Borrar ruido o gente: Promedio vs. Media

En este artículo intentaremos explicar de manera sencilla como funcionan “promedio” y “media”, dos de los utilísimos métodos de apilamiento o stacking disponibles en Photoshop para borrar ruido o gente de las fotos.

En cierto tipo de fotos, por ejemplo cuando queremos hacer una foto de una noche estrellada y pretendemos reducir el ruido producto de la escasa luz, el tiempo prolongado de exposición y la alta sensibilidad podemos usar el método de apilamiento o stacking.
Con el método de apilamiento primero realizaremos varias tomas de una misma escena para luego superponerlas y dejar que Photoshop realice sus cálculos para quitar solamente el ruido, que es aquello que varia de toma en toma.

Con un método parecido también podemos quitar elementos que se mueven en una escena para dejar solo los que permanecen fijos. Un ejemplo es poner un trípode en un lugar de la ciudad y comenzar a realizar muchas fotos a un mismo encuadre. Las personas o vehículos que pasan por ese entorno será una variación con respeto a lo que siempre estará presente en todas las fotos, las construcciones.

Si bien este último método puede ser realizado «a mano» quitando cada elemento que no corresponde para dejar solo el ambiente, Photoshop nos permite realizarlo de manera automática. Pero ante de ver eso, ¿Cómo hace esta magia Photoshop?

Matemáticas

No te asustes, para el programa será muy fácil calcular que valor debe tener cada pixel de la imagen final descartando los que varían. Hay dos métodos o funciones:

Supongamos la siguiente secuencia numérica:

3 5 1 3 3 4 2

Cómo obtener el promedio de esta serie es bien conocido, en este caso siendo 7 valores el resultado será 3:

Promedio = (3+5+1+3+3+4+2) / 7 = 3

Hay otra función llamada media, que entrega el valor central de la serie ordenada. Entonces ordenamos la serie, buscamos el valor central, y el resultado es también 3:

1 2 3 3 3 4 5 => media = 3

(Nota: si la cantidad de números en la serie es par se toman los dos valores centrales y se los promedia)

Como vemos, para la serie elegida como ejemplo ambos promedio y media entregaron el mismo valor resultado: 3. Ahora yendo al mundo real, esta serie que pusimos como ejemplo podría ser la representación numérica de una señal de (en este caso) valor 3, que tiene superpuesta una señal indeseada que “ensucia” el valor real. Veamos esto representado en un gráfico:

Nota: a las señales indeseadas se las suele llamar “ruido” (por ejemplo ruido ISO)

La línea verde representa el valor real 3, que por culpa del ruido termina viéndose no como un valor continuo sino como la señal azul. Los puntos rojos representan los 7 valores muestreados que conforman la serie numérica usada como ejemplo 3-5-1-3-3-4-2 .
En definitiva, tenemos una señal de valor real 3 que por culpa del ruido instante a instante puede valer 5, o 1, o 4, o 2, pero las funciones promedio y media logran rescatar el valor correcto. Ahora vayamos a otro ejemplo en el que en la serie aparecen dos valores muy dispersos, dos valores muy distintos al resto, valores que deberían ser excluidos de la serie.

3 5 1 3 3 195 210

Si calculamos el promedio = (3+5+1+3+3+195+210) / 7 = 60

Vemos que estos elementos erróneos en la serie afectan el promedio que ahora arroja un valor muy distinto al real: 60 en lugar de 3. En cambio la función media sigue entregando el valor correcto:

1 2 3 3 3 195 210 => media = 3

Ahora si, a borrar ruido u objetos de nuestras fotos

Ahora pasemos al mundo de la fotografía: la secuencia numérica inicial:

3 5 1 3 3 4 2

Esto podría representar el valor de luminosidad de un pixel en particular en una foto de un total de 7 sacadas en ráfaga y con trípode. O sea tenemos 7 fotos misma escena sacadas en ráfaga, pero 7 valores distintos de luminosidad para cada pixel culpa del ruido ISO. Es fácil entonces entender ahora por qué el método de apilar fotos, convertirlos en objeto inteligente y combinarlos usando promedio o media elimina el ruido ISO.

¿Y que pasa con la otra serie, la que tenía dos números fuera de contexto? ¿En fotografía con qué caso podríamos asociarla?

3 5 1 3 3 195 210

Sería el caso en que en las dos últimas de la serie de siete fotos se interpuso algo delante de la cámara, por ejemplo una persona que pasó caminando, de ahí los dos valores de luminosidad o colores tan distintos. Pero habíamos visto que la función media no se ve afectada por ellos, y es por eso que suele decirse que media no sólo sirve para disminuir el ruido ISO sino también para eliminar el “efecto turista” (alguien que se interpuso en la serie de fotos).

¿Qué hubiese pasado si hubiésemos apilado con promedio? Las dos últimas fotos con la presencia de una persona que se interpone delante de cámara “ensuciarían” las cinco primeras y producirían una especie de efecto “fantasma” en el resultado promediado.

Manos a la obra, usemos Photoshop

Podemos realizar este método comenzando desde Lightroom o Photoshop:

Desde Lightroom seleccione todas las fotos y haga clic con el botón derecho del ratón en una de las imágenes resaltadas y elija: Editar En> Abrir como Capas en Photoshop.

Desde Photoshop ir a Archivo> Secuencias de comandos> Cargar archivos en la pila y, a continuación, busque los archivos que desee.

En este paso Photoshop alineará las capas mediante Editar> Alinear capas automáticamente, y seleccione la opción Auto.
Podemos revisar si esto se hizo correctamente ocultando cada capa y viendo si coinciden.

El siguiente paso es crear un objeto inteligente a partir de las capas alineadas. Con todas las capas aún seleccionadas, haga clic con el botón derecho en una de las capas resaltadas y seleccione Convertir en objeto inteligente. Después de crear el objeto inteligente, vaya a: Capa> Objetos inteligentes> Modo pila> Mediana o Promedio dependiendo el caso.

Otra forma

En Photoshop vaya a: Archivo> Scripts> Estadísticas. En la ventana Estadísticas de Imagen que se abre, establezca el modo pila en “Mediana” o «Promedio», luego haga clic en Examinar y navegue hasta la carpeta de archivo donde se guardan sus imágenes. Seleccione las imágenes que desea abrir en Photoshop y asegúrese de que la casilla de verificación está seleccionada para intentar alinearlas automáticamente.

Obtenemos así un objeto inteligente totalmente apilado en Photoshop.

Ya estás lito para hacer desaparecer tanto el ruido como objetos en cierto tipo de fotos!

Colaboración: Alejandro Rubio

Otros cálculos posibles
Modo Resultado Comentarios
Entropía entropía = – suma ((probabilidad del valor) * log2 (probabilidad del valor)) .

Probabilidad del valor = (número de ocurrencias del valor) / (número total de píxeles no transparentes).

La entropía binaria (o entropía de orden cero) define un límite inferior sobre cuántos bits serían necesarios para codificar sin pérdidas la información en un conjunto.
Curtosis curtosis = (suma ((valor – media) 4) sobre píxeles no transparentes) / ((número de píxeles no transparentes – 1) * (desviación estándar) 4). Una medida de punta o planitud en comparación con una distribución normal. La curtosis para una distribución normal estándar es 3.0. La curtosis mayor de 3 indica una distribución pico y la curtosis menor de 3 indica una distribución plana (en comparación con una distribución normal).
Máximo Los valores máximos de canal para todos los píxeles no transparentes.
Media Los valores medios del canal para todos los píxeles no transparentes. Efectivo para la reducción de ruido
Mediana Los valores del canal mediano para todos los píxeles no transparentes. Eficaz para la reducción de ruido y la eliminación de contenido no deseado de la imagen
Mínimo Los valores mínimos de canal para todos los píxeles no transparentes.
Rango Máximo menos el mínimo de los valores de píxeles no transparentes.
Oblicuidad sesgo = (suma ((valor – media) 3 ) sobre píxeles no transparentes) / ((número de píxeles no transparentes – 1) * (desviación estándar) 3  ) La asimetría es una medida de simetría o asimetría alrededor de la media estadística.
Desviación Estándar desviación estándar = raíz cuadrada (varianza)
Suma La suma de los valores del canal para todos los píxeles no transparentes.
Diferencia varianza = (suma ((valor medio) 2  ) sobre píxeles no transparentes) / (número de píxeles no transparentes – 1)

 

3 Comments

Deja tu comentario