Sharp Frames: del video a un conjunto de imágenes nítidas

1 ago
4 min de lectura

Un minuto de video a 30 fotogramas por segundo contiene 1,800 imágenes. La mayoría son muy parecidas y algunas estarán afectadas por movimiento, desenfoque, compresión o cambios de iluminación. Procesarlas todas no garantiza un mejor modelo: puede aumentar el tiempo de cómputo y añadir información redundante o de baja calidad.

¿Qué es Sharp Frames?

Sharp Frames es una herramienta web desarrollada por Reflct para extraer fotogramas de videos o analizar carpetas de imágenes. La aplicación calcula una puntuación de nitidez y ofrece varias formas de seleccionar un subconjunto más manejable y mejor distribuido para preparar datos destinados a fotogrametría, Neural Radiance Fields (NeRF) y 3D Gaussian Splatting (3DGS).

Su ventaja inmediata es que funciona directamente en el navegador: no requiere instalación y, según la propia plataforma, todo el procesamiento se realiza de manera local, sin almacenar el material del usuario.

Sharp Frames permite cargar un video o seleccionar una carpeta de imágenes.

El problema no es extraer imágenes: es elegir las que aportan

En una reconstrucción 3D, cada fotografía debería contribuir con información visual suficiente y una posición ligeramente distinta. Dos fallas son frecuentes:

· conservar demasiadas imágenes consecutivas casi idénticas, que incrementan el costo sin ampliar la cobertura;

· eliminar demasiados fotogramas y romper la continuidad necesaria para relacionar características entre vistas.

Sharp Frames ayuda a encontrar un equilibrio entre nitidez, cantidad y distribución temporal. Sin embargo, la nitidez no sustituye el traslape, la textura ni la diversidad de ángulos. Una imagen puede ser muy nítida y aun así ser redundante o poco útil para el modelo.

Cuatro formas de seleccionar fotogramas.

Método	Idea principal
Batch Selection	Elige el fotograma más nítido de cada lote. Es una opción sencilla para conservar continuidad a lo largo del recorrido.
Best N Selection	Busca las N imágenes con mejor puntuación y aplica una separación mínima para reducir duplicados consecutivos.
Top Percentage	Mantiene sólo el porcentaje superior de la distribución de nitidez.
Manual Selection	Permite revisar y decidir imagen por imagen cuando el criterio automático no basta.

Los cuatro modos permiten ajustar la selección al objetivo del proyecto.

Un flujo de trabajo sencillo

1. Cargar

Se arrastra un video MP4, MOV o WebM, o se selecciona una carpeta de imágenes.

2. Configurar

Se define el prefijo, la tasa de extracción, el formato JPEG o PNG y, si es necesario, un intervalo del video.

3. Analizar

La aplicación extrae los fotogramas y calcula su nitidez.

4. Seleccionar

Se elige un método automático o manual y se revisa la distribución en el gráfico.

5. Descargar

Se exportan únicamente las imágenes seleccionadas para continuar en Metashape, COLMAP, Nerfstudio u otro flujo 3D.

Parámetros de extracción disponibles después de cargar un video.

¿Cómo puede ser útil en los proyectos de SIGALT?

La herramienta encaja especialmente bien en proyectos donde el video es la forma más práctica de registrar una escena y después se requiere transformarlo en un conjunto de imágenes:

· reconstrucción de arrecifes y paisajes submarinos capturados con buzos o vehículos operados remotamente;

· modelos 3D de organismos, piezas de colección y objetos registrados mediante recorridos circulares;

· documentación de afloramientos, estructuras costeras o ambientes de difícil acceso;

· preparación de conjuntos de entrenamiento o evaluación para flujos de visión por computadora;

· prototipos de arrecifes digitales con SfM, NeRF o Gaussian Splatting.

En ambientes submarinos. La selección automática debe complementarse con una revisión de turbidez, retrodispersión, fauna móvil, caústicas de luz y cambios de color. Estos defectos no siempre se reflejan en una puntuación general de nitidez.

Una configuración inicial razonable

La guía de captura de Reflct sugiere extraer al menos 10 fotogramas por segundo y conservar el mejor de cada lote de cinco. Esto produce aproximadamente una imagen seleccionada cada 0.5 segundos y constituye un buen punto de partida, no una receta universal.

Si la cámara avanza rápido o pasa cerca del sujeto, puede ser necesario reducir el tamaño del lote. Si el movimiento es lento y se generan muchas vistas repetidas, conviene aumentar el lote o utilizar Best N con una separación mínima mayor. El criterio final debe ser la cobertura espacial del conjunto, no sólo la cantidad de archivos.

Lo que Sharp Frames no hace

· No reconstruye el modelo 3D.

· No garantiza que exista traslape suficiente entre imágenes.

· No sustituye la calibración de cámara ni la corrección de distorsión.

· No corrige por sí sola iluminación irregular, color submarino, partículas o reflejos.

· No convierte una captura deficiente en un conjunto científicamente válido.

Su lugar correcto está al inicio del flujo: convierte un video extenso en una selección más limpia y manejable que después puede someterse a control de calidad, corrección de color, enmascaramiento y reconstrucción.

Requisitos y limitaciones

· La plataforma recomienda Chrome.

· El límite de video ronda 1.9 GB y depende de la memoria del navegador.

· Admite los códecs H.264, HEVC, VP8, VP9 y AV1.

· Para archivos grandes, automatización o procesamiento repetible, puede utilizarse SharpFrames Python.

Conclusión

Sharp Frames resuelve una tarea poco vistosa pero decisiva: seleccionar qué imágenes entrarán al proceso de reconstrucción. Su valor no está en reemplazar el criterio técnico, sino en reducir el trabajo mecánico y hacer más transparente la transición entre video y conjunto fotográfico.

En SIGALT preparamos un manual práctico en español con el flujo completo, los cuatro modos de selección, parámetros iniciales y una lista de control antes de reconstruir.

Descarga el manual: