Continuando con la serie de tutoriales quería escribir un artículo sobre métodos de reducción de ruido en la fotografía digital y he pensado que estaría bien, antes de hablar de como reducirlo, saber qué es el ruido digital y los tipos que existen.
El ruido es una señal no deseada, que se mezcla con la señal útil, sustituye a los datos. En la fotografía digital aparece como la variación de brillo y/o color en las imágenes.
El ruido, en la fotografía digital, es la desviación del valor de un píxel respecto al ideal que debería tener. Cada fotón que impacta sobre los fotodiodos estimula la emisión de un electrón. Al finalizar la exposición se ha generado un voltaje proporcional a la cantidad de electrones acumulados. Esta señal eléctrica es aumentada proporcionalmente al ISO seleccionado y convertida a un valor digital por el conversor analógico-digital (ADC). Los valores que representan el recuento de fotones para todos los píxeles se denomina en su conjunto datos en crudo (RAW data) y cada valor individual se denomina unidades analógico-digitales (ADU).
Son muchos los factores que influyen en la aparición de ruido, por eso es tan difícil crear sistemas que minimicen su aparición en las imágenes. Algunos de estos factores son: la arquitectura del sensor, el tamaño de los fotocaptores, defectos de fabricación, la calidad y aislamiento de los materiales, el conversor AD, el amplificador ISO, los circuitos de lectura, la temperatura y el redondeo de valores. En definitiva, todos los procesos de captura, transmisión y digitalización introducen algún tipo de ruido en la señal. No parece un escenario muy alentador. Por suerte no sólo la tecnología avanza reduciendo el ruido introducido en la imagen en cada nueva versión de cámara, sino que además tenemos métodos de captura y edición que nos ayudan a reducir el ruido o minimizar su percepción.
No es indispensable saber los tipos de ruido que existen para poder aplicar los métodos de reducción que voy a comentar pero creo que si has llegado hasta aquí es porque te interesa el tema y no está demás conocer a este "enemigo común" con el que te vas a encontrar siempre que pulses el disparador. Los siguientes son algunos de los tipos y grupos de ruido que vamos a intentar combatir.
Ruido de Lectura
Idealmente los datos RAW deberían reflejar de manera precisa el recuento de fotones, pero en la realidad no es así. Cada componente electrónico involucrado en la lectura y procesado de la señal sufre pequeñas fluctuaciones de voltaje que desvían el valor real de las ADU de su valor ideal. Esta desviación de los datos RAW constituye lo que se conoce como Ruido de Lectura.
Aunque el ruido de lectura ya está reduciendo nuestra proporción SNR no es el más molesto de todos. Al tener habitualmente una distribución gaussiana es relativamente fácil reducirlo con sencillas técnicas.
Ruido Gausiano
Cuando hablamos de ruido gaussiano nos referimos a su distribución. El ruido de lectura por ejemplo, el generado por los circuitos dentro de la cadena de captación, tiende a esta distribución, en la que todos los píxeles que forman la imagen varían su valor de acuerdo a una distribución gaussiana.
Una manera de reducir el ruido gaussiano es restar a nuestra imagen un dark frame. Otra podría ser capturar varias imágenes de la misma escena y aplicarles ciertas funciones estadísticas que generen una imagen final.
Ruido de Poisson o Disparo
La luz está formada por paquetes de energía llamados fotones. A mayor intensidad de la luz mayor será el número de fotones por segundo que ilumina la escena. Este flujo de fotones tendrá un promedio en un área determinada así como fluctuaciones de ese promedio en los valores de los píxeles que forma el área. La teoría estadística que explica estas fluctuaciones se llama distribución de Poisson. Esta fluctuación en el flujo de fotones respecto a la media se hace visible como ruido Poisson o ruido de disparo.
Cuando la cantidad de fotones que inciden sobre el fotodiodo es suficientemente pequeña como para dar lugar a relativamente grandes fluctuaciones estadísticas en comparación con el valor promedio de la intensidad luminosa total capturada se hace aparente el ruido de disparo. Habitualmente el ruido de disparo es más notable cuando trabajamos con bajas intensidades de iluminación.
Una característica de este tipo de distribución de ruido es que su desviación respecto al promedio es igual a la raíz cuadrada del promedio del flujo de fotones. Si el promedio de fotones capturados es, por ejemplo, de 1.000.000 fotones la desviación es de ±1000, un ±0,1%. Sin embargo si el promedio del flujo es de 100 fotones la desviación es de ±10, un ±10%. Por lo tanto el ruido de disparo crece a menor velocidad cuanto mayor sea la intensidad de la luz capturada y por lo tanto el ruido será menos aparente ya que la ratio SNR será mayor. Deducimos que derechear el histograma puede ayudar a mitigar el ruido de disparo.
Ruido de Patrón Fijo
Ruido de patrón fijo o fixed pattern noise (FPN) es el término utilizado para definir el ruido creado por el hecho de que algunos píxeles son susceptibles a generar desviaciones de señal por encima del ruido general.
Aunque por lo que hemos visto hasta ahora podría parecer que el ruido generado es aleatorio, en la práctica algunos grupos de píxeles fijos son más propensos a desviar su valor creándose así un patrón de ruido. Aunque en exposiciones cortas es posible que no lleguemos a observar el patrón a simple vista, este se hace más notable en exposiciones largas en las que dichos píxeles pueden llegar a saturar alguno o todos sus canales de color. El hecho de que el cerebro humano haya evolucionado hacia el reconocimiento de patrones enfatiza la percepción de este tipo de ruido llegando a hacerse más aparente que el ruido aleatorio aunque sólo contribuya a una pequeña parte del ruido total.
Para complicarlo un poco más, el ruido de patrón puede tener tanto un componente fijo que no varía de una imagen a otra como un componente variable.
En el ruido de patrón podemos incluir a los llamados hot pixels, cold pixels y dead pixels. Los hot pixels son aquellos que dan una respuesta muy por encima del ruido de lectura normal. Los cold pixels, al contrario, devuelven un recuento de fotones por debajo del que deberían. Los píxeles muertos son aquellos que no son capaces de generar voltaje. Estos píxeles defectuosos suelen crear el mismo patrón bajo las mismas condiciones de temperatura, obturación e ISO.
De la misma manera que podemos minimizar el ruido de distribución gaussiana restando a nuestra imagen un dark frame (ya sea en cámara o en edición), también podemos minimizar el ruido de patrón durante la edición restando una plantilla de ruido de patrón.
Como en la práctica el ruido de patrón se enfatiza con exposiciones largas, otro sistema para librarnos de él es realizar y fusionar diferentes exposiciones cortas hasta llegar a la exposición total deseada.
Ruido Termal
El calor generado por la cámara puede llegar a excitar suficientemente a los fotodiodos como para que estos liberen algunos electrones. Estos electrones son indistinguibles de los foto-electrones generados durante la captación de luz y, por lo tanto causan también una desviación en el recuento de fotones. Los electrones térmicos son liberados a una velocidad constante, por lo que el ruido termal aumenta con el tiempo de exposición.
Otro componente que contribuye al ruido termal es el resplandor o irradiación del amplificador (amplifier glow). Cada vez que el sensor es leído los amplificadores de señal se calientan y emiten calor en forma de radiación infrarroja que excita a los fotodiodos induciéndoles a lanzar otro electrón. Debido a que los amplificadores están situados en los bordes del sensor, el resplandor del amplificador aparece también en los bordes de la imagen y es prácticamente nulo en el centro.
Podemos reducir el ruido termal enfriando la cámara o reduciendo el tiempo de exposición.
Pixel Response Non Uniformity (PRNU)
No sé bien como traducir PRNU. Quizá algo como respuesta desigual de los píxeles. El hecho es que no todos los fotocaptores son igual de eficientes capturando fotones. Pequeñas variaciones en el tamaño de las celdas de los fotocaptores y en el material semiconductor dan como resultado un recuento de fotones que difiere al ideal. Incluso en el supuesto de que no se generase ruido de lectura ni ruido de disparo habría ruido PRNU debido a esta diferencia en la eficiencia de los fotodiodos.
Debido a que el ruido PRNU es consecuencia de propiedades físicas del sensor es considerado como una característica de este.
El ruido PRNU, al igual que el ruido de patrón fijo, expresa errores en el recuento de fotones.
Ruido de Cuantificación
Cuando el voltaje generado por el sensor es digitalizado a un ADU se redondea al valor entero más cercano. Debido a este redondeo el ADU no representa la verdadera cantidad de señal analógica. A este error de redondeo se le llama error de cuantificación o ruido de cuantificación. Este error de redondeo representa, en la práctica, una contribución muy pequeña al ruido total de la imagen.
Ruido de Luminancia
Cuando aparecen variaciones en el brillo de un píxel respecto a la señal original pero los colores se mantienen relativamente fieles hablamos de ruido de luminancia. Si trabajamos sobre una sola imagen, su eliminación puede redundar en pérdida de detalle.
Ruido de Crominancia
Cuando las variaciones aparecen en los colores pero el píxel representa el brillo correcto hablamos de ruido de crominancia. Aunque es relativamente sencillo de eliminar, su reducción sobre una sola imagen conlleva una pérdida de fidelidad en los colores.
Enlaces
Para los interesados en leer artículos algo más académicos que el mío podéis echar un vistazo al artículo Rawnoise de Guillermo Luijk o el artículo Noise, Dynamic Range and Bit Depth in Digital SLRs de Emil Martinec. Para un repaso por encima sobre el ruido podéis leer el artículo Image Noise de www.cambridgeincolour.com.
