Sistema de Diseño de Lentes Progresivas Asistido Por Ordenador

UNIVERSITAT POLITÉCNICA DE CATALUNYA
Departament de Llenguatges i Sistemes Informàtics
Tesis Doctoral
SISTEMA DE DISEÑO
DE LENTES PROGRESIVAS
ASISTIDO POR ORDENADOR
Barcelona, Septiembre 1991
Presentada pon
Juan Carlos Dürsteler
Dirigida por:
Liuis Pérez Vidal
A mis padres, sin quienes esto no hubiera sido posible.
u
Agradecimientos
Sería difícil de concebir la realización del presente trabajo sin el concurso y
la ayuda de innumerables personas que han contribuido al mismo, bien con el
aporte de su experiencia personal o bien con el aporte del material de base sobre
el que se fundamenta el presente trabajo. Enumerar todas las contribuciones sería
arduo y, sin duda, olvidaríamos aportaciones importantes.
No obstante, deseo agradecer especial y sinceramente la colaboración de una
serie de personas que me han prestado un inestimable soporte, y sin las cuales
este trabajo no hubiera sido factible.
A Lluis Pérez Vidal, que aceptó ser el director de la presente tesis, agradezco
su constante apoyo y orientación, así como sus consejos, sugerencias y buen
humor.
A Pere Brunet le debo la inspiración inicial que hizo viable la conversión
de mi trabajo en una tesis y el agradecimiento del interés y ánimo que me ha
ofrecido durante el desarrollo de la misma.
Agradezco a Patrick Mills y Mark Powell, de Quintek Ltd. en Inglaterra, la
discusión y experto consejo de los aspectos más intrincados de la elaboración del
sistema de redirección de mensajes y la configuración de la red de procesadores
en paralelo que se ha utilizado como hardware.
Salvador Bosch, del Departamento de Óptica de la Universidad de Barcelona
y Alvar Vinacua del Departamento de L.S.I. han tenido la amabilidad de leer el
manuscrito y contribuir con su opinión a mejorar la claridad y comprensibilidad
del mismo.
Finalmente agradezco especialmente a Ramón Soliva, director del Departa-
mento de Investigación de Industrias de Óptica S.A. su comprensión y constante
impulso de esta tesis, así como sus valiosas contribuciones al desarrollo y con-
secución de la misma.
Este trabajo se ha gestado a caballo entre el Departament de Llenguatges i
Sistemes Informàtics de la U.P.C. (L.S.I.) y el Departamento de Investigación
iii
IV
de la empresa Industrias de Óptica S.A. (INDO), en el seno del cual se han

realizado materialmente los trabajos.
Juan Carlos Dürsteler

Barcelona, Septiembre de 1991
SISTEMA DE DISEÑO
DE LENTES PROGRESIVAS
ASISTIDO POR ORDENADOR
FE DE ERRATAS
• Capítulo 2, página 14, ecuaciones 2.10 y 2.11, deben leerse
• Capítulo 3, página 23, línea 16, donde dice "Davis|Dav81j patenta* debe
decir *Davenport[Dav81) patenta".
• Capítulo 6, página 68, línea 1, donde dice "consistente" sustituir por "con-
siste".
• Capítulo 6, página 68, línea 5 empezando por el final, omitir GET_PSUM.
• Capítulo 6, página 73, línea 10, donde dice "se tarda la mismo" sustituir
por "se tarda lo mismo".
Contenido
1 Introducción l
1.1 El ordenador y el diseño de lentes l
1.2 Objetivos y motivación 2
1.3 Organización 2
2 Fundamentos 5
2.1 Introducción 5
2.2 La Presbicia 5
2.3 Acomodación y Convergencia 7
2.4 Las Lentes Progresivas 9
2.5 Zonas principales 10
2.5.1 El meridiano principal 10
2.5.2 Teorema de Minkwitz 13
2.5.3 Zonas marginales 17
2.5.4 Zona de visión lejana 17
2.5.5 Zona de visión cercana 18
3 Estado del Arte 19

3.1 Antecedentes históricos 19
3.2 Desarrollos recientes 21
3.2.1 Visión estática vs. visión dinámica 21
3.2.2 La segunda generación 23
3.2.3 El progresivo de Kitchen y Rupp 23
3.2.4 El progresivo de Guilino y Barth 25
3.2.5 El progresivo de Fürter y Lahres 25
3.2.6 El progresivo de Winíhrop 26
4 El Diseño de la Superficie 27
4.1 Introducción 27
4.1.1 Interpolación 27
vi CONTENIDO
4.1.2 Forma polinómica: 28

4.1.3 Forma de Lagrange 29
4.1.4 Polinomios de Bernstein 30
4.1.5 B-Splines 33
4.1.6 Curvas Racionales 35
4.1.7 B-Splines racionales 38
4.2 Superficies por producto tensorial 39
4.2.1 Superficies de B-Splines 41
4.2.2 B-Splines racionales 42
4.3 Geometría diferencial de la superficie 45
4.3.1 La primera forma fundamental 46
4.3.2 La segunda forma fundamental 47
4.3.3 La curvatura normal 47
4.3.4 Aberraciones superficiales 49
4.4 Diseño y control local 50
5 Metodología de Diseño 53
5.1 Introducción 53
5.1.1 Optimización y función de mérito 54
5.2 Especificaciones ópticas 55
5.2.1 Variación de potencia 55
5.2.2 Umbilicalidad de la progresión 57
5.3 Variables de optimización 57
5.3.1 Distribución de aberraciones y pesos 59
5.3.2 Tratamiento gráfico de datos 62
6 Implementation en Paralelo 65
6.1 El algoritmo de Optimización 66
6.1.1 El método Simplex 66
6.2 Paralelización 70
6.2.1 Paradigmas de paralelización 70
6.2.2 Identificación de código paralelizable 72
6.2.3 Selección del nivel 72
6.3 Implementación 75
6.3.1 Topología de la red 75
6.3.2 Parte secuencial (Master) 76
6.3.3 Parte paralela (Workers) 77
6.3.4 Subsistemas de redirección (Routers) 78
CONTENIDO vü
7 Comparación de Interpolaciones 83
7.1 Contenido de las pruebas 83
7.2 Variantes de Optímización 88
7.3 Función de mérito 88
7.4 Realización 89
7.5 Resultados 91
7.6 Conclusiones 103
8 Conclusiones y Futuros Trabajos 105

8.1 Aportaciones 105
8.3 Futuras líneas de trabajo 106
A El Ojo Humano 109

A.1 Anatomía del ojo 109
A.2 El ojo teórico 112
B Sistemas de Transputers 115

B.l Configuración estática y dinámica 117
B.2 Programación y depuración 118
C Obtención de Vértices de Control 121

C.l Introducción 121
C.2 Un algoritmo 122
vüi CONTENIDO
Lista de Figuras
2.1 Convergencia de la mirada 8
2.2 Lente Bifocal 9
2.3 Trayectoria del meridiano principal 11
2.4 Variación de la potencia a lo largo del meridiano principal. . . 12
2.5 Estructura del haz emergente 13
2.6 Representación de la Superficie 16
2.7 Zonas del progresivo 18
3.1 El progresivo de Aves 20

3.2 El progresivo de Poullain-Cornet 20
3.3 Distribución de conos y bastones en la retina 22
3.4 Progresivo de Davenport 24
3.5 Progresivo de Winthrop 26
4.1 Curva y vector de nodos 28

4.2 Oscilaciones con polinomios de Lagrange 30
4.3 Curva de Bézier 32
4.4 Bases Polinómicas 34
4.5 Curva B-Spline y ptos. de Bézier 35
4.6 Interpolación de cónicas mediante Bézier racional 37
4.7 B-Splines racionales 40
4.8 Superficies B-Spline 43
4.9 Representación de la esfera mediante NURBS 44
4.10 Indicatriz de Dupín 49
5.1 Diseño del meridiano principal 56

5.2 Trayectoria del meridiano 56
5.3 Selección de nodos modificables 58
5.4 Función de pesos 60
6.1 Operación de los routers 80
ix
LISTA DE FIGURAS
7.1 Diseño del pasillo 84

7.2 Distribución de zonas 85
7.3 Punto de partida ad. l 86
7.4 Punto de partida ad. 2 86
7.5 Punto de partida ad. 3 87
7.6 Variante 1. Astigmatismo adición 3 95
7.7 Variante 1. Potencia adición 3 96
7.8 Variante 1. Ejes adición 3 96
7.9 Variante 2 Astigmatismo adición 3 97
A.1 Sensibilidad espectral del ojo 110

A.2 Anatomía del Ojo 111
B.l Algunas topologías posibles con 9 transputers 116

B.2 Comunicación entre routers y aplicaciones 118
B.3 Velocidad de proceso vs. numero de transputers 119
Lista de Tablas
4.1 Interpolación de Curvas y Superficies 51
6.1 Efecto de la paralelizacion 74
7.1 Resultados 94
7.2 Tiempo de C.P.U 94
A.l El ojo esquemático de Gullstrand 113

A.2 El ojo de Gullstrand (cont.) 114
xi
Capítulo 1
Introducción
1.1 El ordenador y el diseño de lentes

El advenimiento del ordenador ha supuesto una revolución en muchos campos.
En el caso de la óptica oftálmica esta revolución ha significado la ruptura de
una constricción que la limitaba : la imposibilidad de diseñar y evaluar lentes
que no fueran de geometría esférica y que, sin embargo, tuvieran propiedades
ópticas adecuadas a la fisiología visual humana.
La aparición del Diseño Asistido por Ordenador (CAJ).), y de la Fabri-

cación Asistida por Ordenador (CAM.), han propiciado la automatización de
muchos procesos industriales de diseño y fabricación, incluyendo la óptica de
precisión. A diferencia de ésta, la oftálmica ha de corregir aberraciones con una
lente simple, no con un sistema de lentes, lo que limita los grados de libertad
disponibles.
La solución de esta dificultad consiste en modificar una o ambas superficies

de la lente, haciéndolas asféricas y añadiéndoles así más grados de libertad.
En el transcurso de las tres últimas décadas han surgido diversos métodos de

interpolación de superficies que han dado gran impulso al diseño de elementos
tan diversos como carrocerías de automóviles, fuselajes y alas de aviones y
cascos de barcos.
La dificultad y especificidad de este planteamiento aplicado a la óptica hacen

que no exista ningún paquete comercial de diseño y fabricación en este área.
2 CAPÍTULO 1. INTRODUCCIÓN
1.2 Objetivos y motivación

Dentro del campo de la óptica oftálmica, el desarrollo de ¡entes asféricas, y en
particular de multifocales progresivos, ha resultado un campo particularmente
activo en la década de los 80.
El advenimiento comercial de las lentes asféricas para corrección de defectos
visuales data de 1984, aunque hace ya mucho tiempo que se han venido usando
en óptica de precisión.
Por otra parte, el multifocal progresivo, cuyo desarrollo básico data de finales
de la década de los 50, ha evolucionado enormemente y ha producido en los
años ochenta una tercera generación, casi siempre basada en una re-formulación
de la superficie con más grados de libertad.
La falta de herramientas de software adecuadas al CAD.—CAM. de este
tipo de lentes y el avance en los métodos de interpolación de superficies propi-
ciaron la realización de este trabajo, en el marco de un proyecto de investigación
cuyo objetivo final era triple:
• Fundamentar y formular desde el punto de vista teórico el procedimiento
y el tipo de superficie necesarios para poder diseñar lentes multifocales
progresivas.
• Evaluar y comparar distintas formas de interpolar la superficie a fin de
encontrar un método de interpolación eficiente y apropiado al diseño de
este tipo de lentes.
• Desarrollar un sistema real de diseño y manufactura computerizada para
la fabricación industrial de las mismas.
Cabe decir que este proyecto ha sido totalmente completado y que existen
ya prototipos funcionales de las lentes, para diversas graduaciones y adiciones
y se está preparando la fabricación y comercialización masiva de las mismas.
1.3 Organización
La estructura del presente trabajo es, obviando el presente capítulo, la siguiente:
• El Capítulo 2 contiene una revisión de los conceptos básicos y funda-
mentos teóricos concernientes a las lentes progresivas y a la comprensión
de sus características.
• El Capítulo 3 se refiere a los antecedentes históricos y los desarrollos re-
cientes en este campo, constituyendo, en conjunto, una revisión del estado
del arte del mismo.
1.3. ORGANIZACIÓN 3
• El Capítulo 4 pasa revista a los distintos tipos de superficie adecuados a

los requerimientos de representación e interpolación de las magnitudes de
interés en óptica oftálmica, y contiene un recordatorio de las magnitudes
de la geometría diferencial de las superficies que son de interés para el
cálculo de las características ópticas de las mismas.
• En elCapítulo 5 se presenta la implementación de los algoritmos de op-
timización y cálculo de la función de mérito en paralelo, utilizando un
sistema multiprocesador basado en Transputers. Se hace también aquí una
discusión sobre la topología más adecuada al algoritmo y se identifica el
paradigma de paralelismo al que más se aproxima.
• El Capítulo 6 se refiere a la metodología original de diseño implementada
en el sistema, entendida como el conjunto de facilidades interactivas que
permiten al usuario realizar un diseño concreto partiendo simplemente de
una idea previa, modificable sobre la marcha.
• En el Capítulo 7 se realiza una comparación de los resultados de aplicar
los mismos procesos de diseño y optimización a distintos formalismos de
superficies, evaluando cual es el que mejor se adapta al diseño de lentes
progresivas. En este capítulo, igual que en los dos anteriores, se describen
las principales aportaciones de este trabajo.
• En el Capítulo 8 se hace una síntesis de los trabajos realizados y se
esbozan posibles líneas de trabajo futuro.
• El Apéndice A es un pequeño resumen del ojo humano y sus valores
teóricos, incluido aquí por mor de completitud.
• El Apéndice B trata de las especificaciones del hardware (procesadores
y tarjetas) y software (compilador y depurador simbólico de lenguaje C)
que se han empleado para la programación en paralelo. Igualmente se
tratan los aspectos concretos de la configuración de la red en el caso de
los sistemas multiprocesador basados en Transputers que se han utilizado.
• El apéndice C resume la forma de calcular los vértices de control de una
superficie B-Spline, que interpola una serie de puntos conocidos de una
superficie.
CAPÍTULO 1. INTRODUCCIÓN
Capítulo 2
Fundamentos
2.1 Introducción
Es inevitable, a la hora de abordar la situación con respecto a las lentes pro-
gresivas, fijar unos elementos mínimos de óptica, que, aunque conocidos, son
de importancia central en este campo. El lector interesado en ampliar los rudi-
mentos que aquí se repasan encontrará en [Cas85,Ros78,BW86], bibliografía
abundante sobre la óptica en general.
En cuanto a la óptica fisiológica, cabe reseñar la obra de Legrand [Leg45],
[Leg46], Obstfeld [Obs78] y Duke—Eider [Dukol], entre otros. Por otra parte, la
bibliografía referente a lentes progresivas es relativamente escasa y muy dispersa,
no existiendo ningún libro dedicado en concreto al tema. Como introducción
a este campo, desde el punto de vista histórico, merece la pena mencionar los
artículos de Sullivan [SF88] y Bennet [Ben61].
2.2 La Presbicia
El factor responsable del mecanismo de enfoque, o acomodación, en el ojo
es el cristalino, pequeña lente deformable situada dentro del globo ocular (ver
apéndice A). Con el transcurso de los años, las propiedades características
del cristalino van degradándose. Aunque este fenómeno no está aún plena-
mente comprendido, parece que es debido principalmente [Leg45] a la progresiva
pérdida de flexibilidad del mismo.
El cristalino permite el enfoque del sistema óptico del ojo, variando la cur-
vatura de sus caras anterior y posterior según las necesidades de enfoque del
sistema. De esta manera modifica su potencia en función de la distancia a que
6 CAPÍTULO 2. FUNDAMENTOS
se halle del punto objeto (punto al que se está mirando y cuya imagen se quiere
hacer incidir en la retina). En visión lejana, mirando al infinito, el cristalino se
halla en su posición de reposo. En visión cercana, mirando a un objeto situado
en las proximidades, el cristalino se halla sometido a la tensión de los músculos
ciliares [Leg45] que le obligan a aumentar su curvatura en función de la relación
acomodación convergencia (ver sección 2.3).
Si consideramos un sistema óptico sobre el que incide un haz de rayos
proviniente del infinito, llamaremos foco al lugar donde se reúnen los rayos una
vez atravesado el sistema. Se llaman planos principales a dos planos conjugados
— uno imagen del otro — cuyo aumento lateral, o relación entre los tamaños del
objeto y su imagen por el sistema, es ß = 1. Denominamos punto principal al
punto de intersección de un plano principal con el eje del sistema. La distancia
focal es, entonces, la distancia entre el punto principal y el foco.
Se define la potencia de una lente como el inverso de la distancia focal. Es
corriente trabajar con longitudes reducidas, dividiendo la longitud por el índice
de refracción n del substrato. Así, si / es una distancia focal, la focal reducida
será £. Su inversa se denomina poder refractor, aunque algunos autores no
hacen distinción entre éste y la potencia, definiéndola en términos reducidos.
Para una superficie S que separa medios de índices n y n' la potencia es
[Cas85] . .
Siendo r el radio de curvatura de la superficie refractante.

El convenio de signos para estas magnitudes es el siguiente: para las dis-
tancias en el eje se considera positivo el sentido de la luz incidente, que es
de izquierda a derecha. Así, si denominamos vértice v a la intersección de la
superficie con el eje óptico, el radio de curvatura r es positivo si el centro de
curvatura de la superfie está a la derecha de v, ya que su origen se toma en el
propio v.
Se llama lente monofocal a aquella cuya potencia óptica es única y uniforme
en toda la lente. Multifocal es aquella lente cuya potencia no es igual en toda
su superficie, pudiendo tener dos o mas zonas discretas de potencia uniforme,
o bien una zona de variación continua de la misma, generalmente entre dos
localizaciones concretas.
El punto más alejado que es capaz de enfocar el sistema ocular en reposo
se llama [Cas85] punto remoto, y el punto más cercano punto próximo, ambos
medidos con respecto al ojo. Para un ojo normal el punto remoto está en
el infinito y el punto próximo varía con la edad, en virtud de la pérdida de
facultades del cristalino. La expresión:
2.3. ACOMODACIÓN Y CONVERGENCIA
A=
J--J-
dpr dpp í2'2)
se llama amplitud de acomodación, siendo dpr la distancia del punto remoto
al ojo y dpp la distancia del punto próximo al ojo. Si dpr y dpp se expresan
en metros A queda expresada en dioptrías. Se toma como promedio [Cas85]
para el ojo normal de una persona adulta -250 mm. para la distancia de visión
próxima, a la que se denomina distancia mínima de visión distinta.
La consecuencia de la inevitable pérdida de flexibilidad del cristalino es la
reducción de la capacidad de enfoque del ojo y el subsiguiente alejamiento del
punto próximo. Por tanto, se experimenta una dificultad creciente, a partir de
alrededor de los 40 años, de enfocar los objetos a distancias próximas. Con
el tiempo, la lectura y los trabajos que requieren el uso de la visión de cerca,
resultan de difícil realización.
Este efecto, denominado pérdida de acomodación o presbicia, se puede
corregir mediante el uso, en visión de cerca, de una lente convergente monofocal
con la potencia necesaria para llevar el punto próximo a la distancia mínima de
visión distinta. Esta potencia se denomina adición. Con esta solución, el usuario
amétrope, necesitado de otra corrección en visión de lejos, requiere de dos pares
de gafas, unas para visión de cerca y otras para visión de lejos.
2.3 Acomodación y Convergencia

Denominaremos [Leg45] punto de fijación a aquel punto del espacio objeto cuya
imagen se forma sobre la fóvea; línea de visión o linea de fijación a la recta que
une el punto de fijación con el centro de rotación del ojo. Éste último es aquel
punto fijo con respecto a la cabeza del observador, respecto del cual todos los
movimientos del ojo se pueden considerar como rotaciones puras.
En visión binocular, la línea de visión de los ojos está determinada por la
siguiente ley [Leg45]:
• El punto de fijación es común a ambos ojos.
Sea M el punto de fijación (Véase la figura 2.1). Las dos líneas principales de
visión se cortan en él y, por lo tanto, la imagen de M se forma en el centro de
cada fóvea.
Sean Qt y Q2 los centros de rotación de ambos ojos. Se denomina línea de
base a la recta que une Q\ y Qz y distancia interpupilar P\P¿ a la distancia
entre los centros de las pupilas de entrada de cada uno de los dos ojos. Debido a
que la fóvea no está situada en el el eje óptico del ojo [Dukol], la b'nea de visión
CAPÍTULO 2. FUNDAMENTOS
eje óptico
eje óptico
Figura 2.1: Convergencia de la mirada
y el eje óptico forman un ángulo a . La línea de base y el punto M forman el

plano de visión. Supongamos que M se encuentra a una distancia MR de la
base y que R se encuentra en el punto medio de la misma. La convergencia se
define como el inverso de MR expresado en metros.La distancia interpupilar se
puede calcular como
PiP2 = Qi<?2 - 2PiQi sin(/3 - a)
donde ß es el ángulo de excursión que forma la línea de visión con MR. La
tangente de este ángulo es entonces
NPi PiPi
tan(/3) = (2.4)
M N 2MN 2MR - PI Qi cos(ß - a)
De esta forma podemos conocer la distancia interpupilar en función de la con-
vergencia expresada como -^.
La convergencia, con ser necesaria para que la imagen caiga sobre la fóvea,
no es suficiente para tener una visión nítida. Se requiere, además, que el cristali-
no haga un esfuerzo de acomodación que enfoque la imagen sobre la fóvea. Ello
supone la existencia de una relación acomodación-convergencia. El valor de la
acomodación se puede calcular como el inverso del segmento MH\, siendo H\
el punto principal objeto del ojo. Fácilmente vemos que
M Hi = MPi-HiPi = (2.5)
2sinß-HiPi
Sustituyendo H\P\ por su valor teórico (1.44 mm sin acomodación y 0.87 mm.
para una acomodaión de 7 D.) y dando valores a la acomodación podremos
encontrar que, para el ojo emétrope, así como para el amétrope corregido, la
relación acomodación convergencia vale aproximadamente 1, esto es, para el ojo
teórico, la acomodación es sensiblemente igual a la convergencia.
Para más información sobre el ojo véase el apéndice A.
2.4. LAS LENTES PROGRESIVAS
Figura 2.2: Lente Bifocal
2.4 Las Lentes Progresivas

El descubrimiento, en el siglo pasado [Leg45], de la relación existente entre la
acomodación y la convergencia de los ojos hacia el objeto de la visión permitió
el advenimiento de la lente bifocal (figura 2.2). Ésta consiste en una lente
monofocal que lleva incorporada una lentilla de índice de refracción superior,
delante de la posición que adoptan los ojos en visión cercana, dejando libre
toda la parte restante de la lente para la visión lejana. Ello permite cambiar la
potencia de la lente con solo converger la mirada hacia el objeto, eliminando así
la necesidad del cambio de gafas, que se produce cuando se tiene un monofocal
para visión de cerca y otro para la visión de lejos.
Sin embargo, el bifocal, ampliamente usado por la mayoría de la población
présbita, adolece principalmente de tres defectos:
1. Salto de imagen, que se manifiesta en la transición entre la lentilla y el
resto de la lente, al haber una discontinuidad en la potencia de la lente.
2. Distancias que no cubre la adición. Debido a que una lente convergente

aproxima el punto remoto, entre éste y el infinito, el ojo no podrá ver
nítidamente a través de la lentilla [Obs78].
EEL
Lejos H L -
oo dpp
L
Cerca
oo dpr O
Si la distancia dpr al punto remoto de la lentilla es menor que la distancia

dpp al punto próximo del ojo en visión de lejos, entre éste y aquel quedará
una zona en la que el usuario no será capaz de enfocar ni mirando por
fuera ni por dentro de la lentilla. - Recordemos que no hay visión nítida
más cerca del punto próximo ni más lejos del punto remoto -.
Este problema se soluciona parcialmente añadiendo una segunda lentilla

de adición intermedia, incrementando así en uno los saltos de imagen.
Este tipo de lente se denomina trifocal.
3. Imagen de vejez. El usuario es claramente identificable como présbita
debido a la lentilla que porta en sus gafas.
La superación del bifocal como lente de prescripción para la presbicia con-
stituye la lente progresiva. La idea es conceptualmente sencilla; se trata de
construir una o ambas superficies de la lente con arreglo a la relación aco-
modación-convergencia.
A diferencia del bifocal, esto se consigue mediante una formulación adecuada
de, habitualmente la superficie anterior de la lente. En ella los radios de curvatura
locales de cada punto de la lente se escogen de manera que la potencia resultante
sea, en cada punto de la misma, la necesaria para suplir la acomodación del
cristalino cuando la línea de visión atraviesa ese punto de la lente.
Como veremos, esto no es rigurosamente factible en todos los puntos de
la lente, si queremos evitar los efectos indeseables de las aberraciones ópticas
que inevitablemente se producen en este tipo de lente. Por ello se establece un
compromiso de diseño entre los requisitos ópticos ideales y la realidad de las
geometrías posibles.
2.5 Zonas principales

2.5.1 El meridiano principal
Se llama campo de visión a la porción que es visible de una esfera centrada en el
centro de rotación del ojo, de radio igual a la distancia al punto de fijación, con
2.5. ZONAS PRINCIPALES 11
Figura 2.3: Trayectoria del meridiano principal.
la cabeza inmóvil (véase [Leg45] [BZ46]). Dado que el ser humano es un animal
terrestre, existe una notable disimetría en cuanto a la utilización de la visión de
lejos y de la de cerca. La visión de lejos utiliza primordialmente el hemicampo
visual superior, mientras que el hemicampo inferior se utiliza primordialmente
en visión intermedia y próxima.
Esto supone que en la mitad superior de la superficie de la lente, usada
para visión de lejos, necesitamos una potencia estable igual a la prescripción de
lejos, que va aumentando progresivamente a medida que los ojos convergen y el
punto de fijación se acerca al observador. Una vez se ha conseguido la máxima
convergencia, la potencia ha de mantenerse en el valor de la adición. Puesto que
un paciente emétrope no necesita corrección en visión de lejos, en este caso la
potencia en la mitad superior será nula.
Denominaremos meridiano principa! al lugar geométrico de las intersec-
ciones sucesivas de la línea de visión con un plano imaginario situado en la
posición de uso de la lente (plano de la lente), cuando el ojo pasa de mirar
al infinito a mirar a un objeto situado a 30 cm. del individuo, en un plano
vertical ortogonal al anterior. La trayectoria del meridiano principal, de capital
importancia para las lentes progresivas, tiene la forma de la figura 2.3 adjunta,
en virtud de la convergencia de los ojos.
Podemos ver que los ojos, a la par que descienden, convergen en sentido
nasal. Los valores típicos para individuos normales indican que para un descenso
de 10 mm. a partir de la posición de reposo del ojo, la convergencia sobre el
plano de la lente es de 2.5 mm.
:tO—,
20—
10—
oo—
-400 -300 -200 -100 00 10 O 20 O 30 O 40 O

Figura 2.4: Variación de la potencia a lo largo del meridiano principal.
De lo dicho se desprende que, al menos a lo largo del meridiano principal,

deberemos proporcionar una sucesión continua de potencias de manera que el
ojo, en su posición normal de convergencia, atraviese una zona del meridiano
principal dotada de la potencia requerida por la acomodación correspondiente a
esa convergencia.
Igualmente nos interesa que el meridiano principal sea una zona de gran
calidad de imagen, lo que supone limitar al máximo las aberraciones. Por ello,
es una condición deseable que el meridiano principal esté constituido por puntos
umbilicales, esto es, por puntos en los que los dos radios de curvatura principales
de la superficie son iguales.
En la figura 2.4 podemos ver, en coordenadas cartesianas, una posible dis-
tribución de las potencias en función del espacio recorrido a lo largo del meri-
diano principal.
Sea p(s) esta función y /(*) la función que nos da el propio meridiano en
función de ». Sea r(«) el radio de curvatura de la curva en cada punto. Teniendo
en cuenta la conocida fórmula
J_ /"(*) (2.6)
K«) U*/'2«)3/2
en un punto dado pero r(«) = (n' — n)/p(«) por lo que
M /"(í) (2.7)
n-n
Figura 2.5: Estructura del haz emergente
Resolviendo la ecuación diferencial (típicamente mediante un método

numérico como Runge-Kutta), obtenemos los valores de f(s), que constituyen el
meridiano principal.
2.5.2 Teorema de Minkwitz

Dada una superficie asférica en el sentido más amplio del término (i.e. no
esférica), provista de al menos un plano de simetría, llamaremos línea de pro-
gresión (Scheitellinie) [Min63] a la intersección entre el plano de simetría y la
propia superfice. En el caso de una lente progresiva, la línea de progresión co-
incide con el meridiano principal. Nos proponemos estudiar el comportamiento
de la potencia y el astigmatismo en los alrededores del plano de simetría.
Consideremos un punto P sobre la superficie refractante S en el que incide
un frente de onda J^ cuyo haz principal, proviniente de un punto situado en
el infinito, es perpendicular a la superficie. En general [Cas85] después de la
refracción de un frente de onda incidente esférico, el frente emergente £' no
es esférico, lo que implica que posee dos radios de curvatura principales (ver
Figura 2.5). Es decir hallaremos dos imágenes extremas del punto emisor y
todas las intermedias, en vez de una.
Ello se traduce en que la imagen de un punto no es otro punto y tenemos
un cierto espacio entre ambas focales donde obtendremos diferentes imágenes
del punto. En el punto medio entre ambas encontramos el círculo de menor
confusión, que proporciona la imagen más nítida de entre todas las consideradas.
Idealmente habría que calcular todas las magnitudes desde el punto de vista
del trazado de rayos a través de la superficie, conociendo la aberración de onda,
esto es, lo que se deforma el frente de onda una vez refractado. Ello, sin
embargo, es notablemente costoso en tiempo de cálculo, por lo que se impone
una simplificación.
La simplificación que se hace a la hora de evaluar las lentes progresivas
consiste en trabajar con las curvaturas, no del frente de onda en cada punto, sino
de la propia superficie. Esto, que en principio no es evidente, queda refrendado
por el hecho de que los resultados de realizar una medición de las magnitudes
superficiales y de las ópticas en una lente progresiva son comparables cualita-
tiva y cuantitavamente dentro de las tolerancias de los instrumentos empleados
(menores de 0.1 D.).
Para ello consideremos lo siguiente. Sea « la línea de curvatura correspon-
diente a la sección meridiana (también llamada tangencial) y i; la correspondien-
te a su perpendicular, que llamaremos sección sagital. Los centros de curvatura
correspondientes a los radios de curvatura principales se denominan foco tan-
gencial y foco sagital, en razón a la línea de curvatura a la que pertenezcan.
Denominaremos ri y ra a los radios de curvatura tangencial y sagital respecti-
vamente y ki y fez a sus inversos (las curvaturas).
Sea /( la focal sagital y f% la focal tangencial. Sus poderes refractores serán
Para una superficie que separa medios de índices n y n' la potencias son [Cas85]
| = —= (2.9)
Denominaremos potencia media al promedio de las dos potencias antedichas
que, como vemos, no es más que la curvatura media afectada del índice de
refracción. Denominaremos astigmatismo superficial a la diferencia
As = \D{-D'2\ = \n-n'\\kl-k2\ (2.11)
Esta magnitud da cuenta de en que medida la imagen de un punto es otro punto,
condición indispensable, dentro de la tolerancia del ojo humano, para ver con
nitidez.
Para una superficie que separa medios de índices diferentes, sólo cuando
Jfei = fe, el astigmatismo AS es nulo y por tanto la imagen as absolutamente
nítida a través del punto P. En estas circunstancias tenemos un punto umbilical

en la superficie. Hay que reseñar no obstante que el ojo humano soporta, en
promedio, astigmatismos de hasta 0,25 D. sin ninguna incomodidad.
Por otra parte, una esfera esta constituida íntegramente por puntos umbilicales
y, sin embargo, no produce imágenes libres de astigmatismo óptico, aunque éste,
en general no sea grande. La simplificación a que aludíamos antes, es tanto
mejor cuanto más se aparta la superficie de una esfera. Es obvio que cuanto más
astigmática sea la superficie tanto más astigmatismo tendrá el frente de onda que
la atraviesa.
En estas condiciones [Min63] podemos enunciar el siguiente
Teorema 2.1 (Minkwitz) En una superficie simétrica refractante S, cuya línea

de progresión sea compuesta por puntos umbilicales se cumple:
í-.±o 8$ ' '

esto es, el gradiente de astigmatismo en dirección perpendicular a la línea de
progresión es el doble del gradiente de potencia media a lo largo de la misma.
Supongamos que la línea de progresión es una linea de puntos umbilicales.

Es fácil ver que en dirección perpendicular a la misma sólo pueden existir
puntos de este tipo si la superficie es una esfera, cuyos puntos se caracterizan
precisamente por ser todos umbilicales. Estudiemos el astigmatismo a lo largo
de una sección perpendicular a la línea de progresión.
Expresemos la línea de progresión
x = x(í) (2.13)
en función de la longitud de arco *. Sea el vector tangente t , la normal principal

n y la binormal b = t x n. Podemos representar la superficie (Figura 2.6) que
contiene a la línea de progresión como
F(«,0 = x« + ¿b + 7X*,£2)rj« , [ij(i,0) = 0] (2.14)
Dado k = fc(s), siendo una curva plana, según las fórmulas de Frenet-Serret (ver
p.ej. [Pog87])
i = *(«)n y u = -*(í)t (2.15)
Puesto que la línea de progresión ha de ser umbilical podemos desarrollar
Î4 + ... (2.16)
Figura 2.6: Representación de la Superficie
Dado que
- K\ (2.17)
y desarrollando teniendo en cuenta las 2.15
H(',& = -* + [ * 3 - k - (2.18)
K(et Í) = k2 + [1*£ -k2- |*4 + 12o4fc]£2 + . . . (2.19)

de donde
(2.20)
y recordando 2.17
(2.21)
{-.±0
Si multiplicamos 2.21 por |n' — n|
lim = ±2|n'-n||¿|
i ii i (2.22)
y podemos escribir el contenido de la proposición

lim ~"JQ7W = ±2| (2.23)
í-.±o 0£ '
que podemos expresar finalmente como
¿s«2|l)m(«)||É| (2.24)
El teorema de Minkwitz es de gran importancia en el diseño de lentes progresi-
vas, puesto que relaciona el gradiente de potencia en el meridiano principal con
el gradiente de astigmatismo en dirección ortogonal al mismo. Ello se traduce
en la aparición en la zona de progresión de un pasillo Ubre de astigmatismo,
rodeado por zonas de astigmatismo creciente.
La anchura del pasillo, entendida como la de la zona por debajo de un cierto
nivel de astigmatismo, es tanto menor cuanto mayor es el gradiente de potencia.
Esto reduce el campo de visión cuando se esta mirando a distancias intermedias.
Una consecuencia evidente de esta proposición es que resulta imposible con-
struir una lente progresiva totalmente libre de aberraciones fuera del meridiano
principal.
2.5.3 Zonas marginales

En las zonas colindantes con la de progresión se producen, debido al teorema de
Minkwitz, distribuciones importantes de aberraciones, principalmente astigma-
tismo y error en potencia. Denominaremos zonas marginales (fig. 2.7) a aquellas
en que el astigmatismo supere un umbral que representa el valor máximo tole-
rable por el ser humano.
El valor de este umbral varía con el individuo. Por ello Maitenaz [Mai74]
adopta 0.3 D. para este valor mientras que Davis [Dav78] lo toma como 0.5
D. y Shinohara y Okazaki [SO85] aceptan hasta 1 D. (ver [SF88]). Nosotros
utilizaremos 0.5 D. como el valor más probable, ya que es el estándar defacto
en la representación de curvas isoastigmáticas entre diversos fabricantes y, por
lo tanto, establece una buena referencia de delimitación de la zona marginal.
Debido a que el teorema de Minkwitz establece su validez en función de
un límite cuando la distancia al meridiano principal tiende a O, a suficiente
distancia encontramos cantidades importantes de astigmatismo cuya cuantía y
distribución ya no dependen exclusivamente de los gradientes en el meridiano
principal, sino que están en función del área sobre la que se distribuyen estas
aberraciones. Cuanto menor es el área de distribución tanto mayor es la magnitud
de la aberración.
2.5.4 Zona de visión lejana

Se denomina zona de visión lejana (fig 2.7) a aquella zona, generalmente situada
en la mitad superior de la lente, cuya potencia corresponde con la prescripción
Figura 2.7: Zonas del progresivo.
para lejos del paciente y cuyo valor máximo de error en astigmatismo está por
debajo del valor umbral (±0.5£>).
Esta zona puede ser esférica o asférica. Los diseños más recientes suelen ser
asféricos, en razón de que ello les permite utilizar superficies de mayor radio de
curvatura, más planas y más estéticas, sin comprometer las cualidades ópticas
(ver [SA83] y [Atc84]), aunque son de mayor complejidad de realización.
La extensión de la misma varía sensiblemente de unos diseños a otros. Es-
tudios recientes [Har88] establecen ±40° en ángulo visual como una amplitud
necesaria para el confort, con ±15° para la zona de progresión y ±20° para la
zona de cerca.
2.5.5 Zona de visión cercana

La zona de visión cercana o zona de cerca admite la misma definición que
la de visión lejana salvo porque en ésta la potencia es sensiblemente la de la
adición y porque suele ocupar un área en la mitad inferior de la lente. Se puede
decir lo mismo acerca de su asfericidad. Su amplitud es variable según los
diseños y suele obedecer al compromiso que establece el diseñador entre ésta y
la extensión de las zonas marginales.
La potencia de la adición puede ser estable o bien puede aumentar aún, en
función de la profundidad de campo que se quiera proporcionar al diseño y de
la capacidad de acomodación residual del paciente.
Capítulo 3
Estado del Arte
3.1 Antecedentes históricos

La primera patente [SF88] de una lente progresiva fue concedida a Aves [Ave07]
en 1907. Constaba (ver figura 3.1) de una superficie anterior cilindrica cuya
potencia aumentaba continuamente de A hasta B, y una superficie posterior que
era una porción de cono orientada verticalmente, con la punta del cono hacia
arriba. La lente resultante era biconvexa, sólo tenía utilidad para los présbitas
hipermétropes y fue de un uso muy limitado.
En 1914, Gowlland [Gowl4] propone un progresivo combinando una super-
ficie anterior toroidal y una superfice posterior paraboloidal. Según [SF88] esta
fue, años más tarde en 1928, la primera lente progresiva comercializada. Al
estar constituida por superficies de revolución resultaba relativamente sencilla
de fabricar.
Poullain y Cornet [PC20] patentaron en 1920 una lente progresiva con una
sola superficie, dotada de una línea umbilical. Bennet [Benol] acuñó para esta
superficie el término "Trompa de elefante" por su forma característica. Esta lente
era simétrica y la potencia no se estabilizaba en ningún momento. Por tanto, en
toda su extensión presentaba una astigmatismo concordante con el teorema de
Minkwitz.
La mejora respecto del de Aves consista en que, al ser una sola superficie
la progresiva, en la otra se podía tallar la esfera requerida por la prescripción
del paciente, incluyendo un cilindro si fuese necesario. Así se podían beneficiar
miopes, hipermétropes y astígmatas. Su realización, no obstante, era muy difícil
para la época.
19
20 CAPÍTULO 3. ESTADO DEL ARTE
Figura 3.1: El progresivo de Aves.
Figura 3.2: El progresivo de Poullain-Cornet.

3.2. DESARROLLOS RECENTES 21
Entre 1907 y 1953, en que B. Maitenaz patentó su primer progresivo, aún

en estudio, se sucedieron las patentes y experimentos en este campo. Ninguna
de ellas devino en una lente comercial con éxito. Los artículos de Bennet
[Ben61] contienen amplia información sobre este periodo, que omitiremos para
no extendernos en exceso. [SF88] es también una fuente histórica de interés.
Los trabajos de Bernard Maitenaz ([Cre53], [Mai62], [Mai66]) en la década
de los 50 sentaron las bases del primer progresivo que tendría éxito comercial,
bajo el nombre de "Varilux".
La superficie progresiva se presentaba en la cara anterior de la lente y, a
diferencia de sus predecesores, constaba de tres zonas bien diferenciadas. Una
zona de lejos y una zona de cerca totalmente esféricas y de gran amplitud, y
una tercera zona de transición con un corredor umbilical, cada una de cuyas
secciones ortogonales era un arco de circunferencia de radio igual al de la línea
de progresión en el punto de intersección de ambas. La zona de visión lejana
era en esta lente sensiblemente la mayor de las tres.
La disposición geométrica de la lente y su formulación matemática producían
en esta lente zonas de visión estable y nítida en lejos y cerca pero a costa de un
pasillo estrecho y con grandes magnitudes de aberraciones ópticas en sus zonas
marginales.
3.2 Desarrollos recientes

El intento de resolver los problemas de que adolecía Varilux condujo a la
aparición de una segunda generación de lentes progresivas, comprometida prin-
cipalmente en la reducción de las magnitudes y gradientes de astigmatismo y
distorsión en las áreas marginales de la lente. Ello se conseguía mediante la
distribución de las aberraciones sobre zonas más amplias de la lente, esto es,
limitando las zonas de lejos y de cerca al introducir en ellas cantidades contro-
ladas de aberraciones.
3.2.1 Visión estática vs. visión dinámica

Maitenaz [SF88] introduce en 1972 el concepto de visión estática y visión
dinámica. La visión dinámica ocurriría cuando el objeto al que se mira se
mueve en relación a la lente progresiva, atravesando porciones de diferente au-
mento de la lente y produciendo una sensación de ondulación en el usuario.
Por contra, la visión estática se produce cuando se mira un objeto sin alterar su
posición relativa respecto de la lente.
/ \
fóvea punto ciego
Figura 3.3: Distribución de conos y bastones en la retina.
Resultaba entonces que el primer diseño de Maitenaz favorecía la visión

estática, con sus grandes zonas esféricas, en detrimento de la visión dinámica,
muy empobrecida en las zonas marginales.
En realidad éstos no son conceptos nuevos. La visión foveal utiliza la in-

formación que proporcionan los aproximadamente 34.000 conos [Leg46] que
se distribuyen en un círculo de 250/i de radio. La visión foveal subtiende un
ángulo de 1°40'. La concentración de conos en la fóvea es la más alta de
la retina [Cas85] y disminuye rápidamente hacia su periferia. Igualmente (ver
figura 3.3) los bastones, ausentes por completo en la fóvea, crecen en número
a partir de ella para alcanzar un máximo de lóO.OOOmm"1 a unos 6mm. de la
misma, disminuyendo hasta unos SO.OOOmm"1 en el borde de la retina [Cas85].
La visión foveal suministra información de gran calidad, pero en un campo

restringido. Podemos relacionar fácilmente ésta con la visión estática.
La visión periférica, fuera de la fóvea abarca todo el campo de visión y,

si bien no proporciona imagen nítida del objeto al que miramos, suministra
información del entorno y de nuestra posición respecto a él, con lo que sería
importante en visión dinámica.
3.2. DESARROLLOS RECENTES 23
3.2.2 La segunda generación

La siguiente realización de Bernard Maitenaz consistió en añadir un grado más
de libertad a la formulación de su superficie. Esto se consiguió convirtiendo
las secciones ortogonales al meridiano principal en secciones cónicas en vez de
circulares. La excentricidad variaba continuamente desde la zona de lejos a la
de cerca.
Para una misma línea de progresión, distintas formulaciones de la evolución
de la excentricidad producían distintas distribuciones de aberraciones. La op-
timización de este parámetro extra mejoró notablemente el comportamiento de
este tipo de lente que se denominó comercialmente "Varilux II".
A raíz del éxito comercial de Varilux, otras empresas desarrollaron sus pro-
pios diseños de lente progresiva diferenciándose básicamente por su formulación
de la superficie y por la forma de entender el equilibrio entre visión dinámica y
estática.
De este modo aparecen progresivos para visión foveal con amplias zonas
de cerca y de lejos, concentrando altos valores de aberraciones en las zonas
marginales. Davis [DavSl] patenta en 1981 una lente con zonas marginales muy
restringidas. En las zonas de lejos y de cerca las características ópticas son acep-
tables. Sin embargo la concentración de aberraciones en las zonas marginales,
particularmente la distorsión (figura 3.4), se elevan a valores muy altos, inacep-
tables [SF88] para una buena percepción visual. La formulación matemática
se basa en consideraciones geométricas e involucra funciones sinusoidales y
cosinusoidales.
3.2.3 El progresivo de Kitchen y Rupp

Kitchen y Rupp [KR81] patentan el mismo año otra lente de similares carac-
terísticas pero de mayor suavidad en la transición de la zona de cerca a las
marginales. Su formulación matemática describe la superficie como una función
.tf)= Zmo(*) + - = T vV(*) + B(x)f - p(x) - -C(*)yW(*) (3.1)
donde zmo(x) es la función que define la geometría del meridiano principal.

B(x) es la función de evolución de la excentricidad de la sección cónica de la
función, cambia continuamente ésta de modo que al principio del corredor es un
círculo, pasa por diversas formas elípticas y termina de nuevo en excentricidad
O en la mitad de la zona de cerca. p(x) es la componente sobre el plano y-z
Figura 3.4: Progresivo de Davenport. Esquema de la distribución de zonas libres

de aberraciones (izquierda) e imagen de una malla de cuadrados vista a través
de la lente, mostrando la distorsión causada (derecha). (Dibujo tomado de la
patente)
del radio de curvatura local Am(z) de la línea umbilical zmo(x), C(z) es un

parámetro que suprime la contribución del término ^)C(x~)yn(x) en la "parte
central de la curva", n(z) es el parámetro que permite enlazar con regularidad
zm(z, y) con zn(x, y), hallándose su valor mediante la resolución de
dzn(x,y)
(3.3)
dy dy
o(z) = (3.4)
Este tipo de progresivos son más adecuados a usuarios tolerantes a anomalías

severas en la visión periférica. Por ello su éxito comercial ha sido relativo y
la población potencial de usuarios es comparativamente menor que la de los
posibles portadores de progresivos multipropósito, en los que el compromiso
entre visión periférica y visión foveal es más equilibrado.
Entre estos últimos se cuenta, claramente Varilux II, pero hay una gran can-
tidad de patentes dentro de este campo. Sin embargo el número de fabricantes es
mucho menor que el de patentes y, en éstas, es rara la que no se pierde en gene-
ralidades evitando revelar detalles clave para la comprensión de su realización.
3.2. DESARROLLOS RECIENTES 25
Por ello mencionaremos aquí solamente aquellas que aportan información veri-
ficable o bien las que han dado lugar a productos que hemos podido medir en
el laboratorio.
3.2.4 El progresivo de Guilino y Barth

Destaca por su claridad la patente de Guilino y Barth [Rod79] para Rodenstock,
en la que explican detalladamente el concepto de la lente que se comercializó con
el nombre de "Progressiv R". La superficie de esta lente se describe mediante
funciones periódicas, que, en coordenadas cilindricas (y, g, (p) se expresan
oo
e(f, y) = $3 an(y)cos[nk(y)<f] (3.6)
n=0
donde g(0, y) = /(y) es el meridiano principal umbilical y On(y) = 0 para n > 2

valiendo
oo(y) =
(3.7)
k(y) es una función que modula la longitud de onda y tiene la siguiente forma
[Rod79]
cuando y está expresada en cm., /(y) se calcula resolviendo la fórmula 2.6

usando como valor de la progresión de la potencia en el meridiano la siguiente
ecuación
D =A ^—55 (3.9)
1 + e-«(y+<0
donde D es la potencia, A es la adición (ambas en dioptrías) y c y d son dos
parámetros que se hallan tabulados en la patente .
3.2.5 El progresivo de Fürter y Labres

Fürter y Lahres [FL81], [FL86], a la sazón trabajando para Zeiss, producen varias
patentes entre 1980 y 1986 en las que exponen variantes de lentes progresivas,
que se aceptan como las de una familia de lentes cuyo primogénito ha sido
comercializada como "Gradal HS". Las patentes son notablemente vagas y es
difícil asegurar que definan en realidad este producto. De entre todas las lentes
que hemos podido medir, ésta destaca por el bajo nivel de astigmatismo máximo
en las zonas marginales, que no es superado por ningún otro progresivo que
na 10° 20°
30°
60°
70°
100
Figura 3.5: Progresivo de Winthrop. Distribuye la potencia por analogía con

el principio de Dirichlet. Cada curva representa un mismo nivel de temperatura
en una placa de cobre de igual diámetro que la lente a diseñar. La potencia se
distribuye de manera análoga.
distribuya las aberraciones en una área comparable. Según [Fur85] Gradal HS

posee una superficie diseñada mediante Splines, sin embargo en las patentes no
se hace mención explícita a ninguna formulación, ni se menciona qué tipo de
Splines se utilizan.
3.2.6 El progresivo de Winthrop

En 1985 Winthrop [Win85] patenta una lente cuya distribución de potencias
se rige por el principio de Dirichlet. Para ello establece una similitud entre la
distribución de temperaturas en un disco de cobre del diámetro de la lente, con
dos puntos, coincidentes con el centro de visión de lejos y de cerca, sometidos
a una diferencia de temperaturas de 100 grados. Winthrop posiciona las líneas
de igual potencia análogamente a las isotermas.
Esta disposición efectivamente produce una distribución muy suave de aber-
raciones con valores absolutos muy por debajo de los de sus competidores. Sin
embargo, estas aberraciones se halla distribuidas por virtualmente toda la lente,
dejando unas zonas "limpias" de astigmatismo muy exiguas. Esta lente está en el
otro extremo del espectro: es apropiada para individuos con visión predominante
periférica, a los que no incomoda tener baja calidad en visión foveal.
Capítulo 4
El Diseño de la Superficie
4.1 Introducción
Las cualidades ópticas de la superficie a diseñar imponen ciertas restricciones al
formalismo matemático que la haya de representar. Concretamente:
1. Hay que evitar saltos de imagen. Estos son producidos por discon-
tinuidades en la potencia de la lente que, como vimos, está relacionada
con la curvatura local de la superficie. Así, pues, habremos de imponer
continuidad en las curvaturas y, por ende, en las segundas derivadas de
la superficie con las cuales se calculan las formas fundamentales que nos
proporcionan las curvaturas y ejes principales.
Esto impone que la superficie habrá de ser como mínimo de clase C2.
2. Suavidad. Una superficie ondulada, con cambios de potencia notables
entre puntos cercanos es muy molesta, puesto que obliga al ojo a acomodar
continuamente al pasar de un punto a otro. Ello, pues, desaconseja la
utilización de formulaciones que sean susceptibles de producir oscilaciones
indeseadas en la superficie a diseñar.
4.1.1 Interpolación
Para elegir un formalismo de superficie adecuado a nuestras necesidades, vale
la pena pasar brevemente revista a las posibilidades existentes. Por mor de la
claridad veremos primeramente los esquemas de interpolación para curvas y,
después, su extensión a superficies. Seguiremos, en cuanto a estructura, las
líneas maestras del excelente survey sobre curvas y superficies de Böhm, Farin
y Kahmann [BFK84].
27
28 CAPÍTULO 4. EL DISEÑO DE LA SUPERFICIE
El problema es el siguiente : dados n + 1 puntos po(«)>Pi(t*), ...,p„(u)

encontrar una curva que los interpole.
Una idea central del diseño asistido por ordenador es la subdivisión de curvas
y/o superficies en trozos más pequeños, susceptibles de ser tratados individual-
mente, pero que enlazan unos con otros para formar un todo coherente.
U, U; U U, U« O t 1
Figura 4.1: Curva y vector de nodos.
Sea una curva \(u) interpretada como la imagen de una parte del eje tt (su
dominio) mediante una transformación en 2D ó 3D. Una segmentación [BFK84]
de una curva en trozos (patches) corresponde a una partición de su dominio
mediante nodos tto < u\ < ... < un, el conjunto de los cuales denominamos
vector de nodos U{iío...«n} (ver figura 4.1). Es usual la introducción de un
parámetro local t que en el intervalo [tij.uj+i] permite escribir [BFK84]
i (4.1)
de forma que este segmento es la imagen del intervalo [0, 1] del eje L
4.1.2 Forma polinómica:

Podemos representar una curva mediante un polinomio de grado n de la forma
x(w) = ao + aií + ... + anín (4.2)
Para determinar los coeficientes a¡ necesitamos n + 1 puntos.

Propiedades:
• La evaluación de este tipo de interpolación es directa y computacional-
mente eficiente. No obstante,
• los coeficientes a^ carecen de interpretación geométrica .
4.1. INTRODUCCIÓN 29
• El principal problema de este tipo de interpolación [dB78] es que si la

función no es bien comportada en algún lugar del intervalo, la aproxi-
mación es pobre en todas partes. Esta dependencia global en propiedades
locales se puede evitar segmentando el dominio.
• Igualmente un espaciado uniforme de los datos puede tener efectos nega-
tivos, que se subsanan si podemos escoger los puntos distribuidos como
puntos de Chebyshev (véase [dB78]).
4.1.3 Forma de Lagrange

Podemos expresar la curva x(tt) de la forma
donde L? son los polinomios de Lagrange. Éstos se construyen de la si-

guiente forma:
donde
T7?-i («-«,-)
p«(u) = ütli -ÍL (4.5)
U-Ui
y la interpretación de los mismos es la siguiente:
siendo 6 la delta de Kronecker.

Propiedades:
• p¿ tienen interpretación geométrica, ya que son los propios puntos a inter-
polar.
• 53¿ •£"(«) = 1» esto es> constiyen una partición de la unidad.

• Como contrapartida, es fácil producir oscilaciones con polinomios de
grado elevado [dB78]
Podemos ver esta última propiedad en la figura 4.2. Los asteriscos son los
puntos a interpolar. Se aprecia claramente las oscilaciones, que para este caso
son máximas en los puntos extremos. La interpolación en este caso presenta
oscilaciones muy violentas que hacen al método inválido para esta distribución
de puntos.
Figura 4.2: Oscilaciones con polinomios de Lagrange
4.1.4 Polinomios de Bernstein

Las dificultades antes mencionadas para las formulaciones de Lagrange y
polinómica elemental se pueden evitar mediante el uso de los denominados
polinomios de Bernstein, cuya forma es la siguiente
x(t») = f (í)
más abreviadamente
(4.7)
«=o
que se pueden calcular, para grado n como
*f (*) = ( * ) G - í>"~<íí' * = O, l,.... n (4.8)
bo, b i,..., b„ son los llamados puntos de Bézier. Estos puntos no son puntos
por los que pasa la curva sino que, modificando su posición, se controla la forma
que ofrece la misma.
Propiedades:
2. BJXí) > O para í € [0, 1]

3. A?«) = (1 - i)B?-l(t)
4. Bíl(í) = 0 para t < O, ¿> n
5. Ningún plano tiene más intersecciones con el polígono de control que con
la propia curva. Propiedad conocida como variation diminishing property
que podemos traducir por variación disminuida, haciendo referencia a que,
en virtud de esta propiedad la curva nunca oscila violentamente fuera de
los puntos de control que la definen. [NR83]
La propiedad 1 indica que los polinomios de Bernstein son una partición de
la unidad, lo que implica que la relación entre la curva y sus puntos de Bézier
es invariante bajo transformación afín.
Según 3, los polinomios se pueden calcular recursivamente. (Ver algoritmo
de deCasteljau en [BFK84]), y, finalmente, 4 nos indica que los polinomios de
Bernstein son nulos fuera del dominio.
32 . CAPÍTULO 4. EL DISEÑO DE LA SUPERFICIE
badu4 bj,
u, u,
Figura 4.3: Curva de Bézier (de [BFK84])

4.1.5 B-Splines
La interpolación mediante el esquema de Bézier tiene una característica impor-
tante consistente en que la modificación de un punto de Bézier influye en toda
la extensión a la curva interpolada. A esta propiedad se denomina comúnmente
control global.
Muchas situaciones aconsejan, sin embargo que la modificación de los pará-
metros de control de la curva tenga control local, esto es que su cambio afecte
sólo a un entorno limitado alrededor del mismo.
Dentro de esta categoría se incluyen los B-Splines, que podemos representar
como
iJVT(ti) (4.9)
donde d¡ son los puntos de control o de de Boor y N?(u) son B-Splines

normalizados, definidos en el vector de nodos U{tio,...,t*„} con ... < tío <
«i < 1*2 < • • •
Propiedades:
3. N?(u) = O si u
4. N?(u) es (n - 1) veces continuamente diferenciable
JVf(t») = («-«,•);
donde Nf(u) = { ¿' si « [ ^ [j'^jj'
6. B-Splines también tiene la propiedad de variación disminuida.
Las bases de los B-Splines constituyen una partición de la unidad cuyo

significado en cuanto a invariancia bajo transformaciones afines es análogo al
caso de Bézier. Igualmente son definidas positivas, esto es, el segmento de curva
para tt e [«¿,«,-+1] está dentro del convex hull de los puntos b¡.
El apartado 3 hace referencia al control local. Puesto que la base de poli-
nomios N?(u) es nula fuera del intervalo [i*i,u,-+n+i] , la influencia del punto
d¡ abarcará solo desde i hasta ¿ + n + 1, esto es solo alcanza a n + 1 intervalos,
siendo n el grado de los polinomios de la base.
34
CAPÍTULO 4. EL DISEÑO DE LA SUPERFICIE
a :
I/.3 2/3
Figura 4.4: (a) Base B-Spline cuadrático con vector de nodos {O, 0,0,1/3,2/3
1, 1, 1} (b) Base B-Spline cúbico sobre {O, O, O, O, 1/4, 1/2, 3/4/1,' 1, 1 i}'
(c) Polinomios de Bernstein cúbicos sobre {O, O, O, O, l, l, l,' l} ([PT87] )'
U,-U,-Uj U. u,-u,-u,0
A, u,
Figura 4.5: Curva B-Spline y ptos. de Bézier (de [BFK84]).
Los B-Splínes se pueden calcular también recursivamente, según el apartado

5. Si coinciden k nodos u¡ = ... = «,•+*_! la curva resulta solo Cn~k
continuamente diferenciable en u¡, lo que implica que cabe asegurar en todo
momento que k < n + 1 para que la fórmula de recursion siga siendo válida.
Se puede ver [BFK84] que, escogiendo adecuadamente los puntos de deBoor,
se puede interpolar con B-Splines una curva de Bézier, lo que implica que éstas
son un caso particular de aquellas.
4.1.6 Curvas Racionales

Es usual la utilización de coordenadas homogéneas para representar puntos en
el espacio tridimensional en términos de puntos en el espacio tetradimensional
[FvD78] [RA76] [NR83]. Cualquier punto no infinito del espacio 4D se puede
representar mediante la tetrada (ßz,ßy,ßz,ß) siendo ß > 0.
Un punto cartesiano representado por la tríada (z, y, z) se puede representar
como un punto en 4D con ß normalizado a 1, esto es, por (x,y,z, 1). Esto se
puede interpretar [PT87] como la aplicación de una proyección perspectiva de

la forma
( (ßx/ß,ßy/ß,ßz/ß) si/3 i O
H{(ßx,ßy,ßz,ß)}={ Punto en
p
( el infinito ~
Siguiendo a [PT87] denotaremos los puntos en el espacio 4D como Pß y,

por tanto, P = H{Pß}
Una curva racional, en términos de Polinomios de una cierta base, es la
proyección sobre el espacio 3D de una curva no racional en 4D. En función de,
por ejemplo, polinomios de Bernstein se expresa de la forma siguiente:
ß(t)
que podemos escribir como
donde ßt es el peso correspondiente al punto de Bézier b¡ , í e [0, 1] y

B?(t) son los polinomios de Bernstein de grado n.
Podemos reescribir [PieST] la ecuación anterior de la forma
n
xítO-ÂMftt) (4.11)
í=o
en la que B?(i) son las funciones de la base racional
Propiedades de la curvas de Bézier racionales :

Son válidas todas las propiedades ya vistas de las curvas no-racionales
[Pie87] , añadiendo:
• Proporcionan mayor número de grados de libertad, debido a la adición de

los pesos, admitiendo un dominio mayor de representación de superficies
• Son generalizaciones apropiadas de las curvas de Bézier y, por lo tanto,
los interpolan. Para ello basta ver que si Vb¡ hacemos $ = 1 entonces
• Las curvas de Bézier tienen la importante propiedad de interpolar exac-

tamente [Pie87] segmentos de cónica mediante la elección de pesos ade-
cuada. De esta manera, se puede interpolar un círculo o una elipse usando
varios trozos de Bézier. Esto se puede apreciar en la figura 4.6,escogiendo
adecuadamente el parámetro « se puede elegir la cónica interpolada.
Figura 4.6: Interpolación de cónicas mediante Bézier racional (de [Pie87]).
La interpretación del impacto que tiene cambiar el valor del peso en un punto
de Bézier dado es eminentemente geométrica.
1. Dado que
lim B? (t) = l
0Í-.+00
y que
lim ¿?(í) = O con j i i

J
/3¡—»+00
vemos que a medida que aumentamos el peso i hacia +infinito la curva

tiende a acercarse al punto de Bézier b¡.
2. Por otra parte B?(ß{ = 0) = O , en particular [Pie87], si ß\ = ßi = •.. =

ßn = O, el grafo de la curva es una recta que une bo con b„.
4.1.7 B-Splines racionales

Los mismos conceptos anteriormente expresados, aplicados a las bases de los
B-Splines nos permiten escribir
El conjunto de puntos de control en 4D
PÍ = (ßi*i,ßiyi,ßiZi,ßi) para ¿ = O, . . . , n
define una curva no-racional en 4D, cuya proyección en 3D se llama B-Spline

racional.
x(tt) = H{x"(n)} = HÍ^Nf («)Pf } =
donde
Rf(«) =
que son las bases de los B-Splines racionales, también conocidos como
NURBS (Non Uniform Rational B-Splines).
Propiedades de los NURBS
1.
2.
3. Rf(w) = O si w 0 fa,«i+jn-i] lo que conduce al control local, al igual que
en el caso de los B-Splines no racionales.
4. En un nodo Rf (u) es p - k veces diferenciable siendo k la multiplicidad
del nodo.
5. Rf(w) = N?(w) si ßi = 1, V» Así pues, NURBS es una generalización
apropiada de B-Splines, a los que interpola cuando todos los pesos son 1,
e igualmente de Bézier.
4.2. SUPERFICIES POR PRODUCTO TENSORIAL 39
6. Excepto en el caso en que p = O, Rf (u) tiene exactamente un máximo.

7. Son prayecñvamente invariantes, es decir para aplicar una transformación
proyectiva a los puntos de la curva basta con aplicarla sobre los puntos de
control.
8. Ningún plano tiene más intersecciones con el polígono de control que con
la propia curva. Propiedad de variación disminuida.
9. Los NURBS son capaces de interpolar exactamente cónicas [PT87], me-
diante una elección adecuada de los pesos.
Como vemos se mantienen las propiedades de no negatividad, control local
y variación disminuida, entre otras. Respecto a las propiedades de los pesos
cabe decir lo siguiente:
• El significado geométrico de variar los valores de los pesos es totalmente
análogo al caso de Bézier. En la figura 4.7 podemos apreciar las varia-
ciones de la curva según las del peso. Concretamente para u>¿ = 1 obte-
nemos exactamente los B-Splines no racionales, como ya hemos visto.
• ßi afecta a la curva localmente, concretamente, si ßj está fijado para todo
j ^ i, entonces x(tí) solo cambia para u e [MÍ,
4.2 Superficies por producto tensorial

Sea una curva
i -O
expresada en términos de unas bases Fj.
Si permitimos que cada ct- trace a su vez en el espacio una curva c,-(t>)
expresada en los mismos términos
(4.15)
la superficie resultante \(u, v) se llama superficie producto tensoriah
(4.16)
¿-o k=o
Como ejemplos inmediatos podemos considerar las superficies producto ten-
sorial de la forma monomial y la de Lagrange
00 «,=l
Figura 4.7: B-Splines racionales con distintos valores de (ay a') w\ ,(b) w2 y
(b')tU3. (de [PT87]).
• Forma monomial
«=0 M
Aquí Ui es una v-Iínea de parámetro « constante.

Forma de Lagrange
<«, v) = £ E PI,*¿"(«woo
«=0
£"(«) y ¿j*(f) son los polinomios de Lagrange correspondientes.

• Trozos de Bézier
x(«, * ) = E E "»í,**?«*?«
«=0 *=0
(4
donde r y « son los parámetros locales, de forma que, para « e [uj,
y t; € [t>k, ffc+:] tenemos (ver ecuación 4.1)
» - M, (4.20)
V = Vk(l - « )
En pro de la brevedad, y dado su relativo interés para nuestro trabajo no

profundizaremos más sobre las superficies de Bézier. Más información se
puede hallar en [BFK84], [Far90]
4.2.1 Superficies de B-Splines

La superficie producto de las bases N™(v) y JV""(t)), para unos nodos dados «i,
vk representada por
<-o *•«
es una representación única de la superficie, que llamaremos B-spline, en la
cual los puntos d,-^ son los llamados de de Boor o de control.
Propiedades (ver [BFK84], [PT87J):
JVfí«) > O
* N™M > O
• LIU E£o JVrOW«) = 1, V(u, tO 6 [0, 1] x [0, 1]

• Las w-lineas (de v constante) son curvas B-Spline de grado m con nodos:
N? (u) = O si u g [u<,
• El trozo a e [ttj|tt;+i]|V € [vj,«z+i] solo es influido por los puntos de

de Boor d 7 -_ nií _ m ..... d¿i ; esto es, tenemos control local también para
superficies B-Spline
• Proyectívamente invariante, es decir, la aplicación de una transformación
proyectiva a los puntos de control produce una superficie que se relaciona
con la anterior, mediante la misma transformación proyectiva.
• Análogamente al caso de curvas, las superficies B-Spline son una genera-
lización apropiada de las superficies de Bézier.
4.2.2 B-Splines racionales

El B-Spline racional (en 3D) se define, al igual que en casos anteriores, como
la proyección en 3D de un B-Spline no racional en 4D.
x(u, t,) = H{*P(u, t,)} =

(4 22)
'
y, análogamente a 4.11, podemos escribirlo como
m n
x(«, t>) « x) E *&'<«•v
»-0 j-0
donde Py son los puntos de control 3D y
Las funciones R"(u, v) constituyen la base bivariada de los B-Splines racio-

nales.
Propiedades
Figura 4.8: (a) Malla de ptos. de control para B-Spline, (b) Superficie B-Spline
de grado (2,3). Vectores de nodos U={0,0,0,l/3,2/3,l,l,l} y V={0,0,0,0,1,1,1,1}
(de [PT87]).
Figura 4.9: Representación de la esfera mediante B-Splines racionales ([PT87].)

4.3. GEOMETRÍA DIFERENCIAL DE LA SUPERFICIE 45
tO, 1] x [O,
il
JÇ/(«,tO = O s i ( "0[^+n+l1
• En un nodo de multiplicidad fc, fif/(t», t>) es p - fc veces diferenciable en

la dirección « y g - k en dirección v.
• Ä?/(u, v) = N?(w)JV/(t>), si todo Äj = 1
• Proyectivamente invariante.
• La superficie B-Spline racional es una generalización apropiada de los
B-Splines no racionales y de las superficies de Bézier.
ni
sólo afecta a £?/(«,«) para j "| í^'^"*'
ni
• Los pesos tienen una clara interpretación geométrica : si el peso crece la
curva se acerca al punto de control correspondiente y viceversa si el peso
decrece.
• Los NURBS son capaces de interpolar exactamente superficies conicoi-
des como esferas, elipsoides, paraboloides e hiperboloides, mediante la
elección adecuada de los pesos y las situaciones de los nodos de control.
Una muestra de ello es la Figura 4.9.
4.3 Geometría diferencial de la superficie

Sea E3 el espacio euclídeo tridimensional. Una representación paraméiríca
regular [Lip85] de clase Cm con m > 1 de un conjunto de puntos S de E3 es
una aplicación x = f (u, t>) de un conjunto abierto U del plano uv sobre S, tal
que:
1. f es de clase Cm en U.
2. Si (61,62,63) es una base de J33 y f(tt,t>) = /i(tt,f)ei + /2(«,v)e2 +
/3(tt,t;)e3, entonces V (u, ti) de Î7, el
SL.
Ou
«A
Ov
\
rango 4& =2
x M M
\ ou »v
Denominamos carta local de clase Cm con m > 1 en 5, a una aplicación

de un conjunto abierto U en S que cumple:
1. x es de clase Cm en U.
3. x es inyectiva y bicontinua sobre U.

Así, una carta local es una representación paramétrica regular de una parte
de S, que es inyectiva y bicontinua [Lip85].
Así como una curva de E3 queda determinada unívocamente por dos canti-
dades que son curvatura y torsión [Lip85], una superficie resulta unívocamente
definida por las llamadas primera y segunda formas fundamentales.
4.3.1 La primera forma fundamental

Sea una carta local x = x(«, v) de clase > 1 obtenida mediante una transfor-
mación topológica de un dominio Q y sea x = x(-u(í), v(i)) una curva en Q. Una
transformación de G en x(u, v) transforma la curva en otra curva 7 sobre la carta
local. Su longitud [Pog87] viene dada por
*=
(4.24)
La primera forma fundamental es la forma cuadrática definida sobre los

vectores (du, dv) del plano uv como:
I(du, dv) = d»2 = Edu2 + 2Fdudv + Gdv2 (4.25)
siendo
De las fórmulas 4.24 y de la definición de la primera forma fundamental, se

sigue que para conocer la longitud de una curva basta con el conocimiento de
la primera forma fundamental, por lo cual se dice de ésta que determina una
métrica en la superficie (ver [Pog87]). Igualmente se puede ver que el área de
una superficie y el ángulo que subtienden dos curvas sobre una superficie quedan
determinados también por la primera forma fundamental:
S = / / \/EG - F2dudv
EduSu + F(duSv + dvSu) + GdvSv

COS0 =
(Edu + 2Fdudv + Gdv2)l/2(E6u2 + 2FSuSv + GSv2)1/2
2
4. j. 2 La segunda forma fundamental

Sea una carta local de clase > 2. En cada punto de la carta [Lip85] hay
una normal unitaria N = ix'^x'l' La segunda forma fundamental es la forma
cuadrática definida por
JJ(dtí, dv) = -dxdN = Ldu2 + 2Mdudv + Ndv2 (4.27)

siendo
£ = -xuN„, M = -^(XuN. + x„Nu), N = —x»N, (4.28)
Dado que x„ y x, son perpendiculares a N, V(«, v) tenemos
(x„N)u = XttiíN + XuNu = O (x„N),, = x ut N + xuN, = 0
(x.N)u = x ru N +x„N u = O (x,N),, = x„N 4- x. N. = O
y entonces
= -X.N.
y de aqui podemos obtener

tí ti jtítí *títi
tí Ini *ti
X y Y í* Y Y Y ^ 3!_ t/_ 2-.
T Kl „ tí 'Û|í \'VUtl'"'tt'*tí / f «/" t?
|xu x x, | |x„ x x„ V-EG — F2

y análogamente podemos escribir
Zu» Vuv ¿UV
z« Sk -z« «« y« «u
z z
» v» t>
/ ct/*t JC*2
^/ ¿> ^jr ™" ^
" / JT1/^* 17*2
^/ .fj^jy ^~ i*
4.3.3 La curvatura normal

Sea x = x(u, v) una carta local en una superficie de clase > 2 que contiene un
punto P y sea x = x(tt(í), »(í)) una curva regular C de clase C2 que pasa por P.
Se llama vector curvatura normal k n , al vector proyección del vector curvatura
k de C en P sobre la normal N en P.
k n = (kN)N (4.29)
(Véase [Pog87], etc. para una discusión sobre el vector curvatura y torsión). Al
número
kn = kN (4.30)
lo llamaremos curvatura normal de C en P. Supongamos que C tíene normal

principal n contínua y que el sentido de n es tal que O < Z(nN) < ir/2. Podemos
escribir
fcn = kN = t = ¡fe(nN) = Acosa (4.31)
siendo a = Z(n, N). Se puede ver que
II _ Ldu2 + 2Mdudv + Ndv2
n
~ I ~ Edu2 + 2Fdudv + Gdv2 (
'
y teniendo en cuenta 4.31
Ldu2 + 2Mdudv
De aquí se desprende que k cos a depende sólo de la dirección de C, es decir

del valor du/dv que reciben el nombre de números directores de la recta en
el plano tangente paralelo al vector xudu + xvdv. Si tomamos como curva C
la sección de la superficie por un plano perpenicular al plano tangente (sección
normal), entonces |COSQ| = 1 y entonces
&|cosa| = k0
donde fco es la curvatura de la sección normal.

Sea un punto O sobre una superficie, al que consideraremos como origen de
coordenadas y consideremos el plano tangente en este punto como el plano z y.
Supongamos que la superficie está dada por una ecuación tal como z = f (u, v),
es decir x = uei + i>C2 + /(u, t>)c3. En este caso podemos escribir
E=l+p2, F = pq, G = 1 + q2
p = zm, q = zy, r = zx,, « = z zy , t = zyy

y por la elección del sistema coordenado que hemos hecho obtenemos E = 1,
F = O, G = l, L = r, M = 5, N = t. Entonces
rau2 + 2sdudv + tdv2 ,.<,^
(4 34)
*" = dûT^ -
2 2
Puesto que kn sólo depende de du/dv, podemos suponer que du + dv = 1 y
que du = cos 6 y dv = sin 9, entonces
Figura 4.10: Indicatriz de Dupin.
y si suponemos que \kn | = ¿- y x = R cos 9 y y = R sin 9 obtenemos la ecuación

llamada indicatriz de Dupin
rx2 + 2sxy + ty2 = ±1 (4.35)
Si tenemos en cuenta la figura 4.10, y expresamos la curvatura normal en
una direción OQ en términos de las coordenadas z e y del punto Q sobre la
indicatriz, tenemos que dx/dy = x/y, así pues
Dado que Q está sobre la indicatriz, el numerador vale ±1 y el denominador

vale OQ2, de forma que
*" = $ (4-36)
que nos relaciona la indicatriz de Dupin con la curvatura normal. De esta fórmula
se deduce
1. La curvatura normal en una dirección asintótica es cero.
2. La curvatura normal de una superficie adopta valores extremos en dos
direcciones perpendiculares entre sí que se denominan direcciones prin-
cipales, que son los ejes de la indicatriz. Las correspondientes curvaturas
se llaman curvaturas principales.
4.3.4 Aberraciones superficiales

Se puede demostrar que
Teorema 4.1 Un número real k es curvatura principal si y sólo si k es solución
de
(EG - F2)fe2 - (EN + GL- 2FM)k + LN-M2 = 0 (4.37)
y por otra parte,

Teorema 4.2 Una dirección du/dv es dirección principal si y sólo si du y dv
cumplen
(E M - LF)du2 - (EN - LG)dudv + (FN - MG)dv2 = O (4.38)
A partir del conocimiento de las curvaturas y direcciones principales y teniendo

en cuenta las definiciones de la potencia media 2.10 y el astigmatismo superficial
2.11 podemos obtener, para una superficie dada los valores de estas magnitudes.
Para ello necesitaremos conocer las derivadas parciales de primer y segundo
orden de nuestra superficie.
Para el caso de superficies por producto tensorial cuyas bases son polinomios
resulta fácil hallar las derivadas parciales. Veamos el caso de los B-Splines
cúbicos, por ejemplo.
Recordando la ecuación 4.21
n m
*(«' *> = E E «i<,» ^r w(«)
«=0 k=0
y transformándola a su forma matricial
x(tt, t») = [u]T[N}[D][N]T M (4.39)

donde [u] = («3, u2, u, 1), [v] = (v3, v2, v, 1), [N] es la matriz de la base de B-
Splines para el trozo bicúbico en cuestión y [£>] es la submatriz de 16 vértices
de control del mismo. Las derivadas parciales se calculan entonces de la forma:
x(«,t>). = [u3,u2,u,l]T[N][D][N]T[3v2,2v,l,0]
x(«,t».« « [6u,2,0,0]T[N][D](N}T(v\v2,V>l]
x(«,»)„ - [3u2,2u,l,Q}T(N}[n}[N}Tl3v2,2v,l,G]
«(«,«)„ = [u\u2,u,l]T[N][D](N]T[6v,2,0,0]
A partir de las derivadas parciales se pueden calcular los coeficientes de las
formas fundamentales y, con éstas, hallar las curvaturas y ejes principales, y, de
aquí, los valores de potencia media y astigmatismo.
4.4 Diseño y control local

Hemos visto en las secciones precedentes las principales fonmilaci^r"? ** {n-
terpolación de curvas y superficies en uso en los sistemas de diseño asistido por
4.4. DISEÑO Y CONTROL LOCAL 51
ordenador, y los elementos de geometría diferencial necesarios para aplicarlos a

nuestras necesidades.
Se nos plantea ahora la decisión de cuál o cuates de estas formulaciones usar
en nuestro sistema de diseño y cómo integraríais) en el mismo. La tabla 4.1 nos
da una idea comparativa de las características de los distintos tipos de interpo-
lación.
Tabla 4.1: Interpolación de Curvas v Superficies

Características
Tipo Grado Control Continuidad Interpola Suavidad
Lagrange n Global c°° Si Oscila
çrn-l
Polinomios n Global Si Oscila
Bézier n Global C°° No Variación
disminuida
B-Splines n Local hasta C"1"1 No Variación
disminuida
NURBS n Local hasta C""1 No Variación
disminuida
El control local es una propiedad muy interesante en nuestro caso, pues

nos ofrece la posibilidad de optimizar solamente ciertas zonas de la lente, de-
jando invariantes las demás. Para el progresivo resulta de gran interés diseñar
independientemente la zona de lejos, el pasillo y la zona de cerca, y dejarlas
"congeladas", optimizando entonces las zonas marginales aisladamente.
Igualmente, la suavidad es una premisa muy importante, ya que oscilaciones
indeseadas en la superficie conducen a efectos ópticos en el astigmatismo y
variaciones en la potencia que alcanzan rápidamente valores inaceptables en el
ámbito de la visión.
En vista de estos condicionantes, los tipos de interpolación de máximo interés
para nosotros son B-Splines y NURBS, que ofrecen ambas condiciones a la vez.
Capítulo 5
Metodología de Diseño
5.1 Introducción
A la hora de diseñar interactivamente una lente progresiva, se plantean una serie
de requerimientos de orden óptico, que ésta ha de cumplir. Estos requerimientos
hacen referencia, en su mayoría, a la distribución de potencias y astigmatismos
sobre la lente, magnitudes relacionadas con las derivadas segundas de la super-
ficie.
La necesidad de especificar la distribución de potencias es evidente dada
la naturaleza multifocal de este tipo de lente. La importancia de especificar el
astigmatismo es debida a que, entre todas las características ópticas de una lente
ésta es, con mucho, la que más incide en la nitidez de visión. Ello no excluye la
consideración de otras características como pueden ser la orientación de los ejes
principales de curvatura o los desequilibrios prismáticos entre un ojo y otro.
Es importante destacar aquí que, a pesar de que en muchas ocasiones tiene
más sentido hablar de la agudeza visual, el índice de borrosidad, etc; la mayoría
de estas magnitudes son combinaciones del astigmatismo y la potencia, en oca-
siones junto con los ejes principales de las curvaturas. Por simplicidad, pues,
nos referiremos a las magnitudes básicas, en vez de a las compuestas.
Por otra parte, en todos los trabajos y patentes consultadas, se parte de la
hipótesis implícita o explícita de que lo que se pretende distribuir según unas
ciertas especificaciones no es la aberración de onda de la luz que atraviesa el
sistema, sino el astigmatismo y la potencia superficiales. Esto es, no se hace
trazado de rayos ( lo que resultaría prohibitivo en tiempo de cálculo), sino que se
supone que si se distribuyen de una cierta forma las aberraciones superficiales,
las aberraciones de onda se distribuirán de forma análoga.
53
54 CAPÍTULOS. METODOLOGÍA DE DISEÑO
La introducción de datos interactiva se hace particularmente difícil dada la

cantidad de valores a especificar sobre la superficie y a la posibilidad de es-
coger distribuciones de potencia y astigmatismo incompatibles con la geometría
diferencial de una superficie real.
Por estas razones la metodología de diseño ha de estar relacionada con la
estrategia de consecución de la superficie final a partir de las especificaciones
iniciales. Más concretamente, dado que no está asegurado que un diseño dado
sea compatible con la geometría diferencial de la superficie, habremos de realizar
una optimización tendente a conseguir la superficie que más se acerque a las
especificaciones dadas.
5.1.1 Optimización y función de mérito.

Para ello definiremos wafunción de mérito f , que representa, en cada momento,
un valor relacionado con lo que se ajusta nuestro diseño a las especificaciones
ópticas deseadas. Muchas de las funciones de mérito usadas habitualmente se
pueden englobar en la forma:
r n i'/*
/- \-yp<°n (5.1)
donde 1 < i < n, siendo N el número de puntos sobre los que se calcula
/. D¿ es la diferencia entre los valores real y deseado de una característica
particular de diseño, expresable como
Di = Vf - Vi, (1 < i < n) (5.2)

en la que VJ' representa el valor a conseguir y Vi el valor real en un momento
dado de la optimización. fe es un entero, habitualmente 2, con lo que resulta la
minimización de la raíz de la media cuadrática de las diferencias D,-. P{ es un
factor de ponderación que permite que el término D¿ reciba diferente atención
o importancia en función del valor de este factor.
Obviamente, necesitamos de un punto de partida para la optimización. En
puridad podríamos utilizar una superficie cualquiera como tal, pero criterios de
eficiencia y rapidez nos conducen a buscar una superficie de partida lo más
cercana posible a aquella que deseamos. Esta puede ser una superficie producto
de un diseño anterior, o bien una superficie analítica que no se aparte demasiado
de las b'neas maestras del diseño.
Provistos de esta herramienta y de un sistema numérico ds optimise:?",
podemos, especificada una superficie ideal en cuanto a sus atributos ópticos,
5.2. ESPECIFICACIONES ÓPTICAS 55
obtener una función de mérito que la represente y, optimizando, hallar la super-

ficie real que más se le acerca.
Nuestro problema ahora es especificar de forma interactiva y lo más sencilla
(en cuanto a operatoria) posible las magnitudes que forman parte de la función
de mérito, con la resolución espacial suficiente como para que el proceso de
optimización se acerque a lo deseado.
5.2 Especificaciones ópticas

5.2.1 Variación de potencia
La variación de la potencia sobre la superficie de la lente cobra capital impor-
tancia en el caso del meridiano principal.
Una cuestión que diferencia profundamente un diseño de otro es la evolución
de la potencia de su meridiano. Esta forma de progresión igualmente afecta
al rango de utilización de la lente y a las zonas de la misma que servirán
para enfocar a una distancia determinada, así como, en virtud del teorema de
Minkwitz, a la anchura del pasillo.
Por ello, en el marco de este proyecto, se considera importante disponer de
un sistema interactivo de diseño de la evolución de la potencia del meridiano.
Para editar la progresión de potencia sobre el meridiano se presenta al usuario
una imagen en pantalla similar a la Figura 5.1 en la que un menú le permite acep-
tar el meridiano propuesto o modificarlo. La opción de modificación permite
seleccionar uno cualquiera de los puntos señalados mediante un símbolo n y
una vez hecho esto cambiar a voluntad sus coordenadas, con la única restricción
por parte del sistema, de que la progresión sea una curva univaluada.
Esto se consigue imponiendo que la abscisa del punto t a modificar cumpla
Zi_i < «i < z i+ i, V» e {O...n}
El número n de puntos a escoger es seleccionable, según la resolución con que
se quiera manejar el meridiano.
una vez modificada la posición en ordenadas de un punto cualquiera se
calculan los nodos de control de la curva B-Spline p(i) que pasa por todos los
puntos (ver apéndice C) y se dibuja para que el usuario pueda evaluar cómo
varía la curvatura del mismo, y decidir, en su caso, una nueva modificación.
Mediante un procedimiento análogo se puede diseñar la trayectoria del meri-
diano principal (ver Figura 5.2), entendiendo por tal la trayectoria de convergen-
cia de los ojos proyectada sobre la lente. Ello, juntamente con el conocimiento
56 CAPÍTULO 5. METODOLOGÍA DE DISEÑO
Potencia Meridiano Dalos Dispno

70— índice = 1 600
Potencií = 500
Base i 500
Concaia = 000
Adición = 1 00
Esj> C = 0.00
^s. Diámetro = 60 00
50-^
""""1 "»(»i'i»"!»"!»»)"»)'»'!»!'!»»!'"')»' 1 ! »"i

-4 30 -300 -200 -100 00 100 200 300 400
Figura 5.1: Diseño del meridiano principal
Trayectoria Meridiano Ottos Diseno

Indice : 1600
Potencií - 5 00
Bue : 500
Concm s 000
Adición s 200
tsf C - 000
OiMoetro r 8000
v
\
-40» 1 1 1 1 1 1 1 I [ 1 1 1 1 1 1 1 1 1 1
100
Figura 5.2: Diseño de la trayectoria del meridiano principal.

5.3. VARIABLES DE OPTIMIZACIÓN 57
de la evolución de la poíencía p(«) sobre el mismo nos proporciona la posibilidad

de generar una superfick inicial, como punto de partida de la optimización.
Para ello, basta con encontrar la curva del meridiano /(») a partir de la de
sus potencias p(«). Resolviendo la ecuación 2.6 mediante un método numérico
hallamos /(«) V«, y, conociendo las coordenadas de cada punto del meridiano y
su curvatura podemos generar una superficie inicial a base de imponer que las
secciones ortogonales al merididiano principal sean umbilicales.
Estas secciones pueden ser arcos de círculo, o bien elipses, o cualquier otro
tipo de sección que proporcione una superficie generable analíticamente. A partir
del conocimiento de esta superficie se pueden dar valores de la misma dispuestos
en una malla regular y extraer los nodos de control que los interpolan, con lo
que ya tenemos la superficie inicial expresada como B-Spb'nes, o como NURBS,
si ponemos todos los pesos con valor 1.
5.2.2 Umbilicalidad de la progresión

Una de las razones por la que hemos elegido B-Splines como formalismo para
la optimización de la superficie, es su control local. Ello implica que podemos
optimizar localmente sólo algunas partes de la superficie dejando el resto intacto.
Concretamente, el pasillo es uno de los candidatos a no ser modificado. Por ello,
la progresión será la de la superficie inicial en la optimización.
En el apartado anterior se propone la construcción de ésta a partir de sec-
ciones ortogonales umbilicales al meridiano principal. No obstante, se puede
añadir flexibilidad al diseño permitiendo la relajación hasta cierto punto de esta
umbilicalidad. Propuestas en este sentido se pueden encontrar en [Jef57] [WU81].
Igualmente, realizar un meridiano con trayectoria no rectilínea produce un efecto
de pérdida de la umbilicalidad [FL86].
La visión humana tolera sin problemas de 0.25 a 0.50 D. de astigmatismo
[Mai74] [Dav78], lo que permite construir un pasillo confortable aunque con-
tenga una cierta cantidad de astigmatismo. Permitiendo esta falta de umbili-
calidad relajamos la validez del teorema de Minkwitz y podemos ensanchar
ligeramente el pasillo [BS87], Ello se especifica en el diseño como un factor de
relajación que el usuario especifica en la entrada de datos.
5.3 Variables de optimización

Las variables que intervienen en nuestra optimización han de ser, obviamente,
los parámetros que gobiernan la forma de la superficie. Esto es, los nodos de
control y/o los pesos, en el caso de los NURBS.
Zonas .Ifodif ¡cables Datos Diseña

40 0-q índice : 1600
- Potencií = 5 00
100-^ Btsf = 600
•í Concaví = 000
¿0» ^ Adición = 300
-5 Esp C ~ 000
100— . • « Diámetro = 80 00
;
;
|
Mii|ini|impTTi|iTn;iin[imTnii|[iiirnnjiiiiiiiiipiii|iiii[iiiiiiin|
4 )i) -JOO -¿00 -100 00 100 200 »10 400
Figura 5.3: Selección de nodos modificables
Dado el carácter local de las superficies a emplear, podemos dejar fijos una
serie de nodos, las propiedades de cuyos trozos de superfice sean ya satisfactorias
al principio de la optimización. Esto es aplicable, por ejemplo, a las zonas de
visión lejana y cercana, así como al pasillo de progresión. Por otra parte los
nodos que gobiernan las zonas margínales constituyen los candidatos ideales a
parámetros de optimización.
Para permitir la selección flexible, interactiva y sencilla de los nodos que
intervendrán activamente en la optimización disponemos en el sistema de una
pantalla como la que muestra la figura 5.3. En ella aparecen todos los nodos de
la superficie representados como pequeños puntos.
Los puntos señalados mediante rombos representan puntos seleccionados
como nodos activos en la optimización. Con un cuadrado sobre el rombo figuran
los nodos que forman la frontera que engloba a todos los demás nodos activos.
Con asteriscos está señalada la frontera hasta donde llega el efecto de modificar
los puntos de control activos. Más allá de esta frontera, la superficie permanece
inalterada en virtud de las propiedades de control local del formalismo selec-
cionado.
La zona sombreada (puntos intercalados) corresponde a los puntos donde se
efectúa el cálculo de la función de mérito.
5.3. VARIABLES DE OPTIM1ZACIÓN 59
El sistema nos proporciona, en función del número de perfiles horizontales y

verticales especificados, y por defecto, una selección previa de puntos marcados
como rombos, que podemos aceptar directamente o modificar a voluntad. La
localización de un punto a añadir, excluir o modificar se realiza mediante mouse,
señalando el punto y oprimiendo uno de los botones.
Un menú asociado a esta pantalla permite seleccionar varias opciones:
• Anular Excluye un punto de control de la lista de puntos modificables.
• Añadir Incluye un punto de control en la lista de puntos modificables.
• Modificar Permite la modificación de la situación de un punto de control.
• Aceptar Guarda la selección actual de puntos activos y sale del menú de
puntos modificables.
Una vez se han seleccionado adecuadamente los puntos de control, la lista
de puntos de control activos permanece en memoria para su posterior utilización
en la optimización o, en su defecto para ser grabada en un fichero junto con los
demás parámetros de diseño.
5.3.1 Distribución de aberraciones y pesos

Una vez realizada una propuesta de punto de partida para la optimización procede
estipular los valores V4' a conseguir en la optimización y sus pesos asociados.
Dado que interesa tener una distribución uniforme de astigmatismos, lo más
bajos posible, y que el número de puntos que participan en la función de mérito
puede llegar a ser elevado, conviene disponer de un sistema interactivo de mo-
delaje de las aberraciones en las zonas marginales.
Se han propuesto dos procedimientos para especificar los valores deseados
de las aberraciones que intervienen en la función de mérito:
A Este procedimiento permite la definición de una función analítica que propor-
ciona el peso relativo de cada punto en la función de mérito, suponiendo
que los astigmatismos buscados son O en toda la superficie, que los ejes
principales han de estar a 90 grados y las potencias han de ser iguales a
la de lejos.
B Es un procedimiento interactivo, mediante el cual se entran las curvas de nivel
de una o todas las aberraciones a tener en cuenta (astigmatismo, potencia,
ejes) y las curvas de igual peso relativo. Mediante una triangulación y
una interpolación se obtiene una superficie de aberración (o peso), de la
cual se extraen los valores en cada punto de cálculo especificado.
Ambos procedimientos dan como resultado un fichero de formato:

j , U, ast, pot, eje, peso.
donde n representa el número de orden, i es una componente del trozo bicúbico
y j es la otra, u es el valor del parámetro en la dirección w, v es el valor del
parámetro en la dirección v, x, y, z son las componentes cartesianas corres-
pondientes a ese trozo bicúbico con esos parámetros y ast, pot y eje son
el astigmatismo, potencia y orientación del eje de la indicatriz deseados en ese
punto, siendo peso el peso asociado en la optimización con ese punto. Nótese
que este peso está relacionado con la función de mérito en la optimización y no
es el peso asociado a un vértice de control en el caso de los NURBS.
Procedimiento A
En esta opción, el peso de un punto de índice t se calcula mediante una función
bídimensional que se diseña interactivamente, con la misma operatoria que la
evolución de la potencia o la trayectoria del meridiano (ver figura 5.4). En
Fuñí-ion de Pesos Dolos Diseño

1000-^ índice = 1 600
Polencia = 500
wo-¡
Base = 500
800-1 ConcH» = 000
Adición = 200
700-1 Esp C = 000
Diámetro: 8000
«00-|
500-1
400-1
300-1
200-1
100-1
100 300
Figura 5.4: Función de pesos.
abscisas figura una distancia en unidades arbitrarias, que represen»« i« r<"ón

entre la distancia del punto considerado a otro, especificado por el diseñador
5.3. VARIABLES DE OPTIMIZACIÔN 61
en la entrada de datos, que llamaremos punto de escape y la distancia entre el

punto de escape y la frontera de los puntos de cálculo de la función de mérito.
En ordenadas tenemos el peso asignado a cada una de las razones. La curva

se especifica mediante una serie de puntos, de los cuales se guardan los puntos
de control de un B-Spline cúbico. La conjunción de la forma de la frontera
con el punto de escape produce una superficie de pesos que se puede calcular
fácilmente mediante el algoritmo:
FUNCIÓN Peso (xp, yp, x_esc, y_esc)

Calcula_recta(xp, yp, x_esc, y_esc, recta)
Calcula_interseccion(recta, frontera, pOx, pOy)
(* Distancia hasta el punto de intersección *)
distancia = Raiz_2( (pOx-xp)A2 + (pOy-yp)A2 )
distanciaZ = Raiz_2( (x_esc-pOx)"2 + (y_esc-pOy)*2 )
razón = radio*distancia/distancia2
pes=Bspline_ld( razón, vértex)
Peso=pes
DEVUELVE Peso
FINFUNCION
Donde xp e yp son las coordenadas cartesianas del punto en cuestión,

x_esc e y_esc son las coordenadas del punto de escape, frontera es una
estructura de datos que delimita la frontera de puntos donde se calcula la función
de mérito y vértex contiene los vértices de control de la curva que define como
varía el peso según la razón de distancias razón.
De esta manera, a la hora de optimizar la función de mérito se puede optar

por leer las especificaciones del fichero de mérito y usarlas directamente, o bien
leer los vértices de control de la curva de pesos y evaluar éstos con el algoritmo
antes descrito.
Esto ultimo es más costoso en tiempo de proceso, pero tiene la ventaja de

que se puede optimizar en el espacio paramétrico, manteniendo los valores t_i,
t_j, u y v, y obteniendo los pesos a partir de la x e y deducidas de aquellos.
Esto es muy útil con los N.U.R.B.S., en los cuales, variaciones de los fac-
tores de peso asociados a sus vértices de control, hacen variar la relación entre
los parámetros del trozo y su expresión cartesiana, con lo que resulta más venta-
joso calcular los pesos de mérito a partir de los puntos del espacio paramétrico
mediante el algoritmo anterior que trabajar en el espacio cartesiano y buscar el
trozo bicúbico y los parámetros u y v a partir de la x y la y (ver sección 7.4).
Procedimiento B
Esta opción permite la especificación interactiva de los valores a obtener en la
función de mérito, mediante el dibujo de las curvas de nivel de una cierta altura
de la superficie de la aberración en cuestión.
Con la misma operatoria básica ya conocida (seleccionar puntos y mover-
los) se pueden representar una serie de curvas de nivel para cualquiera de las
aberraciones o características que se quieran incluir en la función de mérito.
Una vez seleccionadas éstas, mediante una triangulación de Delaunay de los
puntos [Slo87] y una interpolación mediante el método de Shepard (ver [She68])
se genera la superficie y una vez conocida ésta se pueden dar valores concretos
a los puntos de cálculo del fichero de función de mérito.
Este método es muy versátil, pues permite especificar a "mano alzada" las
curvas de nivel deseadas para cualquiera de los factores que intervienen en la
optimización. Sin embargo, esta versatilidad es su principal defecto también, ya
que se pueden generar condiciones a cumplir por las superficies de astigmatismos
y potencias que son claramente incompatibles con la geometría diferencial de la
superficie a optimizar, lo que conduce en la práctica a resultados muy alejados
de lo buscado.
En este sentido, el procedimiento A, aunque menos flexible, se comporta
mejor, ya que son sólo los pesos los que se varían y los valores de astigma-
tismos, etc tienden a los de una esfera. Esto hace que normalmente se consigan
resultados más suaves y mejor distribuidos desde el punto de vista de la óptica
fisiológica que con el procedimiento B, en el que todo se deja al criterio del
usuario. Éste último, potencialmente más flexible, requiere del usuario una
intuición y una práctica en obtener condiciones compatibles con la geometría
diferencial del problema, que es costosa de conseguir, en comparación con el
criterio A.
5.3.2 Tratamiento gráfico de datos

El sistema de diseño necesita de utillería gráfica que permita, no sólo la especi-
ficación interactiva de características, sino la visualización de los resultados de
la optimización. Por interés de completitud explicaremos muy brevemente los
conceptos básicos que subyacen a este apartado.
Para este cometido, se ha dotado al sistema de un módulo de tratamiento de
datos que, a partir de un fichero, bien de diseño o bien de medida (disponemos
de una mesa micrométrica de construcción propia que permit« tr«w?.r r»"»™?
geométricos y/u ópticos de la superficie de la lente), construye una representación
5.3. VARIABLES DE ÒPTIMIZACIÓN 63
en contornos de nivel de la superficie, potencia, astigmatismo y ejes principales

de la misma.
A partir de los puntos dados se genera una triangulación de Delaunay, la
cual se interpola posteriormente mediante Shepard triangular [She68], en el caso
de puntos irregularmente distribuidos, o mediante B-Splines en el caso regular
(típicamente diseños). Los astigmatismos, etc. se representan previa resolución
de la primera y segunda formas fundamentales de la superficie.
Para el dibujo de los contornos se utiliza un sencillo algoritmo de interpo-
lación lineal entre los lados de cada triangulo (véase [Car85],[Sab86]), utilizando
el método de interpolación para variar la densidad de puntos deseada y, con ello,
la resolución y adaptación del contorno a la realidad.
Todos los gráficos 2D de potencia, ejes y astigmatismo que figuran en este
trabajo han sido realizados con este módulo.
Capítulo 6
Implementation en Paralelo
La optimization de una superficie B-Splines o NURBS con una malla del orden
de 15x15 puntos o más, aunque gracias al control local se reduzca a un área
restringida de la lente, representa tener un sistema de optimization multidimen-
sional con una dimensión por nodo modificable, lo que supone generalmente
más de 100 dimensiones. Esta proliferación de grados de libertad confiere una
gran flexibilidad de diseño, pero sobrecarga notablemente la CPU, elevando los
tiempos de cálculo a cotas elevadas.
Por cuestiones estructurales, la implementation de los algoritmos deba rea-

lizarse sobre PC compatibles, concretamente un conjunto Í386 + Í387 a 25 MHz.
Realizadas pruebas preliminares se vio que la potencia de cálculo era excesi-
vamente baja para el volumen de operaciones a realizar. Por ello se decidió la
adquisición de un sistema nuevo, o la ampliación del mismo.
Ello condujo a la adquisición de una placa de 9 Transputers (ver Apéndice B),

que tenía en aquel momento (final de 1988) una relación de 5 a 1 en MFLOP/Ptas.
con respecto a sistemas secuenciales de prestaciones parecidas, según pruebas
realizadas por nosotros mismos con programas de prueba similares a los algo-
ritmos a implementar.
Por todo ello los algoritmos más ávidos de tiempo de CPU (los de opti-
mization), han sido implementados en paralelo, utilizando una versión para sis-
temas multiprocesador del lenguaje 'C', que contiene una librería de funciones
de comunicación entre procesadores, semáforos y threads o tareas concurrentes
en un mismo procesador.
65
66 CAPÍTULO 6. IMPLEMENTACIÓN EN PARALELO
6.1 El algoritmo de Optimization

El algoritmo general de optimization se puede esquematizar como sigue:
ACCIÓN Principal
Lee_superf icie (sup_f ich, superficie, limites)
Lee_f un_merit (merit_f ich)
vector=Genera_vector_opt im (superficie, limites)
Optimiza (superficie, vector, F_merito())
FINACCION
en el cual, Lee_superf icie y Lee_f un_merit son dos rutinas que leen
los vértices de control y los puntos de función de mérito respectivamente, de
sendos ficheros. Además de obtener la memoria necesaria para acomodar los
datos, Lee_superf icie proporciona, a partir del fichero de diseño, infor-
mación sobre los límites de las zonas optimizables.
Genera_vector_optim utiliza los vértices de control y la información
sobre zonas optimizables y zonas fijas para construir un vector con los vértices
y/o pesos optimizables, con el que se alimenta a la función de optimization
Optimiza.
Como algoritmo de optimization se ha escogido el método Simplex, debido
a Neider y Mead [NM65], ya que no necesita la evaluación de las derivadas de
la función de mérito, solamente realiza evaluaciones del valor de la misma y,
por otra parte, es un algoritmo muy robusto (ver [PFSV88]).
6.1.1 El método Simplex

Un simplexo en el espacio de n dimensiones es un poliedro generalizado de n+1
vértices. Para n=2 es el triangulo, para n=3 el tetraedro. Un simplexo es no
degenerado si engloba un volumen interior n-dimensional finito.
Sea Po un punto cualquiera de un simplexo no degenerado. En estas condi-
ciones los n puntos restantes están cada uno sobre una de las n direcciones del
espacio n-dimensional.
El método del simplexo parte de un punto de partida inicial que es una
primera configuración del simplexo, esto es, n+1 puntos. Cualquier otro punto
se puede hallar entonces como
siendo e¡ el i-ésimo vector unitario del espacio n-dimensional, y donde A< es

una distancia arbitraria, que en particular puede ser la misma para todos los
puntos. A partir de el punto de partida se realizan una serie de rpnvim¡pntr>c A*
los puntos, cada uno de los cuales puede ser de una de las siguientes categorías.
6.1. EL ALGORITMO DE OPTIMIZACIÖN 67
Lina reflexión, basada en mover un punto a su posición simétrica respecto

de la cara opuesta del simplexo.
Una reflexión afectada de un factor de expansión.
• Una contracción respecto de una dimensión, desde el punto de valor más

alto.
Una contracción respecto de todas las dimensiones hacia el punto más

bajo. (Dibujos tomados de [PFSV88].)
Una combinación adecuada de las anteriores transformaciones siempre converge

hacia un mínimo de la función [PFS V88]. Cuando el simplexo puede, se expande
para avanzar más deprisa hacia el mínimo, mientras que cuando atraviesa un
"desfiladero" se contrae correspondientemente.
68 CAPÍTULO 6. IMPLEMENTAC1ÓN EN PARALELO
El criterio de finalización consistente en terminar el proceso cuando entre una

iteración y la siguiente la distancia recorrida es menor que una cierta tolerancia
o bien cuando la diferencia entre dos valores consecutivos de la función está por
debajo de una cierta cantidad. Igualmente se termina si el número de iteraciones
supera uno prefijado.
Aunque éste es un algoritmo conocido, del que se puede encontrar una im-
plementation explícita en [PFSV88], esbozaremos el esqueleto del mismo, ya
que será necesario a la hora de distinguir la parte del algoritmo intrínsecamente
secuencial de la parte susceptible de paralelización.
ACCIÓN Optimiza(superficie, vector, ftol, F__merito())
itmax = 500
fact_a =1.0
fact_b =0.5
fact_c =2.0
numit=0
Genera_partida(p_mat,y)
MIENTRAS no salir HACER
Busca_alto_bajo(p_mat, y, alto, bajo, segundo)
(* Halla el punto mejor, peor y segundo mejor *)
rtol=2.0*abs(y(alto)-y(bajo))/
(abs(y(alto))+abs(y(bajo)))
SI rtol < ftol o numit > itmax ENTONCES
salir=cierto
SINO
ynuevo=Reflex(p_mat,y,F_merito(),
alto,-fact_a)
SI ynuevo <= y(bajo) ENTONCES
alto,fact_c)
SINOSI ynuevo >= y(segundo) ENTONCES
yaux=y(alto)
alto,fact_b)
SI ynuevo >= yaux ENTONCES
ynuevo=Contrae(p_mat,y,F_merito(),
bajo,fact_b)
GET_PSUM
F INS I
FINSI
FINSI
numit=numit+l
6.1. EL ALGORITMO DE OPTIMIZACION 69
FINMIENTRAS
FINACCION
Aquí p_mat es una matriz de ndim+l por ndim elementos que contiene
el punto de partida de la optimization, y ndim-fl variaciones de sus puntos de
control modificables. Está generada por Genera_partida. "y" es un vector
que contiene la evaluación de la función de mérito F_merito en cada una de
las ndim+1 configuraciones de p_mat. Reflex es la función encargada de
realizar la reflexión. Ello se realiza según un factor que, si es menor que 1 en
valor absoluto, la convierte en una contracción respecto de una dirección; si es
negativo produce una reflexión propiamente dicha y si es positivo la convierte
en una expansión, siempre sobre la dirección del punto considerado. Contrae
realiza una contracción omnidirectional hacia el punto más bajo.
Estas 2 funciones proporcionan los cuatro modos de transformación del sim-
plexo antes mencionados. Ambas realizan la evaluación de la función de mérito
F_merito en la configuración calculada, sea contracción o reflexión.
F_merito es una función que toma como argumento vector y que, te-
niendo en cuenta la matriz de magnitudes especificados para la función de mérito
leídas mediante Lee_f un__merit, devuelve un número equivalente al valor de
mérito, calculándolo de la siguiente forma:
FUNCIÓN F_merito(vector)
Reconstruye(superficie, vector)
PARA i=0 HASTA n_merito PASO 1 HACER
t_i = trozo_i(i)
t_j = trozo_j(i)
u = par_u(i)
v = par_v(i)
SI modo == bspline ENTONCES
astig=Calc_ast_BS(superficie, t_i, t_j, u, v)
SINOSI modo -= nurbs ENTONCES
astig=Calc_ast_NURBS(superficie, t_i, t_j, u, v)
FINSI
m_ast=m_ast+(astig-ast(i))A2*peso(i)
FINPARA
F_merito=m_ast
DEVUELVE F_merito
FINFUNCION
En donde trozo_i, trozo_j, par_u, par_v, ast y peso son vec-

tores de tamaño n_merito que contienen los valores del trozo bicúbico, los
70 CAPÍTULO 6. IMPLEMENTACIÓN EN PARALELO
parámetros « y v dentro del trozo, el astigmatismo deseado y el peso conce-

dido, respectivamente, a los puntos donde se quiere evaluar la función de mérito.
Como vemos ello se realiza para los n_merito puntos existentes en el fichero
de función de mérito leído.
La función Calc_ast_BS calcula el astigmatismo de la superficie
superficie interpolada mediante B-Splines. Análogamente ocurre con
Calc_ast_NURBS para la superficie interpolada mediante N.U.R.B.S.. En
la implementación real se calculan a la vez el astigmatismo, la potencia y los
ejes principales, lo que es más eficiente que hacerlo por separado. Por mor de
la claridad se presenta aquí solo con el cálculo del astigmatismo.
6.2 Paralelización
6.2.1 Paradigmas de paralelización
Se nos plantea ahora el problema de cómo dividir nuestro algoritmo en tareas
independientes realizables por separado. Esta división no es, en general, única
[Mat87] y la paralelización se puede acometer a distintos niveles dentro del
algoritmo.
Por otra parte, es fundamental [Atk87] desacoplar las comunicaciones del
cálculo, para evitar que éste dependa de aquellas. Aún más, si el tiempo re-
querido para enviar la información a cada procesador es comparable con el
tiempo que pasa éste calculando, puede ocurrir que la paralelización de un al-
goritmo sea más ineficiente que su contrapartida secuencia!.
Distintos trabajos ([Pri90], [MS87]) reseñan fundamentalmente tres cate-
gorías de tipos de algoritmos susceptibles de paralelización en la práctica. Hay
que notar que los algoritmos reales pueden perfectamente solapar característi-
cas de varias categorías a la vez; incluso [Pri90] propone una cuarta categoría,
denominada de métodos híbridos.
Tuberías
En una tubería el resultado de las operaciones realizadas en un procesador ali-
menta al siguiente y así sucesivamente para todos ellos, como en una línea de
producción en cadena. De esta forma, una vez está llena la tubería, a la intro-
ducción de nuevos datos por un extremo de la tubería, corresponde la extracción
de resultados por la otra, consumiendo en ello tan sólo un ciclo de operaciones.
En este caso existe una dependencia secuencial entre cada una de las eta-
pas de la tubería y su rendimiento total está limitado por el rendimiento de la
6.2. PARALELIZACIÓN 71
más lenta de sus partes. Obviamente, el mejor caso se dará cuando todos los
elementos de la tubería procesen datos al mismo ritmo ÏMS87].
En el caso de un algoritmo especificable de esta forma, se puede, mediante
una bufferización [Atk87] adecuada de la entrada y la salida, eliminar cuellos
de botella y mantener permanentemente ocupados al procesador y a las líneas
de comunicación.
El modelo geométrico
Este modelo se basa en el hecho de que los datos (de entrada, salida o ambos)
se pueden considerar distribuidos de forma geométrica La cantidad de cálculos
a realizar en cada elemento ha de ser básicamente constante. Ejemplos de ello
son procesado de imágenes, búsqueda en bases de datos y aritmética de vectores
y matrices.
La técnica a emplear en este caso consiste en dividir el trabajo en segmentos
que se distribuyen equitativamente entre los procesadores disponibles. Si el
tamaño de las tareas asignadas a los diversos procesadores es similar, todos
ellos terminarán aproximadamente al mismo tiempo.
Si los segmentos se iníerrelacionan entre sí, la topología de la red cobra
especial importancia [Pri90], pues de ella depende la minimización de las co-
municaciones entre procesadores.
El modelo farming
Este modelo es similar al geométrico, pero procede cuando la cantidad de cálculo
por elemento varía considerablemente de unos a otros. Ray-tracing y fotorrea-
lismo son buenos ejemplos de este tipo de procesos.
En este caso se distribuye la carga de trabajo en gran número de pequeñas
tareas que se distribuyen por la red, cada procesador con una tarea. Cuando
acaban con una, envían de vuelta el resultado y reciben otra tarea.
Con una elección adecuada del tamaño de las tareas se puede solapar casi
completamente la comunicación con el cálculo obteniendo incrementos lineales
de rendimiento respecto del número de procesadores involucrados en la red.
Este tipo de algoritmos se benefician al máximo del paralelismo cuando
la relación entre el tiempo de cómputo y el de transmisión de datos es muy
superior a 1, dado que entonces los procesadores pasan un tiempo muy pequeño
comparativamente comunicándose, mientras que la tarea de cálculo se reparte
entre ellos, llegando a producirse una multiplicación de las prestaciones por un
factor cercano al número de procesadores implicados.
72 CAPÍTULO 6. IMPLEMENTACIÖN EN PARALELO
En [MS87], [Pri90] existe una comparación entre las ventajas e inconve-

nientes de unos y otros a la hora de implementarlos en un sistema multiproce-
sador. Igualmente se discuten la factibilidad o imposibilidad de implementar los
algoritmos de una forma u otra.
Nos proponemos, pues, identificar las secciones paralelizables de nuestro
código y determinar qué tipo de paralelización y a qué nivel nos proporcionará
el máximo rendimiento.
6.2.2 Identificación de código paralelizable

Dentro del algoritmo general de optimization, el bucle más externo es esencial-
mente secuencial. Por la naturaleza del método, una transformación del simplexo
sigue a la anterior y no se puede realizar sin que aquélla haya terminado.
Cada uno de los procedimientos de reflexión o contracción son también se-
cuenciales (se limitan a recolocar los puntos del simplexo). Dentro de ellos se
realiza una evaluación de la función de mérito, como ya hemos visto. Ésta eva-
luación es básicamente paralelizable, puesto que se evalúa la misma sobre todos
los puntos del fichero de mérito, y para cada punto se utiliza el mismo algoritmo
(Calc_ast_BS o Calc_ast_NURBS). Por otra parte no tiene ninguna im-
portancia el orden de evaluación de los mismos, puesto que al final sólo interesa
la suma de todos los resultados parciales.
Si seguimos bajando de nivel, nos encontramos con que, para calcular las
aberraciones que intervienen en la función de mérito es preciso calcular la
primera y segunda forma fundamentales para hallar las curvaturas y direcciones
principales (ver sección 4.3.3). Para ello se requieren las derivadas parciales
de los B-Splines o N.U.R.B.S. en cuyo cálculo intervienen numerosos produc-
tos matriciales (sección 4.3.4). Éstos constituyen otro candidato natural a la
paralelización.
6.2.3 Selección del nivel

Podemos escoger dos posibles vías de paralelización:
• Alto nivel, realizando la evaluación de la función de mérito con el mismo
algoritmo en todos los procesadores, cada uno de ellos actuando sobre un
subconjunto del número total de puntos a evaluar.
• Bajo nivel, paralelizando las operaciones matriciales.
Podemos evaluar la estrategia de bajo nivel de forma fácil, teniendo pn wnt*
que para realizar una multiplicación de dos matrices cuadradas de orden n se
6.2. PARALELIZACIÓN 73
requieren n3 multiplicaciones y n2(n — 1) sumas. Por otra parte, necesitamos

mover 3n2 datos entre los procesadores. Sabemos (ver [ST87], [Inm88]) que el
procesador Inmos T800 a 20 Mhz de reloj requiere 1050 ns para efectuar una
multiplicación en coma flotante (64 bits) y 350 ns para una suma en las mismas
condiciones. En la tarjeta de 9 transputers los enlaces funcionan a 20 Mbits/sec.
Llamando t, al tiempo requerido para efectuar una suma, im al tiempo
necesario para una multiplicación y ^ al necesario para transferir 64 bits (un
número en doble precisión), la solución de la ecuación
n3ím -f n2(n - l)í, - 3n2lt = O (6.1)
nos da el orden de la matriz cuadrada a partir del cual se tarda la mismo en

transmitir que en calcular el resultado. Descartando la solución n = O obtenemos
(6.2)
que en nuestro caso proporciona n « 7. En este caso, si pudiéramos imple-

mentar una tubería la podríamos alimentar eficientemente a partir de orden 7
sin necesidad de buffering y suponiendo que la cadena de multiplicaciones sea
suficientemente larga. Una vez realizadas las primeras multiplicaciones, en cada
ciclo de alimentación obtendríamos un resultado, con un tiempo total de multi-
plicación dividido por el número de transputers.
Si no implementamos el producto de matrices como una tubería, se habrá de
cumplir que
nhm + n\n - l)í, ,%, íf. ^

— + 3n 2it = n 3ím + n2/(n - l)í, (6.3)
m
para que el tiempo necesario para enviar, recibir y calcular con m procesadores
sea comparable al de calcular con uno sólo. Resolviendo la ecuación anterior
obtenemos
(m
que para 8 procesadores (hay que descontar el master) y los tiempos antedichos
resulta n « 8. Por debajo de este orden será más lento el proceso en paralelo
que en un sólo procesador. Hay que notar, además que para este orden sólo
conseguiremos hacer las multiplicaciones en un sistema multiprocesador igual
de lentas que en un monoprocesador. Ganancias sustanciales requieren que las
matrices sean de mayor orden aún.
Nuestras matrices son de 4x4 en todos los casos y además, entre operaciones
queda bastante código secuencial. Esto abona el terreno a la elección de la
74 CAPÍTULO 6. IMPLEMENTACIÔN EN PARALELO
paralelización de alto nivel, en la que el volumen de cálculo es muy grande en

comparación con el número de datos a mover.
En concreto, una vez alimentados los procesadores con copias de las matrices
de puntos de control y valores de la función de mérito, lo único que hay que
pasar entre una iteración y la siguiente es el vector de puntos de control movibles,
cuyo número de elementos es igual al número de dimensiones de la optimización
(típicamente « 120).
Las operaciones que hay que realizar entre dos evaluaciones de la función de
mérito (parte secuencia!) son comparaciones y asignaciones en número del orden
de las decenas, mientras que la evaluación de la función de mérito (típicamente
en « 400 puntos) requiere del orden de « 400 operaciones en coma flotante
por punto, en un sistema optimizado ya al máximo para conseguir aumento de
velocidad y minimización del número de operaciones.
Es claro que la relación cálculo/transmisión es muy superior a 1 (> 100
para los datos anteriores) y la relación entre la parte paralelizada y la puramente
secuencial también es claramente favorable a la paralelizada (en un factor cercano
a mil). De esta forma el sistema pasa la mayor parte del tiempo calculando en
paralelo la evaluación de la función de mérito y muy poco tiempo en la parte
secuencial del mismo.
El máximo rendimiento teórico con una tarjeta de m transputers sería de
m-1 veces el rendimiento de un solo procesador, dado que dedicaremos uno
de ellos (el maestro) a la parte secuencial y la gestión de entrada y salida.
Habilitando procesos concurrentes (threads) en el procesador maestro para que
también calculase parte de la función de mérito, se podría hacer este factor
cercano a m, pero ello aumenta la complejidad del algoritmo.
En la tabla adjunta podemos ver la diferencia que hay entre la versión secuen-
cial y la versión paralela y la razón entre uno y otro. Los resultados mostrados
son promedio de los valores de las adiciones 1, 2, y 3, sobre B-Splines.
Ta bla 6.1: Efecto de la paralelizací ón

Versión (seg) Ratio
Secuencial Paralela S/P
78475 12596 6.23
El ratio de 6.23 representa, para 8 transputers activos, un rendimiento en

paralelo del 77.8%. Ello indica que aún se puede mejorar el rendimiento, opti-
mizando las comunicaciones y eliminando tiempos muertos de esper?. ?ntr? qu?
se envía y recibe la información (ver apartado siguiente).
6.3. IMPLEMENTAC1ÓN 75
6.3 Implementation
La implementation del algoritmo la realizaremos mediante una técnica similar
a processor farming, pero con configuración estática (ver Apéndice B). Para
ello dispondremos una tarea maestra (Master) encargada de la parte secuencial,
de la entrada y salida desde y hacia el host, y de la distribución y recogida de
información de y hacia la red de procesadores.
Por otro lado, dispondremos de una tarea esclava (Worker), con copias en
cada uno de los procesadores de la red, que realizará la evaluación de la función
de mérito en un subconjunto del conjunto de puntos del fichero, de forma que
entre todos los workers se cubra el total de los puntos.
Finalmente utilizaremos unas rutinas para gestionar la transvase de infor-
mación entre los workers y el master (routers). Éstas, en nuestro caso, son
dependientes de la topología de la red.
6.3.1 Topología de la red

La topología escogida es la denominada Pipe9 (ver Apéndice B). La razón de
esta elección es triple:
• Es la forma más simple de interconectar y depurar la red.
• Trabajos realizados por [PZ90] indican que, para algoritmos semejantes al

nuestro, las diferencias entre árboles temarios, anillos y pipes se convierten
en prácticamente indistinguibles cuando el número de puntos que se envían
a la vez a cada procesador para su cálculo es suficientemente grande, esto
es, cuando se optimiza la influencia de las comunicaciones.
• Nuestra aplicación no necesita del envío de información referente a qué

puntos calcular, puesto que como veremos el propio número i, que recibe
cada transputer en el momento de la initialization, le sirve para discri-
minar qué parte del total le corresponde calcular. Ello implica que el
flujo de información es despreciable cuando calculamos la función de
mérito, a diferencia de cuando inicializamos los procesadores con toda la
información sobre vértices de control, etc.. Por ello la topología de la red,
que afecta sólo a las comunicaciones, pierde relevancia y nos podemos
decantar por la solución más sencilla.
Los enlaces físicos en este caso consisten simplemente en conectar la línea

Este de uno con la Oeste del otro y viceversa, dejando los enlaces Norte y Sur
libres.
76 CAPÍTULOS. IMPLEMENTACIÓN EN PARALELO
Dentro de cada tranputer puede correr un número cualquiera de tareas con-

currentemente, comunicándose entre sí mediante canales lógicos. Tanto las co-
nexiones físicas como las lógicas se especifican en un fichero, que el programa
de configuración (configurer) utiliza para crear el fichero ejecutable en la red
concreta a que está destinado (Configuración estática).
6.3.2 Parte secuencial (Master)

El programa maestro se puede esquematizar como sigue:
ACCIÓN Master
Inicializa_com(in_ports, out_ports)
Lee_entrada(sup_fich, log_fich, merit_fich, modo)
Lee_superficie(sup_fich, superficie, limites)
Lee_f un_merit(merit_fich)
Codifica(buffer,superficie)
PARA i=l HASTA num_trans PASO 1 HACER
Envia_datos(i, buffer)
num=i-l
longitud»1
Envia_M<longitud, num, i)
FINPARA
vector=Genera_vector_optira(superficie, limites)
Optimiza(superficie, vector, ftol, ndim, F_merito())
Escribe_salida(log_fich, superficie)
FINACCION
Las cuatro primeras líneas se encargan de inicializar las comunicaciones

y leer los datos de entrada, el fichero de mérito y los datos creados por el
sistema interactivo de diseño. Una vez hecho esto se envían a cada uno de los
procesadores de modo que haya una copia de la memoria del master en todos
ellos.
Es de notar que Envia_M manda al procesador i un número num que le
permite identificar que porción del conjunto de puntos de la función de mérito
le corresponde calcular.
Codifica es un función que comprime todos los datos referentes a la
superficie, límites de optimización y datos del fichero de mérito, de forma que
la transmisión sea más eficiente. En conjunto se envían más de 10 Kbytes, para
conseguir una imagen en los workers de la parte común del estado do T.c.Tcria
del master.
6.3. IMPLEMENTACIÔN 77
Acto seguido se genera el vector de puntos de control modificables y se entra

en la rutina de optimization, que es la ya vista en 6.1.1. Sin embargo el cálculo
de la función de mérito en este caso se realiza del modo siguiente:
FUNCIÓN F_merito(vector)
longitud = n_dim+l
Envia_M(longitud,vector, i)
FINPARA
longitud = Recibe_m(merito_rec, no_j3rocesador)
mérito = merito+merito_rec
FINPARA
SI iter <> O y cont MODULO 100 == O ENTONCES
Escribe_salida(log_fich,superficie)
FINSI
cont=cont+l
F_merito=merito
DEVUELVE F_meritO
FINFUNCION
Como vemos Reconstruye actualiza los valores de los puntos de control

modificados por Optimiza y envía a-cada procesador el vector de puntos de
control modificados vector, después de lo cual, queda a la espera de recibir
los resultados parciales de cada procesador para sumarlos a fin de conseguir el
valor de la función de mérito en total.
6.3.3 Parte paralela (Workers)

Del otro lado de la red, uno en cada procesador, se encuentran los workers, con
la forma:
ACCIÓN Worker
valor =1
Inicializa_com_w(in_ports, out_ports)
longitud=Recibe_W(buffer)
Decodifica(buffer,superficie)
longitud=Recibe_W(buffer)
num =buffer
MIENTRAS valor O O HACER (* bucle infinito *)
longitud=Recibe_w(buffer)
78 CAPÍTULOS. IMPLEMENTACIÓNEN PARALELO
vector=buffer
merito=F_merito_t(vector, num)
longitud=l
Envia_W(longitud,mérito)
FINMIENTRAS
FINACCIÓN
Decodif ica realiza la tarea inversa de Codifica, Recibe_w espera por la

línea de comunicaciones, primero el número que ha enviado Envia_M desde el
master y después el vector de puntos modificados por el método del simplexo.
A partir de aquí F_merito_t evalúa la función de mérito, como ya hemos
visto en la sección 6.1.1 salvo que sólo la calcula en uno de cada num_trans
puntos, empezando por num. Con ello dividimos en num_trans subconjuntos
los puntos a calcular y cada procesador calcula uno diferente.
FUNCIÓN F_merito_t(vector, num)

PARA i=num HASTA n_merito PASO num_trans HACER
t_i = trozo_i(i)
t_j = trozo_j (i)
u = par_u(i)
v = par_v(i)
SI modo == bspline ENTONCES
astig=Calc_ast_BS(superficie, t_i, t_j, u, v)
SINOSI modo == nurbs ENTONCES
astig=Calc_ast_NURBS(superficie, t_i, t_j, u, v)
F INS I
m_ast=m_ast+(astig-ast(i))*2*peso(i)
FINPARA
F_me rit o=m_a s t
DEVUELVE F_merito_t
FINFUNCION
Nótese que el bucle en que entra el worker es infinito. Siempre está esperando
recibir y procesar la información. No hace falta comunicarle la finalización del
proceso pues al acabar el master se finalizan todos los procesos pendientes en
la red.
6.3.4 Subsistemas de redirección (Routers)

Cada worker es concurrente con un router que se encarga de la
y/o redirección de los mensajes que recibe del master, y que envía hacia el
6.3. IMPLEMENTACIÓN 79
master los mensajes del worker, Eí router lanza tres threads diferentes, uno para
comunicarse con la aplicación, otro para redirigir los mensajes línea "abajo" y
otro para redirigir los mensajes línea "arriba" (ver Figura 6.1). El código de
estos threads se puede representar esquemáticamente como sigue:
ACCIÓN Aplicación
valor=l
MIENTRAS valor <>0 HACER
Lee_mensaje(cab,mensaje, in_p(CANAL_APLIC))
fuente = procesador
destino = raiz
cab=construye(fuente,destino)
Espera_semaforo (arriba)
Manda_mensaje(cab, mensaje,out_p(CANAL_ARRIBA))
Cambia_semaforo (arriba)
FIN MIENTRAS
FINACCION
Aplicación acepta mensajes de la aplicación y añade información para su
redirección hacia el procesador raíz. El mensaje se pasa entonces línea arriba. El
uso del puerto CANAL_ARRIBA esta protegido por el semáforo arriba. Ello
es debido a que, en dirección al procesador raíz pueden emitirse simultáneamente
varios mensajes, lo que obliga a utilizar un semáforo a efectos de sincronización.
ACCIÓN Para_arriba
valor=l
(* Lee cabecera y mensaje *)
Lee_mensaje(cab,mensaje,in_p(CANAL_ABAJO))
Espera_semaforo (arriba)
Manda_mensaje(cab, mensaje,out_p(CANAL_ARRIBA))
Cambia_semaforo (arriba)
FIN MIENTRAS
FINACCION
Para_arriba acepta mensajes del puerto de entrada CANAL_ABAJO
(línea abajo) y los pasa entonces línea arriba. El uso del puerto CANAL_ARRIBA
esta protegido por el semáforo arriba.
ACCIÓN Para_abajo
valor=l
(* Lee cabecera y mensaje *)
80 CAPÍTULO 6. IMPLEMENTACIÔN EN PARALELO
Worker Router
Tn
Figura 6.1: Esquema de los enlaces físicos y del flujo de mensajes entre proce-
sadores. Éste está gobernado por los routers.
6.3. IMPLEMENTACIÓN 81
Lee__mensaje(cab,mensa je,in_p(CANAL_ARRIBA)
Descifra(cab,destino)
SI destino == procesador ENTONCES
Manda_mensaje(cab, mensaje,out_p(CANAL_APLIC))
SINO
Manda_mensaje(cab, mensaje,out_p(CANAL_ABAJO))
F INS I
FIN MIENTRAS
FINACCION
Para_abajo acepta mensajes del puerto de entrada CANAL_ARRIBA

(línea arriba), mira el destino del mensaje y, o bien pasa el mensaje al canal
de la aplicación, o si no es para ella, pasa el mensaje línea abajo. Aquí no
es necesario el semáforo ya que los mensajes que van línea abajo provienen
del procesador raíz en dirección al worker de algún procesador. Se emiten uno
detrás de otro y por tanto no hay posibilidad de simultaneidad.
82 CAPÍTULOS. IMPLEMENTAC ION EN PARALELO
Capítulo 7
Comparación de
Interpolaciones
Una vez establecida una metodología y unos algoritmos de diseño, podemos
evaluar distintas formulaciones matemáticas en condiciones homogéneas. Dado
que hemos descartado en principio las formulaciones que no poseen control local
ni suficiente suavidad, nos proponemos evaluar B-Splines y NURBS comparati-
vamente.
Para ello es necesario diseñar una estrategia de evaluación y comparación
entre las distintas formulaciones para valores significativos de los parámetros de
diseño de las lentes.
7.1 Contenido de las pruebas

En este sentido hemos preparado las siguientes pruebas: Con ayuda de nuestro
sistema se han realizado 3 diseños de adiciones ID., 2D. y 3D. respectivamente.
Se han generado los puntos de partida de la optimización para los tres, en
idénticas condiciones, a saber:
• Potencia de Lejos: 5 dioptrías.
• Adición : 1, 2 y 3 dioptrías.
• Diseño de pasillo codificado como "FV" (figura 7.1).
• Función de mérito codificada como "FT.17X17.MER".
• Distribución de zonas optimizables codificada como "FT" (figura 7.2).
83
84 CAPÍTULO 7. COMPARACIÓN DE INTERPOLACIONES
o o
o
— o
~ ce
rt a
E 2
5J
t l
à; d o
tr~oj
o
c ~
l l ! l l l I I
Figura 7.1: Diseño del pasillo en las adiciones de prueba. En la figura, pasillo
de una adición de 1 D. Los otros dos son proporcionales a éste.
7. 1. CONTENIDO DE LAS PRUEBAS 85
Zonas Modificables Datos Diseño

índice = I 600
Potencia = 5.00
30.0-E Base = 500
Cóncava = 0.00
200-f Adición - 300
Esp. C = 000
100-f Diametro = 60 00
00-Ê
•100-i
*Q n -j '- *.' '.* '.' *.' '•' '.' ' . . . _ ' ' . * '.' '.' '.• *.' .'. L
-300-^
-40 [> rTTTTyTITT|I(TT|Tinj(III}(il<jHII]Nlimi!|lllllllll|niTTTIII|IIIl¡UI!|U[!j

-400 -300 -200 -100 00 100 ZOO 300 400
Figura 7.2: Distribución de zonas optimizables FT. (Explicación de los símbolos

en sección 5.3).
Las superficies punto de partida de la optimización obtenidas a partir de estas

especificaciones se pueden apreciar en las figuras 7.3, 7.4 y 7.5, que recogen la
distribución de astigmatismo para las tres adiciones de referencia. Es notable
la extensión de las áreas de lejos y de cerca, estando las zonas marginales con-
finadas en una estrecha franja a ambos lados de la progresión, con muy altos
valores absolutos de astigmatismo y grandes valores del gradiente de astigma-
tismo en la misma.
Estos niveles de astigmatismo y de gradiente de potencia resultan difíciles
de adaptar y soportar desde el punto de vista fisiológico. En las figuras se ha
truncado la representación tridimensional por encima de 5 dioptrías de astigma-
tismo para mayor claridad, sustituyendo los valores superiores a 5 D. por valores
iguales a 5 D. creando así un plano en el dibujo.
Gráfico de Astigmatismo D4A100DE.ECO
Figura 7.3: Superficie punto de partida para 1 dioptría de adición.
Gráfico de Astigmatismo 1Í-1A200DE.ECQ
Figura 7.4: Superficie punto de partida para 2 dioptrías de adición.

7. 1. CONTENIDO DE LAS PRUEBAS 87
Qi
O
I
I
Figura 7.5: Superficie punto de partida de la optimization para 3 dioptrías de

adición.
88 CAPÍTULO?. COMPARACIÓN DE INTERPOLACIONES
7.2 Variantes de Optimización

La función de mérito se ha planteado con el propósito exclusivo de minimizar el
valor del astigmatismo en toda la superficie de las zonas marginales, sin imponer
restricción alguna a la orientación de los ejes o a la distribución de potencias.
Las optimizaciones se han planteado con las variantes siguientes:
1. Optimización del punto de partida mediante B-Splines, moviendo los
vértices de control de las zonas movibles.
2. A partir del resultado anterior continuar la Optimización usando NURBS,
pero variando sólo los pesos de las zonas modificables, sin variar los
vértices de control de sus posiciones.
3. Optimización del punto de partida, mediante NURBS, modificando
únicamente los pesos asociados a los vértices de control.
4. Optimización del punto de partida, mediante NURBS modificando si-
multáneamente los vértices de control y sus pesos asociados, siempre
dentro de las zonas modificables.
7.3 Función de mérito

Ya vimos, en la ecuación 5.1, que la función de mérito se puede expresar, en
general como
siendo
donde Vf representa el valor a conseguir y Vi el valor real en un momento

dado. En nuestro caso, los valores deseados se consignan en un fichero, que
denominamos defunción de mérito.
El fichero de función de mérito "FT.17X17.MER" tiene el formato men-
cionado en la sección 5.3.1. Consta de 444 puntos distribuidos en 232 para el
lado izquierdo y 212 para el lado derecho de la lente. Recordemos que, gracias
al control local optimizamos áreas restringidas por separado.
Por otra parte optimizamos solamente el ojo derecho ya que el izquierdo se
puede obtener por imagen especular de aquél. Hay más puntos en un lado de la
lente que en el otro, debido a que la trayectoria convergente de la mirad:; hac?
el diseño de la lente disimétrico.
7.4. REALIZACIÓN 89
Mediante este fichero se puede modificar la cantidad y situación de los pun-

tos en los que se evalúa la función de mérito así como los valores deseados
de astigmatismo potencia y ejes, afectados del peso relativo de ese punto con
respecto a los demás. De esta forma se puede evaluar la función de mérito, con
gran facilidad, eliminando la necesidad de calcular las coordenadas del trozo
bicúbico asociadas a un punto cartesiano determinado.
Este fichero en concreto ha sido diseñado para obtener una distribución de
astigmatismos suave en toda la zona marginal, concediendo más importancia
(mediante los pesos) a la zona cercana al centro de la lente que a la periferia de
la misma, ya que el ojo, [GOP*87] y [POS87], normalmente no gira más allá
de 10 a 15 grados. Por encima de este valor se gira la cabeza. Ello implica
que la distribución correcta de los astigmatismos es más importante alrededor
del centro.
No obstante, no se puede descuidar, la localización de los ejes principales en
la periferia de la lente, debido a que la visión periférica utiliza esta porción de
la misma y en ella la crioscopia es muy importante para la percepción coherente
de formas y movimientos (ver [Mou88]).
7.4 Realización
Inicialmente se realizó una tanda de pruebas optimizando la función de mérito
en el espacio paramétrieo, esto es, dados el trozo bicúbico definido por la fila i
y la columna j y los parámetros « y v, se calcula siempre en estos parámetros,
independientemente del punto cartesiano que definan en cada momento. En el
caso de B-Splines el punto cartesiano asociado siempre es el mismo, puesto que
sólo permitimos el movimiento de las componentes z de los puntos de control.
Así pues, optimizar en el espacio cartesiano o en el paramétrieo es equivalente,
con la única salvedad de que es más rápido hacerlo en el paramétrieo, puesto
que no hay que encontrar el trozo bicúbico y los parámetros « y v a partir de z
e y.
No ocurre lo mismo con los NURBS, en los cuales, la modificación del
valor del peso afecta a las coordenadas x, y, z. Por ello, en este caso no existe
equivalencia entre la optimización en el espacio paramétrieo y el cartesiano, a
menos que los pesos asociados a cada punto del espacio paramétrieo se calculen
en función del punto del espacio cartesiano correspondiente. Esto se consigue
utilizando una función que represente el valor de los distintos pesos de mérito
en todo el espacio cartesiano.
Para cotejar los resultados obtenidos se realizó una segunda tanda de pruebas
con NURBS, en los cuales se sustituyó la optimización en el espacio paramétrieo
por el espacio cartesiano. Esto obliga a buscar el trozo bicúbico y los parámetros
« y v a partir de las coordenadas cartesianas. Esto, que en el caso B-Spline con
distribución equiespaciada de los puntos es directo, se convierte en un problema
de minimización en el caso de los NURBS.
Ello es debido a que en un caso las «-líneas y las v-Iíneas son rectas or-
togonales y en el otro no son líneas rectas, sino que presentan ondulaciones,
dependiendo de los valores de los pesos correspondientes a los vértices de control
en cuestión.
Partiendo de el trozo bicúbico t_i, t_ j utilizamos el método de minimi-
zación de Polack-Ribiere [Pol71], implementado según [PFSV88]. Este método
hace uso del conocimiento del gradiente de la función a minimizar, que no es
otra que
/(* W) = (*'-*)' + (y' -y)2 (7.1)
donde z e y son las coordenadas cartesianas que queremos obtener y z' e y7
son las coordenadas correspondientes a los parámetros u y v actuales en el trozo
t_i, t_j.
El algoritmo de localización del trozo y los valores de los parámetros u y v,
partiendo de un trozo bicúbico t_i y t_j probable, tiene la forma siguiente:
ACCIÓN Localiza_x__y (x, y)
ftol=1.0e-4
fret=2*ftol
avisl=0
avis2=0
MIENTRAS fret > ftol Y avisl == O O avis2 == O
f ret=minimiza (u, v, ftol, función, gradiente)
SI conta MODULO 2 == O ENTONCES
conta=conta+l
SI u-0.0 < ftol y t_i > O ENTONCES
t_i=t_i-l
u=0.99
SINOSI 1.0-u < ftol y t_i < nvertexh-4 ENTONCES
u=0.01
SINO
avis l=avis 1+1
FINSI
SINOSI conta MODULO 2 == 1 ENTONCES
conta=conta+l
SI v-0.0 < ftol y t_j > O ENTONCES
7.5. RESULTADOS 91
_ _
v=0.99
SINOSI 1.0-v < f toi y t_j < nvertexv-4 ENTONCES
v=0.01
SINO
avis2=avis2+l
FINSI
FINSI
FINMIENTRAS
FINACCION
El contador conta obliga a cambiar alternativamente la secuencia de eva-

luación del trozo t_i y el trozo t_j para evitar que, en algunos casos, el
algoritmo quede atrapado en una serie infinita de oscilaciones.
avisi y avis2 sirven al propósito de evitar que el hallazgo de un mínimo
local superior a la tolerancia f tol cuelgue el algoritmo en un bucle infinito.
Ello nos permite encontrar los parámetros tt y t> que producen el punto de
coordenadas z e y requeridas. Puede ocurrir, sin embargo, que uno o ambos
valores se hagan O o 1, sin que se haya encontrado el mínimo. En este caso
se pasa al trozo contiguo disminuyendo en una unidad el índice t_i si es el
parámetro u el que se ha hecho O o aumentando una unidad si se ha hecho 1.
Análogamente para el índice t_ j si es el parámetro v el que se ha ido a O o a
1.
Una vez en el otro trozo bicúbico se repite la minimización hasta hallar el
punto para el cual fret, que es el valor de la función de mérito, sea menor
que la tolerancia, o nos conduzca siempre al mismo lugar, momento en el que
estaremos en el mínimo.
nvertexh y nvertexv son el numero de perfiles (puntos de control en
sentido horizontal) y puntos por perfil (puntos de control en sentido vertical)
de la malla de vértices de control. Los trozos bicúbicos tienen índices que van
desde O hasta nvertexh-4 y desde O hasta nvertexv-4.
7.5 Resultados
Para evaluar comparativamente los resultados de las distintas optimizaciones
hemos realizado la representación gráfica de las mismas, para las distintas
variantes de optimización (ver sección 7.2). Además, para poder evaluar
numéricamente las diferencias entre unos resultados y otros, hemos creado una
rutina de evaluación que asigna unos valores a cada aberración en función del
criterio de mérito siguiente:
Ait =
i
donde A¡ es el astigmatismo expresado en dioptrías, P¿ es la potencia media en

dioptrías, Dn es la potencia nominal en dioptrías de la superficie en visión de
lejos y Si es la orientación, en grados sexagesimales, del eje principal asociado
al mayor radio de curvatura principal, en el punto i. p¡ es el peso asociado a
ese punto en la función de mérito que se usa para optimizar las superficies.
El criterio elegido evalúa cuánto se aparta nuestra superficie de una es-
fera (astigmatismo deseable = 0) de potencia Dn, la de visión lejana, y cuyos
ejes principales se desean orientados perfectamente según la vertical (ortosco-
pia máxima). En el caso de los ejes, se multiplica por 1 menos el peso del
punto, ya que, al revés que en el astigmatismo o la potencia, estos importan
menos cuanto más en el centro de la lente se está. Esto es debido a que allí
los astigmatismos vienen determinados por la forma del meridiano, en virtud
del teorema de Minkwitz, en cambio en las zonas más alejadas del centro es
importante mantener los ejes bien orientados para evitar los efectos indeseables
sobre la visión extrafoveal.
En función de esos valores podemos establecer una tabla comparativa entre
las diversas variantes (véase la tabla 7.1).
Por lo que se refiere a los tiempos invertidos en optimizar cada una de las
dos tandas, la tabla 7.2 nos permite ver claramente las diferencias existentes
entre ambos modos de realización, claramente desfavorables al cálculo de la
función de mérito en el espacio cartesiano. La diferencia en la razón de tiempos
totales entre la tanda 1 y la tanda 2 sugiere que el simplexo ha recorrido caminos
diferentes por el espacio de configuración hasta llegar al mínimo. No hay que
olvidar que en un caso estamos utilizando una función para calcular los pesos
desde el espacio paramétrico, mientras que en la otra utilizamos directamente los
valores fijos del fichero de mérito, buscando el trozo bicúbico y los parámetros
en cada caso.
Estos resultados se pueden apreciar en forma gráfica en las figuras 7.6 a
7.17. Se han representado solamente los gráficos correspondientes a in arlioión
de 3D. para evitar una proliferación excesiva de ilustraciones.
7.5. RESULTADOS 93
Dado que el astigmatismo es la aberración que se pretende optimizar, hemos

incluido un gráfico 3D del mismo, junto con su representación en forma de
curvas de nivel (Figs. 7.6,7.9, 7.12,7.15). Igualmente, se incluyen gráficos de
curvas de nivel de la potencia media Dm (Figs. 7.7, 7.10, 7.13, 7.16) y de la
orientación de los ejes principales (Figs. 7.8, 7.11, 7.14, 7.17).
En este último tipo de gráfico, la orientación de los ejes viene dada por la
del segmento rectilíneo dibujado en un cierto número de posiciones. La longitud
del mismo es proporcional a la magnitud del astigmatismo en ese punto. Con
ello se pone de relieve el hecho de que la orientación de los ejes principales
es tanto más importante desde el punto de vista fisiológico, cuanto mayor es el
astigmatismo. Es evidente que si el ojo humano no percibe un astigmatismo
menor de 0.5 D., poco importa la orientación del mismo.
Si examinamos las figuras antedichas y las confrontamos con los valores de
la tabla 7.1, podemos observar que la evaluación cuantitativa realizada se co-
rresponde con las apreciaciones cualitativas que se pueden hacer de las mismas.
Efectivamente, podemos ver que el modo 3 produce las mayores y más
desordenadas aglomeraciones de astigmatismo y potencia, así como los ejes
mas desorientados. Entre los tres modos restantes, el modo 1 presenta mayor
astigmatismo en promedio, pero menores gradientes y variaciones de potencia y
los ejes claramente mejor ordenados de los cuatro modos. El modo 2 y el 4 son
similares en cuanto astigmatismo, con mejores orientaciones de ejes y suavidad
en la potencia para el modo 2 y menor nivel promedio de astigmatismo en el
modo 4.
Tabla 7.1: Resultados

Interpolación | Modo | Astigmatismo | Potencia | Ejes
Adición : 1 D.
B-Splines 1 222 34266 152321
2 122 35643 377929
N.U.R.B.S 3 1449 40746 732955
4 112 36574 401401
Adición : 2 D.
B -Splines 1 875 36742 144822
2 535 39545 348751
N.UJR.B.S 3 7582 52933 727395
4 521 41586 369077
Adición : 3 D.
B-Splines 1 1981 39362 142920
2 1162 43540 326957
N.U.R.B.S 3 14258 67478 714516
4 1280 48926 331040
Tabla 7.2: Tiempo de C.P.U. (en segundos)

Interpolación | Modo | Tanda 1 | Tanda 2
Adición : 1 D.
B-Splines 1 12014 11740
2 28006 152423
N.U-R.B.S 3 23477
4 280895
Adición : 2 D.
B-Splines 1 15614 20074
2 27446 215857
N.U.R.B.S 3 16788
4 278566
Adición : 3 D.
B-Splines 1 14371 16843
2 24702 171566
N.U.R.B.S 3 11582
4 317639
7.5. RESULTADOS 95
Gráfico de Astigmatismo
Astigmatismo Datos Unie

Indice = 1600
400-r Polenci»= 5 00
Bue = 500
300-í
Conc« va = 000
200-|
Adición = 300
&p C - 000
100-f Diâmtlr» 60 00
Otros Datos
00-1
Fich b4a300dOrcl
Fecha 06/I4/9I
Hora 092302
-¿00-=
INTO
-300-1
Intervalo - -50a 50
-400-Í
Poso : O 50
-40 O - JO U -2ú 0 - 1 0 0 OU 10 Ü ¿00 JO ü 40 û
Figura 7.6: Astigmatismo de la superficie optimizada. Adición de 3 D. modo 1.

Potencia Datos Lente

índice = 1600
Potencia 5 00
Base = 500
Caneara^ 000
Adición = 300
Esp C r 000
Diàmetre 8000
Otros Datos
Fleh b4aJOOdO«I
Fecha 06/14/91
Hora 092940
INTO
Intervalo i - I Û O « 100
Puo . - O 50
-400 -300 -200 -100 00 100 ¿00 300 400
Figura 7.7: Potencia media de la superficie optimizada. Adición de 3 D. modo

1.
Ejes c/f Astigmatismo Datos Lente

^ ndice = 1800
4l]l>-= Potencia 5 00
4 Base = 500
VI ü 1 Còncava: 000
•^ Adición : 300
¿(KHI Esp C = 000
W1)1 Diàmetre 8000
J 1 : . 1 1
Otros Datos
u u ~^ . / . . . . \ \ \ X
= I I , . - \ \ i Fich b4t300dOKl
1011-1 l l i ' •• \ \ > Fecha 06/14/9]
/ / / V \ 1 Hort 09 4« 51
-¿«u - l l i \ \ \
l l i I I ' WFO
- W (1 -i I ' l t '
| > 1 / Lon|itu<l de e|es propor-

-400-Î cional al astigmatismo
-400 -300 -200 -100 00 100 200 300 400

•_,»•
Figura 7.8: Ejes principales de la superficie optimizada. Adición de 3 D. modo

1.
7.5. RESULTADOS 97
Gráfico de Astigmatismo D4A300D1.EC1
Astigmatismo Ditos Unti

Indict t 1600
Potencia* í> 00
Bise = 500
Conca»» = 000
Adición ~ 300
Esp C = 000
Diámetro 6000
Otros Datos
Ficb b4t300dl ecl
Ftcha 06/H/9I
Hora OÍÍ553
INFO
InUrvtlo: -50 1 SO
Paso = 060
-4QO 300 -200 -100 00 100 200 300 400
Figura 7.9: Astigmatismo de la superficie NURBS optimizada. Adición de 3 D.

modo 2.
Po /encía Datas Unte
índice = 1600
Potencia 5 00
Base = 500
Concaw= 000
idlCIOD = 300
Esp C = 000
Diámetro 60 00
Otros Datos
Dch b4a300dlecl
FKha 06/14/91
Hon 101225
INFO
Intervalo: -100« 100

Paso = 050
-400 -300 -200 -100 00 100 200 300 400

2.
Ejes de Astigmatismo Datos Unte

-= Indice = 1600
400-5
Potenciï: 5 00
~= Base : 500
)00-¡
CoBcsw= 000
200-|
Adición = 300
J- Esp C - 000
IOO-I Diàmetre 8000
Otros Ditos
f^: ^^
00 ~
Fich b4a300dl ecl

-100-5 i • \ •. -. - , i Fecha 06/14/91
-= - ( v - \ - Nora 103205
-200-1 1 1 - >
r - 1 1 1 - INFO
-M 0-5 1 1
1 / Longitud de ejes propor-
-400-1
cional al astigmatismo
!lll|nil|lllljll!l]lln|iMi|iiii|iinjiui|iii iiiN^liiüiiiiniiii'iiiiiiliilllllii]
-400 -JOO -¿00 -100 00 100 200 300 400
— ...

2.
7.5. RESULTADOS 99
Astigmatismo Datos Unte
índice : 1800
Poten««: 500
Base : SOD
Costara- 000
Adición = 300
Esp C = 000
Diàmetre 8000
Olios Datos
Fith MaMIdl Kl
Fecha 06/14/91
Hora II41M
WTO
lnlir»»Jo= - 9 0 a 90
Paw : OSO
Figura 7.12: Astigmatismo de la superficie NURBS optimizada. Adición de 3

D. modo 3.
Potencia Ditos Unte

índice = 1600
Potencia J 00
Bise : 500
Cóncava* 000
AdicioD * 300
Esp C s 000
Diàmetre 80 00
Otros Datos
Ficb M«301dl ecl
Fecha 06/14/91
Hon 1155 51
INFO
Intervalo x -100a 100

Paso ï 050
-400 -300 .'OU -100 00 100 200 300 400

3.
Ejes dt Astigmatismo Datos Untt

~= índice : 1 600
400-i Potencias 5 00
-r Base : 500
1
J00-| Concavas 000
- Adición : 300
JO l>-|
Esp C s 000
10t)-i
Diámetro: 60 00
-E 'J / ,
.4,v r t 1
Oíros Datos
.£
-lOtt-i
^/, '
/ //- • •
x - ' ->xx H
x• , \-\ / n
Fie h
Fecha
MaMIdl ecl
06/14/91
-| ,-'^ - , - Hora 122123
¿(III— •
WIJ . i
MFO
-E longitud de ejes propor-
-400-1 cional al astigmatismo
-400 -300 -200 -100 0 100 ZOO 300 400

•^^*»-

3.
7.5. RESULTADOS 101
Astigmatismo Ditos Unte

Indice = 1600
Potencia 5 00
Base - 500
Concaví= 000
Adición = 300
Esp C - 000
Ditmetre 8000
Otros Datos
Fleh Mí30W2ecl
Fecha 06/14/91
Hora 105248
1KFO
Intervalo = -50> 50
Paso = O 60
-400 -300 -200 -100 00 100 200 300 400
Figura 7.15: Astigmatismo de la superficie NURBS optimizada. Adición de 3

D. modo 4.
Pot( /icio Datos Unit

Indice - 1600
Potencu= 500
Base = 500
Concara= 000
»dicioQ = 300
Esp C = 000
Diametr« 8000
Otros Datos
Heb b4a300d2ccl
Fecha 06/14/91
Hora 110413
DÍFO
Intervalo* -100a 100

Para = 060
-400 300 -200 -100 00 100 200 300 «00

4.
r Ejes de Astigmatismo Datos lente
1 Indict ? 1600
400-1 Potencia 5 00
-| B»je = 500
300-¡ Conca?a= 000
•= Adicwa : 300
¿00—r
Esp C = 000
100-5 Dumetrr 80 00
-5 , , , , / v , , , ,
Otros Dato«
00-| I I X > I I . \
-| i • - - l 1 i rVh M«300d2«l
-100-1 / \ \ \ í . \ Feclu 06/14/91
-¡ 1 / \ \ - i / Nora 112530
-¿00-= 1 - l \ • '
l - , i INTO
JO 0-1
1 Unfitud de ejei propor-
-400-1 cíoDal al astiimatun»
""i""'""!""!""!""!"'!""!'"1!»"!»"!"»!»»!»"!»"!"»!»»!'»'!
-400 300 -200 -100 00 100 200 300 400
—„.

4.
7.6. CONCLUSIONES 103
7.6 Conclusiones
De los resultados anteriormente vistos podemos elaborar una tabla cualitativa
referente al comportamiento de los dos tipos de interpolación estudiados. Esta
es la tabla 7.3. Si tenemos en cuenta las figuras de Astigmatismo, Potencia y Ejes
Tabla 7.3: Conclusiones

Tipo de Modificable Punto de Comportamiento
Interpolación Vértices Pesos Partida Astigm. Pot Ejes
B-Splines Sí No Original Ref. Ref. Ref.
No Sí B-Splines Mejor Peor Peor
N.U.R.B.S. No Sí Original Peor Peor Peor
Sí Sí Original Mejor Peor Peor
de las distintas variantes optimizadas, junto con los reultados de la evaluación

numérica, vemos que concuerda notablemente la aprecixión sobre los gráficos
con los valores dados por la rutina de evaluación.
Igualmente vemos que en las optimizaciones según los modos 2 y 4 mejo-
ramos el astigmatismo, a costa de empeorar las variaciones de potencia y la
orientación de los ejes, que no solo se apartan de sus valores ideales, sino que
sufren notables variaciones locales. Esto mismo se puede decir del astigma-
tismo, que aunque menor en término medio que para los B-Splines, sufre en los
NURBS ondulaciones importantes.
El modo 3 se ha revelado claramente descartable para la optimización de
superficies progresivas dado sus bajos rendimientos. No solo produce ondula-
ciones en todas las superficies de aberraciones estudiadas, sino que sus valores
de evaluación son claramente superiores a los de las demás variantes.
Para conseguir que los ejes y la potencia se equilibraran al modo que los
hacen "espontáneamente" en los B-Splines se requeriría, para los NURBS, incluir
en la función de mérito condiciones para la potencia y los ejes.
Por otra parte es destacable la diferencia en tiempo de cálculo, entre realizar
la función de mérito para los NURBS en el espacio paramétrico o en el carte-
siano, no encontrándose ninguna diferencia en el resultado final, si se habilita
una función que nos relacione los pesos con las coordenadas a e y del punto
correspondiente a la localización paramétrica preestablecida.
Podemos concluir, finalmente, que B-Splines es un tipo de interpolación
adecuado al problema propuesto, que responde de una manera natural a los re-
querimientos y especificaciones ópticas de optimización, dejando una superficie
adecuada, no sólo en cuanto a distribución y valores de astigmatismos (objeto de
la optimization), sino también en cuanto a los valores y distribución de potencias

y ejes principales, que adoptan valores compatibles con los deseables desde el
punto de vista óptico y fisiológico sin necesidad de plantearlo en la función de
mérito.
Capítulo 8
Conclusiones y Futuros
Trabajos
8.1 Aportaciones
Las aportaciones realizadas por este trabajo se pueden condensar como sigue:
• Se ha creado el dispositivo necesario para la edición interactiva de diseños
y especificaciones de lentes progresivas, dentro del marco de un sistema
de C.A.D, interactivo específico para Óptica Oftálmica (Capítulo 5).
• Se han utilizado B-Splines y NURBS como formalismo soporte de la rep-
resentación y tratamiento de la superficie óptica de una lente oftálmica.
Ello representa haber multiplicado por 20 el número de grados de liber-
tad de los formalismos conocidos utilizados hasta el momento en óptica
oftálmica para este tipo de lentes.
• Se ha establecido un procedimiento de evaluación de lentes progresivas y
se ha comparado los resultados de optimizar los mismos diseños mediante
ambos formalismos, a la luz del sistema de evaluación (Capítulo 7).
• Se ha puesto a punto un sistema de optimización de las superficies progre-
sivas, utilizando un sistema multiprocesador M1MD basado en transputers.
Se han creado las rutinas necesarias para la comunicación y tratamiento
de los datos objeto de la optimización. (Capítulo 6).
• Igualmente se evalúa el nivel más eficiente de paralelización , la topología
de la red de procesadores y el modelo de paralelismo más adecuado al
algoritmo de optimización, teniendo en cuenta el hardware para el que se
programa. (Secciones 6.2 y 6.3)
105
106 CAPÍTULO 8. CONCLUSIONES Y FUTUROS TRABAJOS
8.2 Conclusiones
Las conclusiones principales que se pueden extraer del trabajo realizado son las
siguientes
• B-Splines se muestra como un método de interpolación idóneo para el
diseño de lentes progresivas. Sus propiedades intrínsecas favorecen la
distribución suave de las aberraciones y la orientación crioscópica de los
ejes principales de curvatura, de una forma natural, aún cuando sólo se
optimiza el astigmatismo.
• Aún siendo NURBS un formalismo con mayor número de grados de liber-
tad que B-Splines, la intervención de los pesos en la optimización rebaja
el nivel de astigmatismo, a costa de la crioscopia y de la regularidad de
la distribución de astigmatismos y potencias medias, lo cual es negativo
desde el punto de vista fisiológico, ya que se percibe como irregularidades
en la visión dinámica y no favorece la visión estática.
• La implementación en paralelo del sistema de optimización está especial-
mente indicada en este caso, ya que, con más de 100 grados de libertad,
el tiempo de cálculo es muy extenso.
• Se ha conseguido una paralelización elevada del algoritmo de opti-
mización. Se ha ganado un factor 6.2, utilizando una tarjeta con 8 proce-
sadores dedicados a la parte paralela del algoritmo, respecto a la velocidad
de cálculo del mismo algoritmo secuencia! calculado en un solo proce-
sador. Ello representa un 77% de paralelismo conseguido.
8.3 Futuras líneas de trabajo

El sistema de diseño desarrollado es suficientemente versátil como para permitir
la evaluación de otros tipos de métodos de interpolación. Aunque B-Splines
se adecúa muy bien al diseño de progresivos, puede ocurrir que otro tipo de
interpolación con menos grados de libertad produzca resultados equivalentes.
Ello justificaría una línea de trabajo en este sentido.
La edición interactiva de funciones de mérito, elaborada hacia el final de este
trabajo, se debería evaluar exhaustivamente para intentar conseguir funciones de
mérito compatibles con la geometría diferencial de la superficie, conducentes
a diseños con valores más bajos y equilibrados de aberraciones en las zonas
periféricas de la lente.
Otro aspecto interesante es el de la optimización del factor de ponJclioinü
conseguido, que se podría mejorar mediante una reprogramación cuidadosa del
ß.3. FUTURAS LÍNEAS DE TRABAJO 107
sistema de comunicaciones entre los workers y el master. También se apunta

como interesante el establecimiento de buffers que eliminasen los tiempos de
espera que impone el actual sistema.
Por otra parte, sería conveniente incluir el trazado de rayos y la evaluación
de las aberraciones desde el punto de vista óptico, no sólo geométrico, de cara
a elaborar un criterio de calidad no basado en los promedios y diferencias de
las curvaturas superficiales, sino en la aberración de la onda emergente. Esto,
que hoy en día resulta aún prohibitivo, probablemente será factible, sin recurrir
a supercomputadores, con la nueva serie de transputers INMOS T9000, que
tendrán un rendimiento 10 veces mayor que el actual T800, siendo compatibles
a nivel binario con éstos.
108 CAPÍTULO 8. CONCLUSIONES Y FUTUROS TRABAJOS
Apéndice A
El Ojo Humano
Para la comprensión de los fenómenos ligados a la visión es indispensable un
conocimiento funcional del ojo. El ser humano es un animal predominantemente
visual en lo que a proceso de la información del mundo exterior se refiere. Por
otra parte, no hay que olvidar que las lentes progresivas pretenden suplementar al
ojo présbita, aprovechando las cualidades fisiológicas de éste y las de adaptación
y tratamiento de datos del cerebro. Conjunto sin el cual una lente progresiva
deviene esencialmente inútil.
El ánimo de este apéndice no puede ser otro que el de dar unas nociones
muy resumidas de la anatomía del globo ocular y de la fisiología y función del
mismo.
A.l Anatomía del ojo

El globo ocular constituye un órgano de visión cuyo cometido consiste en cap-
tar información electromagnética (comprendida entre 400 nm.-azul- y 700 nm
-rojo- de longitud de onda) del mundo exterior y enfocarla sobre un tejido
fotorreceptor nervioso llamado retina que la traduce en impulsos nerviosos
procesables por el cerebro.
La sensibilidad espectral es máxima en el ojo humano sobre los 555 nm. (ver
figura A.1) que corresponde al color amarillo verdoso. La línea (1) corresponde a
la sensibilidad fotópica (con luminosidad superior a 10~3cd-m~2), mientras que
la (2) corresponde a la visión escotópica (por debajo de la citada luminosidad).
Como se ve, existe un corrimiento de la sensibilidad hacia las ondas cortas en
visión escotópica, denominado efecto Purkinje.
109
110 APÉNDICE A. EL OJO HUMANO
400 500 600 700

Figura A.1: Sensibilidad espectral del ojo.
No es una casualidad que el Sol emita principalmente radiación luminosa

en estas longitudes de onda. El ojo humano ha sufrido una adaptación que le
permite aprovechar al máximo el espectro electromagnético de la estrella que
ilumina los objetos de la visión.
El globo ocular (ver figura A.2) está constituido por una envoltura aproxima-
damente esferoidal, dura y resistente denominada esclerótica, que le proporciona
protección y donde se insertan los seis músculos que gobiernan su movimiento.
En su cara anterior tiene una protuberancia en forma de casquete esférico, trans-
parente, que se denomina córnea.
Dentro de la esclerótica se encuentra una membrana denominada coroides,
grandemente vascularizada, que es la encargada de alimentar a las zonas del
ojo poco o nada irrigadas. La coroides no se cierra totalmente dentro del ojo,
sino que acaba, por la parte frontal, en un músculo denominado músculo ciliar.
Este músculo tiene un orificio en su centro que se denomina iris y que funciona
como diafragma de apertura, al ser de diámetro variable, en función de la tensión
aplicada al músculo ciliar. Esta variación de apertura es automática (es un acto
reflejo), provocada por la luminosidad incidente en la retina.
Detrás del iris y suspendido del músculo ciliar por un haz de fibras mus-
culares denominadas zónula se halla el cristalino, cuerpo transparente en forma
de lente biconvexa, responsable de la acomodación del ojo (su capacidad de
enfoque).
El ojo internamente está dividido en dos cámaras independientes por una
membrana muy fina denominada hialoide. La cámara anterior está llena de un
líquido transparente o humor acuoso compuesto básicamente por albúmina y
agua salada. La cámara posterior está llena del llamado humor vitreo, esencial-
mente un gel de proteínas. La presión de estos humores mantiene la forma del
ojo y contribuye a sostener la retina unida a la coroides.
A.1. ANATOMÍA DEL OJO 111
Cámara anterior
Pupila
Córnea
Conjuntiva Iris
Cámara
Canal de posterior
Schlemm
Cuerpo
ciliar
Músculo
•recto
interno
Ora
serrata
Esclen tica
Macula lútea
•ij ciaar larça poste- /

"er i cilia" larô Dir^
\?r .j óptico
Arteria \ v e n a centrales
de la re*i"a
Figura A.2: Anatomía del Ojo. Corte horizontal del ojo situado en la órbita
izquierda.
La retina es un velo de tejido nervioso situado dentro de la coroides y unido a

ella sin solución de continuidad, donde se forman las imágenes. Está formada por
las terminaciones nerviosas de las células terminales del nervio óptico que enlaza
directamente con el cerebro. En su parte posterior tiene una pequeña depresión
denominada fóvea donde se concentran el mayor número de conos, las células
nerviosas fotorreceptoras responsables de la visión nítida en visión fotópica. En
el resto de la retina predomina otro tipo de células denominadas bastones, de
importancia en la visión escotópica y en la apreciación de movimientos y formas.
El punto por donde entra el nervio óptico se denomina punto ciego, en razón
de que allí no existen fotorreceptores.
A.2 El ojo teórico

En 1844 Moser fue el primero en aplicar las leyes de formación de imágenes
de Gauss al ojo humano. Sin embargo, una elección infortunada del índice de
refracción del cristalino, le proporcionaba imágenes fuera de la retina. En 1853
Listing resolvió este problema introduciendo el llamado ojo reducido, cuya idea
es cercana a la Christian Huygens (1653), el cual sostenía que el ojo humano es
asimilable a dos hemisferas, con un ratio de 1 a 3 para la razón cómea:retina,
que serían sus únicas partes constituyentes.
Debemos al oftalmólogo sueco Allvar Gullstrand (1862—1930), gran parte
del conocimiento moderno del sistema ocular. Partiendo de medidas propias y
ajenas, construyó un modelo del ojo consistente en un sistema óptico centrado
con superficies réfringentes esféricas. Este modelo del ojo fue utilizado para es-
tudiar su comportamiento óptico en la visión y en conjunción con otros sistemas
ópticos, como lentes oftálmicas e instrumentos ópticos.
El ojo de Gullstrand es considerablemente menos simplista que los considera-
dos anteriormente y su gran mérito consiste en que da una idea muy aproximada
de las medidas y caracteísticas promedio del ojo. No obstante, hay que re-
saltar que es un ojo teórico, adecuado a los propósitos de simulación óptica,
no necesariamente la medida de un ojo real. En el ojo real hay gran cantidad
de características que resisten a la simplificación, como es la forma claramente
asférica de la córnea, la cual, según [Legól], varía su curvatura, por ejemplo,
en función del estado menstrual en la mujer, la temperatura ambiente, e incluso
está sujeta a variaciones circadianas.
Lo mismo ocurre con muchos otros parámetros del ojo, que siendo
intrínsecamente variables , han de ser sustituidos por valores promedio, o hien
por cantidades equivalentes, dentro de una aproximación esquemática. Dentro de
esta filosofía se encuentran los ojos esquemáticos de Gullstrand (ver Tabla A.l).
A.2. EL OJO TEÓRICO 113
Tabla A.l: El ojo esquemático de Gullstrand

Ojo Exacto Ojo Simplificado
Acomodación Sin | Con Sin Con
índice de refracción:
Córnea 1.376 1.376
H. acuoso y vitreo 1.336 1.336 1.336 1.336
Cristalino 1.386 1.386 1.413 1.424
Situación:
Sup. corneal ant. 0 0 0 0
Sup. corneal post. 0.5 0.5
Sup. ant. cristalino 3.6 3.2
Sup. post, cristalino 0.5 0.5
Centro óptico lente 5.85 5.2
Radios de curvatura:
Sup. corneal ant. 7.7 7.7 0 0
Sup. corneal post. 6.8 6.8
Sup. corneal equivalente 7.8 7.8
Sup. ant. cristalino 10.0 5.3 10.0 5.33
Sup. post, cristalino -6.0 -5.33 -6.0 -5.33
Poder refractor:
Sup. corneal ant. 48.83 48.83 0 0
Sup. corneal post. -5.88 -5.88 6.8
Sup. corneal equivalente 43.08 43.08
Sup. ant. cristalino 5.0 9.375 7.7 16.5
Sup. post, cristalino -8.33 9.375 12.833 16.5
En el ojo esquemático exacto se tienen en cuenta los efectos de las aberraciones

sobre el poder dióptrico del ojo.
Tabla A.2: El ojo de Gullstrand (cont.)

Ojo Exacto Ojo Simplificado
Acomodación Sin Con Sin | Con
Sistema corneal:
Poder refractor (D) 43.05 43.05 43.08 43.08
Primer pto. ppal(mm.) -0.0496 -0.0496 0 0
Segundo pto. ppal(mm.) -0.0506 -0.0506 0 0
Primera dis. focal(mm.) -23.227 -23.227 -23.214 -23.214
Segunda dis. focal(mm.) 31.031 31.031 31.014 31.014
Sistema cristalino:
Primer pto. ppal(mm.) 5.68 5.145 5.85 5.2
Segundo pto. ppal(mm.) 5.808 5.255 5.85 5.2
Distancia focal(mm.) 69.908 40.416 65.065 40.485
Sistema completo del ojo:
Primer pto. ppal(mm.) 1.348 1.772 1.505 1.821
Segundo pto. ppal(mm.) 1.602 2.086 1.631 2.025
Primera dis. focal(mm.) -15.707 -12.397 -15.235 -12.355
Segunda dis. focal(mm.) 24.387 21.016 23.996 20.963
Posición fóvea 24.0 24.0 24.0 24.0
Posición pto. próximo -102.3 -100.8
En vista de las dificultades que ello supone, no sólo en la elaboración de las

medidas, sino en su utilización, sugirió un ojo simplificado, en el que el sistema
óptico está libre de aberraciones, el efecto divergente de la cara posterior de la
córnea es despreciado y el índice de refracción del cristalino es homogéneo, en
vez de variable, como ocurre en la realidad.
Apéndice B
Sistemas de Transputers
Debido al alto número de dimensiones en que se desarrolla la optimización,
resulta aconsejable realizar la misma utilizando el cálculo en paralelo. En nuestro
caso particular, dado que estábamos desarrollando sobre compatibles IBM AT
de altas prestacionas (iapx80386 a 25 MHz) se imponía la consideración de que
el hardware de proceso en paralelo fuese compatible con estas máquinas.
El hardware sobre el que se ha implementado este proyecto, en cuanto a
su programación en paralelo, ha sido un ordenador Compaq 386/25 con una
tarjeta Fast9 de Quintek Ltd. (UK). En el momento de su adquisición (Sept, de
1988),este hardware presentaba la mejor relación precio/MFLOP del mercado.
La tarjeta Fast9 de Quintek constituye [Qui88] un sistema MIMD (Múltiple
Instruction, Multiple Data) compuesto por:
• 9 Transputers INMOS T800-20 de 32 bits que proporcionan cada uno 1.5
MFLOPS (4000 Whetstones/s frente a 1083 de VAX 11/780 [ST87]) de
rendimiento teórico sostenido.
• Un megabyte de DRAM local por transputer.
• Una estructura de enlace reconfigurable electrónicamente mediante el chip
IMS C004, que permite cambiar la topología de la red que forman los
nueve transputers.
• Velocidad en las líneas de enlace configurable a 10 Af6¿í* • »~l o 20
Mbits • í-1
• Conectores de expansión que permiten conectar varias placas entre sí.
El Transputer INMOS T800, es un sistema VLSI [Inm88] que incorpora en un
solo chip 4Kbytes de memoria, CPU de 32 bits, FPU operando concurrentemente
115
116 APÉNDICE B. SISTEMAS DE TRANSPUTERS
PIPE9
TREE9
SKIP9 BOX9
GRI09
Figura B.I: Algunas topologías posibles con 9 transputers
con la CPU, y 4 enlaces físicos bidireccionales denominados respectivamente

Norte, Sur, Este y Oeste. Ello permite crear, con n transputers un gran número
de topologías en red. Algunos ejemplos de las que se pueden realizar sobre
Fast9 se pueden ver en la Figura B.l.
La programación de los algoritmos de optimización paralelizados se ha rea-

lizado en lenguaje "Parallel C" de 3L Languages. Este es un C standard con
una librería de funciones que permiten implementar semáforos, "threads", y
entrada/salida mediante la comunicación serie a través de los enlaces de los
transputers.
La definición topológica de la red se realiza mediante configuración

electrónica en cuanto a los enlaces físicos de los transputers. Los enlaces
lógicos se realizan mediante un fichero de configuración que no sólo permite
su especificación sino también sirve para que el cargador ("loader") reconozca
cada programa y lo cargue en su transputer de destino.
Claramente [Mató?] la topología óptima es dependiente de la aplicación.

B. 1. CONFIGURACIÓN ESTÁTICA Y DINÁMICA 117
B.i Configuración estática y dinámica

Un sistema MIMD se caracteriza porque cada procesador tiene su propia memo-
ria local, no compartida con la de los otros procesadores del sistema (Múltiple
Data), así como su propio conjunto de instrucciones a ejecutar (Múltiple Instruc-
tion), posiblemente distinto de los cargados en los demás procesadores.
Para dividir adecuadamente una aplicación en sus partes independientes
procesables simultáneamente, existen dos casos principales (ver [MS87]) en
cuanto a la localization de las rutinas y su forma de intercomunicación:
• Configuración estática : Cada rutina o grupo de rutinas secuenciales
independientes ejecutables simultáneamente se ubica en un transputer di-
ferente. Ello implica poder distinguir unos transputers de otros y conocer
de antemano el número de éstos en la red. Ello supone un fichero de
configuración concreto para una red dada.
• Configuración dinámica, también conocida como Processor Farming.
En este caso se ubica en el transputer raíz un programa maestro, que
distribuye la información a una serie de programas idénticos —esclavos
o workers— , cada uno de ellos situados en un transputer diferente. En
este caso, no es necesario conocer de antemano el número de transputers
existentes, ni cargar tareas distintas en distintos procesadores, ya que todos
los esclavos son idénticos. El fichero es muy sencillo y sólo varía el
cargador a utilizar.
En todos los casos cada programa mantiene su propio conjunto de datos, no

compartido con los demás programas situados en otros transputers.
Un punto importante relacionado con los dos casos anteriormente menciona-
dos es la comunicación y el trasvase de datos entre procesos y procesadores. Ha-
bitualmente se habilitan unos "threads", concurrentes [Mat87] con el programa
principal, cuya misión consiste en recibir los mensajes destinados al procesador
en cuestión (configuración estática) y reenviar por la red los mensajes dirigidos
a otros procesadores. Estos routers (ver Figura B.2) son dependientes de la
topología de la red, aunque normalmente ocupan muy pocas líneas de código.
En el caso de configuración dinámica, los routers son siempre el mismo y su
cometido suele ser tan elemental como interceptar el mensaje si el procesador
está libre de trabajo, y redirigirlo "red arriba" en caso contrario. Esto plantea
notables problemas cuando se traspasan grandes cantidades de información, si
el tiempo de cálculo no es mucho mayor que el de transferencia de información.
Maximizar el rendimiento de un sistema de estas características depende de
muchos factores (ver [Atk87]) entre los que se cuentan:
118 APÉNDICE B. SISTEMAS DE TRANSPUTERS
Router
Aplicación
Figura B.2: Comunicación entre routers y aplicaciones
• La granularidad de la paralelización.
• La relación entre el volumen de cálculo a realizar por cada procesador y
el volumen de información a recibir/enviar por el mismo.
• La posibilidad de incluir la parte más crítica o intensiva del cálculo en los
4Kbytes de RAM de cada procesador.
• Correr los procesos que utilizan los enlaces con alta prioridad, para evitar
tiempos muertos esperando la recepción de mensajes.
• Desacoplar la comunicación del cálculo.
B.2 Programación y depuración

A pesar de que Parallel C posee un depurador simbólico a nivel de código
fuente denominado Tbug, la programación de este tipo de máquinas presenta
dificultades notables.
Si conceptualmente la realización de un algoritmo en Parallel C es relativa-
mente sencilla y de fácil implementación, la depuración del mismo es dificultosa,
B.2. PROGRAMACIÓN Y DEPURACIÓN 119
tanto más cuanto mayor es el tamaño de la red y cuanto mayor es la compli-

cación de su topologia. Programas que funcionan bien con cuatro transputers se
cuelgan con 5 o más debido a saturación de las líneas de comunicación, o a la
implementación deficiente de un router, por ejemplo.
Como problema añadido, si el error está en las rutinas de comunicación, no
podremos emplear estas mismas para su depuración. Por otra parte, la versión
1.0 de Tbug simula en un solo transputer el comportamiento de una red y su
trasiego de datos. Esto implica que si no hay suficiente memoria en el trans-
puter, determinadas configuraciones sean de difícil depuración. La operatoria
del mismo todavía ha de mejorarse, aunque supone un avance a tenerse que
enfrentar con el problema sin más herramientas.
Límite
teórico.
Rendimiento
inicial
Número de procesadores
Figura B.3: Velocidad de proceso vs. numero de transputers
Como contrapartida, con una programación cuidadosa, se pueden obtener

rendimientos muy altos de algoritmos intrínsecamente paralelizables, con un
aumento de prestaciones cercano al lineal (ver Figura B.3) conforme aumenta el
número de procesadores [Pac].
120 APÉNDICES. SISTEMAS DE TRANSPUTERS
Apéndice C
Obtención de Vértices de
Control
C.l Introducción
La formulación mediante B-Splines proporciona un excelente sistema de repre-
sentación de superficies, salvo por el hecho de que los puntos especificados por
el usuario no están sobre la superficie. Incluso en los casos en que no se pretende
interpolar una superficie conocida, sino diseñarla, es muy conveniente [BG80]
poder encontrar los puntos de control que producen la superficie B-Spline que
interpola un conjunto completamente especificado de puntos de la superficie,
que llamaremos de paso.
En [WAG77] se desarrolla un algoritmo que permite hallar los puntos de
control que interpolan un conjunto de puntos de paso dados, para B-Splines uni-
formes. Estos se caracterizan porque el espacio paramétrico está uniformemente
subdividido. En este caso la resolución resulta particularmente eficiente. El
artículo de [WAG77] resuelve el problema de hallar los nodos de control para
curvas que son secciones de la superficie, e interpola la superficie según el otro
parámetro mediante Splines Cardinales, que tienen la propiedad de interpolar los
puntos de paso.
[BG80] resuelve también el problema, mediante la solución de un sistema
lineal de ecuaciones.
En [BAN83] se describe un algoritmo análogo, en el que se encuentran los
vértices de control a partir de los puntos de paso produciendo directamente los
puntos de deBoor de una superficie B-Spline, pero partiendo de un supuesto
121
122 APÉNDICE C. OBTENCIÓN DE VÉRTICES DE CONTROL
diferente y eliminando la necesidad de resolver un sistema lineal, usando en su

lugar dos matrices previamente calculadas.
C.2 Un algoritmo
Seguiremos aquí la pauta establecida en el artículo de [BAN83], que es el que
ha dado lugar a la implementación actual de nuestro sistema de conversión de
puntos de paso a vértices de control.
Expresando la superficie en función de las bases de los Splines Cardinales,
podemos interpolar toda la superficie con una formulación que contiene a todos
los puntos de paso. No obstante perdemos el control local, ya que los Splines
Cardinales poseen control global.
La definición de los Splines Cardinales nos permite escribir para n por m
puntos
en donde Py = (zy.yy.zy) son los puntos de paso y Ci(u) es el i-ésimo

elemento de la base de Splines cardinales sobre el parámetro u, al igual que
Cj(v) es el j-ésimo elemento de la base unidimensional sobre el parámetro v.
(Información más exhaustiva se encuentra en [dB78]).
Estas bases tienen las siguientes propiedades:
• Ci(u) es una cúbica en todo el intervalo tt» < tt < uî para
1 < Jb < n
• Ci € C2 para u\ < u < tt„
O si i 3 j
• C¿(u) satisfacen condiciones específicas de contorno para « = ttj y para
u = wn. En función de estas condiciones se obtienen distintos tipos de
splines.
Si imponemos que c'"(«i) = L'"(UI), siendo L(u) el polinomio de Lagrange

que interpola los 4 primeros puntos y C'"(un) = L'"(un) con significado análogo
para los 4 últimos obtenemos las condiciones denominadas de extremos curvados
(curved ends). Imponiendo C¡'(ui) = C7,"(u„) = O obtenemos las condiciones
denominadas extremos naturales (natural ends).
C.2. UN ALGORITMO 123
Utilizando parametrización uniforme (u* = k) y la condición de contomo de

extremos curvados, las bases se pueden calcular como [BAN83]:
2 - 2 1 1
3 3 -2 -1
(C.2)
0 0 1 0
1 0 0 0
con k <u <k + l y t = u — k, siendo 6,-¿ la delta de Kronecker y A es la matriz
que relaciona el vector de pendientes (¿i, y¡, ¿f) con el vector de puntos de paso
sobre una dirección dada. Para la condición de extremos curvados A vale:
= A71A2 (C.3)
donde
6 6 0 0
1 4 1 0
0 1 4 1
(C.4)
0 1 4 1
0 0 6 6
-13 15 -3 1
- 3 0 3 0
0 - 3 0 3
(C.5)
0 - 3 0 3
-1 3 -15 13
Por otra parte, la misma superficie interpolada por los Splines Cardinales se
puede construir mediante B-Splines, conociendo los (n + 2)x(m + 2) vértices de
control apropiados d,-,-. Podemos escribir:
n+2 m+2
,v = (C.6)
Con estos dos tipos de interpolación tenemos la misma superficie expresada

en términos de unas bases que proporcionan control global y en las que los
puntos de paso intervienen directamente en su formulación, y, por otra parte, en
términos de las bases de B-Splines, con control local y en función de vértices de
control. Esto sugiere igualar ambas formulaciones con el propósito de despejar
los vértices de control en función de los puntos de paso.
124 APÉNDICE C. OBTENCIÓN DE VÉRTICES DE CONTROL
Igualando C.I a C.6 y teniendo en cuenta la relación entre bases (ver

[BAN83]) se puede llegar a la siguiente relación matricial:
[D] = [a„][P][am]T (C.7)
donde [D] es la matriz de vértices de control de elementos d,-¿, [P] es la matriz

de puntos de paso de elementos Py y [<*&] es una matriz que, para condiciones
de extremos curvados se calcula como:
l 0
[«] = (C.8)
o 1
en donde
9 - 9 0
3 7 2
O 1 4 1
Afi = (C.9)
1 4 1 0
• 2 7 3
• 0 - 9 9
5 -3 -3 1
0 12 0
0 0 6 0
M2 = (C.10)
0 6 0 0
0 12 0
1 -3-35
Este tipo de formulación tiene la ventaja de que se pueden precalcular las
matrices a para distintos valores de k y guardarlas en disco. El cálculo de los
vértices de control se reduce entonces a leer los valores de éstas y realizar la
multiplicación de matrices pertinente, sin necesidad de resolver ningún sistema
de ecuaciones.
Bibliografía
[Atc84] D.A. Atchison. Third-order theory and aspheric spectacle lens de-
sign. Ophtalmie and Physiological Optics, 4(2):179-186, 1984.
[Atk87] Phil Atkin. Performance maximisation. Inmos Bristol Technical
Note 17, March 1987.
[Ave07] O. Aves. Improvements in and relating to multifocal lenses and the

like, and method of grinding the same. Patente Inglesa N° 15.735,
1907.
[BAN83] P. Brunet, D. Ayala, and I. Navazo. An interactive algoriihm for the

generation of b-spline surfaces. Procedures of the ICS, 1983.
[Benôl] A. G. BenneL Variable and progressive power lenses, partes 1,2,3
y 4. The Optician, 160 y 161:Parte 1: 421^127, Parte 2: 533-538,
Parte 3: 10-15 Parte 4: 14-22, 1970 (Vol 160) y 1971 (Vol 161).
[BFK84] W Böhm, G Farin, and J Kahmann. A survey of curve and surface

methods in cagd. Computer Aided Geometric Design, Q:l - 60,
1984.
[BG80] B. A. Barsky and D. P. Greenberg. Determining a set of b-spline con-

trol vertices to generate an interpolating surface. Computer Graphics
and Image Processing, 14:203 - 226, 1980.
[BS87] E.F. Barkan and D.H. Sklar. Method of making progressive lens
surface and resulting article. Patente U.S.A. N" 4,676,610, 1987.
[BW86] M. Bom and E. Wolf. Principles of Optics. Pergamon Press, sixth
(corrected) edition, 1986.
[BZ46] C. Berens and J. Zuckerman. Diagnostic Examination of the Eye.
Lippincott Company, 1946.
125
126 BIBLIOGRAFIA
[Car85] F. Carrasco. Estudio Comparativo de algoritmos de generación de

contornos de nivel. Technical Report DMI02-85, ETSEIB UPC,
Barcelona, 1985.
[Cas85] Justiniano Casas. Òptica. Editor J. Casas, 6a edición, 1985.
[Cre53] B. Cretin-Maitenaz. Systèmes optiques a puissance localment vari-

able. Patente francesa N° 1.095.375, 1953.
[Dav78] J.K. Davis. Aspheric lenses: what's possible and what isn't. Review
ofOptometry, 115:68-74, 1978.
[DavSl] Lawrence J. Davenport. Ophtalmie progressive power lens and

method of making same. Patente U.S.A. N° 4.274.717, 1981.
[dB78] Carl de Boor. A Practical Guide to Splines. Springer Verlag, 1978.

[Dukól] S.t Duke-Elder. System of Ophtalmology. Volume ü, Henry Kimp-
ton, London, 1961.
[Far90] G. Farm. Curves and Surfaces for Computer Aided Geometric De-
sign. Academic Press, second edition, 1990.
[FL81] G Fiirter and H. Lahres. Perfeccionamientos introducidos en una
lente para gafas con efecto astigmático. Patente Española N°
501.281, 1981.
[FL86] G Fürter and H. Lahres. Multi-focal spectacle lens with a diop-
tric power varying progressively between different zones of vision.
Patente U.S.A. N° 4.606.622, 1986.
[Fur85] G. Fiirter. Optik konstruktion mit splines. Optik, 70(1): 19-28,1985.
[FvD78] J. Foley and A. van Dam. Fundamentals of interactive computer

graphics. Addison Wesley, 1978.
[GOP*87] M. Gauthier, G. Obrecht, C. Pedrono, J-L. Vercher, and L. Stark.
Adaptive Optimization of Eye-Head Coordination with Degraded Pe-
ripheral Vision, pages 201-210. Elsevier Science Publishers, 1987.
en EYE MOVEMENTS : From Physiology to Cognition.
[Gowl4] H. O. Gowlland. Multifocal lens. Patente Canadiense N" 159.395,

1914.
[Har88] E. Hartmann. Augen und kopfbewegungen. Oplometrie, 2:13-18,
1988.
BIBLIOGRAFIA 127
[InmSS] Inmos. Ims t800 architecture. Inmos Bristol Technical Note 6, Jan-
uary 1988.
[Jef57] J.H. Jeffree. Improvements in or relating to lenses. Patente Inglesa.
N° 775,007, 1957.
[KR81] G.A. Kitchen and WJ. Rupp. Lentille ophtalmique à puissance focale
variable progressivement Patente Francesa N° 2.476.333,1981.
[Leg45] Yves Legrand. Optique Physiologique. Volume 1, Editions de la
Revue d'Optique, 1945.
[Leg46] Yves Legrand. Optique Physiologique. Volume 2, Editions de la
Revue d'Optique, 1946.
[Leg61] Yves Legrand. Studies on the human cornea: aplication to the apha-
kic eye. Trans. Int Ophtalmie Congress, 1961.
[Lip85] Martin Lipschutz. Geometría Diferencial. Compendios Schaum,
McGraw-Hill, 1985.
[Mai62] B. Maitenaz. Recentes études relatives à l'utilisation de nouvelles
surfaces progressives comme moyen de correction. Conferencia,
1962.
[Mai66] B. Maitenaz. Four steps that led to varilux. American Journal of
Optometry, 43:413-450, 1966.
[Mai74] B. Maitenaz. Ophtalmie lenses with progressively varying focal
length. Patente estadounidense N" 3.785.724, 1974.
[Mat87] Philip Mallos. Program design for concurrent systems. Inmos Bristol
Technical Note 5, February 1987.
[Min63] G. Minkwitz. Über den Flächenastigmatismus bei gewissen sym-
metrischen Asphären. Óptica Acta, 10(3):223-227, Julio 1963.
[Mou88] Bernard MoucheL Les Verres Progressifs. Optic 2000, Paris, 1988.
[MS87] D, May and R. Shepherd. Communicating process computers. Inmos
Bristol Technical Note 22, February 1987.
[NM65] J.A. Neider and R. Mead. Computer Journal, 7:308, 1965.
[NR83] W. Newman and Sproull R. Principles of Interactive Computer
Graphics. McGraw-Hill, 1983.
[Obs78] Henri Obstfeld. Optics in vision. Butterworths, 1978.
128 BIBLIOGRAFIA
[Pac] J. Packer. Exploiting concurrency; a ray tracing example. Inmos

Bristol Technical Note 7.
[PC20] A. G. Poullain and D. H. J. Comet Perfeccionnement dans les verres
de lunetterie et moyens de réaliser. Patente Francesa N" 418.583,
1920.
[PFSV88] W.H. Press, BP. Flannery, Teukolsky S.A., and W.T. Vetterling.
Numerical Recipes in C. Cambridge University Press, 1988.
[Pie87] L. Piegl. Interactive data interpolation by rational bezier curves.
IEEE CG&A, April:45 - 58, 1987.
[Pog87] A. Pogorelov. Geometry. Mir Publishers, Moscow, 1987.
[Pol71] E. Polak. Computational Methods in Optimization. Academic Press,
NY, 1971.
[POS87] C. Pedrono, G. Obrecht, and L. Stark. Eye-head coordination with
laterally "modulated" gaze field. American Journal of Optometry
and Physiological Optics, 64(11):853-860, 1987.
[Pri90] D. J. Pritcher. Transputer applications on supernode. Proceedings of
the first conference on Applications of Transputers, 1990.
[PT87] L. Piegl and W Tiller. Curve and surface constructions using rational
b-splines. Computer Aided Design, 19(9):485 - 498, 1987.
[PZ90] W. Purgathofer and M. Zeiller. Configuring transputers for ray-
tracing. Proceedings of the first conference on Applications of Trans-
puters, 1990.
[Qui88] Quintek. Fast9, user manual. 1988.
[RA76] D. Rogers and J. Adams. Mathematical elementsfor computer graph-
ics. McGraw-Hill, 1976.
[Rod79] Optische Werke Rodenstock. Verre de lunettes. Patente Francesa N°
2.422.184, 1979.
[Ros78] Bruno Rossi. Fundamentos de Óptica. Editorial Reverte, 1978.
[SA83] G Smith and D.A. Atchison. Effect of conicoid asphericity on the
tscherning ellipses of spectacle lenses. Journal of the Optical Society
of America, 73(4):441^45, Abril 1983.
[Sab86] M. Sabin. A survey of contouring methods. Computer Graphics
Forum, 5:325 - 340, 1986.
BIBLIOGRAFIA 129
LS^SSJ C. M. Sullivan and C. W. Fowler. Progressive addition and variable

focus lenses. Ophtalmie and Physiological Optics, 8(3):402-414,
Octubre 1988.
[She68] D. Shepard. A two-dimensional interpolation function for irregularly-
spaced data. Proceedings of 23rd National Conf. of ACM, 1968.
[Slo87] S.W. Sloan. A fast algorithm for constructing delaunay triangulations
in the plane. Adv. Eng. Software, 9(l):34-55, 1987.
[SO85] T. Shinohara and S. Okazaki. Progressive multifocal ophtalmie lens.
Patente Inglesa TV0 2.146.791, 1985.
[ST87] R. Shepherd and P. Thompson. Lies, damned lies and benchmarks.
Inmos Bristol Technical Note 27, July 1987.
[WAG77] Sheg-Chuan Wu, J. F. Abel, and D. P. Greenberg. An interactive
computer graphics approach to surface representation. Communica-
tions of the ACM, 20(10):703 - 712, October 1977.
[WÍ181] P.R. Wilkinson. Progressive power ophtalmie lenses. Patente Euro-
pea. N° 0 027 339, 1981.
[Win85] J.T. Winthrop. Progressive power ophtalmie lens. Patente U.S.A.
N° 4.514.061, 1985.

Sistema de Diseño de Lentes Progresivas Asistido Por Ordenador

Cargado por

Información del documentohacer clic para expandir la información del documento

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Sistema de Diseño de Lentes Progresivas Asistido Por Ordenador

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistema de Diseño de Lentes Progresivas Asistido Por Ordenador

Cargado por

Copyright:

Formatos disponibles

UNIVERSITAT POLITÉCNICA DE CATALUNYA

Departament de Llenguatges i Sistemes Informàtics

Barcelona, Septiembre 1991

de la empresa Industrias de Óptica S.A. (INDO), en el seno del cual se han

Juan Carlos Dürsteler

3 Estado del Arte 19

4.1.2 Forma polinómica: 28

8 Conclusiones y Futuros Trabajos 105

A El Ojo Humano 109

B Sistemas de Transputers 115

C Obtención de Vértices de Control 121

3.1 El progresivo de Aves 20

4.1 Curva y vector de nodos 28

5.1 Diseño del meridiano principal 56

6.1 Operación de los routers 80

7.1 Diseño del pasillo 84

A.1 Sensibilidad espectral del ojo 110

B.l Algunas topologías posibles con 9 transputers 116

6.1 Efecto de la paralelizacion 74

A.l El ojo esquemático de Gullstrand 113

1.1 El ordenador y el diseño de lentes

La aparición del Diseño Asistido por Ordenador (CAJ).), y de la Fabri-

La solución de esta dificultad consiste en modificar una o ambas superficies

En el transcurso de las tres últimas décadas han surgido diversos métodos de

La dificultad y especificidad de este planteamiento aplicado a la óptica hacen

1.2 Objetivos y motivación

• El Capítulo 4 pasa revista a los distintos tipos de superficie adecuados a

Siendo r el radio de curvatura de la superficie refractante.

2.3 Acomodación y Convergencia

Figura 2.1: Convergencia de la mirada

y el eje óptico forman un ángulo a . La línea de base y el punto M forman el

Figura 2.2: Lente Bifocal

2.4 Las Lentes Progresivas

2. Distancias que no cubre la adición. Debido a que una lente convergente

Si la distancia dpr al punto remoto de la lentilla es menor que la distancia

Este problema se soluciona parcialmente añadiendo una segunda lentilla

2.5 Zonas principales

Figura 2.3: Trayectoria del meridiano principal.

-400 -300 -200 -100 00 10 O 20 O 30 O 40 O

De lo dicho se desprende que, al menos a lo largo del meridiano principal,

Figura 2.5: Estructura del haz emergente

Resolviendo la ecuación diferencial (típicamente mediante un método

2.5.2 Teorema de Minkwitz

Denominaremos potencia media al promedio de las dos potencias antedichas

nítida a través del punto P. En estas circunstancias tenemos un punto umbilical

Teorema 2.1 (Minkwitz) En una superficie simétrica refractante S, cuya línea

í-.±o 8$ ' '

Supongamos que la línea de progresión es una linea de puntos umbilicales.

en función de la longitud de arco *. Sea el vector tangente t , la normal principal

F(«,0 = x« + ¿b + 7X*,£2)rj« , [ij(i,0) = 0] (2.14)

Figura 2.6: Representación de la Superficie

K(et Í) = k2 + [1*£ -k2- |*4 + 12o4fc]£2 + . . . (2.19)

Si multiplicamos 2.21 por |n' — n|

y podemos escribir el contenido de la proposición

que podemos expresar finalmente como

2.5.3 Zonas marginales

2.5.4 Zona de visión lejana

K(et Í) = k2 + [1£ -k2- |4 + 12o4fc]£2 + . . . (2.19)

.tf)= Zmo() + - = T vV() + B(x)f - p(x) - -C()yW() (3.1)

f () = ( * ) G - í>"~<íí' * = O, l,.... n (4.8)