El optófono genera sonido a partir de los niveles de gris de la imagen, por lo tanto, es necesario convertir la imagen a escala de grises.

    El espectro visible para el ojo humano es aquel que va desde los 380 nm de longitud de onda para el color violeta hasta los 780 nm para el color rojo (Fig. 3). El ojo percibe distintas intensidades de luz en función del color que se observe, gráficamente se representa mediante una curva denominada "curva de sensibilidad del ojo" o "curva VI" (Fig. 4).

     Fig. 3: Espectro visible.

                           Fig 4: Curva de sensibilidad del ojo.

    El cálculo del equivalente a un color dado en luminancia debe realizarse como una media ponderada de las distintas componentes de color de cada píxel. La ecuación de la luminancia es la expresión matemática de ese fenómeno y los factores de ponderación de cada componente de color nos indican la sensibilidad del ojo humano a las frecuencias del espectro cercanas al rojo, verde y azul. Para realizar la conversión basta con aplicar esta ecuación [20]:

       (a)                                                            (b)               

Fig. 5: a) Imagen de Lenna a color; b) Imagen de Lenna en escala de grises (256 niveles).

    La imagen de Lenna es una imagen clásica dentro del mundo del procesado digital de imágenes. Es una imagen de una chica, aparecida en la publicación Play Boy en 1972, escaneada por un investigador desconocido. La ventaja de operar sobre imágenes estandar radica en que permiten comparar los resultados que se obtienen con los que han obtenido otros investigadores.