Reconocimiento Automatizado de Menas Metalicas Mediante Analisis Difital de Imagen Un Apoyo Al Proceso Mineralurgico - I Ensayo Metodologico

REVISTA DE METALURGIA, 43 (4)
JULIO-AGOSTO, 294-309, 2007

ISSN: 0034-8570
R e c o n o c im i e n t o a u t o m a t i za d o d e m e n a s m e t l ic a s m e d ia n t e a n l i s i s d i g i t a l d e i m ag e n : u n a p oy o a l p ro c e s o m i n e r a l rg i c o . I:
e n s ay o m e t o d o l g i c o ( )
E. Berrezueta* y R. Castroviejo**
Resumen
La investigacin microscpica de menas metlicas ha sido, desde sus inicios, una importante herramienta para el
control del proceso mineralrgico. El volumen de las operaciones actuales es tal que este control es imposible por
los mtodos clsicos, pero la automatizacin del proceso por anlisis digital de imagen, ADI, se ha visto retrasada,
entre otras cosas, por la similar reflectancia, R, de menas importantes, por limitaciones instrumentales y metodolgicas y por las dificultades que implica el anisotropismo, las cuales desaparecen evitando la polarizacin. Los resultados obtenidos muestran la viabilidad de la identificacin y cuantificacin automatizadas mediante ADI, a partir de
medidas R con cmara vdeo 3CCD sobre microscopio de reflexin. As lo corrobora el ensayo sistemtico sobre las
principales menas. Se describe la metodologa secuenciada. Implica una puesta a punto rigurosa del equipo para controlar problemas instrumentales, derivas, ruido, el anlisis estadstico y la aplicacin de criterios complementarios, metalogenticos y fsicos.
Pa l a b r a s clav e
Recursos minerales. Menas metlicas. Anlisis de imagen. Microscopa ptica. Mineralurgia, Mineraloga.
Automated microscopic characterization of metallic ores with image analysis: a

key to improve ore processing. I: test of the methodology
Ab stract
Ore microscopy has traditionally been an important support to control ore processing, but the volume of present
day processes is beyond the reach of human operators. Automation is therefore compulsory, but its development
through digital image analysis, DIA, is limited by various problems, such as the similarity in reflectance values of some important ores, their anisotropism, and the performance of instruments and methods. The results presented show
that automated identification and quantification by DIA are possible through multiband (RGB) determinations
with a research 3CCD video camera on a reflected light microscope. These results were obtained by systematic measurement of selected ores accounting for most of the industrial applications. Polarized light is avoided, so the effects of anisotropism can be neglected. Quality control at various stages and statistical analysis are important, as is the
application of complementary criteria (e.g., metallogenetic). The sequential methodology is described and shown
through practical examples.
K ey wo rd s
Mineral resources. Ore minerals. Image analysis. Optical microscopy. Ore processing. Mineralogy.
1. INTRODUCCIN
La utilizacin de la tcnica de ADI, Anlisis Digital
de Imagen, como complemento de estudios de microscopa, proporciona un eficaz soporte numrico
para la cuantificacin de parmetros geomtricos y
densitomtricos de los minerales. La gran ventaja
de esta tcnica frente a otros mtodos de cuantifi-
cacin clsicos, como la platina integradora sobre

microscopio ptico, es su mayor versatilidad, agilidad
y potencia, lo que permite aumentar la base de observacin y automatizar el tratamiento matemtico de
los datos,, posibilitando no slo resultados ms fiables
y rpidos, sino tambin el abordar problemas que
por el volumen de trabajo que requieren seran impracticables con procedimientos tradicionales.
() Trabajo recibido el da 19 de mayo de 2006 y aceptado en su forma final el da 30 de enero de 2007.

* FIC de la Tierra (Escuela Superior Politcnica del Litoral), Ecuador.
** Departamento de Geologa. ETSI Minas (Universidad Politcnica de Madrid, UPM), Espaa.
294
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
El estudio automatizado de secciones pulidas, para la identificacin, cuantificacin y caracterizacin

de las fases minerales presentes en las menas metlicas, puede constituir un importante avance en el
control y mejora de la eficiencia de los procesos mineralrgicos, facilitando la optimizacin tanto del
beneficio en s (recuperacin) como del uso de reactivos y proporcionando, adems, informaciones
muy valiosas para evitar o incluso remediar la contaminacin del medio ambiente por residuos y
efluentes. Si se dispusiese de una metodologa asequible, gil y de aplicacin general, sin lugar a dudas, se habra logrado una eficacsima herramienta,
sin lugar a dudas, til no slo para los problemas industriales (entre otros muchos)[1 y 2], sino tambin
para la investigacin mineralgica[3]. Sin embargo, el
proceso de automatizacin tropieza, en el caso de las
menas metlicas, con importantes dificultades, entre
las que hay que destacar:
la coincidencia, al menos parcial, de los valores de color y reflectancia los que se van a cuantificar con el microscopio ptico de numerosos
minerales; este problema lo resuelve el microscopista experto recurriendo a otras observaciones complementarias de carcter cualitativo
que resultan, en conjunto, diagnsticas para la
correcta identificacin de cada fase mineral:
entre ellas destacan las propiedades observadas
con luz reflejada (pleocrosmo, reflexiones internas, colores de anisotropismo, etc.), pero, stas son por su propia naturaleza difcilmente
cuantificables;
la necesidad de prescindir, para el proceso de
identificacin automatizada, de las propiedades ligadas a la polarizacin, es decir, al anisotropismo ptico de los minerales, a no ser que
se recurra a la medida y correlacin de las propiedades para distintas orientaciones en cada
grano, rotando la platina o el analizador, lo que
supone un proceso no slo ms costoso y lento,
sino, tambin, de diseo ms complejo.
Una alternativa empleada por algunos investigadores es el recurso al microscopio electrnico de barrido y al anlisis de sus imgenes digitalizadas, basadas en los datos de composicin qumica de las fases minerales detectadas (p.ej. CANMET, Ottawa)[4].
El MEB tiene ventajas y limitaciones frente al microscopio ptico, de las que existen algunos estudios
comparativos[5]. Una de sus limitaciones es la elevada inversin necesaria, si se compara con el microscopio ptico. La estrategia subyacente a la presente
investigacin es la de disear una metodologa eficaz para la mayor parte de los casos, sobre todo los
REV. METAL. MADRID,
de inters industrial, pero que sea al mismo tiempo

asequible econmicamente y que slo requiera una
infraestructura instrumental de instalacin y mantenimiento sencillos.
Estas condiciones son las que requieren extensas
regiones, como Iberoamrica, en las que los problemas
industriales y ambientales ligados al beneficio de los
recursos minerales son importantes, pero en las que al
mismo tiempo los problemas financieros son agudos.
Ello, decanta claramente las opciones a favor de la
microscopa ptica, que constituye la referencia bsica de la presente investigacin.
2. OBJETIVOS
El propsito de este trabajo es presentar una sistemtica que hace posible la identificacin y cuantificacin
automatizadas de los principales minerales opacos
presentes en secciones pulidas[6], ampliando la metodologa previa[7]. En concreto, los objetivos son:
Definicin de las variables que condicionan
los valores de reflectancia (R %; o nivel de gris,
NG) que caracterizan a los minerales.
Obtencin de una metodologa que garantice la reproducibilidad de los rangos de segmentacin (NG) encontrados para cada fase
mineral estudiada.
Comprobacin y validacin de la secuencia
metodolgica planteada.
3. METO DOL O G A . M ATE RI AL E S. INS TRUMENTACIN

El primer problema que se plantea es la seleccin de
los minerales para el ensayo de la metodologa. El
nmero de minerales lo bastante absorbentes, ptimamente, como para ser considerados opacos es de unos
660 [8]. Teniendo en cuenta lo dicho en la introduccin acerca de las dificultades metodolgicas de partida, una seleccin adecuada es una condicin crtica. A priori, no todas las menas van a poder distinguirse automticamente por los parmetros medidos,
ya que las hay que tienen valores similares de stos; sin
embargo, no todas son importantes y slo algunas
llegan a ser frecuentes (en torno a una treintena)[8 y 9].
Por ello, se ha optado por limitar el ensayo, en esta
primera fase, a estos minerales ms comunes y de mayor inters industrial, aunque la metodologa est
abierta a posibles ampliaciones.
Se ha seguido un criterio basado en la experiencia,
segn el cual sern considerados prioritariamente
43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570
295
E. BERREZUETA Y R. CASTROVIEJO
aquellos minerales que son realmente frecuentes o

de importancia probada como menas, condicionantes en la recuperacin mineral o en la problemtica
medio ambiental. Estos son:
Elementos nativos: grafito, oro, plata, platino.
Sulfuros, arseniuros: arsenopirita, bornita, calcopirita, cinabrio, covellina, cubanita, esfalerita, estibina, galena, linneta, marcasita, niquelina, molibdenita, pentlandita, pirita, pirrotina, sulfosales: trahedrita.
xidos: casiterita, cromita, hematites, ilmenita, magnetita, rutilo, uraninita.
Hidrxidos: goethita.
Tungstatos: wolframita.
Una ayuda adicional la constituye el criterio de
paragnesis, segn el cual no todos los minerales van
a aparecer asociados al azar, sino que la asociacin
real est condicionada por el tipo de yacimiento: la informacin geolgica y el estudio mineralgico previo permiten definir esta tipologa y establecer cules van a ser los minerales reales a discriminar. Este
criterio geolgico puede integrarse con los valores
de los parmetros medidos y potencia la capacidad
de discriminacin del sistema, incluso para menas
no consideradas inicialmente. La integracin con la
metodologa presentada en un sistema experto ser
objeto de una prxima publicacin.
La totalidad del proceso experimental se ha desarrollado en el Laboratorio de Microscopa Aplicada y
Anlisis de Imagen del Departamento de Ingeniera
Geolgica, ETSI Minas, Universidad Politcnica de
Madrid. La instrumentacin utilizada (Fig. 1) comprende un microscopio ptico Leica DMRXP (trabajando con luz reflejada, sin polarizacin, en aire y con
objetivo 20 X), cmara de vdeo 3 CCD SonyXC003P, tarjeta de adquisicin Meteor II, Software de
ADI Aphelion 3.1., patrones de reflectancia para calibracin de Leitz y del Zentrales Elektronenmikrosonde Labor der Ruhr-Universitaet Bochum (calibrado por el Dr. H. J. Bernhardt) y 52 probetas pulidas
de referencia.
4. PROCESO EXPERIMENTA L
La primera parte del proceso experimental comprende la elaboracin y/o preparacin de las muestras y
la descripcin mineralgica de la coleccin de probetas pulidas utilizadas como referencia. A continuacin, se aborda la puesta a punto del equipo de ADI,
es decir, la consecucin de unas condiciones que garanticen la reproducibilidad de las medidas. Posteriormente, se realizar el trabajo con las imgenes,
es decir, el desarrollo de las etapas de adquisicin,
tratamiento y caracterizacin de las fases minerales.
Resta, finalmente, comprobar si los resultados encontrados (rangos de segmentacin) se ajustan a los
valores esperados (valores de reflectancia para los
distintos tramos espectrales, definidos como valores
porcentualas, % R) y contrastarlos sobre minerales
presentes en probetas pulidas diferentes a las utilizadas como referencia.
4.1. P re pa r ac i n de mu e s t r a s
La consecucin de unas condiciones homogneas de
acabado de las secciones a estudiar es posible a travs
del establecimiento de un procedimiento riguroso de
elaboracin que garantice un pulido ptimo[10]. A la
secuencia tpica de preparacin de muestras empleada habitualmente, se aade una valoracin cuantitativa, a travs de las medidas en NG de los minerales y de las rayas de pulido que se presentan en la
muestra, con el fin de valorar de mejor manera la calidad de pulido.
4.2. D es cri pc i n min e ra l g i c a d e p ro b etas
Fig ura 1 . Equipo de anlisis digital de imagen.
Figure 1. Digital Image analysis equipment.
296
Las muestras seleccionadas para su caracterizacin

mineralgica por tcnicas tradicionales de microscopa y, a continuacin, por ADI, pertenecen a la
Coleccin de menas Rehwald Sammlung, cedida por
el Prof. G. C. Amstutz, Mineralogisch-Petrographisches Institut der Universitaet Heidelberg, Alemania, coleccin que ha servido de base a las descripciones fundamentales para la identificacin microscpica de menas metlicas [11 y 12] . Las muestras
REV. METAL. MADRID,
proceden de los principales yacimientos mundiales

y se ha buscado que sean representativas a la hora de
utilizarlas como materiales de referencia (minerales).
La descripcin mineralgica (Fig. 2) ha sido realizada utilizando todas las opciones posibles del microscopio ptico de reflexin. La descripcin en detalle
de cada una de las probetas ha sido almacenada en
una base de datos grfica diseada exclusivamente
para este trabajo.
4.3. P u e st a a p u n t o d e lo s i n st r u me n t o s
Tiene por objeto definir un procedimiento para limitar y corregir la influencia de cada uno de los elementos o instrumentos que intervienen durante la toma
de medidas. Previamente al estudio de cada uno de los
instrumentos, ha sido controlada la influencia de variables externas como la intensidad de alimentacin,
iluminacin, humedad, temperatura, ruidos-vibraciones, etc., trabajando en valores constantes de estos parmetros.
4.3.1. Microscopio ptico

El instrumento utilizado para la visualizacin y estudio de las muestras es un Microscopio ptico de Reflexin (Leica DMRXP) con objetivo de 20X de ptica plana corregida. El valor constante utilizado para el potencimetro es de 6,5 V, con el cual se evita
que los minerales ms reflectantes produzcan sobresaturacin luminosa y que los menos reflectantes se vean negros[13]. Las propiedades anistropas caractersticas de ciertas menas, que se traducen en valores
variables segn la orientacin, facilitan el reconocimiento cualitativo de los minerales observados, usando tcnicas microscpicas tradicionales de luz polarizada. Usando la tcnica de ADI, esta variacin en la
Fi g u ra 2 . Descripcin mineralgica de probetas pulidas.
Figure 2. Mineralogical description of polished sections.

REV. METAL. MADRID,
reflexin es un problema por cuanto el sistema desarrollado trabaja con rangos fijos. Para evitar esto, la
luz del microscopio utilizada para iluminar las probetas pulidas no ser polarizada, es decir, se trabaja sin polarizador ni analizador[14].
La iluminacin del microscopio, sobre todo a bajas intensidades, produce una luz que tiende hacia el
rojo. Para corregir este desplazamiento, ser utilizado
siempre el filtro azul. Aunque para la caracterizacin
de algunos minerales se recurre a veces a la observacin con objetivos de inmersin (en aceite, habitualmente), se ha renunciado a ello en este estudio, por
razones prcticas (sistematizacin, agilidad y mayor
facilidad de automatizacin).
4.3.2. Cmara de vdeo

Se requiere una cmara de altas prestaciones, a fin
de minimizar las fuentes de ruido y de optimizar la
reproductibilidad, sin renunciar a la necesaria sensibilidad. El ruido (de fotn, recurrente por sombras y
de digitalizacin)[15-17] se debe a la dispersin de seales elctricas que presentan los fotodiodos de la cmara al ser afectados por una cantidad constante de fotones. Adicionalmente, el sobrecalentamiento puede originar, por sobreexcitacin, una significativa
fluctuacin de niveles de intensidad bajo iluminacin constante. Se ha trabajado con una cmara de
vdeo color 3 CCD de investigacin SonyXC-003P.
Al adquirir dos imgenes con un mismo equipo e
idnticas condiciones de adquisicin, su respuesta
digital debera ser idntica, independientemente del
momento en el que sea captada. En la prctica, esto
no es as, ya que la respuesta de la cmara habr variado en ambos instantes, obteniendo dos imgenes
similares pero no idnticas. La diferencia entre una y
otra imagen ser debida al ruido y a la deriva que
se producen en la cmara.
La deriva temporal es la variacin de la respuesta
de la cmara en funcin del tiempo; ha sido corregida determinando el tiempo de calentamiento de la
cmara para estabilizar la seal. El tiempo necesario
para estabilizar el equipo se determina estudiando la
respuesta obtenida sobre un conjunto de pixels homogneos (ventana inmvil de 1010 pixels, en este caso) a intervalos conocidos de tiempo. Con ayuda de
una representacin grfica de los datos obtenidos, se
puede observar la variacin sobre dicha ventana a lo
largo del tiempo: as, se ha definido el tiempo ptimo
de calentamiento antes de realizar medidas como 1 h
y 10 min [10 y 18]. Un estudio similar ha sido realizado sobre la fuente de iluminacin del microscopio
dando como resultado un tiempo de 40 min, inferior
al de la cmara de video.
297
El ruido electrnico es la dispersin de la seal

de salida en la cmara debida principalmente, a errores o sobre-excitacin de los fotodiodos y a variaciones de la intensidad alimentacin. La limitacin de
este ruido es posible a travs de la adquisicin de una
secuencia de imgenes sucesivas de una misma escena, de las que se obtendr una imagen promedio. En
el momento de realizar la operacin de promediado
de imgenes, es importante considerar si el ruido es
peridico o no; en el caso de que as sea, las imgenes
adquiridas para el promediado debern corresponder
a un rango de tiempo equivalente a dicho perodo o
mltiplo del mismo. En este caso, el ruido determinado en la instrumentacin utilizada, teniendo en cuenta las correcciones de deriva temporal, presenta una
periodicidad recurrente de 300 s. El ruido puesto de
manifiesto para cada una de las bandas en las que se
ha separado la informacin, R, G y B, se observa en
la figura 3.
En concreto, el nmero de imgenes tomadas para esta experimentacin es de potencias de 2, por
adecuarse a la capacidad del procesador para ejecutar operaciones con nivel de rendimiento ptimo.
Debido a que la rutina desarrollada para adquirir
imgenes automticamente slo permite adquirirlas
en secuencia continua de la misma escena a intervalos superiores a 4 s, la opcin utilizada para el prome-
diado de imgenes ser de 64. La variabilidad en respuesta de escenas promedio con 32 imgenes se aproxima a +/ 1 NG.
Otro aspecto a tener en cuenta es la respuesta de
la cmara (tericamente, lineal) en relacin con la intensidad de iluminacin. En la prctica, la variacin
de la intensidad de la luz con el potencimetro altera el espectro, por lo cual es preferible trabajar con
intensidades constantes y medir la respuesta de la cmara con referencia a patrones de reflectancia conocida. En la secuencia de trabajo se deber tener en
cuenta el recalentamiento de la cmara y considerar
la media aritmtica de las medidas.
El ensayo se iniciar con la medida a travs de una
ventana de muestreo (1010 pixels) del valor medio
(NG) de los pixels pertenecientes a una fase homognea y perfectamente conocida (espectro de reflectancia, totalmente definido). Las medidas sobre cada una de las fases de referencia sern obtenidas de
diferentes granos y de diferentes muestras (patrones
o probetas) para que tengan un mayor rigor estadstico. A continuacin, los valores finales medidos para cada fase se compararn con sus valores internacionalmente reconocidos, medidos independientemente[19 y 20]. Los resultados obtenidos muestran la
linealidad de la respuesta de la CCD y se presentan
en la figura 4.
La calibracin del color es otro aspecto a considerar, debido a que las seales digitalizadas RGB de la cmara de vdeo CCD no son medidas absolutas de parmetros fsicos del color. Si se busca que una seal
RGB sea reproducible, la cmara debe estar calibrada
con respecto a un blanco de referencia (patrn homologado), entendiendo por tal el color que presenta, para cada uno de los canales en que es posible descomponer una imagen en color, los valores mximos
de la escala (255 NG) para R, G y B. La funcin de
F ig u r a 4 . Relacin entre reflectancia (% R) y niveles de

gris.
Figura 3. Funcin de ruido en cada una de las bandas RGB.
Figure 3. Noise level function in RGB channels.
298
Figure 4. Plot of relation between reflectance values and

gray level.
REV. METAL. MADRID,
calibracin de color de la cmara pretende adaptar la

seal RGB del sistema digital al campo definido mediante el patrn blanco[21].
Segn la la Commission Internationale de Leclairage (CIE), si el patrn de reflexin tiene un porcentaje de reflexin igual para luz roja, verde y azul, ste se
considera como patrn blanco[21]. Los patrones utilizados en este trabajo son los habitualmente empleados
en la calibracin de reflectmetros. Son 4 patrones con
porcentajes de reflexin equivalentes a 13 %, 17 %,
21 %. Los primeros de la casa Leitz y el ltimo fabricados (SiC) y calibrado para este estudio por el Zentrales Elektronenmikrosonde Labor der Ruhr-Universitaet Bochum.
En la prctica, al ajustar el color del sistema digital en referencia al patrn blanco, el valor definido
para cada banda, R, G y B, con respecto a la reflectancia del patrn, deber tener en cuenta los valores de
reflectancia reales de las fases minerales a investigar,
a fin de garantizar que todos ellos se siten en el rango de medidas instrumental, es decir, entre los umbrales mximo y mnimo del equipo (NG entre 0 y
255). De lo contrario, se perdera la posibilidad de
determinar con precisin los valores extremos, por
ejemplo, plata, elementos del grupo del platino, a
causa de la sobresaturacin de la cmara. Antes de
la calibracin, ya ha sido establecido el valor de intensidad de luz con el que es posible trabajar con el ADI
(6,5 V) y la relacin aproximada entre nivel de gris
y reflectancia (NG ~ 3 % R).
Al igual que en los casos anteriores, las medidas se
realizarn sobre un ventana de 1010 pixels, localizada en el centro de la escena observada al microscopio,
en una rea homognea y sin ningn poro o arranque. Teniendo en cuenta cuanto antecede, se han seguido rutinas conocidas[15 y 16] para ajustar las funciones de offset y gain de la cmara, en funcin de las reflectancias mnima y mxima de los objetos a medir
(minerales ms claros y ms oscuros en valores absolutos). En la prctica, la cmara CCD solo permite variar directamente los valores correspondientes
a las bandas roja y azul, dejando la banda verde ligada a los valores de las otras dos bandas, pero sin que
el operador pueda controlar directamente sus cambios. Los datos de correccin de gain y offset con los
que es posible obtener por ejemplo valores de nivel de
gris semejantes (NG = 50 +/ 1, para R, G y B) de
imgenes correspondientes al patrn blanco Leitz
(reflectancia del 17 %), se presentan en la figura 5.
Aun con unas condiciones de adquisicin estables, la respuesta de un objeto puede variar en funcin de su localizacin bajo el microscopio. Esta variacin deriva espacial, debida a defectos de fabricacin de las cmaras CCD, iluminantes y ptica,
que provocan respuestas heterogneas en reflectores
REV. METAL. MADRID,
F i g u ra 5 . Configuracin del gain de la cmara de video

CCD.
Figure 5. Gain configuration in CCD camera.
homogneos, se ha minimizado por correccin numrica, en el supuesto de linealidad de la CCD, a

partir de escenas del componente aditivo y multiplicativo del ruido, segn rutinas ensayadas[15], mediante la adquisicin de: (i), una imagen de ruido negro
en condiciones estables; y (ii), una imagen de una
perfecta escena homognea, grabando la deriva espacial generada por factores como el mal centrado
de la fuente de luz, posibles defectos de ptica o ganancia heterognea de los sensores.
Para ilustrar la idea de la correccin numrica, se
puede decir que el ruido negro es una aproximacin
de la situacin de oscuridad que ser adicionado al
pixel respuesta, mientras que la deriva espacial representa la variacin en intensidad del fotn y actuar
como un factor multiplicativo. En otras palabras, la
imagen negra actuar como un offset mientras que la
imagen blanca como un gain. La frmula numrica
a aplicar es la siguiente:
IR`(x,y) =
(IR(x,y) - NIR(x,y))
[BIR(h,l) - NIR(h,l)] + NIR(h,l)
(BIR(x,y) - NIR(x,y))
donde:
IR (x,y) :
El NG del pixel de coordenada x,y en la

imagen ingresada I.
R
NI (x,y) : El NG del pixel de coordenada x,y en la
imagen de ruido negro (NI).
R
BI (x,y) : El NG del pixel de coordenada x,y en la
imagen de deriva espacial (BI)
Coordenadas del pixel central de la ima(h,l) :
gen.
IR(x,y): NG corregido.
299
En la prctica, el nivel de deriva espacial existente en el equipo de ADI ser, en primer lugar, cuantificado a travs del clculo de variacin en NG de
una misma zona, pero en diferentes posiciones. Para este clculo se ha localizado alguna referencia, en
la probeta o patrn, que permita aplicar una ventana
de muestreo de 1010 pixels, independientemente de
su posicin dentro del campo de visin y captura.
Los valores medios de los pixels localizados dentro
de la ventana de muestreo, variando la posicin de
una misma escena (Fig. 6) se muestran en la tabla I.
La interpretacin de estos valores, aun siendo pocos los datos, muestra que existe una deriva espacial en
las medidas. Segn sea la localizacin ptica de la ventana de muestreo de una misma escena, si sta est ms
alejada del centro hacia la izquierda, el valor medio de
NG para las tres bandas tiende a aumentar; en cambio,
si se toman los valores ms hacia la derecha, de forma general, los valores medios tienden a disminuir. Como
variables de la frmula se encuentran: la imagen en color a corregir, la imagen de un patron blanco y la imagen
de un patrn negro. Todas estas imgenes han sido adquiridas, corregidas y tratadas segn los procedimientos anteriormente detallados. Es importante destacar
que para hacer posible la aplicacin de la frmula de
correcin, ha sido necesario cambiar el formato de la
imagen en color RGB con 8 bits, a una con 16 bits para, de esta forma, evitar la prdida de informacin durante las operaciones. Finalmente, el formato de la imagen
en color resultante se reconvertir a 8 bits.
Debido a la imposibilidad de cambiar la profundidad de las imgenes de 8 a 16 bits con el software
empleado durante todo este trabajo, se ha realizado
una rutina especfica utilizando el software de ADI
Micro Image 4.0 (Olympus Optical Co.), empleado
por el IGME en sus aplicaciones e investigaciones.
Un ejemplo prctico de su secuencia de aplicacin
se esboza en la figura 7. Al aplicar la correcin nmerica a la escena blanca antes caracterizada (Fig. 6),
y calcular los valores de la media y desviacin estndar para ventanas de muestreo de 1010 pixels, se
han obtenido los valores de la tabla II.
Fig ura 6 . Localizacin de la ventana de muestreo.
Figure 6. Localization of sampling windows.
Ta bla I. Valoracin de la deriva espacial sobre imgenes

(sin corregir)
Table I. Valuation of spatial drift on images (before

correction)
B a n d a ro j a
Lo ca l iz ac i n
v en ta na
Izq-Sup
Izq-Centro
Izq-Inf
Centro-Sup
Centro-Cen.
Centro-Inf
Der-Sup
Der-Centro
Der-Inf
300
B a n d a v e rd e
Ba n d a a zu l
Media Desviacin Media Desviacin Media Desviacin

estndar
estndar
estndar
203,7
202,8
200,1
200,1
201,8
197,1
198,7
197,8
199,1
3,2
4,1
5,2
2,1
3,2
3,4
3,1
4,2
4,4
203,5
201,9
201,2
200,5
199,9
199,6
199,5
198,9
197,2
2,4
2,8
3,6
2,4
2,8
3,6
2,4
2,8
3,6
201,6
203,4
201,9
199,6
199,4
198,9
197,6
198,4
199,3
2,5
2.2
2.1
2,5
3.2
3.1
2,5
3.2
4.1
F i g u r a 7 . Correccin matemtica en procesamiento de

imgenes (Micro Image 4.0).
Figure 7. Mathematical corrections in image processing

(Micro Image 4.0).
REV. METAL. MADRID,
Los valores medios de NG, calculados sobre la

escena blanca corregida numricamente, presentan
mayor semejanza que los determinados sobre la
misma escena sin corregir (Tabla I). Esto avala la importancia de realizar esta correccin sobre todas las
imgenes a caracterizar mediante ADI.
4.3.3. Software y hardware

Dentro de la infinidad de opciones existentes en el
mercado, se ha optado por un equipo de ADI suficientemente flexible para permitir la interaccin del
usuario, matemticamente riguroso y controlable y
con un perfil adecuado a aplicaciones petrogrficas.
Est compuesto por un ordenador con tarjeta de digitalizacin Meteor Board, y con el programa Aphelion 3.1, que integra un conjunto de aplicaciones y
funciones de tratamiento de informacin digital. Se ha
determinado la magnificacin que produce el software a la hora de presentar la imagen en pantalla y la
relacin entre N pixels / tamao real del objeto
visualizado, por referencia a un micrmetro de precisin (calibracin geomtrica).
forma manual (Fig. 8), aunque es concebible el enfoque automtico, mediante un microscopio motorizado.
4.5. Tr a t am ie n t o d e l as im g enes
Una vez digitalizada y almacenada la informacin digital de la imagen en color (RGB) como un archivo
tipo tif, se aplica una secuencia de tratamientos enfocados a mejorar, restaurar y resaltar la informacin
buscada. La figura 9 muestra la evolucin que sufre
una serie de 8 imgenes digitales (barrido). En la fila
superior, aparecen las 8 imgenes sin ningn tratamiento previo. A continuacin, se presentan las mismas imgenes, pero adquiridas utilizando un promediado (16 imgenes). La siguiente escena representa las
8 imgenes sometidas a los filtros de mejora (Median
y Low Pass). Finalmente se observan las imgenes sometidas a los filtros morfolgicos (Open y Close). La
imagen resultante de todo este proceso se designa genricamente como Imagen Tratada. Es evidente
4.4. A d q u i s i c i n d e l a s i m g enes
El proceso de adquisicin de las imgenes se ha realizado con independencia de cualquier otro, como el
tratamiento y/o segmentacin, a fin de ganar tiempo
en el proceso total y de lograr un control ms preciso
de la adquisicin. Se trata de un proceso semi-automtico, con enfoque de las escenas por el operador de
Tab la II. Valoracin de la deriva espacial sobre
imgenes (corregidas)
Table II. Valuation of spatial drift on images (corrected)

B a n d a ro j a
Lo ca l iz ac i n
v en ta na
Izq-Sup
Izq-Centro
Izq-Inf
Centro-Sup
Centro-Cen.
Centro-Inf
Der-Sup
Der-Centro
Der-Inf
B a n d a v e rd e
Ba n d a a zu l
Media Desviacin Media Desviacin Media Desviacin

estndar
estndar
estndar
200,5
200,6
200,2
200,1
200,8
199,4
199,5
199,8
200,1
REV. METAL. MADRID,
3,1
4,1
5,2
2,1
2,9
3,5
3,1
3,8
4,3
200,3
200,7
201,6
200,5
199,9
200,5
200,4
200,2
200,1
2,3
2,9
3,3
2,2
2,6
3,7
2,5
3,2
3,6
201,3
200,4
200,2
200,3
199,2
199,3
199,4
199,5
199,3
2,9
2,5
2,3
2,4
3.3
3.4
2,4
3.3
3.9
Figura 8. Imgenes de minerales en microscopio de reflexin.
Figure 8. Images of ores under the reflection microscope.
301
yacimientos diferentes y /o tres probetas diferentes.

Para cada fase mineral se tomarn ventanas
de muestreo de 1010 pixels (Fig. 10).
El nmero de ventanas de muestreo por mineral ser de 100, valor emprico del mejor
ajuste experimental, al comparar el rea segmentada con rangos obtenidos mediante diferente nmero de ventanas y el rea real total del mineral estudiado. La representacin
grfica de los % de acierto, expresados como %
de rea segmentada con respecto al rea total
de la fase mineral, para algunos minerales, utilizando diferente nmero de ventanas se presenta en la figura 11.
La localizacin de la ventana de muestreo se realiza manualmente por parte del operador. Los valores
de NG de las imgenes se obtienen automticamente
Figu ra 9. Secuencia de procesamiento de imgenes digitales.
Figure 9. Digital image processing sequence.
que el paso ms importante, por lo que respecta a la

calidad de las imgenes, se da durante el proceso de
adquisicin de las mismas (promediado de imgenes). Si se fallara en este punto, ningn filtro podra
recuperar la informacin destruida.
4.6. Caracterizacin de las fases mineral e s p o r A D I y a n l i si s e s ta d s t i co
4.6.1. Condiciones de muestreo y toma de

datos
Figu ra 10. Ventana de muestreo (10 * 10 pixels).
Figure 10. Sample window (10 * 10 pixels).
Adquirida la imagen final de la que se pretende extraer la informacin, es necesario obtener, a travs
de un muestreo estadstico, los valores con los cuales es posible segmentar cada una de las fases minerales de inters planteadas en este estudio. A fin de garantizar la representatividad de los datos obtenidos,
para cada una de las fases minerales a caracterizar,
han sido aplicados los siguientes criterios o condiciones de muestreo[15 y 22].
Las fases minerales debern estar correctamente reconocidas en la probeta pulida de referencia.
Las imgenes con las fases a caracterizar mediante ADI provendrn de, por lo menos, dos
302
Figura 11. Fraccin de rea segmentada segn la fase mineral y el nmero de ventanas de muestreo.
Figure 11. Plot of area of segmented image vs. number of

windows measured.
REV. METAL. MADRID,
a travs de la ejecucin de una rutina diseada especficamente para este fin. La rutina, adems, permite exportar los valores calculados a programas como Microsoft Excel y Statistica 6.0, que sern las herramientas utilizadas en el tratamiento estadstico de los datos.
Tabla III. Media y desviacin estndar de los valores de NG
Table III. Average and standard deviation of gray level

values
VALORES ESTADSTICOS NG
4.6.2. Anlisis estadstico de los datos medidos

Los valores de NG, obtenidos a travs de las ventanas
de muestreo para cada fase mineral, han de ser separados en tres grupos (bandas R, G y B) que recibirn
un estudio estadstico individualizado. Este estudio
estadstico pretende, entre otras cosas, definir el tipo
de distribucin a la que se ajusta la muestra y delimitar el rango ptimo de segmentacin de cada fase
con la mayor precisin y fiabilidad posible. El anlisis estadstico de las distribuciones de NG obtenidas
ha seguido los siguientes pasos:
Clculo de los estadsticos caractersticos de
la muestra (media, moda, mediana y desviacin estndar).
Desarrollo de histogramas, diagramas de cajas (box-plots) y curvas de distribucin.
Determinacin y comprobacin del tipo de
distribucin de frecuencia (pruebas de normalidad mediante el clculo del Coeficiente
de Correlacin Lineal de Pearson, empleando
una distribucin aleatoria normal).
Obtencin de rangos de deteccin para las fases minerales con diferentes valores de fiabilidad o ajuste.
Los resultados principales del muestreo y estudio
estadstico para cada uno de los minerales estudiados
y para cada una de las bandas en que se descompone la informacin se presentan en la tabla III.
ROJA
VERDE
AZUL
M IN E RA L
GRAFITO
ORO
PLATA
PLATINO
ARSENOPIRITA
BORNITA
CALCOPIRITA
CINABRIO
COVELLINA
CUBANITA
ESFALERITA
ESTIBINA
GALENA
LINNEITA
MARCASITA
MOLIBDENITA
NIQUELINA
PENTLANDITA
PIRITA
PIRROTINA
TETRAHEDRITA
CASITERITA
CROMITA
HEMATITES
ILMENITA
MAGNETITA
RUTILO
URANINITA
GOETHITA
WOLFRAMITA
GANGA
M ed i a
Desv.
E s ta n d .
M e di a
Desv.
Est and.
M ed i a
Desv.
E s ta n d .
28
255
255
224
187
92
161
80
42
130
57
119
137
145
159
90
190
148
189
143
98
36
42
80
59
71
66
43
48
50
19
7,27
1,71
2,22
2,36
2,28
3,36
6,37
2,35
1,81
3,97
1,77
1,25
3,52
6,53
3,60
1,21
2,30
3,91
2,25
1,62
1,31
4,04
3,47
1,52
1,75
1,35
3,62
2,26
6,22
34
240
255
220
191
69
157
89
47
117
61
127
142
127
168
92
149
136
190
141
107
38
43
87
57
65
67
44
50
50
14
6.46
2,12
1,36
2,27
2,60
3,17
3,31
5,64
2,56
1,78
3,50
1,92
1,51
3,57
6,41
3,43
1,39
2,42
3,58
2,06
1,44
1,33
3,54
3,25
1,33
2,22
1,26
3,63
2,33
5,63
25
116
255
189
159
56
107
93
68
117
60
134
150
92
139
100
121
99
149
119
91
38
44
91
59
65
75
46
61
54
11
7,69
2,41
1,45
2,48
2,47
2,52
3,64
5,97
2,40
1,91
3,74
2,18
1,44
4,18
6,35
4,65
2,02
3,12
4,11
2,34
1,84
1,42
3,89
3,60
1,81
2,96
1,41
3,89
2,47
5,57
4.7 Va l i d a c i n m e t o d o l g i c a
Antes de aplicar el proceso de segmentacin de las fases minerales y de evaluar si los rangos de segmentacin
obtenidos del anlisis individualizado de las mismas
(m 2, para cada banda) presentan resultados satisfactorios, es necesario realizar una verificacin previa
que permita conocer si los rangos de NG han sido obtenidos en condiciones ptimas. Esto, ha podido comprobarse utilizando el mismo criterio empleado en la
verificacin de la linealidad de la respuesta de la cmara de video CCD, es decir, la existencia de una
proporcionalidad directa entre la Reflectancia de una
REV. METAL. MADRID,
fase mineral medida con un reflectmetro independiente y su valor de NG.
4.7.1. Relacin reflectancia - NG

Actualmente es posible contar con informacin detallada del % R (Reflectancia) de minerales para rangos
de longitud de onda concretos[20]. No sucede as con
la informacin obtenida a travs de la cmara vdeo 3
CCD, al no especificar sta los rangos de longitud de
303
onda que utiliza para separar la informacin de una

imagen en color en las bandas roja, verde y azul. Como primera aproximacin emprica, han sido estimados como rangos de longitud de onda equivalentes los siguientes: rojo (600-680 nm), verde (500580 nm) y azul (400-480 nm).
La validacin preliminar de los resultados obtenidos se realiza a partir de la comparacin de los valores de NG, encontrados mediante la aplicacin de
ADI para cada una de las bandas en que ha sido descompuesta la imagen en color, y los valores de reflectancia homologados, correspondientes a cada fase mineral y para cada banda. Este procedimiento permitir comprobar si alguna medida en NG se sale de la
tendencia general de la relacin NG y reflectancia,
ya comprobada anteriormente en el ajuste de la cmara CCD y garantizar, as, que los procesos de adquisicin, tratamiento, muestreo y determinacin de los
rangos NG que caracterizan a cada fase mineral sean los
adecuados. La presencia de un error en esta comparacin indicar el posible fallo en alguno o varios de los
pasos seguidos durante el proceso experimental.
A fin de facilitar la comparacin entre los valores
NG medidos y los datos de reflectancia internacionalmente validados de los minerales, se utilizarn los
valores promedios. La reflectancia se promedia de los
valores validados por la Commision on Ore Mineralogy de la International Mineralogical Association
(IMA/ COM), a partir de los estudios oficiales de
cuantificacin de parmetros de reflectancia para minerales opacos publicados[20]. El clculo integra los
valores de reflectancia en tres grupos, rojo (600-680
nm), verde (500-580 nm) y azul (400-480 nm), teniendo en cuenta que muchos minerales tienen diferentes valores de R (Ro, Re; R1, R2 y R3), en funcin de su estructura cristalina y de la orientacin.
Como ejemplo se presenta el clculo de la reflectancia promedio de la niquelina (Tabla IV).
La representacin numrica de los datos (Tabla V)
y la representacin grfica de los valores NG, vs. reflectancia (Fig. 12), permiten validar de forma preliminar el correcto desarrollo del proceso experimental
de toma de datos. En los tres casos (Bandas roja, verde y azul), la relacin entre los valores encontrados
(NG) en la caracterizacin mediante ADI de los treinta minerales estudiados y los de sus correspondientes
cifras de reflectancia (% R) es directamente proporcional y se ajusta a las siguientes funciones:
BANDA ROJA:
VALOR DE NG = 3,101 (VALOR DE REFLECTANCIA)
Correlacin: R2 = 0,97
BANDA VERDE:
304
Ta bla IV. Valores de reflectancia de la niquelina[20]
Table IV. Reflectance values of nickeline[20]

N iAS
de la luz
Ban das
nm
Ro (%)
Re (%)
R (%)
Azul
400
420
440
460
480
45,4
44,2
43,5
43,2
44,3
39,2
38,8
36,8
36,2
37,2
40,9
Verde
500
520
540
560
580
46,4
48,6
50,7
52,8
54,8
39,6
42,3
45,3
48,2
51,0
48
Roja
600
620
640
660
680
56,7
58,4
59,9
61,3
62,5
53,7
55,9
57,8
59,4
61,0
50,7
Aire
P ro m e d i a d o
BANDA AZUL:
Es importante indicar que, a la hora de generar
estas funciones de relacin entre NG y % R, algunos puntos no han sido considerados debido a que
su valor en NG estaba limitado por la capacidad de
medida de intensidad del equipo de ADI (mximo:
255). As, en la banda roja han sido eliminados los
puntos que representaban el oro y la plata. En el caso de la banda verde y azul, el punto eliminado es el
correspondiente a la plata. No obstante, como estos
valores extremos corresponden slo a estos minerales,
su determinacin mediante los valores mximos de los
rangos empricos no ofrece riesgos, pues el margen
de diferencia de NG con la clase inmediatamente
inferior (los sulfuros) es, todava, elevado.
Otra prueba adicional, sta cualitativa, de la validez
de los valores obtenidos con la cmara 3 CCD, la proporciona la comparacin de stos con el espectro real
de cada mineral, traducido en su color al microscopio
de reflexin. Por ejemplo, la plata, el ms reflectante de
los minerales (Tabla V) manifiesta claramente su ms
elevado rango de NG (Fig. 12), incluso con respecto al
oro, en las bandas verde, G, y,, sobre todo, azul, B, lo
que se explica por el color blanco de la plata. Sin embargo, como se observa en el mismo grfico, en la banda roja, R, el oro tiene un valor comparable al de la
REV. METAL. MADRID,
Ta bla V. Valores de reflectancia (%) y NG para las Bandas R, G. y B (datos de [20]).
Table V. Reflectance values (%) and Gray level for RGB channels (data from [20])
VALORES PROMEDIO
M I NERAL
GRAFITO
ORO
PLATA
PLATINO
ARSENOPIRITA
BORNITA
CALCOPIRITA
CINABRIO
COVELLINA
CUBANITA
ESFALERITA
ESTIBINA
GALENA
LINNEITA
MARCASITA
MOLIBDENITA
NIQUELINA
PENTLANDITA
PIRITA
PIRROTINA
TETRAHEDRITA
CASITERITA
CROMITA
HEMATITES
ILMENITA
MAGNETITA
RUTILO
URANINITA
GOETHITA
WOLFRAMITA
GANGA
ROJA
VERDE
%R
NG
%R
NG
%R
NG
12
90
94
71
53
28,8
48,7
25
13,5
40,5
16
37
42,9
45
51,7
29
59
46
56
41,5
31
11,25
13,1
26,2
18,4
20
20,5
13,5
15,6
15,5
7,2
28
256
256
224
187
92
161
80
42
130
57
119
137
145
159
90
190
148
189
143
98
36
42
80
59
71
66
43
48
50
19
14
75
93
69
53
21,3
46,4
27,5
14,5
36,9
16,5
40
43,1
40
53,5
28,5
47
43
54,6
38,5
32,4
11,95
13,5
28,3
17,8
19,9
21
13,7
16,2
15,8
5,4
34
240
256
220
191
69
157
89
47
117
61
127
142
127
168
92
149
136
190
141
107
38
43
87
57
65
67
44
50
50
14
11
37
86
63
48
17,9
32
30
22
45,35
18,3
43
49,1
30
45,35
32,5
39
33
42,6
33
31,7
12
14,2
30,6
19,1
20,2
24,5
14,8
21,7
17,5
4,3
25
116
256
189
159
56
107
93
68
117
60
134
150
92
139
100
121
99
149
119
91
38
44
91
59
65
75
46
61
54
11
plata,, mientras que en la banda B su nivel es mucho

ms bajo, 116, comparable a los de cubanita y pirrotina, minerales con los que nunca se confundira al microscopio. Este comportamiento, aparentemente sorprendente, es en realidad el que corresponde a su intenso color amarillo, frente al pardo a crema de los sulfuros
citados.
4.8. S e g m e n t a c i n . D i s c u s i n y va l i d a ci n de resultados
La identificacin de minerales se logra de forma automtica al incluir los rangos de segmentacin (para
REV. METAL. MADRID,
A ZU L
las tres bandas) en una rutina especialmente diseada. Aunque es posible el trabajo multiespectral con
monocromador[23], en este caso se ha optado por un
anlisis multibanda[24], basado en la informacin presentada en los grficos de correlacin (Fig. 12), en
los que se compara el NG de los minerales con los
valores medios en NG encontrados en la etapa de
caracterizacin mediante ADI de los minerales de
referencia estudiados. El paso siguiente es clasificar
automticamente (para cada una de las bandas: R,
G y B) todos los pixels que pertenecen a una fase en
concreto y generar sendas imgenes binarias (valor
1, a los pixels que representan fase a identificar; valor 0, para los pixels diferentes). Estas tres imgenes
305
Figu ra 12. Grfico de comparacin de NG Vs. % Reflectancia. Bandas R, G y B.
Figure 12. Plot of relation between Gray level and Reflectance values (%) of RGB channels.
binarias posteriormente se interceptarn, generando una imagen binaria final que representa la fase de
inters.
La correcta segmentacin de fases minerales presentes en imgenes digitales es el aspecto a evaluar como parte del proceso de validacin del trabajo desarrollado. La validacin ha de verificar si los rangos
de segmentacin definidos, fruto del anlisis individualizado de las fases minerales estudiadas, tienen posibilidad de ser aplicados con xito sobre imgenes digitales de minerales, independientemente de su procedencia[25].
La observacin directa de los resultados de segmentacin sobre la imagen digital por parte del microscopista, comparando con la imagen real, es la forma ms
inmediata de verificar si la segmentacin es correcta o
no. Adems de la observacin directa, es posible extraer de las curvas de distribucin de NG de las imgenes estudiadas los parmetros estadsticos (rangos de
NG, valores medios, etc.) de las fases presentes en las
imgenes. Estos valores sern comparados con los obtenidos del anlisis individualizado de los minerales
de referencia y as se valorar su semejanza o no[26].
Otro criterio para evaluar el resultado de la segmentacin es el de determinar la relacin entre el rea total de las imgenes estudiadas y la suma de las reas
segmentadas. El proceso se ha contrastado mediante
continuos ensayos (segmentacin de varias fases minerales en imgenes digitales), como el que se presenta a
continuacin, en los que se han aplicado los criterios
descritos anteriormente para validar los rangos de segmentacin definidos en el proceso experimental.
306
4.8.1. Ensayo de validacin

Las imgenes digitales sobre las que se trabaja proceden
de muestras diferentes a las utilizadas como referencia y, en este caso, se trata de muestras pertenecientes
a colecciones del Instituto Geolgico y Minero de Espaa (indicio de sulfuros polimetlicos de Pb-Zn en
Extremadura). Las fases minerales presentes en la probeta como componentes principales son: cuarzo, arsenopirita, wolframita y esfalerita; como componentes accesorios: galena, pirita, calcopirita, pirrotina,
marcasita, bournonita y carbonato. Las fases minerales presentes en las imgenes y a segmentar son: arsenopirita, calcopirita, esfalerita, galena, ganga (cuarzo
y carbonato), pirrotina y wolframita.
4.8.2. Condiciones de muestreo

Para este estudio, la adquisicin de las imgenes, se ha
realizado siguiendo, tambin, un muestreo secuencial, limitado a 24 imgenes y con un objetivo de
20 X. La localizacin de las zonas a muestrear ha sido decidida por el operador, intentando que aparezca en las imgenes (mosaicos) el mayor nmero posible de las fases minerales presentes en la probeta.
Esto, no se debe hacer si lo que se pretende es extraer informacin representativa de la probeta, desde un punto de vista de la cuantificacin mineralgica (por ejemplo, anlisis modal y ponderal de las fases minerales). Pero, en este caso, el objetivo es poner
a prueba el mtodo, en las condiciones ms exigentes, es decir, ante la presencia simultnea de la mayor
REV. METAL. MADRID,
cantidad de fases minerales diferentes. Adquiridas y

tratadas las imgenes (Fig. 13), se ha procedido a
aplicar los rangos de segmentacin, a fin de identificar las siete fases minerales presentes. La rutina diseada asignar a cada fase mineral segmentada una
mscara identificativa (mosaico segmentado). Los
resultados cuantitativos (curvas de frecuencia y diagramas de pastel) de la secuencia desarrollada se sintetizan en la figura 13.
4.8.3. Interpretacin de resultados

La observacin del mosaico segmentado (Fig. 13)
evidencia que la segmentacin de las siete fases minerales presentes en las 24 imgenes, en trminos generales, se ajusta a la realidad. En detalle, es posible
apreciar los siguientes aspectos:
Las zonas con rayas de pulido en la esfalerita y
galena, han sido identificadas como tales, a
pesar de estos defectos.
Los granos ms pequeos de arsenopirita incluidos dentro de la wolframita, s aparecen

en la segmentacin.
Los bordes de los granos de arsenopirita no
siempre se segmentan correctamente debido a
que los pixels disminuyen sus valores de NG al
acercarse a fases menos reflectantes (ganga).
Los rangos de NG de las fases presentes en las
imgenes caracterizadas (histogramas de la figura 13)
se encuentran totalmente comprendidos dentro de
los rangos utilizados como referencia en este trabajo. Otro aspecto a destacar de la observacin de estas
curvas es el solapamiento de los NG de wolframita
y esfalerita en las bandas roja y azul. Esta circunstancia no ha dificultado el proceso de segmentacin de
estas dos fases minerales. El rea de las fases minerales segmentadas resulta ligeramente inferior al rea
total de las imgenes estudiadas (rea segmentada =
98,09 % rea total).
Figu ra 13. Mosaico con 24 imgenes y resultados de la segmentacin.
Figure 13. Image mosaic (24 images) and segmentation results.

REV. METAL. MADRID,
307
5. CONCLUSIONES
La metodologa presentada da respuesta a la necesidad de un proceso eficaz y de aplicacin general, para
el reconocimiento y cuantificacin automatizados,
por ADI, de las menas metlicas de inters industrial. Y muestra su viabilidad. El sistema desarrollado
se basa en rutinas automatizadas que combinan medidas multibanda sobre secciones pulidas de las menas, a travs de cmara vdeo 3CCD sobre microscopio ptico de reflexin, con criterios de tipo mineralgico o metalogentico.
La validez de la metodologa planteada queda avalada, en primer lugar, por la reproducibilidad de los
datos de segmentacin. Es decir, la capacidad de obtener iguales valores de NG (rangos de segmentacin) de una fase mineral, independientemente de
cundo y dnde haya sido tomada la imagen en color
(R, G y B) correspondiente. La verificacin del proceso de medida mediante cmara de vdeo 3 CCD se
ha llevado a cabo utilizando valores de referencia de
la reflectancia de los minerales objeto de estudio, internacionalmente acreditados.
Un proceso riguroso de adquisicin de imgenes
es un eslabn crtico para todo el sistema. Implica la
investigacin y control de todos aquellos factores,
fsicos o electrnicos (porosidad, calidad del pulido, derivas, estabilidad, intensidad y calidad de la
fuente luminosa, etc.), que de una u otra forma pueden producir variaciones en la respuesta NG de una
misma escena. Se desprenden unos requisitos, sintetizados en el apartado de proceso experimental,
imperativos para la puesta a punto del sistema automatizado.
Una ventaja adicional de la metodologa propuesta es que la digitalizacin de los datos, una vez
garantizada su reproductibilidad, permite una gran
versatilidad, ya que puede archivarse la informacin para nuevas aplicaciones y tratamientos matemticos no previstos inicialmente. De esta manera, se podr atender al re-planteamiento continuo de
diversos procesos, por ejemplo, mineralrgicos, y a
la investigacin de variadas soluciones alternativas,
sin necesidad de una nueva adquisicin de datos
(una de las fases ms delicadas y exigentes del proceso), simplemente procesando la informacin de
partida con arreglo a los nuevos criterios, para obtener las funciones o parmetros correspondientes
(rea, permetro, tamaos de grano, superficie especfica, grado de liberacin de cada fase mineral,
etc.), mediante la aplicacin de los algoritmos oportunos.
Es necesario el examen previo (cualitativo) de las
muestras por un experto microscopista, para sentar
los criterios de aplicacin del mtodo y formular en
308
los trminos adecuados los problemas a investigar

(de anlisis modal, granulomtricos, morfolgicos,
texturales, etc.), segn los planteamientos (mineralrgicos, mineralgicos, ambientales, etc.) que
interesen en cada caso. Es este experto el que decide
la eventual introduccin de posibles criterios identificativos de tipo mineralgico o metalogentico
(paragnesis y asociaciones minerales) necesarios en
aquellos casos en que puedan coexistir minerales con
valores de reflectancia equivalentes.
A gradec imiento s
El trabajo experimental, desarrollado en el contexto
de la tesis doctoral de E. R. Berrezueta Alvarado, se realiz en el Laboratorio de Microscopa Aplicada de
la Escuela Tcnica Superior de Ingenieros de Minas
(ETSIM) de la Universidad Politcnica de Madrid
(UPM). La instrumentacn fue cofinanciada con
ayuda de los proyectos GR-92-0135, UE95-007 y
UE98-0027 del Ministerio de Educacin y Ciencia.
Se agradece al Prof. G..C. Amstutz () el acceso a la
Coleccin Rehwald, utilizada como referencia; a J. Locutora (IGME) y al Dr. H. J. Bernhardt (Ruhruniversitt, Bochum, Alemania), la cesin y calibrado de
patrones de blanco; al Prof. E. Pirard (Univ. Lieja,
Blgica), la discusin de diversos aspectos relacionados con el ADI.
REFERENCIAS
[1]. R. CASTROVIEJO, E. CHACON, C. MZQUIZ Y
S. TARQUINI, Int. Symp. Imaging Applications
in Geology. Vol I, Lieja, Blgica, Geovision.,
1999, pp. 37-40.
[2] E. COZ, R. CASTROVIEJO, D. BONILLA, F. GARCA-F RUTOS, Fuel Sci. Direc. (2003), 45-55.
[3] E. BERREZUETA, R. CASTROVIEJO, F. O RTIZ,
M.J. DOMNGUEZ Y J.M. RAMOS, XXV Reunin
SEM. Vol I, Alicante, Espaa, Macla, 2005, pp.
47-50.
[4] R. LASTRA, J.M.D. WILSON Y L.J. CABRI, Trans.
Inst. Min. Metall. (Sect. C: Mineral Process. Extr.
Metall.), Canada, 1999, pp. 75-84.
[5] R. CASTROVIEJO, E. BERREZUETA Y R. LASTRA.
Miner. Metall. Process. J. 19 (2002.)102-109.
[6] E. BERREZUETA. Tesis Doctoral, Escuela Tcnica Superior de Ingenieros de Minas, Universidad Politcnica de Madrid, 2004.
[7] W. PETRUK, Applied Mineralogy in the Mining
Industry, First Edition, ELSEIVER. Ottawa, Canada, 2000, pp. 268.
REV. METAL. MADRID,
[8] A.J. CRIDDLE, Ore microscopy and photometry,

L. Cabri & D.J. Vaughan (Eds.), Modern Approaches to Ore and Environmental Mineralogy,
MAC Short Course v. 27, Ottawa, Canada, 1998,
pp. 1-74.
[9] S.H.U BOWIE Y P.R. SIMPSON, The Bowie-Simpson System for the Microscopic Determination of
Ore Minerals. First Students Issue. Appl. Mineralogy Group of the Mineralogical Society,
McCrone Research Assiociates, London, UK,
1980, pp. 10.
[10] R. CASTROVIEJO, A. LPEZ, C. MZQUIZ Y E.
PIRARD, Int. Symp. Imaging Applications in Geology. Vol I, Lieja, Blgica, Geovision, 1999, pp.
41-44.
[11] P. RAMDOHR, Die Erzmineralien und ihre Verwachsungen. 4te. Aufl., Akademie Verlag, Berlin, 1975, pp. 1.277.
[12] P. RAMDOHR, The ore minerals and their intergrowths, 2nd Ed., Pergamon, Oxford, UK, 2 vols.,
1980, pp. 1.205.
[13] E. BERREZUETA. Tesis Master, Escuela Tcnica
Superior de Ingenieros de Minas, Universidad
Politcnica de Madrid, 2000.
[14] J.C. RUSS, Computer-Assisted Microscopy. The
measurement and analysis of images, Plenun Press,
New York, 1990, pp 450.
[15] E. PIRARD, V. LEBRUN Y J.F NIVART. Eur. Microscopy Anal. 60 (1999) 9-12.
[16] E. P IRARD . Short Course COM-IMA. Int.
Mineralogical Association-Commission on Ore
REV. METAL. MADRID,
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
Mineralogy, IMA-COM (Ed), Porto, Portugal,

1999, pp. 1-15.
E. PIRARD, Sem. Int. de Minera, Metalurgia y
Medioambiente, Escuela Politcnica Nacional y
Universidad Catlica de Lovaina (Eds.), Quito,
Ecuador, 2003, pp. 85-97.
C. MZQUIZ, Proyecto Fin de Carrera, Escuela
Tcnica Superior de Ingenieros de Minas de Madrid, Universidad Politcnica de Madrid, 1997.
P. PICOT Y Z. JOHAN, Atlas des mineraux metalliques, Bureau des Reserches Geologiques et
Minres, BRGM, ELSEVIER, Paris, Francia,
1977, pp. 408.
A.J. CRIDDLE Y C. STANLEY, Quantitative data
file for ore minerals, Third Edition, Chapman &
Hall Brithish Museum, London, 1993, pp. 635.
Y. CHANG Y J.F. REID, IEEE J. 5 (1996) 1.4141.422.
E. BERREZUETA Y R. CASTROVIEJO. XI Cong.
Int. Industria, Minera y Metalurgia. Vol I, Zaragoza, Espaa, 2002, pp. 74-77.
E. PIRARD, Mineral. Mag. 447 (2004) 323-334.
A. MARTNEZ-NISTAL, Tesis Doctoral, Facultad de Geologa, Universidad de Oviedo, 1993.
R. CASTROVIEJO Y E. BERREZUETA, Reconocimiento automatizado de menas metlicas mediante anlisis digital de imagen: un apoyo al proceso
mineralrgico. II: Criterios metalogenticos discriminantes (en prep.).
M. TEJERA, A. MAVILIO, M. FERNNDEZ, G.
MUIZ, Y R. VARELA, Rev. Metal. Madrid 41
(2005) 169-174.
309

Reconocimiento Automatizado de Menas Metalicas Mediante Analisis Difital de Imagen Un Apoyo Al Proceso Mineralurgico - I Ensayo Metodologico

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Reconocimiento Automatizado de Menas Metalicas Mediante Analisis Difital de Imagen Un Apoyo Al Proceso Mineralurgico - I Ensayo Metodologico

Încărcat de

Drepturi de autor:

Formate disponibile

REVISTA DE METALURGIA, 43 (4)

JULIO-AGOSTO, 294-309, 2007

Automated microscopic characterization of metallic ores with image analysis: a

cacin clsicos, como la platina integradora sobre

() Trabajo recibido el da 19 de mayo de 2006 y aceptado en su forma final el da 30 de enero de 2007.

El estudio automatizado de secciones pulidas, para la identificacin, cuantificacin y caracterizacin

de inters industrial, pero que sea al mismo tiempo

3. METO DOL O G A . M ATE RI AL E S. INS TRUMENTACIN

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

aquellos minerales que son realmente frecuentes o

4.2. D es cri pc i n min e ra l g i c a d e p ro b etas

Fig ura 1 . Equipo de anlisis digital de imagen.

Figure 1. Digital Image analysis equipment.

Las muestras seleccionadas para su caracterizacin

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

proceden de los principales yacimientos mundiales

4.3.1. Microscopio ptico

Fi g u ra 2 . Descripcin mineralgica de probetas pulidas.

Figure 2. Mineralogical description of polished sections.

4.3.2. Cmara de vdeo

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

El ruido electrnico es la dispersin de la seal

F ig u r a 4 . Relacin entre reflectancia (% R) y niveles de

Figure 3. Noise level function in RGB channels.

Figure 4. Plot of relation between reflectance values and

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

calibracin de color de la cmara pretende adaptar la

F i g u ra 5 . Configuracin del gain de la cmara de video

Figure 5. Gain configuration in CCD camera.

homogneos, se ha minimizado por correccin numrica, en el supuesto de linealidad de la CCD, a

El NG del pixel de coordenada x,y en la

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

Fig ura 6 . Localizacin de la ventana de muestreo.

Figure 6. Localization of sampling windows.

Ta bla I. Valoracin de la deriva espacial sobre imgenes

Table I. Valuation of spatial drift on images (before

Media Desviacin Media Desviacin Media Desviacin

F i g u r a 7 . Correccin matemtica en procesamiento de

Figure 7. Mathematical corrections in image processing

REV. METAL. MADRID,

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

Los valores medios de NG, calculados sobre la

4.3.3. Software y hardware

Table II. Valuation of spatial drift on images (corrected)

Media Desviacin Media Desviacin Media Desviacin

REV. METAL. MADRID,

Figura 8. Imgenes de minerales en microscopio de reflexin.

Figure 8. Images of ores under the reflection microscope.

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

yacimientos diferentes y /o tres probetas diferentes.

Figure 9. Digital image processing sequence.

que el paso ms importante, por lo que respecta a la

4.6. Caracterizacin de las fases mineral e s p o r A D I y a n l i si s e s ta d s t i co

4.6.1. Condiciones de muestreo y toma de

Figu ra 10. Ventana de muestreo (10 * 10 pixels).

Figure 10. Sample window (10 * 10 pixels).

Figure 11. Plot of area of segmented image vs. number of

REV. METAL. MADRID,

43 (4), JULIO-AGOSTO, 294-309, 2007, ISSN: 0034-8570

Tabla III. Media y desviacin estndar de los valores de NG

Table III. Average and standard deviation of gray level

4.6.2. Anlisis estadstico de los datos medidos

fase mineral medida con un reflectmetro independiente y su valor de NG.

4.7.1. Relacin reflectancia - NG