El arte a través del tratamiento del ruido en imágenes digitales

Asignatura: Trabajo Final de Grado (creación gráfica)
Titulación: Grado Multimedia
Nombre del estudiante: Joan Mora Peralta
Consultor y profesor: Ferran Adell Español, Irma Vilà Òdena y Francesc Morera Vidal

Introducción

El ruido en las imágenes es un problema ineludible para cualquier fotógrafo y a menudo se combate con unos pocos –y sencillos– algoritmos, pero ¿son todos iguales?, ¿cuáles son y cómo logran sus objetivos? y ¿qué efectos colaterales causan en las imágenes? Estas y otras cuestiones son la raíz del Trabajo de Final de Grado que desarrollé en la modalidad de creación gráfica.

El planteamiento, una vez definido, me permitió esbozar las fases del cronograma e identificar el propósito del trabajo, su utilidad y su valor para el público, aportando conocimiento sobre dichos algoritmos. Mi pensamiento analítico y mi afecto por la divulgación científica me llevaron a tratarlo como un estudio, valorando mucho la objetividad y la ponderación de cada variable y explicando sus causas con un estilo dirigido al público general.

Etapas y retos

Planificadas grosso modo las etapas, empecé por ampliar mis conocimientos en tipos y causas del ruido, en fotografía en general, en revelado, en histogramas, en matemáticas… y por descubrir los tipos y las lógicas de algunos algoritmos. Navegué durante semanas entre artículos, libros, ensayos y papers y con todo lo aprendido dejé atrás esta fase de documentación para pasar a la acción.

Debía entonces evaluar los algoritmos, pero vi que los programas de edición como Photoshop, los de análisis como ImageJ y las páginas especializadas como fotoforensics.com no arrojaban mucha información sobre las imágenes tratadas. Además, me interesaba entender el código de los algoritmos y poder evaluar los tiempos de procesado. La solución fue programarlo yo mismo y de este modo crear una aplicación interactiva que permitiera introducir, procesar, analizar y descargar imágenes tratadas con métodos específicamente definidos. Para ello, fue magnífico contar con todo lo aprendido en Processing, tratado previamente en algunas asignaturas. No fue sencillo, pero sí apasionante: interpretar los algoritmos de las fuentes consultadas, escribirlos en Java, diseñar una arquitectura, distribuir una interfaz interactiva adaptativa, y su dosis inevitable de testing…

Por fin, cuando ya disponía de todas las herramientas listas, estaba preparado para empezar a recopilar todos esos datos y cuantificar todas esas características de las imágenes que era capaz de interpretar, algunas a través de programas externos y otras a través de la nueva aplicación (como los valores extremos o la saturación).

Es importante destacar que, para esta tarea, seleccioné primero 3 imágenes, 3 tipos de ruido, 5 algoritmos y 2 niveles de intensidad en sus variables. En total, 90 análisis en todas sus características. Puesto que este trabajo tiene un enfoque a un público general, se muestran tablas en cada paso, descripciones gráficas de los algoritmos y se da una explicación en cada resultado obtenido, así como una pequeña muestra ampliada de la misma imagen con la finalidad de apreciar los píxeles en una zona fija. Así pues, esta fase de análisis era más mecánica y no tan compleja como las anteriores, pero en cambio exigía ser riguroso asignando valores y objetividad en cada aspecto evaluado. Por ejemplo, un aspecto podría ser «si es capaz de recuperar los valores originales de luz global», por lo que es necesario comparar los valores de luz según procede. Un hecho interesante surgido en este instante fue darme cuenta del potencial de los valores de las diferencias entre imágenes (una cifra, al fin y al cabo). Puesto que los algoritmos no eran capaces, por lo visto, de desplazar o deformar la imagen, sino que mantenían las características topológicas originales, me percaté de que se podría utilizar este dato orientativo no de forma directa, sino triangulando los tres valores en cada ocasión: imagen original, con ruido y procesada.

Eso, creo, fue importante, dado que obtuve el valor de los ángulos para conocer si las modificaciones que el algoritmo había causado sobre la imagen con ruido «iban en buena dirección», más que si «se había acercado al objetivo», ya que de ello dependería también la intensidad de las variables, y, para este estudio, nos interesa conocer los algoritmos per se. Lo que intento transmitir es que el trabajo evolucionó durante su desarrollo y es legítimo y necesario ser siempre crítico con la metodología utilizada.

Finalmente se termina el estudio como tal sacando conclusiones y verificando ciertas hipótesis.

Basándome en mi experiencia redactando este proyecto, recomiendo algunas buenas prácticas, que creo son fundamentales, para una elaboración de calidad en un TFG divulgativo:

• Estructurar el contenido favoreciendo la comprensión.
• Contextualizar e introducir al lector al inicio de cada apartado, antes de aportar los datos.
• Cuidar la coherencia de estilo y elegir una fuente cómoda para el lector.
• Preferir la presentación gráfica de la información.
• Usar patrones de color para facilitar la interpretación de tablas y gráficos.
• Comentar todos los elementos gráficos a pie de imagen, enumerándolos.
• Usar Excel para automatizar cálculos y generar gráficos.
• Justificar cada decisión tomada, en la memoria.
• Hacer constar las licencias del material de terceros utilizado, aunque sea de dominio público.

Pero ahora, cambiemos un poco la perspectiva…

Durante mi uso de la aplicación, ya fuera durante la ejecución de los filtros como durante las tareas de testing, a veces la imagen generada sufría modificaciones de color impropias de la reducción de ruido, fuera por errores en los algoritmos o debido a valores dispares en sus variables. Entonces lo corregía, y ya está.

Después, en los comentarios de las entregas parciales, el profesor Francesc Morera Vidal me propuso utilizar los mismos algoritmos con intención creativa, jugando con los parámetros. Y efectivamente, pude clasificar esos efectos y conseguí, por ejemplo, la eliminación de imperfecciones, la generación de contornos, la simulación de trazos de pincel o la generación de artefactos (glitch).

Podríamos decir que un trabajo técnico de restauración conectaba con el mundo de la creación artística, sin haberlo planteado en ningún momento, abriendo la puerta a imaginar las posibilidades que este tipo de filtros no lineales pueden dar al arte digital. Si me permitís, sugeriré ciertas características comunes con el «Juego de la vida» de John Horton Conway (como analogía interesante), ya que, sobre una retícula de píxeles, este genera fenómenos gráficos muy curiosos en la dimensión del tiempo a partir de los valores (0 o 1) de los píxeles en cada iteración, de acuerdo a una lista de condiciones dadas.

Conclusiones

A principios de semestre, las dudas sobre el rumbo que elegir en este trabajo final me causaba cierta intranquilidad y desánimo. Supongo que otros estudiantes pueden sentir algo parecido, porque sí, es un nuevo reto para el estudiante, pero también es una oportunidad para emplear aquellos conocimientos con los que más a gusto se sienta, con la libertad para materializar un proyecto afín a sus motivaciones, en un entorno seguro y acompañado por una opinión experta.

Al fin, quizás el trabajo sea también un camino para ser consciente de las propias capacidades, descubrir nuevas ideas, crear algo de valor y/o contribuir al conocimiento colectivo.

Enlaces relacionados

Portfolio web: https://www.linkedin.com/in/joan-mora-peralta-211566180

Cita recomendada: MORA PERALTA, JOAN. El arte a través del tratamiento del ruido en imágenes digitales. Mosaic [en línea], marzo 2021, no. 191. ISSN: 1696-3296. DOI: https://doi.org/10.7238/m.n191.2114