Reducción de ruido en cámaras de cinematografía digital (IV) – Balance de blanco y debayerizado

A partir de esta entrega, analizaremos los pasos que sigue el procesado de los datos RAW del captor de una cámara con sensor único. Este procesado es necesario para obtener imágenes que se puedan mostrar en un monitor.

Balance de blanco

El balance de blanco corrige el punto blanco de acuerdo con el iluminante de la escena, de tal modo que los objetos acromáticos se representen por valores RGB equivalentes.

El sensor está cubierto por una matriz de filtros de color. Captura la irradiancia del rojo, verde y azul según la sensibilidad espectral del fotodiodo L_P y la característica de transmisión de los filtros. Hay tres tipos de filtros que influyen en la irradiancia efectiva que puede capturar el sensor. El filtro ultravioleta, con su distribución de la transmisión espectral L_UV, el filtro de infrarrojos con su distribución de la transmisión espectral L_IR, y el filtro de color con su distribución de la transmisión espectral L_CFA,c para cada canal c RGB. El resultado es el valor triestímulo r_C.

La irradiancia espectral en la escena r(λ) depende de la reflectancia de los objetos y de las fuentes de iluminación de dicha escena, como también lo hace el r_C. Sin embargo, se espera que los objetos acromáticos estén representados por valores RGB iguales en todos los espacios de color RGB comunes –con independencia de las fuentes de iluminación presentes en la escena–. Por lo tanto, como primer paso, el balance de blanco se debe aplicar contando con la iluminación específica de la toma.

El término más utilizado para describirla es el de temperatura de color. Se refiere a aquella temperatura absoluta con la que un cuerpo negro radiador presentaría el mismo color que la fuente de iluminación en cuestión. Un cuerpo negro radiador es un iluminante teórico que emite luz de acuerdo con la ley de Planck. Un incremento de la temperatura de color implica que la fuente de iluminación deviene más azul, o menos roja. La cámara proporciona valores preestablecidos para el balance de blanco según estos iluminantes.

Matemáticamente, el balance de blanco es un sencillo proceso lineal. Se aplica una ganancia constante a los tres canales de color diferentes dependiendo de la temperatura de color que seleccionemos. En el ejemplo de las imágenes de conos de tráfico que preceden a estas líneas –a) y b)– se muestran los datos del sensor antes y después de realizar el balance de blanco. Las imágenes no muestran datos RGB sino datos en RAW del sensor Bayer.

Por eso es visible el patrón Bayer. Como el balance de blanco reduce las diferencias de color en las zonas blancas o grises, el patrón de la matriz de filtros de color es menos visible en las áreas blancas. Así ocurre en el ejemplo. Las partes blancas del cono de tráfico muestran menos diferencias en la imagen b) que en la a).

Debayerizado – De los datos del sensor a las imágenes en color RGB

Los datos del sensor sólo contienen un valor por pixel, que es verde, rojo o azul dependiendo de la localización del pixel. La matriz de filtros de color más común es el patrón Bayer. Para obtener una imagen a todo color, con tres valores por pixel, se emplea un método de interpolación conocido como debayerizado.

Como ya hemos dicho en la sección anterior, se pueden describir los datos capturados por un sensor digital como una función de la irradiancia incidente r_C, que depende de la respuesta espectral L_C definida por los filtros infrarrojo, ultravioleta y RGB, así como por la sensibilidad de los fotodiodos del sensor. Los valores de los pixeles de imagen resultantes en la localización espacial de muestreo n₁, n₂ dependen, además, de la respuesta espacial h, a la que determina –en su mayor parte– un filtro óptico de paso bajo en combinación con la distancia entre pixeles del sensor. Incluiremos en la fórmula el término N para el ruido aditivo, aunque no hablaremos del modelo de ruido con detalle hasta un poco más adelante.

En una cámara de sensor único, un tipo de filtro se sitúa en una posición espacial y la salida del sensor constituye una imagen de un canal. Por lo tanto, la función del filtro L_C(λ) depende de la posición espacial del pixel.

La tarea del debayerizado es reconstruir los datos completos de color I_{color-completo} a partir de los datos observados en el sensor I_Bayer. Bahadir K. Gunturk, John Glotzbach, Yucel Altunbasak, Ronald W. Schafer y Russel M. Mersereau ofrecen un buen resumen de técnicas de debayerizado. Clasifican los métodos disponibles según su tipo –por ejemplo, dirigidos a los bordes o basados en una interpolación de tono constante– y los comparan utilizando el conjunto de imágenes de baja resolución establecido por Kodak.

En efecto, en 1991 Kodak publicó un conjunto de 24 imágenes en color derivadas de una variedad de emulsiones. Desde entonces la mayoría de los algoritmos de procesado de imágenes se han desarrollado, optimizado, probado y comparado empleando este sistema. Hasta hace algunos años se consideraba el test de referencia absoluto. Pero hace bastante tiempo que los investigadores reclaman material nuevo y actualizado, dadas las numerosas limitaciones del de Kodak.

En una evaluación de rendimiento posterior, Xin Lia, Bahadir Gunturkb y Lei Zhang clasifican los métodos en “aproximaciones del campo espacial” y “aproximaciones del campo de la frecuencia”. Investigan el rendimiento de diez de esas aproximaciones basándose no sólo en el conjunto de imágenes de baja resolución de Kodak, sino también en el conjunto de imágenes de McM que presenta mayor resolución.

Estos autores afirman que los patrones de prueba de McM son más desafiantes y se acercan más a las imágenes que adquieren las cámaras digitales. Es cierto que –desde el punto de vista visual– las imágenes están claramente más saturadas. No obstante, se echan en falta pruebas de que sean más realistas.

A pesar de que su análisis muestra la gran influencia que tienen los conjuntos de datos de imágenes para obtener resultados de calidad en las evaluaciones, ellos mismos reconocen que persiste la necesidad de una investigación que llegue más lejos a la hora de evaluar el rendimiento. De hecho, llegan tan lejos como para mencionar que –bajo condiciones de prueba tan poco realistas– “el debayerizado, por sí solo, puede convertirse en el niño mimado exclusivo de los académicos y no tener jamás el menor impacto serio en la industria de la captación de imágenes electrónicas”.

Stefano Andriani, Harald Brendel, Tamara Seybold y Joseph Goldstone hacen referencia a esa ausencia de datos reales de referencia en las evaluaciones de rendimiento y presentan un nuevo conjunto de imágenes, incluyendo un método y una imagen de prueba con una referencia real de cromaticidad completa –obtenida por un sensor monocromático equipado con filtros de color alternos para cada imagen capturada–. De este modo, se dispone de los datos I_{color-completo} como referencia.

Sin embargo, este sistema de evaluación sigue siendo imperfecto porque proporciona una solución sólo válida para imágenes fijas. Como los filtros se alteran de manera secuencial con el tiempo, los contenidos en movimiento no se pueden capturar de forma fiable y sus datos resultan insuficientes para la evaluación de películas de cine.

En nuestra próxima entrega hablaremos del procedimiento de obtención de imágenes presentables en una pantalla, a partir de los datos lineales que proporciona el sensor.

Source link