Abstract: En múltiples tareas de fotografía computacional, tales como extracción de 3D o edición de materiales e iluminación para una sola imagen, es necesario el conocimiento previo de las luces y los materiales de la escena. En ocasiones podemos disponer de esta información, bien porque nos encontramos en entornos controlados, o bien porque disponemos de la tecnología que captura dichos datos al tomar la imagen. Sin embargo, en la mayoría de los casos no disponemos de tal información y el único modo que tenemos de obtener luces o materiales es a través de una sencilla fotografía. Este proyecto tiene como objetivo resolver este problema que comúnmente se conoce como descomposición de una imagen en sus componentes intrínsecas, y que consiste en obtener, para una única imagen, la parte correspondiente a iluminación (sombreado) y la que corresponde con reflectancia (textura, color). A lo largo de los años se han desarrollado numerosos métodos para su resolución, sin embargo, el elevado número de incógnitas y la ausencia de información previa de la escena hacen imposible obtener una solución unívoca y óptima. Por ello, para acotar el problema y que sea posible su resolución hemos partido de ciertas asunciones iniciales: suponemos conocido el contorno de los objetos de la imagen y éstos son considerados globalmente convexos. Nuestro algoritmo, realizado bajo un proyecto en colaboración con Adobe Systems Inc., se basa en encontrar las relaciones de luminosidad entre las distintas regiones de la imagen, para posteriormente normalizarlas, y que de este modo se eliminen las variaciones de luminosidad que sean causadas por la textura de los materiales manteniendo la información de la geometría de la escena. Comparado con otros métodos, nuestro trabajo proporciona una solución precisa y no requiere conocimientos avanzados sobre parámetros del algoritmo ni interacción por parte del usuario, ya que se ejecuta de manera automática. Por este motivo, sirve fácilmente de base para cualquier técnica que requiera de esta descomposición.