Desenfocar o pixelar: guía técnica para proteger la privacidad en el procesamiento de imágenes

Łukasz Bonczol
Publicado: 18/6/2025
Actualizado: 26/6/2026

Resumen: El desenfoque y la pixelación ocultan detalles, pero fallan de formas distintas. Un desenfoque gaussiano suave a veces puede revertirse parcialmente con IA; una pixelación intensa, con bloques lo bastante grandes, destruye la estructura subyacente y suele ser la opción más segura para los rostros. Elijas la técnica que elijas, la prueba importante es si una persona aún puede ser identificada. Gallio PRO detecta y oculta automáticamente rostros y matrículas en fotos y vídeos, y ofrece un editor integrado para tratar manualmente cualquier otro elemento.

Al anonimizar datos visuales, la técnica no es una cuestión estética: determina si una imagen “anonimizada” es realmente anónima o solo está parcialmente ocultada. Esta guía compara el desenfoque y la pixelación desde un punto de vista técnico: cómo funciona cada método, dónde puede fallar, qué dice la investigación sobre la reversión mediante IA y cómo aplicarlos para que el resultado resista una verificación real.

Descargar la versión de demostración gratuita →

Qué es la anonimización de imágenes y cuándo se considera válida

La anonimización de imágenes consiste en ocultar o eliminar elementos identificables para que las personas o la información sensible no puedan reconocerse. Según el RGPD, esto importa por una razón concreta: de acuerdo con el Considerando 26, los datos que han sido verdaderamente anonimizados -de forma que la persona ya no pueda ser identificada por medios razonablemente probables- quedan fuera del ámbito del reglamento. Si se hace bien, la imagen deja de ser un dato personal. Si se hace mal, solo se habrá seudonimizado, y el RGPD seguirá aplicándose plenamente.

Cómo funciona el desenfoque

El desenfoque reduce la nitidez suavizando las transiciones entre píxeles. La forma más común, el desenfoque gaussiano, recalcula cada píxel a partir de sus vecinos mediante una curva de distribución normal; el radio, o valor de desenfoque, determina hasta dónde se extiende ese promedio. El resultado atenúa los detalles, pero conserva la forma y el color generales. Esa es precisamente su fortaleza estética y su debilidad para la anonimización: un rostro muy desenfocado aún puede mantener una silueta y unos contornos reconocibles.

En qué se diferencia la pixelación

La pixelación divide una zona en bloques y rellena cada uno con un único color, normalmente el promedio del bloque. En lugar de suavizar los bordes, reestructura el área como una cuadrícula gruesa. Con un tamaño de bloque suficiente, elimina la estructura fina que permite identificar un rostro; por eso, aplicada correctamente, suele ofrecer una anonimización más fiable que un desenfoque ligero.

¿Qué protege mejor la privacidad: desenfocar o pixelar?

Para rostros, una pixelación intensa suele ser la opción más segura. Con un tamaño de bloque adecuado, destruye la estructura subyacente de forma tan completa que la recuperación resulta prácticamente imposible. El desenfoque puede ser eficaz, pero solo si se aplica de manera agresiva; la investigación es precisamente la razón por la que conviene ser prudente.

¿Puede la IA revertir el desenfoque o la pixelación? Lo que dice la investigación

Esta es la parte que muchas guías sobre “cómo desenfocar” pasan por alto. Dos estudios conocidos deberían influir en la configuración que elijas:

  • McPherson, Shokri y Shmatikov (2016), “Defeating Image Obfuscation with Deep Learning”, demostraron que las redes neuronales pueden recuperar identidades a partir de imágenes ocultadas con mosaico, desenfoque e incluso algunos filtros diseñados para preservar la privacidad, con una precisión muy superior al azar.
  • Hill, Zhou, Saul y Shacham (2016), “On the (In)effectiveness of Mosaicing and Blurring as Tools for Document Redaction” (PoPETs), demostraron que el texto desenfocado o pixelado a menudo puede reconstruirse.

La lección práctica es clara: el desenfoque débil y la pixelación de grano fino no son seguros frente a las técnicas modernas de reconstrucción. Cuanto más agresiva sea la pixelación -bloques más grandes y menos colores diferenciados-, menos viable será cualquier recuperación significativa. Para texto, la ocultación sólida supera por completo al desenfoque.

Ajustes óptimos para una anonimización eficaz

No existe un número mágico universal, porque la resolución y el tamaño de visualización lo cambian todo: un radio que oculta un rostro en una miniatura puede fallar cuando la misma imagen se muestra a tamaño completo en una pantalla grande. Calibra los ajustes según el resultado final, no según el archivo de origen. Reglas prácticas:

  • Desenfoque: si tienes que usarlo, aplica un radio amplio y confirma que no sobreviva ningún rasgo distintivo: no solo ojos y boca, sino también peinado, cicatrices o tatuajes.
  • Pixelación: los bloques deben ser lo bastante grandes para que ojos, nariz y boca juntos ocupen solo unos pocos bloques.
  • Verificación: pide a alguien que no conozca a la persona que intente identificarla después de la anonimización y revisa la imagen con varios niveles de zoom.
  • Orden de operaciones: anonimiza la salida final comprimida y verifica el archivo que los usuarios verán realmente.

Cómo anonimizar rostros y matrículas con Gallio PRO paso a paso

¿Prefieres verlo? Mira el videotutorial completo paso a paso.

  1. Instala Gallio PRO. Descarga la demo gratuita desde gallio.pro/es/download. Procesa los archivos localmente, por lo que el original no tiene que salir de tu entorno.
  2. Importa tu imagen o vídeo grabado en Gallio PRO. Funciona con archivos guardados, no con emisiones en directo ni flujos en tiempo real.
  3. Deja que Gallio PRO detecte automáticamente rostros y matrículas. Oculta de forma automática rostros y matrículas en el encuadre; estos son los dos únicos elementos que detecta automáticamente.
  4. Usa el editor integrado para el resto. Documentos, pantallas de monitores, acreditaciones con nombre, tatuajes y logotipos no se detectan automáticamente; puedes desenfocarlos manualmente en el editor integrado de Gallio PRO.
  5. Elige el efecto y la intensidad; después verifica y exporta. Aplica desenfoque o pixelación con una intensidad que no deje nada identificable, compruébalo a tamaño completo y renderiza el resultado. Gallio PRO no conserva registros de detección ni almacena datos personales.

Otras técnicas de anonimización

Además del desenfoque y la pixelación, existen otras opciones: el enmascaramiento sólido, mediante barras o rectángulos opacos, ofrece ocultación absoluta y es la opción adecuada para texto y documentos; la sustitución por contornos o siluetas mantiene el contexto eliminando los detalles; y el reemplazo facial basado en IA o la sustitución 3D pueden parecer naturales, aunque requieren herramientas más complejas. Para la mayoría de trabajos con rostros y matrículas, una ocultación fiable junto con un editor manual para casos límite cubre las necesidades reales.

Cómo el RGPD y la práctica en EE. UU. condicionan la elección

El RGPD no prescribe una técnica concreta; evalúa el resultado. Si una imagen desenfocada sigue permitiendo la identificación, falla, por mucho desenfoque que se haya aplicado. Si la pixelación impide realmente la identificación, supera la prueba. Las Directrices 3/2019 del EDPB sobre dispositivos de vídeo son el punto de referencia, y documentar la técnica y los ajustes forma parte de la demostración de cumplimiento. Para despliegues corporativos, configuraciones on-premise o casos específicos de compliance, puede ser útil ponerse en contacto con el equipo. En EE. UU. no existe un único estándar federal para esto, pero la lógica es la misma prueba basada en el resultado: la pregunta que se plantean reguladores, tribunales y contrapartes es simplemente si una persona todavía puede ser identificada.

¿Afecta la compresión a la anonimización?

Sí. Una compresión JPEG fuerte puede intensificar el desenfoque -a veces de forma útil, aunque con pérdida de calidad- o generar artefactos alrededor de los bloques pixelados. El enfoque seguro consiste en anonimizar la salida final con la resolución y el formato de entrega, y después verificar esa versión comprimida en lugar del archivo previo a la compresión.

FAQ: técnicas de anonimización de imágenes

¿Puede la IA revertir el desenfoque o la pixelación?

El desenfoque gaussiano ligero y la pixelación fina a veces pueden reconstruirse parcialmente mediante modelos de aprendizaje profundo; esto está documentado en investigaciones revisadas por pares. Una pixelación intensa con bloques grandes destruye los datos de forma efectiva y resiste la reversión. La intensidad lo es todo.

¿Anonimizar una imagen la deja fuera del RGPD?

Si la anonimización es permanente e irreversible, de modo que la persona no pueda identificarse por ningún medio razonablemente probable -Considerando 26-, la imagen deja de ser un dato personal. Si la reidentificación sigue siendo posible, se trata de seudonimización y el RGPD continúa aplicándose.

¿Qué es más rápido para grandes volúmenes: desenfoque o pixelación?

La pixelación es computacionalmente más simple que el desenfoque gaussiano, por lo que suele ser más rápida a escala.

¿Gallio PRO aplica desenfoque o pixelación?

Gallio PRO oculta automáticamente rostros y matrículas y permite definir el efecto y su intensidad; cualquier otro elemento puede tratarse manualmente en el editor integrado. Procesa los archivos localmente y trabaja con medios grabados, no con emisiones en directo.

¿Cómo sé si mi anonimización es lo bastante sólida?

Pide a alguien que no conozca a la persona que intente identificarla, revisa la imagen con varios niveles de zoom y presta atención a las pistas contextuales -otros identificadores dentro del encuadre- y a datos de categorías especiales, como salud u origen étnico, que puedan seguir siendo visibles.

¿Cuál es el mejor método para texto o documentos?

La ocultación sólida, no el desenfoque. Como muestra la investigación, el texto desenfocado o pixelado a menudo puede reconstruirse.

Guías relacionadas

Lista de referencias

  1. Reglamento (UE) 2016/679 (RGPD), art. 4(1) y Considerando 26. https://eur-lex.europa.eu/
  2. Comité Europeo de Protección de Datos (2019). Directrices 3/2019 sobre el tratamiento de datos personales mediante dispositivos de vídeo. https://edpb.europa.eu/
  3. McPherson, R., Shokri, R., & Shmatikov, V. (2016). Defeating Image Obfuscation with Deep Learning. arXiv:1609.00408.
  4. Hill, S., Zhou, Z., Saul, L., & Shacham, H. (2016). On the (In)effectiveness of Mosaicing and Blurring as Tools for Document Redaction. Proceedings on Privacy Enhancing Technologies, 2016(4), 403–417.
  5. ISO/IEC 27701:2019 - Gestión de la información de privacidad.