    image,
    max_size=1024,
    resample=Image.LANCZOS
)

Parámetros:

Parámetro	Tipo	Descripción
`image`	PIL.Image	Imagen a redimensionar
`max_size`	int	Tamaño máximo del lado mayor
`resample`	int	Método de resampling

`save_image`¶

Guarda una imagen a disco.

ImageUtils.save_image(
    image,
    path="output.jpg",
    quality=85
)

`convert_to_grayscale`¶

Convierte una imagen a escala de grises.

gray = ImageUtils.convert_to_grayscale(image)

Ejemplo Completo¶

from src.utils.image_utils import ImageUtils
from pathlib import Path

# Validar imagen
image_path = Path("data/raw/species/123456.jpg")
if not ImageUtils.validate_image(image_path):
    print("Imagen inválida o corrupta")
    exit()

# Obtener información
info = ImageUtils.get_image_info(image_path)
print(f"Dimensiones: {info['width']}x{info['height']}")
print(f"Formato: {info['format']}")
print(f"Tamaño: {info['size_bytes'] / 1024:.1f} KB")

# Cargar imagen
image = ImageUtils.load_image(image_path)

# Redimensionar si es muy grande
if info['width'] > 1024 or info['height'] > 1024:
    image = ImageUtils.resize_image(image, max_size=1024)
    print(f"Redimensionada a: {image.size}")

# Guardar
ImageUtils.save_image(image, "output.jpg", quality=90)

# Cargar para OpenCV (análisis de calidad)
cv_image = ImageUtils.load_image_cv2(image_path, grayscale=True)
if cv_image is not None:
    print(f"Shape: {cv_image.shape}")

Formatos Soportados¶

Formato	Extensiones	Notas
JPEG	.jpg, .jpeg	Más común para fotos
PNG	.png	Soporta transparencia
GIF	.gif	Animaciones
BMP	.bmp	Sin compresión
TIFF	.tif, .tiff	Alta calidad
WebP	.webp	Moderno, buena compresión

Manejo de Errores¶

from src.utils.image_utils import ImageUtils

try:
    image = ImageUtils.load_image("image.jpg")
    if image is None:
        print("No se pudo cargar la imagen")
except Exception as e:
    print(f"Error: {e}")

Consideraciones¶

Memoria¶

Las imágenes grandes pueden consumir mucha memoria: - Imagen 4000x3000 RGB: ~36 MB en memoria - Considerar redimensionar antes de procesar

Formatos de Color¶

Modo	Descripción	Uso
`RGB`	Color 24-bit	Procesamiento general
`L`	Escala de grises 8-bit	Análisis de calidad
`RGBA`	Color con alpha	Imágenes con transparencia

OpenCV vs PIL¶

PIL: Mejor para carga/guardado, manipulación básica
OpenCV: Mejor para análisis, procesamiento avanzado

# PIL para cargar
pil_image = ImageUtils.load_image(path)

# OpenCV para análisis
cv_image = ImageUtils.load_image_cv2(path, grayscale=True)
laplacian_var = cv2.Laplacian(cv_image, cv2.CV_64F).var()

Dependencias¶

Pillow: Carga y manipulación de imágenes
opencv-python: Procesamiento avanzado
numpy: Operaciones con arrays