Reducción
de ruido SCNR
(Subtractive
Chromatic Noise Reduction)
Carlos
Sonnenstein
SCNR (Subtractive
Chromatic Noise Reduction) es una técnica de reducción de ruido
ideada por Juan Conejero
y conjuntamente desarrollada por el PTeam, la cual se basa en
reducir el ruido presente en forma de píxeles
verdes en la mayoría de imágenes en color
de cielo profundo.
La
estrategia básica de SCNR es bien simple: sabemos con certeza que a excepción
de los cometas y algunas nebulosas planetarias, no existen en el
firmamento estrellas ni
objetos de cielo profundo que sean de color verde. Además, las nebulosas de emisión
sabemos que son profundamente rojas, las de reflexión de un color azul intenso y las galaxias no son mas que agrupaciones de estrellas
y
objetos de este tipo. Teniendo en cuenta
todo esto podemos estar seguros que
si en una imagen en color correctamente balanceada existen píxeles verdes, éstos deben
formar parte del ruido de la imagen.
Afortunadamente,
remover en las imágenes en color de cielo profundo este tipo de ruido, que
ocupa frecuencias espaciales
elevadas, suele ser por regla general una tarea
relativamente sencilla, pero los resultados pueden variar
sustancialmente en función
de las herramientas.
Herramientas
y software
El
presente artículo pretende tratar este tipo de reducción de ruido con dos
aplicaciones bien distintas: PhotoShop
y PixInsight LE.
Cuando se usa esta técnica en PhotoShop u otros programas
similares por ejemplo, necesitamos idear previamente un camino para calcular los píxeles verdes que deben
ser sustraidos de la imagen. Una aproximación a este problema sería el
sumar previamente los canales azul
y rojo, para
después sustraerlo del canal verde.
Sin embargo en la mayoría de casos deberemos normalizar el resultado,
porque la imagen tenderá a perder brillo y saturación de color.
PixInsight LE en
cambio
es una aplicación que contiene desde su primera
versión un algoritmo SCNR de reducción de ruido como proceso
independiente, el cual veremos que es mucho más
potente y flexible. SCNR incluye además un parámetro de intensidad
y diversos métodos de protección para tratar un amplio abanico de
situaciones.
Imagen de
ejemplo
Esta es la imagen que hemos seleccionado para
probar SCNR en este artículo:
Se trata de
una fotografía de la galaxia M33 resultado del registro y combinación
RGB a partir de archivos FITS de 16-bit del POSS II (Digitized Sky Survey).
 |
|
Hemos transformado a
continuación la imagen con un ajuste de curvas sobre los
canales R, G, B y RGB/K desarrollado por
Vicent
Peris (PTeam)
persiguiendo dos fines bien distintos: por un lado compensar la
diferencia de exposición entre las distintas placas fotográficas, y por otro obtener en toda la galaxia una tonalidad
cromática neutra. |
Como podemos
apreciar a través de esta transferencia de curvas, el fondo del cielo aún contiene un número
elevado de píxeles verdes, pero va a ser muy útil aquí como ejemplo para
aplicar directamente sobre la imagen una reducción de ruido
con SCNR.
SCNR (Adobe
PhotoShop)
En
primer lugar vamos a intentar una reducción de ruido en Adobe
PhotoShop,
con el simple objetivo de comprender mejor los principios en los que se
basa SCNR.
Primeramente
necesitamos idear la manera de calcular los píxeles verdes que deben
ser sustraídos. La idea consiste pues en sumar previamente los canales azul
y rojo, para
después sustraerlos del canal verde. Abrimos el menú Image>Calculations
y seleccionamos como
fuentes estos
canales. A continuación elegimos la suma como método de
operación (ADD)
y finalmente como resultado New Channel.
En
este caso no hemos modificado los valores por defecto en opacidad,
desplazamiento y escala.
La
suma anterior de los canales rojo y azul genera ahora en nuestra imagen de M33 un nuevo
canal denominado Alpha
1:
Los canales
alpha como el resto de canales, son imágenes en escala de grises donde
en este caso se encuentra el resultado de la suma de los canales azul y
rojo, y que se añade a la imagen RGB como
un canal
adicional (Alpha 1).
|
Pero
antes de continuar, necesitaremos visualizar nuestra anterior imagen en
color
seleccionando los
canales RGB desde la
propia ventana Channels,
tal y como se puede ver aquí. |
|
|
Ahora sustraemos
el canal Alpha
1 (R+B)
desde Image>Apply
Image... seleccionamos el canal verde y
elegimos la operación de restar (Substract).
Se
activa la opción Mask
y se invierte
el canal
Alpha 1:
Sustrayendo el canal
Alpha 1
la imagen queda transformada de la siguiente manera:
Viendo el resultado, es obvio que debemos a
continuación
ajustar los histogramas en Image>Adjustments>Levels...
y la saturación de color a través del menú Image>Adjustments>Hue/Saturation
para normalizar el resultado:
De manera
que recuperamos el aspecto inicial de la imagen. Ahora vamos a reducir el ruido de
esta imagen con SCNR
en PixInsight LE.
SCNR (PixInsight
LE)
La
reducción de ruido de SCNR implementada en PixInsight
LE incluye un algoritmo que se basa en los mismos
principios anteriormente descritos, pero con la diferencia de que aquí se
añade un parámetro de intensidad (Amount)
y diversos métodos de protección. Es cierto
que igual que antes, deseamos
aquí también remover los píxeles verdes que solo contienen ruido. Pero ... ¿en qué intensidad?
Está claro que lo que no queremos es destruir parte de los datos del canal
verde, así que necesitamos recurrir a un método de protección que sea
realmente eficaz.
SCNR en
PixInsight LE
incluye cuatro métodos:
-
Maximum
Mask
-
Additive
Mask
-
Average
Neutral
-
Maximum
Neutral
Vemos que existen dos tipos: neutros y con máscara. Los métodos
que incluyen como protección una máscara son tratamientos más agresivos y eficaces. Por contra, en la mayoría de ocasiones
suelen introducir una tonalidad ligeramente magenta al fondo del cielo. Por esta
razón se incluye aquí un parámetro de intensidad que permite controlar este efecto y
que requiere ser cuidadosamente ajustado.
Los
métodos de protección neutros en cambio no precisan de un parámetro de
ajuste en intensidad,
pero a su favor tienen la ventaja de que tienden a dar al fondo del cielo una
tonalidad de color completamente neutra.
Estos métodos funcionan realmente bien en la mayoría de situaciones y son exclusiva del propio algoritmo de SCNR.
Ya que SCNR está implementado en
PixInsight LE
como un proceso independiente, no es necesario aquí realizar la suma de los canales R+B y sustraerlos del canal
verde, si no que es suficiente
con elegir a través de la propia ventana de SCNR el color a remover
(en este caso el verde) y seleccionar el método de
protección que mejor nos convenga según nuestros intereses.
Para ver cómo funciona SCNR
en PixInsight LE, vamos a reducir
el ruido de nuestra imagen de M33
en primer lugar
utilizando en la ventana de SCNR los parámetros por defecto
que incluyen el método Average Neutral.
Abajo vemos la comparación con
el resultado de aplicar SCNR sobre M33 utilizando dichos parámetros:
Ahora vamos
a ver el método Maximun
Neutral, el
cual funciona realmente bien en
objetos brillantes, algo que siempre resulta útil a
la hora de remover el color verde en las estrellas, tal y como puede verse
en la siguiente comparación:
Sin SCNR
Con SCNR (Maximun
Neutral)
También
podemos observar y comparar cómo se comportan otros métodos de protección
como Additive
Mask y Maximun
Mask frente
a los ajustes por defecto de SCNR (Average
Neutral):
|
Vemos
que con el método por defecto de SCNR se consiguen valores neutros para el fondo
del cielo. |
|
Average
Neutral
|
|
Este método
es más agresivo y eficaz, pero suele introducir al fondo del cielo una leve dominante magenta.
Sin embargo actúa dentro de un rango limitado y puede resultar muy útil
en fotografías de cometas y nebulosas planetarias.
|
|
Additive
Mask (Amount=0.70)
|
|
Con
este otro método el fondo del cielo adquiere una tonalidad magenta
aún más acentuada, pero en este caso elimina eficazmente el
color verde en las estrellas. |
|
Maximun
Mask (amount=0.70)
|
Conclusiones
A pesar de que las técnicas
que hemos descrito en este artículo difieren en función de las herramientas utilizadas, la estrategia de SCNR es exactamente la
misma,
y ambas se basan en el mismo principio de reducción
de ruido.
Comparando
los resultados conseguidos tanto en una
aplicación de software como otra, SCNR en PixInsight LE
abre un mayor abanico de posibilidades. Por contra, los métodos de
protección neutros, que en definitiva son los que mejor se adaptan, no
existen en otros programas como por ejemplo PhotoShop.
Mi
conclusión final es que el
procesamiento de imágenes con
SCNR en PixInsight LE
permite mayor flexibilidad gracias a métodos de protección diseñados
para enfrentarse a un mayor
número de situaciones que se generan en la mayoría de imágenes de cielo profundo.
Más
información escribe a astro35mm@astrosurf.com
