Este artículo aborda el desafío crítico de la estimación de la iluminación en el procesamiento de imágenes, con un enfoque en la robótica, donde es esencial una percepción ambiental robusta bajo diversas condiciones de iluminación. Los métodos existentes, como los histogramas RGB o los descriptores GIST, son sensibles a los cambios de iluminación y suelen fallar en entornos complejos. Este estudio presenta un método novedoso para estimar el iluminante y la dirección de la luz en imágenes utilizando la distancia de Wasserstein, basada en la teoría del transporte óptimo. Mediante experimentos con diversas imágenes, como escenas de interiores, fotografías en blanco y negro e imágenes nocturnas, demostramos que detecta la fuente de luz principal y estima su dirección con un mejor rendimiento que los métodos estadísticos existentes en entornos de iluminación complejos. Sugerimos posibles aplicaciones como la localización de fuentes de luz, la evaluación de la calidad de la imagen y la mejora de la detección de objetos, y proponemos futuras investigaciones para mejorar la precisión mediante la integración de umbralización adaptativa y análisis de gradientes, y para proporcionar una solución escalable a problemas de iluminación del mundo real.
