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

Si alguna vez has visto una imagen donde notas partículas de polvo que no forman parte de la imagen real, probablemente estás 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.

Es aquí donde el procesamiento de imágenes ofrece una solución robusta. Proporciona una amplia gama de técnicas de reducción de ruido, como filtrado espacial, filtrado de frecuencia, filtrado basado en transformaciones, filtrado basado en aprendizaje automático, etc.

En este artículo, exploraremos algunas técnicas clave que se pueden utilizar para reducir el ruido en las imágenes, junto con la investigación de los principales tipos y causas de ruido de imagen. ¡Vamos a sumergirnos!

Tipos de ruido en el procesamiento de imágenes

Una simulación de variaciones de ruido – Mdf, CC BY-SA 3.0, via Wikimedia Commons

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

• Ruido aditivo: Causado por variaciones aleatorias en la información de brillo o color en toda la imagen. Este es el tipo de ruido más común que se ve en las imágenes.
• Ruido sustractivo: Causado por la sustracción aleatoria de valores de píxeles de la imagen original, lo que lleva a una mala calidad de la imagen, a menudo vista como puntos o regiones oscuras en la imagen. El ruido sustractivo suele ocurrir en entornos de poca luz.
• Ruido multiplicativo: Causado cuando el valor de ruido se multiplica por el valor de píxel original, a menudo resultando en una mala calidad de la imagen alrededor de las partes más brillantes de la imagen. Este es el tipo de ruido más difícil de eliminar debido a las variaciones significativas de los valores de los píxeles.
• Ruido de impulso: Causado por cambios repentinos en el valor de los píxeles que son visibles como píxeles negros y blancos aleatorios vistos como perturbaciones agudas en la imagen. También se 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 resultar de varias fuentes, incluyendo:

1. Condiciones ambientales: Factores externos como la mala iluminación o la interferencia electrónica cercana comúnmente causan ruido en las imágenes. Pueden agregar variaciones aleatorias en las imágenes.
2. Ruido del sensor: Cualquier problema con el sensor utilizado en las cámaras y escáneres puede agregar ruido a las imágenes. Por ejemplo, en condiciones de poca luz, si no se utiliza un sensor de buena calidad, puede amplificar el ruido junto con la luz.
3. Ruido de cuantización: Ocurre cuando las señales analógicas se convierten a forma digital, particularmente en imágenes de alto contraste. Por ejemplo, cuando se digitaliza una fotografía, a menudo se ve ruido en la imagen resultante. Este es el ruido de cuantización que aparece debido a la digitalización de la imagen.
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 almacenadas en medios de almacenamiento ruidosos (como discos duros).
5. Ruido de procesamiento: Ocurre durante las operaciones de procesamiento de imágenes, como el filtrado, la 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 entender la ocurrencia 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 de ruido más comunes, el ‘ruido gaussiano’ se caracteriza por una distribución de probabilidad en forma de campana. Simula las variaciones aleatorias que se encuentran en las imágenes. Puede provenir de fuentes como el ruido del sensor y la cuantización, y es similar al estático que a menudo se ve en la televisión o en una señal de radio.
2. Ruido de Erlang: También conocido como ruido gamma, este es otro modelo de ruido multiplicativo caracterizado por una distribución gamma. Se encuentra comúnmente 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, a menudo observado en imágenes cuantizadas o corruptas por errores de transmisión.

Medición del ruido

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

1. Relación señal a ruido pico (PSNR): La PSNR sirve como una referencia para evaluar la calidad de la reconstrucción de la imagen. Compara los valores de los píxeles de la imagen original con los de la imagen reproducida, proporcionando una medida numérica de cuán fielmente se reproduce la imagen.
2. Error cuadrático medio (MSE): El MSE, por otro lado, evalúa las diferencias entre los valores de los píxeles de dos imágenes. Este método calcula el promedio de las diferencias cuadradas entre píxeles correspondientes en las dos imágenes. Este enfoque cuantitativo nos ayuda a entender 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 sean granulosas 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 dominios, como la fotografía, la seguridad, la videoconferencia, la vigilancia, etc. Por ejemplo, la reducción de ruido es fundamental para un diagnóstico y planificación de tratamiento precisos en la imaginería médica.

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

Algunas técnicas comunes de reducción de ruido incluyen:

• Filtrado de mediana: Para eliminar el ruido de impulso, el filtrado de mediana sustituye el valor del píxel con los valores de mediana de los píxeles cercanos.
• Filtrado gaussiano: Esta técnica reemplaza cada píxel en una imagen con el promedio ponderado de los píxeles en un vecindario de píxeles alrededor de ese píxel.
• Filtrado bilateral: Esta técnica combina el filtrado de mediana y el filtrado gaussiano para reducir el ruido con bordes intactos.
• Filtrado de ondaleta: Esta técnica utiliza el modelo de transformada de Fourier para pasar los coeficientes de ondaleta de la imagen y reducir el ruido.

Aplicaciones de la reducción de ruido

La reducción de ruido tiene una variedad de aplicaciones en diferentes industrias, como restauración de imágenes y escalado de imágenes, pero las más importantes son:

• Imágenes médicas: Las técnicas de reducción de ruido mejoran el diagnóstico de enfermedades en imágenes de resonancia magnética y tomografía computarizada, lo que agiliza los resultados de los pacientes.
• Imágenes satelitales: La reducción de ruido ayuda a identificar mejor objetos y características en imágenes satelitales.
• Gestión de desastres: La reducción de ruido mejora las imágenes de teledetección para el monitoreo ambiental y la cartografía.
• Aplicación de la ley: Mejora la claridad en las imágenes de vigilancia y las imágenes forenses para la identificación de sospechosos y objetos.
• Investigación espacial: La reducción de ruido limpia las imágenes astronómicas, lo que permite la detección de objetos celestes débiles y detalles finos en observaciones del espacio profundo.

Para leer contenido relacionado, visite Unite AI.