Calidad de imagen

La calidad de imagen puede referirse al nivel de precisión con que los distintos sistemas de imagen capturan, procesan, almacenan, comprimen, transmiten y muestran las señales que la componen. Otra definición la define como «la combinación ponderada de todos los atributos visualmente significativos de una imagen». ^{[ 1 ] : 598} La diferencia entre ambas definiciones radica en que una se centra en las características del procesamiento de señales en los distintos sistemas de imagen, mientras que la otra se centra en las valoraciones perceptivas que hacen que una imagen resulte agradable para el espectador humano.

No hay que confundir la calidad de imagen con la fidelidad de imagen . La fidelidad de imagen se refiere a la capacidad de un proceso para reproducir una copia determinada de forma perceptualmente similar a la original (sin distorsión ni pérdida de información), es decir, mediante un proceso de digitalización o conversión de medios analógicos a imagen digital.

El proceso de determinar el nivel de precisión se llama Evaluación de la Calidad de la Imagen (ECI). La evaluación de la calidad de la imagen forma parte de las medidas de calidad de la experiencia . La calidad de la imagen se puede evaluar mediante dos métodos: subjetivo y objetivo. Los métodos subjetivos se basan en la evaluación perceptiva de un observador humano sobre los atributos de una imagen o conjunto de imágenes, mientras que los métodos objetivos se basan en modelos computacionales que pueden predecir la calidad perceptiva de la imagen. ^{[ 2 ] : vii} Los métodos objetivos y subjetivos no son necesariamente consistentes o precisos entre sí: un observador humano podría percibir diferencias marcadas en la calidad de un conjunto de imágenes que un algoritmo informático podría no percibir.

Los métodos subjetivos son costosos, requieren un gran número de personas y son imposibles de automatizar en tiempo real. Por lo tanto, el objetivo de la investigación sobre evaluación de la calidad de la imagen es diseñar algoritmos para la evaluación objetiva que también sean consistentes con las evaluaciones subjetivas. ^{[ 3 ]} El desarrollo de dichos algoritmos tiene muchas aplicaciones potenciales. Se pueden utilizar para monitorear la calidad de la imagen en sistemas de control de calidad, para comparar sistemas y algoritmos de procesamiento de imágenes y para optimizar sistemas de imágenes. ^{[ 2 ] : 2 [ 3 ] : 430}

El proceso de formación de imágenes se ve afectado por diversas distorsiones entre el momento en que las señales viajan y llegan a la superficie de captura, y el dispositivo o medio en el que se visualizan. Si bien las aberraciones ópticas pueden causar grandes distorsiones en la calidad de la imagen, no forman parte del ámbito de la evaluación de la calidad de la imagen. Las aberraciones ópticas causadas por las lentes pertenecen al área de la óptica y no al procesamiento de señales .

En un modelo ideal, no hay pérdida de calidad entre la emisión de la señal y la superficie donde se captura. Por ejemplo, una imagen digital se forma mediante radiación electromagnética u otras ondas que atraviesan objetos o se reflejan en ellos. Esta información se captura y se convierte en señales digitales mediante un sensor de imagen . Sin embargo, el sensor presenta limitaciones que restringen su rendimiento.

La calidad de la imagen se puede evaluar mediante métodos objetivos o subjetivos. En el método objetivo, la evaluación se realiza mediante diferentes algoritmos que analizan las distorsiones y degradaciones presentes en la imagen. La evaluación subjetiva se basa en la forma en que los humanos perciben la calidad de la imagen. Los métodos objetivos y subjetivos de evaluación de la calidad no necesariamente coinciden. Un algoritmo podría obtener un valor similar para una imagen y sus versiones alteradas o degradadas, mientras que un método subjetivo podría percibir un marcado contraste en la calidad de la misma imagen y sus versiones.

Los métodos subjetivos para la evaluación de la calidad de imagen pertenecen al campo más amplio de la psicofísica , que estudia la relación entre los estímulos físicos y las percepciones humanas. Un método subjetivo de evaluación de la calidad de imagen (IQA, por sus siglas en inglés) suele consistir en aplicar técnicas de puntuación media de opinión , donde varios espectadores valoran sus opiniones en función de su percepción de la calidad de la imagen. Posteriormente, estas opiniones se traducen en valores numéricos.

Estos métodos se pueden clasificar según la disponibilidad de las imágenes de origen y de prueba:

• Estímulo único : el espectador solo tiene acceso a la imagen de prueba y desconoce la imagen original.
• Doble estímulo : el espectador dispone tanto de la imagen original como de la imagen de prueba.

Dado que la percepción visual puede verse afectada por las condiciones ambientales y de visualización, la Unión Internacional de Telecomunicaciones elaboró ​​un conjunto de recomendaciones para métodos de prueba estandarizados para la evaluación subjetiva de la calidad de la imagen. ^{[ 4 ]}

Se ha descubierto que el contenido afectivo en las imágenes puede influir en las evaluaciones subjetivas de la calidad de la imagen, de modo que las respuestas emocionales de los espectadores pueden sesgar sus calificaciones. Esto puede llevar a obtener puntuaciones de calidad más altas para las imágenes que resultan más atractivas emocionalmente, independientemente de la calidad técnica. Este sesgo afectivo sugiere que el contenido emocional puede distorsionar las evaluaciones de la calidad de la imagen, lo que subraya la necesidad de que los métodos de evaluación consideren dichas influencias para mejorar la objetividad. ^{[ 5 ]}

Wang y Bovik (2006) clasifican los métodos objetivos con los siguientes criterios: (a) la disponibilidad de una imagen original; (b) en función de sus ámbitos de aplicación y (c) en función del modelo de simulación del Sistema Visual Humano para evaluar la calidad. ^{[ 6 ]} Keelan (2002) clasifica los métodos en función de (a) mediciones experimentales directas; (b) modelado del sistema y (c) evaluación visual frente a estándares calibrados. ^{[ 7 ] : 173}

• Métodos de referencia completa (FR) : las métricas FR intentan evaluar la calidad de una imagen de prueba comparándola con una imagen de referencia que se supone que tiene una calidad perfecta, por ejemplo, la imagen original frente a una versión comprimida en JPEG de la misma.
• Métodos de referencia reducida (RR) : las métricas RR evalúan la calidad de una imagen de prueba y una imagen de referencia basándose en una comparación de las características extraídas de ambas imágenes.
• Métodos sin referencia (NR) : las métricas NR intentan evaluar la calidad de una imagen de prueba sin ninguna referencia a la original.

Las métricas de calidad de imagen también se pueden clasificar en términos de medir solo un tipo específico de degradación (por ejemplo, desenfoque , bloqueo o anillo), o teniendo en cuenta todas las posibles distorsiones de la señal, es decir, múltiples tipos de artefactos. ^{[ 8 ]}

• La nitidez determina la cantidad de detalle que una imagen puede transmitir. La nitidez del sistema se ve afectada por el objetivo (diseño y calidad de fabricación, distancia focal, apertura y distancia al centro de la imagen) y el sensor (número de píxeles y filtro anti-aliasing). En exteriores, la nitidez se ve afectada por la vibración de la cámara (un buen trípode puede ser útil), la precisión del enfoque y las perturbaciones atmosféricas (efectos térmicos y aerosoles). La nitidez perdida se puede recuperar mediante el enfoque, pero este tiene sus límites. El exceso de enfoque puede degradar la calidad de la imagen al provocar la aparición de halos cerca de los límites de contraste. Las imágenes de muchas cámaras digitales compactas a veces se procesan en exceso para compensar una menor calidad de imagen.
• El ruido es una variación aleatoria de la densidad de la imagen, visible como grano en las películas y variaciones a nivel de píxel en las imágenes digitales. Surge de los efectos de la física básica —la naturaleza fotónica de la luz y la energía térmica del calor— dentro de los sensores de imagen. El software típico de reducción de ruido (NR) disminuye su visibilidad suavizando la imagen y excluyendo las áreas cercanas a los límites de contraste. Esta técnica funciona bien, pero puede ocultar detalles finos de bajo contraste.
• El rango dinámico (o rango de exposición) es el rango de niveles de luz que una cámara puede capturar, generalmente medido en pasos f, EV (valor de exposición) o zonas (todos factores de dos en la exposición). Está estrechamente relacionado con el ruido: un ruido elevado implica un rango dinámico bajo.
• La reproducción tonal es la relación entre la luminancia de la escena y el brillo de la imagen reproducida.
• El contraste , también conocido como gamma , es la pendiente de la curva de reproducción tonal en una escala logarítmica. Un alto contraste suele implicar una pérdida de rango dinámico , es decir, una pérdida de detalle o recorte en las luces o las sombras.
• La precisión del color es un factor importante, aunque ambiguo, en la calidad de la imagen. Muchos espectadores prefieren una mayor saturación del color; el color más preciso no siempre es el más agradable. Sin embargo, es importante medir la respuesta cromática de una cámara: sus variaciones de color, la saturación y la eficacia de sus algoritmos de balance de blancos.
• La distorsión es una aberración que provoca que las líneas rectas se curven. Puede resultar problemática en la fotografía arquitectónica y la metrología (aplicaciones fotográficas que implican mediciones). La distorsión suele ser perceptible en cámaras de bajo costo, incluidos los teléfonos móviles, y en objetivos DSLR económicos . Generalmente, es muy fácil de ver en fotografías de gran angular. Actualmente, se puede corregir mediante software.
• El viñeteado , o caída de luz, oscurece las imágenes cerca de las esquinas. Puede ser significativo con objetivos gran angular.
• La precisión de la exposición puede ser un problema con las cámaras totalmente automáticas y con las videocámaras, donde hay poca o ninguna posibilidad de ajustar el tono después de la exposición. Algunas incluso tienen memoria de exposición: la exposición puede cambiar después de que aparezcan objetos muy brillantes u oscuros en una escena.
• La aberración cromática lateral (ACL), también llamada "franjas de color" (incluidas las franjas púrpuras ), es una aberración de la lente que provoca que los colores se enfoquen a diferentes distancias del centro de la imagen. Es más visible cerca de las esquinas de las imágenes. La ACL es peor con lentes asimétricas, incluidas las ultra gran angular, los teleobjetivos verdaderos y los zooms. Se ve fuertemente afectada por el proceso de interpolación cromática (demosaicing ).
• El destello de lente , que incluye el "deslumbramiento velado", es luz parásita en lentes y sistemas ópticos causada por reflejos entre los elementos de la lente y el interior del cuerpo de la misma. Puede provocar visión borrosa (pérdida de detalle en las sombras y de color), así como imágenes fantasma que pueden aparecer en presencia de fuentes de luz brillante dentro o cerca del campo de visión.
• El efecto moiré de color es una aparición artificial de bandas de color que puede presentarse en imágenes con patrones repetitivos de alta frecuencia espacial, como telas o vallas. Se ve afectado por la nitidez del objetivo, el filtro anti-aliasing (de paso bajo) (que suaviza la imagen) y el software de interpolación cromática . Suele ser más pronunciado con los objetivos más nítidos.
• Artefactos  : el software (especialmente las operaciones realizadas durante la conversión RAW) puede causar importantes artefactos visuales, como pérdidas por compresión y transmisión de datos (por ejemplo, JPEG de baja calidad ), "halos" de sobreenfoque y pérdida de detalles finos y de bajo contraste.

• Sheikh, HR; Bovik AC , Enfoques de la teoría de la información para la evaluación de la calidad de la imagen. En: Bovik, AC Manual de procesamiento de imágenes y vídeo. Elsevier, 2005.
• Guangyi Chen, Stephane Coulombe, Un método de evaluación de la calidad visual de la imagen basado en características SIFT 85-97 JPRR
• Hossein Ziaei Nafchi, Atena Shahkolaei, Rachid Hedjam, Mohamed Cheriet, Índice de similitud de desviación media: evaluador de calidad de imagen de referencia completa eficiente y fiable. En: IEEE Access. IEEE