El algoritmo de la NASA que revela pinturas rupestres borradas

Un algoritmo para volcanes que terminó leyendo cuevas

En 1978, dos empleados del Jet Propulsion Laboratory de la NASA propusieron aplicar una herramienta estadística, la transformada de Karhunen-Loève, a imágenes digitales para mejorar el color. Uno de ellos era Jim Soha. La idea derivó en una técnica llamada decorrelation stretch, que amplifica los contrastes de una imagen y vuelve visibles diferencias que el ojo no distingue.

En 1996, otro investigador del JPL, Ronald Alley, la refinó sustituyendo pasos intermedios por multiplicación de matrices, y la hizo a la vez más rápida y más precisa. El uso que le daban entonces era terrenal en el sentido literal: cartografiar coladas de lava en la isla grande de Hawái.

Treinta años después, la misma técnica se usa para recuperar pinturas rupestres que casi han desaparecido de la pared.

Qué hace exactamente el estirado por decorrelación

Una fotografía digital guarda tres canales de color, y en una escena natural esos canales suelen ir juntos: donde sube el rojo, tienden a subir el verde y el azul. Esa correlación es la que hace que una pared de roca parezca uniformemente ocre aunque tenga variaciones.

El decorrelation stretch separa esa dependencia. Reproyecta los datos sobre los ejes en los que la variación es máxima, estira cada eje para que ocupe todo el rango disponible y vuelve a convertir el resultado a color. Lo que sale es una imagen de colores falsos, a veces estridente, donde diferencias de pigmento de un dos por ciento aparecen como zonas claramente distintas.

No añade información: la extrae. El pigmento seguía ahí, repartido en variaciones demasiado sutiles para el ojo.

De Marte a las paredes pintadas

El puente entre la geología planetaria y la arqueología lo construyó una persona sin cargo en ninguna de las dos disciplinas. Jon Harman, matemático jubilado de Pacifica, California, vio en 2005 imágenes de Marte procesadas con decorrelation stretch y se preguntó qué pasaría al aplicarlo a arte rupestre desvaído. Escribió Dstretch, un complemento que pone la técnica al alcance de cualquiera con una cámara.

Los resultados aparecieron rápido y en sitios muy separados. En Angkor Wat, entre 2010 y 2012, un arqueólogo singapurense identificó unas 200 pinturas adicionales repartidas por el complejo. En Årsand 1, en Noruega, se documentaron unas 15 figuras que nadie había registrado. En Beni Hassan, en Egipto, aparecieron representaciones de murciélagos y cerdos, animales poco habituales en el arte egipcio antiguo. En Alberta, Canadá, la técnica reveló la pictografía de un caballo y su jinete, la firma visual de un guerrero crow.

En 2023 se publicó incluso un protocolo para aplicar Dstretch a tatuajes en momias.

Por qué esta historia se repite

Una técnica pensada para distinguir composiciones minerales en imágenes de satélite funciona igual de bien con ocres sobre piedra caliza, porque el problema matemático es el mismo: separar señales que llegan mezcladas y correlacionadas. El instrumento no sabe si mira un volcán o una cueva.

Lo notable del caso no es el algoritmo, que ya existía, sino los treinta años que tardó en cruzar de disciplina, y que el cruce lo hiciera alguien de fuera del campo con tiempo libre. La transferencia de tecnología espacial suele contarse como una tubería que va de la agencia a la industria. Aquí funcionó al revés: el código estaba publicado, y alguien que leía sobre Marte por afición vio para qué más servía.

Lo que no resuelve

Dstretch mejora la lectura de lo que queda, no recupera lo que se perdió: si el pigmento desapareció de la roca, ningún procesamiento lo devuelve. Y los colores falsos exigen cautela interpretativa, porque el realce puede sugerir contornos donde solo hay ruido o manchas de humedad. Por eso el uso serio combina la imagen procesada con inspección directa y, cuando se puede, con análisis químico del pigmento.

Fuentes

• NASA Spinoff — Technique for Manipulating Satellite Photos Now Reveals Ancient Images (https://spinoff.nasa.gov/Manipulating_Satellite_Photos_Now_Reveals_Ancient_Images) [tier 1]