Tengo la siguiente imagen que contiene montañas ruidosas.
En la parte inferior de la imagen, la relación señal / ruido es demasiado baja para contener detalles reales, pero cuando elimino todo el ruido de esta área, no parece natural (desde mi punto de vista). ¿Por qué el ruido hace una ilusión de detalles en este caso? ¿Cuándo debo detener la reducción de ruido para mantener la apariencia natural?
noise
noise-reduction
Alex
fuente
fuente
Respuestas:
Si bien puede ser verdad el principio de que el ruido agrega la ilusión de detalles, en este ejemplo creo que estás malinterpretando lo que estás viendo.
Esto se debe principalmente a que ningún algoritmo de reducción de ruido puede eliminar perfectamente todo el ruido y retener todos los detalles. La versión que obtiene después de ejecutar su eliminación de ruido no es una representación precisa de la escena sin ningún ruido, sino que es una imagen que ha sido alterada, eliminando algo de ruido, pero también eliminando o alterando los detalles.
Diferentes algoritmos varían en el resultado final, pero nada que elimine una cantidad sustancial de ruido le dará algo que se ve tan "natural" como el original si no hubiera tenido ruido. La variación entre algoritmos solo altera cuán antinatural y de qué manera es antinatural.
Un experimento más apropiado podría ser comenzar con una fotografía precisa y de bajo ruido y agregarle ruido.
En cuanto a la afirmación original, el ruido al menos puede enmascarar algunos artefactos notables, y enmascarar los artefactos notables puede dar la ilusión de que comenzaste con una imagen más fiel y precisa en primer lugar. El ruido puede enmascarar las bandas que de otro modo obtendría del color de 24 bits en algunos degradados, puede enmascarar el bloqueo si la imagen usaba compresión con pérdida y puede enmascarar el suavizado / reducción de ruido antinatural (como en, si una imagen parece antinatural por demasiado mucha reducción de ruido, agregar de nuevo un poco de ruido puede enmascarar eso y hacer que se vea "menos antinatural"). Dicho esto, en ninguno de estos casos está realmente agregando ningún detalle preciso, solo está dando la ilusión de una imagen más fiel porque está enmascarando signos reveladores de infidelidad.
fuente
El ruido es aleatorio, hace que los valores grises fluctúen de un píxel al siguiente. Esta es información aleatoria presente en la escala más pequeña de la imagen. Si lo quita, da la ilusión de que la imagen se ha vuelto menos nítida, ya que los valores grises ya no cambian tan rápido en la escala más pequeña. Esto no significa que eliminar el ruido sea malo per se. La aplicación de una reducción de ruido agresiva puede eliminar detalles reales, pero incluso si elimina el ruido utilizando el apilamiento de imágenes que en realidad mejora los detalles reales mientras elimina el ruido, obtendrá una imagen que se ve superficialmente menos nítida. Pero debido a que en este caso la falta de nitidez también puede deberse a una desalineación, generalmente estudiaré la imagen detenidamente para ver si hay signos de problemas reales (los bordes afilados o los objetos puntiagudos se mancharán más,
Esto también se ve afectado por la forma en que funciona nuestra percepción. Cuando miramos una imagen, no siempre escaneamos la imagen completa y la reconstruimos en nuestros cerebros, si hemos visto una imagen similar antes, solo usaremos la versión almacenada anterior en nuestro cerebro y la modificaremos cuando sea necesario. El cerebro trata de interpretar lo que ve en términos de lo que ha visto antes, en este caso reconoce la nueva imagen como una versión nítida de la imagen anterior. Esto significa que las personas que solo ven la imagen con el ruido suprimido no notarán la aparente falta de nitidez.
fuente
El ruido no es tan aleatorio. La mayoría del fotosito recibe impactos de fotones durante la exposición Estos golpes inducen una carga eléctrica. Debido a que la luz de exposición se reproduce en el sensor durante un breve período de tiempo y a que la imagen proyectada desde la lente es débil, se necesita amplificación para fortalecer la carga. Después de la exposición, cada carga de fotosita se envía a un convertidor y amplificador. El resultado asignará una válvula digital para cada sitio. La cantidad de amplificación se basa en la configuración ISO y la lógica del software de procesamiento.
Sería ideal si todos los amplificadores funcionaran con la misma eficiencia. Sin embargo, esto aún no se ha logrado. Cada amplificador es una entidad con un temperamento ligeramente diferente. El resultado es una estática inducida que llamamos ruido. Este es un ruido de patrón fijo. Se muestra como un patrón de píxeles que debería reproducirse sin exposición, es decir, negro, que se muestra como gris oscuro. Este es el ruido que estás tomando.
Añadir a esta floración. Esto es lo que sucede cuando una fotosita está sobresaturada por demasiada exposición. Parte de la carga se filtra a fotosites adyacentes. Este acto induce datos falsos en estas fotositas adyacentes.
fuente
Además de lo que otros participantes han dicho: el algoritmo que usó está influyendo en los detalles burdos, no está eliminando solo el ruido fino.
He subido las copias borrosas de 10px-gaussianas de "original" y "denoised" aquí:
http://filebin.net/97jdl8sd5t o aquí http://imgur.com/a/5eUW3
(puede hacerlo usted mismo) Si cambia entre ellos rápidamente, verá una diferencia sustancial, que es aún más fuerte si las imágenes no se ven borrosas.
La respuesta es: no es una ilusión, los tonos de la imagen "original" ciertamente contienen más contraste.
Nota 1: hay un aumento visible de la nitidez en los resaltados en "sin ruido" en comparación con "original". No sé qué pudo haberlo causado. Nota 2: algunas herramientas de eliminación de ruido tienen configuraciones separadas para ruido grueso (NoiseNinja es un ejemplo). Nota 3: hay una configuración en algunas herramientas de eliminación de ruido llamada "gamma". Esta configuración puede afectar la agresión de la eliminación de ruido en las sombras. "Gamma" normalmente se establece en la gamma del espacio de color de la imagen.
fuente