¿Qué es el ruido en el procesamiento de imágenes? – Una introducción

Si alguna vez has visto una imagen en la que notas partículas de polvo que no forman parte de la imagen real, probablemente estés viendo "ruido" en la imagen. Hay muchas razones técnicas por las que esto sucede. A menudo oscurece la imagen real y es la principal causa de degradación de la calidad de la imagen en la transmisión de imágenes digitales.

Aquí es donde el procesamiento de imágenes ofrece una solución sólida. Proporciona una amplia gama de técnicas de reducción de ruido, como filtrado espacial, filtrado de frecuencia, filtrado basado en transformaciones, filtrado basado en aprendizaje profundo, etc.

En este artículo, exploraremos algunas técnicas clave que se pueden utilizar para reducir el ruido en las imágenes, además de investigar los principales tipos y causas del ruido en las imágenes. ¡Vamos a sumergirnos!

Tipos de ruido en el procesamiento de imágenes

Una simulación de variaciones de ruido – MDF, CC BY-SA 3.0, a través de Wikimedia Commons

Factores que van desde las condiciones ambientales hasta el sensor de la cámara pueden introducir ruido en la imagen. Los cuatro tipos principales de ruido que normalmente se ven en las imágenes incluyen:

• Ruido Aditivo: Causado por variaciones aleatorias en el brillo o la información de color en la imagen. Este es el tipo de ruido más común que se ve en las imágenes.
• Ruido sustractivo: Causado por la resta aleatoria de valores de píxeles de la imagen original, lo que genera una calidad de imagen deficiente, que a menudo se ve como puntos o regiones oscuras en la imagen. El ruido sustractivo suele producirse en entornos con poca luz.
• Ruido multiplicativo: Se produce cuando el valor del ruido se multiplica por el valor del píxel original, lo que a menudo da como resultado una calidad de imagen deficiente en las partes más brillantes de la imagen. Este es el tipo de ruido más difícil de eliminar debido a importantes variaciones en el valor de los píxeles.
• Ruido impulsivo: Causado por cambios repentinos en el valor de los píxeles que son visibles como píxeles aleatorios en blanco y negro que se ven como perturbaciones nítidas en la imagen. También se lo conoce como "ruido de sal y pimienta". Resulta de defectos de la cámara, errores de transmisión o rayos cósmicos.

Causas del ruido en el procesamiento de imágenes

El ruido de la imagen puede deberse a diversas fuentes, entre ellas:

1. Condiciones ambientales: Los factores externos, como la mala iluminación o las interferencias electrónicas cercanas, suelen provocar ruido en las imágenes. Pueden agregar variaciones aleatorias en las imágenes.
2. Ruido del sensor: Cualquier problema con el sensor utilizado en cámaras y escáneres puede aumentar el ruido en las imágenes. Por ejemplo, en condiciones de poca iluminación, si no utilizas un sensor de buena calidad, este puede amplificar el ruido junto con la luz.
3. Ruido de cuantificación: Ocurre cuando las señales analógicas se convierten a formato digital, particularmente en imágenes de alto contraste. Por ejemplo, cuando escanea una fotografía, a menudo verá aparecer ruido en la imagen resultante. Este es el ruido de cuantificación que aparece durante la digitalización de imágenes.
4. Ruido de transmisión: Ocurre cuando las imágenes se transmiten a través de canales ruidosos, ya sea a través de redes (por ejemplo, Internet) o se almacenan en medios de almacenamiento ruidosos (como discos duros).
5. Ruido de procesamiento: Ocurre durante las operaciones de procesamiento de imágenes, como filtrado, compresión, etc.

Modelos de ruido en el procesamiento de imágenes

Los modelos de ruido en el procesamiento de imágenes sirven como representaciones matemáticas de los diferentes tipos de ruido que pueden afectar las imágenes. Estos modelos ayudan a comprender la aparición de diferentes tipos de ruido a través de simulaciones, lo que a su vez ayuda a desarrollar estrategias para reducirlo.

Algunos modelos de ruido comunes incluyen:

1. Ruido gaussiano: Uno de los tipos más comunes de modelos de ruido, el 'ruido gaussiano', se caracteriza por una distribución de probabilidad en forma de campana. Simula variaciones aleatorias que se encuentran en las imágenes. Puede provenir de fuentes como el ruido de sensores y de cuantificación y es similar a la estática que se ve a menudo en la televisión o en una señal de radio.
2. Ruido Erlang: También conocido como ruido gamma, este es otro modelo de ruido multiplicativo caracterizado por una distribución gamma. Por lo general, se encuentra en imágenes capturadas con sensores ruidosos o transmitidas a través de canales ruidosos.
3. Ruido uniforme: Este es un modelo de ruido aditivo con una distribución uniforme, que a menudo se observa en imágenes cuantificadas o corrompidas por errores de transmisión.

Medición de ruido

En el análisis de imágenes, la valoración y evaluación del ruido es una tarea fundamental. Se trata de cuantificar el nivel de ruido en una imagen. Este proceso se basa en dos técnicas principales de medición del ruido:

1. Relación señal-ruido máxima (PSNR): PSNR sirve como punto de referencia para evaluar la calidad de la reconstrucción de imágenes. Compara los valores de píxeles de la imagen original con los de la imagen reproducida, proporcionando una medida numérica de la fidelidad con la que se reproduce la imagen.
2. Error cuadrático medio (MSE): MSE, por el contrario, evalúa las diferencias entre los valores de píxeles de dos imágenes. Este método calcula el promedio de las diferencias al cuadrado entre los píxeles correspondientes en las dos imágenes. Este enfoque cuantitativo nos ayuda a comprender el alcance del ruido en una imagen y su impacto en la calidad.

Técnicas comunes de reducción de ruido

El ruido hace que las imágenes se vuelvan granuladas y descoloridas, oscureciendo los detalles finos. Para neutralizar este efecto, las técnicas de reducción de ruido ayudan a mejorar la calidad de la imagen para obtener mejores resultados en muchos ámbitos como la fotografía, la seguridad, las videoconferencias, la vigilancia, etc. Por ejemplo, la reducción de ruido es fundamental para un diagnóstico preciso y una planificación del tratamiento en imágenes médicas.

Las técnicas de reducción de ruido funcionan mejor en condiciones como poca luz, ajustes ISO altos, velocidades de obturación rápidas o cuando se trata de cámaras inherentemente ruidosas.

Algunas técnicas comunes de reducción de ruido incluyen:

• Filtrado mediano: Para eliminar el ruido impulsivo, el filtrado mediano sustituye el valor del píxel por los valores medianos de sus píxeles cercanos.
• Filtrado gaussiano: Esta técnica reemplaza cada píxel de una imagen con un promedio ponderado de los píxeles en una vecindad de píxeles alrededor de ese píxel.
• Filtrado bilateral: Esta técnica combina el filtrado medio y gaussiano para reducir el ruido con bordes intactos.
• Filtrado de ondas: Esta técnica utiliza la Transformada de Fourier modelo para pasar imagen coeficientes de wavelet para reducir el ruido.

Aplicaciones de Reducción de Ruido

La reducción de ruido tiene una variedad de aplicaciones en todas las industrias, como restauración de imagen y ampliación de imagen, pero los más importantes son:

• Imagenes medicas: Las técnicas de reducción de ruido mejoran el diagnóstico de enfermedades en resonancias magnéticas y tomografías computarizadas, optimizando los resultados de los pacientes.
• Imágenes de satélite: La reducción de ruido ayuda a identificar mejor objetos y características en imágenes de satélite.
• Gestión de desastres: la reducción de ruido mejora las imágenes de teledetección para el seguimiento y la cartografía medioambiental.
• Cumplimiento de la ley: Mejora la claridad en vigilancia Metraje e imágenes forenses para la identificación de sospechosos y objetos.
• Investigación del espacio: La reducción de ruido limpia las imágenes astronómicas, permitiendo la detección de objetos celestes débiles y detalles finos en observaciones del espacio profundo.

Para leer contenido relacionado, visite Unir IA.