Capturas de pantalla de tus fotos: por qué no se detectan como duplicados
Es lo más común del mundo. Tienes una foto y, en esa misma carpeta, la captura de pantalla que le hiciste. La misma imagen, dos veces, ocupando espacio las dos. Pasas un buscador de duplicados y no te agrupa ninguna. No es un fallo de tu herramienta: es lo que pasa cuando comparas dos imágenes que comparten el motivo y casi nada más.
Qué hay realmente dentro del archivo
Coge una foto de celular, de 1080 por 1440 píxeles. Ahora hazle una captura de pantalla en ese mismo celular, cuya pantalla mide 1080 por 2400. Lo que queda guardado no es la imagen. Es la pantalla.
La foto queda en el centro, ajustada al ancho. Encima y debajo hay franjas negras de 480 píxeles cada una, que juntas ocupan el 40% de la imagen. Sobre la franja de arriba van pintadas la hora, las barritas de señal, el arco del wifi y la batería. Abajo suele haber una barra de navegación.
Así que los dos archivos discrepan en casi todo lo que se puede medir. La proporción de la foto es 0,75 de ancho respecto al alto. La de la captura, 0,45. Casi la mitad de la captura es relleno que no existe en el original. Si comparas visualmente esas dos, sale —medido sobre nuestras imágenes de prueba— un 66%.
Ese número está muy por debajo de cualquier umbral razonable. Como explicamos al contar cómo se mide el parecido, por debajo del 94% entras en un terreno donde dos fotos distintas pueden puntuar tan alto como dos versiones de la misma. Una herramienta que agrupara un par al 66% sería una herramienta que agrupa cualquier cosa.
La guarda de proporciones lo descarta antes de comparar
Hay un segundo obstáculo, y salta primero. Los buscadores de duplicados serios se niegan a comparar imágenes cuyas proporciones difieren más de un pequeño margen, porque un recorte no es un duplicado: agrupar un recorte con su original es invitarte a borrar la foto completa.
Aquí la diferencia es 0,75 contra 0,45. Eso es un 40%, no un pequeño margen. El par se descarta antes de que nadie mida nada.
El arreglo evidente, y por qué falla
La idea llega sola: quitar las franjas negras y comparar. Es la idea correcta, y el primer intento produce un resultado que parece un avance y no lo es.
Recortar los bordes planos de la captura funciona muy bien. En nuestra prueba, la captura de 1080×2400 quedó en exactamente 1080×1440, empezando en la fila 480: la foto recuperada al píxel. Y la coincidencia subió del 66% al 85%. Sigue sin bastar. ¿Por qué?
Porque el mismo recorte se aplicó también a la foto original, y se la comió por dentro. La foto es un paisaje: un cielo que va del azul al pálido por arriba, y una franja maciza de montaña oscura por abajo. Medidas fila a fila, las dos son planas. El detector las tomó por relleno y quitó 189 filas.
Así que la comparación ya no era foto contra foto. Era una captura recuperada a la perfección contra un original mutilado. Arreglar un lado rompió el otro.
Cómo distinguir el relleno de un cielo
La distinción que lo resuelve no está en la fila. Está en la siguiente fila.
Una franja de relleno es un color repetido. La fila 5 y la fila 300 de una barra negra son el mismo negro. Un cielo es un degradado: parece plano si miras una sola fila, pero se va desplazando conforme bajas. Así que en vez de preguntar «¿es uniforme esta fila?», la prueba compara cada fila contra el tono de la primerísima fila del borde. El relleno mantiene esa referencia durante cientos de filas. Un cielo se aleja de ella en unas pocas decenas y el recorrido se detiene.
Ese único cambio es lo que separa un marco de una fotografía, y no cuesta nada calcularlo.
La barra de estado interrumpe la franja
Hay una complicación. La hora y los iconos van encima de la franja negra, y esas filas no son planas. Bajando desde el borde superior, el recorrido de relleno se corta en la fila 38, antes de haber cubierto ni una décima parte de la franja.
La solución es dejar que el recorrido salte interrupciones cortas y siga, siempre que al otro lado reaparezca relleno de verdad. Lo cual plantea cuánto es «corta», y ahí se esconde un segundo fallo.
Nuestro primer intento usó una regla de proporción: seguir avanzando mientras la mayoría de las filas recorridas hasta ahí fueran relleno. Suena razonable y está mal, porque una vez que el recorrido entra en la fotografía, la cuenta acumulada mantiene la regla satisfecha durante un buen rato. En vez de parar en la fila 480, siguió hasta la 631; y desde abajo paró en la 1733 en vez de la 1920. El resultado fue un recorte de 1080×1090, un exceso de 350 filas de fotografía real, que es peor que no recortar nada.
La regla que funciona es más simple: recordar la última fila que fue relleno de verdad, y parar cuando el hueco desde entonces se hace demasiado largo. Una notificación desplegada sobre la franja negra ocupa alrededor del 7,7% del alto de la pantalla, así que la tolerancia tiene que superar eso. Al 6% el recorrido moría en la notificación; al 10% la saltaba y llegaba al borde real. Valores mayores no cambiaban nada, así que 10% es el ajuste más ceñido que hace el trabajo.
Nunca sustituyas la firma: añade una
Incluso con un recorte perfecto, hay una decisión de diseño que importa más que cualquier umbral.
La tentación es dejar que la versión recortada sustituya a la firma visual de la imagen. Si haces eso, cada foto con un borde plano —cada atardecer, cada foto de producto sobre fondo blanco, cada documento escaneado— pasa en silencio a compararse por una región distinta a la de antes. Parejas que antes se agrupaban podrían dejar de hacerlo. Estarías cambiando un conjunto conocido de aciertos por otro desconocido.
La construcción segura es quedarse con las dos. Cada imagen conserva su firma normal de la imagen completa, y solo las que tienen relleno detectable reciben una segunda firma del contenido recuperado. Dos imágenes se agrupan si coincide cualquier combinación de sus firmas.
La propiedad que eso te compra merece decirse claro: nada de lo que se detectaba antes puede dejar de detectarse, porque la comparación original sigue ocurriendo, intacta. El camino nuevo solo puede sumar. Sobre un conjunto de prueba de 112 imágenes, el resultado fueron 56 parejas nuevas detectadas y ninguna perdida, en todos los ajustes de sensibilidad.
Una trampa escondida en los marcos
Durante las pruebas salió algo más, y es de esas cosas que habrían causado daño en silencio.
Dos capturas de fotos completamente distintas puntuaron un 94,6% entre sí. No porque las fotos se parezcan, sino porque el marco negro es la mitad de cada imagen y es idéntico en las dos. El relleno dominaba la firma y ahogaba al contenido.
Ese fallo es anterior a cualquier recorte: es lo que hace una comparación de imagen completa con dos imágenes muy enmarcadas. El remedio es estrecho: cuando las dos imágenes tienen relleno detectado, compararlas marco contra marco exige una nota más alta de lo normal. Las coincidencias correctas de ese tipo midieron entre 99,90% y 99,93%, y las falsas 94,6%, así que cualquier umbral intermedio las separa sin ambigüedad. Con eso puesto, las parejas falsas bajaron a cero, incluidas cuatro que ya existían antes de empezar este trabajo.
Qué funciona ahora, medido
Una captura de pantalla no es una sola cosa. Los celulares enmarcan las fotos de al menos ocho maneras reconociblemente distintas, y cada una se probó contra la foto original:
| Cómo está enmarcada la captura | Coincidencia |
|---|---|
| Visor con franjas negras, barra de estado sobre la franja | 99,9% |
| Foto pegada arriba, barra de estado sobre la propia foto | 99,3% |
| Con una notificación desplegada encima | 99,9% |
| Esquinas redondeadas y muesca | 99,9% |
| Galería de fondo claro, iconos oscuros | 99,9% |
| Foto descentrada, fila de botones abajo | 99,8% |
| Pantalla completa, foto recortada para llenar | no agrupa |
| Pantalla completa con barra semitransparente | no agrupa |
Lo mismo vale para un margen liso en los cuatro lados, que es lo que sale al capturar una imagen sobre un fondo plano:
| Margen | Antes | Ahora |
|---|---|---|
| 2% de margen | 93,0% | 100,0% |
| 5% de margen | 72,8% | 99,9% |
| 10% de margen | 54,9% | 99,9% |
Negro, blanco o gris liso se comportan igual, y también la copia recomprimida que devuelve una app de mensajería.
Los dos que siguen fallando, a propósito
Las dos últimas filas de la primera tabla merecen explicación, porque parecen fallos y no lo son.
En una captura a pantalla completa la foto no está rellenada: está recortada para llenar la pantalla. Una foto de proporción 0,75 mostrada de borde a borde en una pantalla de 0,45 pierde cerca del 40% de su ancho, para siempre. Ese archivo no contiene tu foto. Contiene una parte de ella.
Agruparlo significaría ofrecerte mover el original completo a la carpeta de duplicados basándose en una copia parcial. Es exactamente el error que la guarda de proporciones existe para evitar, y lo correcto es dejar ese par en paz.
Otros dos casos siguen fuera de alcance de verdad: una foto girada 90° o 180° puntúa 0% contra el original, y una en espejo puntúa 51,5%. La comparación lee la rejilla en la orientación en que la encuentra. Detectar esos casos obligaría a probar cada imagen en varias orientaciones, lo que multiplica el trabajo sobre todos los archivos de la carpeta para cazar algo mucho menos frecuente que la captura de pantalla.
Qué hacer con tus propias capturas
Dos notas prácticas.
Primera: la captura casi nunca es la copia que conviene conservar. Tiene menos resolución, lleva elementos de la interfaz incrustados y normalmente no arrastra fecha ni ubicación. Cuando aparezca un grupo, la que se queda es la original a resolución completa, y por eso una herramienta sensata pone la imagen más grande arriba y mueve el resto.
Segunda: desconfía de cualquier herramienta que agrupe estos casos demasiado fácilmente. Como señala Ofcom en su informe sobre el tema, el hash perceptual «evalúa la similitud de las imágenes, no la del contenido representado en ellas», y sus tasas de error no son despreciables. Un par de captura y foto que coincide al 99% es una medición. Un par que necesitó bajar el umbral al 80% para agruparse es una suposición, y suponer es como la gente pierde fotografías.
En resumen
Una captura de pantalla de una foto es la misma imagen vestida con la forma de una pantalla. Recuperarla pasa por reconocer el marco, y no preguntando si los bordes son planos, sino si mantienen el mismo tono, que es justo lo que un cielo nunca hace. Hazlo dejando intacta la comparación original y ganas un caso muy común sin arriesgar los que ya funcionaban.
Puedes probarlo con tu propia carpeta: busca duplicados en una carpeta desde tu navegador, sin instalar nada y sin que ningún archivo salga de tu equipo. Para seguir leyendo: duplicados exactos y duplicados visuales, cómo encontrar archivos duplicados sin instalar nada y por qué tienes tres copias del mismo video.
Una nota sobre las cifras
Todos los números de este artículo se midieron sobre imágenes de prueba construidas a propósito —fotografías con grano sintético, enmarcadas como las enmarcan los celulares de verdad— y no sobre un corpus grande de capturas reales. Describen cómo se comporta el método, no una tasa de acierto garantizada en tu galería. Si encuentras una captura que se le escapa, o un par que agrupa y no debería, escríbenos: de ese tipo de reporte salió esta mejora.
Fuentes
- Ofcom — Overview of Perceptual Hashing Technology (2022): el hash perceptual mide la similitud de las imágenes, no la del contenido representado, y con tasas de error no despreciables.
- NIST — FIPS 180-4, Secure Hash Standard: la especificación detrás de la huella de coincidencia exacta que se menciona arriba.