Un ordenador puede mostrar una fotografía, reproducir una canción, enseñar una película y guardar una frase escrita en casi cualquier idioma. Sin embargo, por la memoria y las conexiones electrónicas no circulan directamente montañas, voces, letras o rostros: circulan secuencias de bits. La transformación del mundo que percibimos en datos digitales se realiza mediante reglas precisas, diferentes para el texto, las imágenes, el sonido y el vídeo.
La frase «todo se convierte en ceros y unos» es correcta, pero explica poco por sí sola. Lo interesante es comprender cómo un carácter, un color, una onda sonora o un fotograma se convierte en números y cómo el ordenador reconstruye después su significado. Tres ideas son fundamentales: muestreo, cuantificación y codificación.
Del mundo físico a los datos digitales
Muchos fenómenos físicos son continuos. El sonido cambia sin escalones naturales; la luz puede presentar muchísimas intensidades y matices; el movimiento no está dividido de forma natural en fotogramas. El ordenador, en cambio, trabaja con valores discretos y finitos. Para guardar un fenómeno continuo debe observarlo en determinados puntos, asignar números a las medidas y representar esos números en binario.
- Muestreo: elegir puntos del espacio o instantes del tiempo.
- Cuantificación: aproximar cada medida a uno de los valores disponibles.
- Codificación: transformar los valores en bytes según un formato conocido.
No todos los datos siguen exactamente los mismos pasos. El texto ya está formado por símbolos discretos; el sonido parte de una onda continua. Una imagen digital divide el espacio en píxeles, mientras que el vídeo añade la dimensión temporal.
Texto, imágenes, sonido y vídeo siguen recorridos distintos, pero terminan como secuencias organizadas de bits.
El texto: de la tecla al punto de código Unicode
Al pulsar una tecla, el teclado no envía directamente una letra con un significado definitivo. Envía un código asociado a la posición o al evento de la tecla. El sistema operativo lo interpreta usando la distribución seleccionada, por ejemplo española, italiana o alemana. Solo entonces la aplicación recibe un carácter.
Los caracteres modernos se representan generalmente mediante Unicode. Unicode asigna a cada carácter abstracto un número llamado punto de código. La letra mayúscula «G», por ejemplo, corresponde a U+0047, es decir, 71 en decimal. La introducción técnica del Consorcio Unicode distingue el carácter abstracto, su forma gráfica y los bytes utilizados para almacenarlo.
El número Unicode debe serializarse en bytes. UTF-8 es una de las codificaciones más extendidas: usa de uno a cuatro bytes y conserva los valores de los primeros 128 caracteres ASCII. La RFC 3629 del IETF define formalmente UTF-8, mientras que el modelo de codificación Unicode explica caracteres, puntos de código, unidades de código y secuencias de bytes.
Por tanto, «un carácter ocupa un byte» solo es cierto en algunos casos. «G» usa un byte en UTF-8; muchas letras acentuadas usan dos; numerosos alfabetos y símbolos necesitan tres; otros caracteres requieren cuatro. Además, un signo visible puede estar formado por varios puntos de código, como una letra y un acento combinante.
De la tecla al programa: el carácter se interpreta, recibe un punto de código Unicode, se codifica en bytes y se guarda en memoria.
Nota de precisión sobre la ilustración: el carácter cirílico «к» tiene el punto de código correcto U+043A. La forma «U+043K» que aparece en una casilla es una pequeña errata gráfica, porque la notación hexadecimal solo utiliza los dígitos 0–9 y las letras A–F.
Por qué el mismo byte puede significar cosas distintas
Una secuencia de bits no tiene un significado universal por sí sola. El byte 01000001 puede interpretarse como el número 65, la letra «A» en ASCII y UTF-8, un componente de color o una parte de una instrucción. El contexto establece la interpretación: tipo de dato, formato de archivo, protocolo o programa.
Por eso los archivos suelen contener cabeceras y metadatos. Indican al software el formato, las dimensiones, la codificación de caracteres y cómo interpretar los bytes siguientes. Si el contexto es incorrecto, los datos pueden parecer dañados aunque los bits estén intactos.
Las imágenes: una cuadrícula de píxeles y canales de color
Una imagen raster se divide en píxeles. La resolución indica cuántos hay en anchura y altura. Una imagen de 1920 × 1080 contiene 2.073.600 posiciones, pero todavía falta definir cómo se representa el color de cada una.
En el modelo RGB, el color se describe mediante rojo, verde y azul. Con 8 bits por canal existen 256 niveles por componente, normalmente de 0 a 255. Un píxel RGB de 24 bits puede representar millones de combinaciones. Un canal alfa puede añadir transparencia.
La especificación PNG del W3C describe imágenes en escala de grises, color indexado y color verdadero, con profundidades de 1 a 16 bits y canal alfa opcional. PNG comprime sin pérdida: al descomprimir se recuperan exactamente los valores originales. Formatos como JPEG reducen más el tamaño eliminando información y, por tanto, son con pérdida.
¿Cuánto ocupa una imagen sin comprimir?
Una estimación sencilla multiplica anchura, altura, canales y bits por canal. Una imagen RGB de 1920 × 1080 con 8 bits por canal necesita unos 6,2 MB antes de comprimir, sin contar metadatos. La compresión evita almacenar todos los valores de la forma más directa.
El sonido: medir una onda muchas veces por segundo
Un micrófono convierte las variaciones de presión en una señal eléctrica continua. Un convertidor analógico-digital mide su amplitud a intervalos regulares. El número de mediciones por segundo es la frecuencia de muestreo; el número de bits para cada medida es la profundidad de bits.
El PCM lineal guarda las muestras como números. La Library of Congress identifica la frecuencia de muestreo y la profundidad como características centrales. El CD de audio, por ejemplo, utiliza habitualmente 44.100 muestras por segundo, 16 bits y dos canales.
Una frecuencia mayor permite describir cambios más rápidos; una profundidad mayor ofrece más niveles y reduce el error de cuantificación. Ambas aumentan el tamaño. La Web Audio API del W3C trabaja con búferes PCM organizados en canales y fotogramas de muestras.
El audio también se comprime. Los formatos sin pérdida conservan todas las muestras; los formatos con pérdida aprovechan características de la percepción humana. El decodificador debe reconstruir finalmente las muestras que se enviarán al convertidor digital-analógico y a los altavoces.
El vídeo: imágenes, tiempo, audio y compresión
Un vídeo digital es una secuencia temporal de imágenes, normalmente acompañada de pistas de audio y metadatos. Cada imagen es un fotograma. La frecuencia de fotogramas indica cuántos se muestran por segundo: 24, 25, 30, 50 y 60 son ejemplos habituales.
Guardar cada fotograma como una imagen completa sin comprimir exigiría cantidades enormes de datos. Los códecs reducen el tamaño aprovechando las repeticiones dentro de un fotograma y las semejanzas entre fotogramas próximos. Un fotograma clave se puede decodificar por sí solo; otros describen sobre todo los cambios.
ITU-T H.264 define uno de los sistemas de codificación de vídeo más difundidos. La especificación WebCodecs del W3C distingue entre fotogramas y bloques codificados y define el fotograma clave. Para los parámetros de alta definición y el color, ITU-R BT.709 es una referencia importante.
Códec y contenedor no son lo mismo
El códec define cómo se comprime y descomprime el audio o el vídeo. El contenedor organiza las pistas, los tiempos, los subtítulos y los metadatos. Por ello, una extensión de archivo no siempre identifica el códec empleado.
El papel de la RAM, la CPU y la GPU
Al abrir un archivo, el sistema lee los bytes del almacenamiento y coloca las partes necesarias en la RAM. El programa interpreta el formato, descomprime los datos y crea estructuras utilizables. La CPU coordina el trabajo general; la GPU acelera cálculos gráficos y de vídeo; dispositivos específicos transforman los valores digitales en señales para la pantalla y los altavoces.
La memoria no guarda «una fotografía» como un objeto indivisible: guarda bytes organizados. El procesador no escucha una canción: ejecuta instrucciones sobre números que representan muestras. El significado surge de toda la cadena de estándares, archivos, programas y dispositivos.
Digitalizar no significa copiar perfectamente la realidad
Toda representación implica elecciones. Más píxeles pueden describir detalles menores, más muestras pueden seguir cambios más rápidos y más bits pueden ofrecer niveles más finos. La calidad también depende de la fuente, los sensores, los algoritmos, la compresión y la reproducción.
Aumentar los números no mejora automáticamente una fuente deficiente. Una imagen borrosa no se vuelve nítida solo por aumentar su resolución; una grabación con ruido no se limpia por guardarla a 24 bits; un vídeo muy comprimido no recupera los detalles ya eliminados.
Errores comunes
- «Un carácter siempre equivale a un byte»: falso para muchos caracteres Unicode.
- «Más megabytes siempre significa más calidad»: el formato y la compresión también importan.
- «Un vídeo es solo una serie de JPEG»: los códecs modernos aprovechan relaciones temporales.
- «El ordenador comprende directamente imágenes y palabras»: interpreta bytes mediante reglas.
- «Digital significa sin errores»: muestreo, cuantificación y compresión tienen límites.
Preguntas frecuentes
¿Por qué UTF-8 usa un número variable de bytes?
Para conservar la compatibilidad y eficiencia con ASCII y representar al mismo tiempo todo Unicode.
¿Cuántos colores representa un píxel RGB de 24 bits?
256 × 256 × 256: 16.777.216 valores posibles.
¿Qué diferencia hay entre frecuencia de muestreo y profundidad de bits?
La frecuencia indica cuántas medidas se realizan por segundo; la profundidad, cuántos niveles hay para cada medida.
¿Por qué los vídeos ocupan tanto?
Combinan millones de píxeles, muchos fotogramas por segundo, color, audio y metadatos.