Morsaicos Studio es un sistema para la generación y evaluación de fotomosaicos desarrollado en el marco del Examen General de Conocimientos de la Maestría en Ciencia e Ingeniería de la Computación. La propuesta integra una canalización reproducible de análisis, selección y composición de teselas, así como una interfaz web que facilita la inspección cualitativa y cuantitativa de resultados. El proyecto se sustenta en la línea UNAM/IIMAS sobre fotomosaicos y adopta las métricas y procedimientos reportados en la literatura reciente.

El sistema implementa: i) un índice perceptual de color para un gran catálogo de teselas; ii) un generador de fotomosaicos con control de repetición, vecindad y métrica de distancia cromática; iii) un módulo de artefactos derivados (mezcla y escala de grises) y realce tonal; iv) un servicio web (FastAPI) que coordina trabajos en segundo plano, reporta progreso y expone métricas; y v) una interfaz web de una sola página con previsualización en vivo y un panel de métricas y rendimiento.

• Formalizar una canalización modular y verificable para la construcción de fotomosaicos.
• Emplear métricas de evaluación (repetición promedio, entropía, tiempos por etapa) para sustentar la comparación experimental.
• Proveer una interfaz de uso académico que facilite la inspección, descarga y documentación de resultados.

• Python 3.13.
• Dependencias en requirements.txt / pyproject.toml (instalación mediante pip o uv).
• En Windows, se recomiendan herramientas de compilación (C/C++) para paquetes como numba/torch.
• Conjunto de teselas en img/ para construir el índice de color.

1. Crear y activar entorno virtual:

python -m venv .venv
. .\.venv\Scripts\activate.ps1  # Windows PowerShell
# source .venv/bin/activate  # Linux/macOS

2. Instalar dependencias:

python -m pip install --upgrade pip
python -m pip install -r requirements.txt
# o: uv pip install -r requirements.txt

El servicio requiere un índice de color precalculado en la raíz del proyecto; para generarlo a partir de img/:

python generate_color_index.py

El proceso crea color_index.{pkl,json,txt}. En catálogos amplios el tiempo y el tamaño resultante pueden ser elevados.

python start_webapp.py --host 127.0.0.1 --port 8088

Parámetros relevantes: --no-reload, --skip-checks, --host, --port. La interfaz en http://127.0.0.1:8088 permite cargar una imagen, seleccionar presets (Rápido, Equilibrado, Alta calidad, UNAM), observar la previsualización en vivo, alternar vistas (mosaico, mezcla, escala de grises) y descargar resultados.

Modelo de solicitud (simplificado):

curl -X POST "http://127.0.0.1:8088/api/mosaics" \
  -F "source_image=@/ruta/a/imagen.jpg" \
  -F 'request_payload={"parameters":{"cell_size":32,"blend_ratio":0.28}}'

• ColorIndexLoader carga y cachea el índice de color (formatos .pkl, .json, .txt).
• PhotomosaicGenerator realiza análisis por celdas y selección de teselas con métrica de color (CIEDE2000, Riemersma, híbrida), control de repetición y vecindad.
• MosaicPipeline coordina la ejecución en segundo plano, emite previsualización, construye artefactos (mezcla, grises) y calcula métricas.
• JobStore mantiene un registro en memoria de trabajos con políticas de retención.
• Interfaz web: previsualización en vivo, historia de ejecuciones (clic para consultar resultados), tabla de métricas y gráfica de “celdas vs tiempo”.

• Celdas procesadas, teselas únicas, repetición promedio, entropía del mosaico.
• Tiempos por etapa (selección, artefactos, totales) y rendimiento (celdas/s).
• Parámetros efectivos (p. ej., mezcla y realce tonal) para trazabilidad experimental.

from pathlib import Path
from app.services.color_index import ColorIndexLoader
from photomosaic_generator import PhotomosaicGenerator

indice = ColorIndexLoader(Path("color_index.pkl")).load()
generador = PhotomosaicGenerator(color_index=indice, base_directory=".")
resumen = generador.generate_mosaic_description_parallel(
    image_path="img/ejemplo.jpg",
    cell_size=32,
    output_path="outputs/ejemplo_mosaico.jpg",
    top_candidates=48,
    repetition_penalty=0.35,
    max_repetitions=8,
    neighbor_radius=1,
)
print(resumen)

• app/ Aplicación FastAPI (configuración, rutas, servicios, canalización).
• static/ Recursos estáticos de la interfaz (css/app.css, js/app.js).
• templates/ Plantillas Jinja (entrada principal: templates/index.html).
• photomosaic_generator.py, mosaic_enhancer.py, color_analyzer.py Núcleo de procesamiento.
• generate_color_index.py Utilidad para construir el índice de color.
• start_webapp.py Lanzador del servicio web.
• outputs/, uploads/, temp/ Directorios de trabajo.

• Verificación rápida de sintaxis:

python -m compileall app

• Se recomienda fijar versiones y documentar el entorno (SO, CPU, RAM, versiones de numpy, torch, numba).

• Optimización adicional en selección de candidatos y/o estrategias de paralelismo.
• Integración de nuevas métricas perceptuales y validación con baterías de imágenes de referencia.
• Empaquetamiento para despliegue reproducible (contenedores) y/o GPU backend dedicado.

• Benítez Pérez, H., & López Michelone, M. (2023). Un estudio empírico de los fotomosaicos. Research in Computing Science, 152(6).

— Proyecto académico para el Examen General de Conocimientos (Maestría en Ciencia e Ingeniería de la Computación).