Página 1 de 4 123 ... ÚltimoÚltimo
Mostrando resultados del 1 al 12 de 41

Tema: Reducción de ruido con DxO PureRAW

  1. #1
    Fecha de Ingreso
    nov 2006
    Ubicación
    Madrid (a ratos Alicante)
    Mensajes
    6.241

    Predeterminado Reducción de ruido con DxO PureRAW



    Una prueba rápida de reducción de ruido en imágenes con el programa DxO PureRAW basado en redes neuronales. El resultado es sorprendentemente bueno, pero no milagroso.

    Antes de ir al ejemplo breve comentario sobre cómo funcionan las redes neuronales. De forma simplificada una red neuronal consiste en una estructura interconectada que implementa una serie de cálculos numéricos realizados con valores precalculados tras un "entrenamiento" que ajusta la red. Para dicho entrenamiento (que no hace tu PC, sino que ya lo hizo el fabricante), a la red inicialmente desajustada le fueron presentadas millones de parejas de imágenes: una versión con ruido, y otra versión sin ruido pero de la misma escena píxel a píxel. Así fue capaz de "aprenderse" como un loro la forma que tienen los píxeles libres de ruido correspondientes a esos mismos píxeles o texturas cuando tienen ruido superpuesto. Al entregarle nuestra imagen con ruido, la red ejecuta esos cálculos predefinidos sustituyendo los valores RGB por los de una versión libre de ruido de la imagen ruidosa con que fuera entrenada y que más se pareciera a nuestra imagen. Por supuesto este proceso se realiza de forma local en cada parte de la escena.

    Esto nos lleva a los siguientes hándicaps o limitaciones (ver los números sobre la imagen):
    • 1. Cuando un texto está enmascarado por ruido, la red neuronal logra limpiarlo en gran medida pero no restaura los trazos del texto original porque no lo descifra como tal, se limita a recomponer aquello que aún logra interpretarse a pesar del ruido.
    • 2. Éste es el ejemplo más interesante. Podemos ver cómo la red se "inventa" unas sombras y unas aristas que no existen en la imagen original. Sin embargo no está haciendo nada mal, ya que si miramos la imagen ruidosa vemos que esas zonas de sombras/pliegues precisamente parecen a simple vista altamente probables, aunque no existieran en la escena original.
    • 3. El ruido añadido en estructuras de cierta complejidad, como el ondulado del repujado de piel en la máscara, hace que la red neuronal las interprete de forma más simplificada, como elementos lineales más que ondulados, porque en su entrenamiento vio más estructuras de ese tipo.
    • 4. Respecto a las texturas más finas, cuando el ruido las hace totalmente irreconocibles en la imagen ruidosa la red neuronal es totalmente incapaz de detectarlas generando una superficie lisa sin textura.
    • 5. Cuando no hay texturas, como en los parches de color, la red neuronal lo tiene mucho más fácil para restaurar el color original sin dominantes ni desviaciones, como por otro lado era esperable. Son zonas donde prácticamente cualquier algoritmo funciona muy bien.


    (IZQ.: imagen sin ruido de referencia, CENTRO: imagen con ruido, DER.: resultado de aplicar DxO PureRAW a la imagen con ruido)

    http://guillermoluijk.com/misc/dxopureraw.jpg

    Bodegón concienzudamente diseñado durante 10min:
    http://guillermoluijk.com/misc/dxoprimeescena.jpg

    Salu2!
    Última edición por Guillermo Luijk; 23/02/22 a las 10:58:25

  2. #2
    Fecha de Ingreso
    mar 2011
    Ubicación
    Barcelona
    Mensajes
    12.368

    Predeterminado

    Cita Iniciado por Guillermo Luijk Ver Mensaje
    Una prueba rápida de reducción de ruido en imágenes con el programa DxO PureRAW basado en redes neuronales. El resultado es sorprendentemente bueno, pero no milagroso.

    Antes de ir al ejemplo breve comentario sobre cómo funcionan las redes neuronales. De forma simplificada una red neuronal consiste en una estructura interconectada que implementa una serie de cálculos numéricos realizados con valores precalculados tras un "entrenamiento" que ajusta la red. Para dicho entrenamiento (que no hace tu PC, sino que ya lo hizo el fabricante), a la red inicialmente desajustada le fueron presentadas millones de parejas de imágenes: una versión con ruido, y otra versión sin ruido pero de la misma escena píxel a píxel. Así fue capaz de "aprenderse" como un loro la forma que tienen los píxeles libres de ruido correspondientes a esos mismos píxeles o texturas cuando tienen ruido superpuesto. Al entregarle nuestra imagen con ruido, la red ejecuta esos cálculos predefinidos sustituyendo los valores RGB por los de una versión libre de ruido de la imagen ruidosa con que fuera entrenada y que más se pareciera a nuestra imagen. Por supuesto este proceso se realiza de forma local en cada parte de la escena.

    Esto nos lleva a los siguientes hándicaps o limitaciones (ver los números sobre la imagen):
    • 1. Cuando un texto está enmascarado por ruido, la red neuronal logra limpiarlo en gran medida pero no restaura los trazos del texto original porque no lo descifra como tal, se limita a recomponer aquello que aún logra interpretarse a pesar del ruido.
    • 2. Éste es el ejemplo más interesante. Podemos ver cómo la red se "inventa" unas sombras y unas aristas que no existen en la imagen original. Sin embargo no está haciendo nada mal, ya que si miramos la imagen ruidosa vemos que esas zonas de sombras/pliegues precisamente parecen a simple vista altamente probables, aunque no existieran en la escena original.
    • 3. El ruido añadido en estructuras de cierta complejidad, como el ondulado del repujado de piel en la máscara, hace que la red neuronal las interprete de forma más simplificada, como elementos lineales más que ondulados, porque en su entrenamiento vio más estructuras de ese tipo.
    • 4. Respecto a las texturas más finas, cuando el ruido las hace totalmente irreconocibles en la imagen ruidosa la red neuronal es totalmente incapaz de detectarlas generando una superficie lisa sin textura.
    • 5. Cuando no hay texturas, como en los parches de color, la red neuronal lo tiene mucho más fácil para restaurar el color original sin dominantes ni desviaciones, como por otro lado era esperable. Son zonas donde prácticamente cualquier algoritmo funciona muy bien.


    (IZQ.: imagen sin ruido de referencia, CENTRO: imagen con ruido, DER.: resultado de aplicar DxO PureRAW a la imagen con ruido)

    http://guillermoluijk.com/misc/dxopureraw.jpg

    Bodegón concienzudamente diseñado durante 10min:
    http://guillermoluijk.com/misc/dxoprimeescena.jpg

    Salu2!
    Pegas a parte (también hay perdidas en los brillos y sombras de la nariz y zonas adyacentes), si comparamos la imagen de ISO 25.600, antes y despues de pasar por el programa, la diferencia es "abismal" (como me gusta esta palabra, jejeje). Si comparamos la imagen a 25600 ISO filtrada por DxO PureRaw, con la imagen a ISO 100, está claro que no es perfecta, ¡faltaría más!
    No se que podran conseguir con el tiempo este tipo de programas "inteligentes", pero es posible que sigan sorprendiéndonos.

  3. #3
    Fecha de Ingreso
    feb 2018
    Ubicación
    Alquerias del Niño Perdido
    Mensajes
    489

    Predeterminado

    Gracias Guillerno por compartir, la verdad es que es "abismal" pasamos de una foto practicamente inservible a una foto decente y sin parecer plastelina. El mazinger lo tienes amortizado, ¿No tienes una Afrodita A? jejejeje
    Un saludo

  4. #4
    Fecha de Ingreso
    nov 2006
    Ubicación
    Madrid (a ratos Alicante)
    Mensajes
    6.241

    Predeterminado

    Cita Iniciado por juaval Ver Mensaje
    Gracias Guillerno por compartir, la verdad es que es "abismal" pasamos de una foto practicamente inservible a una foto decente y sin parecer plastelina. El mazinger lo tienes amortizado, ¿No tienes una Afrodita A? jejejeje
    Aunque sé que tengo escasas posibilidades de éxito, más allá de ver lo efectivo que es el programa quería poner de relevancia y hacer pensar sobre cómo funcionan estas redes neuronales. En esencia y de forma simplificada, es como si estuvieran clonando pegote a pegote tu foto con trozos de otras fotos hechas por otros fotógrafos, que cuando tienen ruido se parecen a la tuya. Esto me plantea dudas sobre si lo que se obtiene es una fotografía o es más bien una imagen digital, pero no exactamente una fotografía. O llevando el tema más lejos me plantea dudas incluso sobre la autoría. Muy significativo es lo que comentaba en FB esta mañana Luis Monje, indicaba que en fotografía forense no se pueden usar estos procedimientos, lo que da una idea de lo que comento.

    Los resultados son asombrosos sin duda, pero en gran parte los damos por buenos porque estos programas se usan precisamente cuando no dispones de la imagen original sin ruido para comparar. Un ejemplo muy claro es el del reescalado al alza: si la figura de la izquierda fuera anónima muchos se sorprenderían del resultado partiendo de algo tan pixelado y lo darían por bueno, pero todos estaremos de acuerdo en que eso NO es Obama:



    Salu2!

  5. #5
    Fecha de Ingreso
    mar 2011
    Ubicación
    Barcelona
    Mensajes
    12.368

    Predeterminado

    Se inventen lo que se inventen, el resultado final es lo que cuenta. En el caso de PureRaw, considero un buen resultado en general, en el caso de reescalado al alza, el resultado está más lejos de ser óptimo. No dejan de ser herramientas que según el caso pueden mejorar el resultado original, que creo que es lo que cuenta.

    He combinado el PureRaw con otro programa de AI, Topaz DeNoise AI, que aún limpia un poco más la imagen con poca pérdida.


  6. #6
    Fecha de Ingreso
    nov 2006
    Ubicación
    Madrid (a ratos Alicante)
    Mensajes
    6.241

    Predeterminado

    Cita Iniciado por Dr. Mabuse Ver Mensaje
    Se inventen lo que se inventen, el resultado final es lo que cuenta.(...)
    Bueno no solo cuenta el resultado, dependerá de adonde vaya esa imagen. No es igual si va a decorar la pared de tu casa que si se presenta a un concurso de fotografía de naturaleza donde podría quedar descartada por ejemplo. En cualquier caso quería poner de relevancia la forma peculiar y diferente a lo que estamos acostumbrados de la que funcionan las redes neuronales, que no se limitan a operar sobre tu imagen sino que integran información de otras imágenes en ella.

    Salu2!

  7. #7
    Fecha de Ingreso
    feb 2018
    Ubicación
    Alquerias del Niño Perdido
    Mensajes
    489

    Predeterminado

    Es un dilema que ya viene de antiguo, de los griegos, con la paradoja de Teseo. Si a un barco les reemplazas todas las tablas de madera, por reparación y mantenimiento, ¿es el mismo barco? o ¿es uno diferente?.
    Lo que creo que sí esta claro que la foto servirá o no, según el propósito de la misma, y posiblemente ya no sea un foto sino una imagen digital.

    Un saludo.

  8. #8
    Fecha de Ingreso
    feb 2014
    Ubicación
    Sevilla
    Mensajes
    1.121

    Predeterminado

    Muchas gracias Guillermo por el curro que te pegas para enseñarnos estos temas tan interesantes, parece mentira pero ese es el futuro que ya esta aquí, la inteligencia artificial, en el futuro poco a poco se irán mejorando programas como el que comentas (PureRaw y similares), y las fotos resultantes se irán pareciendo mas y mas a las originales tiradas a ISO 100.

    Saludos de Boni.
    Mi equipo:

  9. #9
    Fecha de Ingreso
    nov 2006
    Ubicación
    Madrid (a ratos Alicante)
    Mensajes
    6.241

    Predeterminado

    Comparación DxO PureRAW (modo Deep Prime con enfoque desactivado) vs Topaz Denoise AI (modo RAW con reducción de ruido y detalle por defecto):

    http://guillermoluijk.com/misc/dxopurerawvstopaz.jpg

    Me quedo con DxO PureRAW. Topaz Denoise da un acabado muy acuarelado y con los textos hace cosas rarísimas (parece que los subraye ), aunque va más lejos en la recuperación de texturas ocultas en el ruido, pero por el mismo motivo se "inventa" más cosas. Los parches de color los deja con más ruido.

    Diría que Topaz tiene un comportamiento más estándar (por imprevisible) de las redes neuronales imitando texturas de las cuales ha aprendido. Durante la instalación pude ver que se cargaban varios archivos relacionados con Tensorflow (la librería de deep learning de Google).

    Salu2!
    Última edición por Guillermo Luijk; 25/02/22 a las 19:26:53

  10. #10
    Fecha de Ingreso
    feb 2014
    Ubicación
    Sevilla
    Mensajes
    1.121

    Predeterminado

    Cita Iniciado por Guillermo Luijk Ver Mensaje
    Comparación DxO PureRAW (modo Deep Prime con enfoque desactivado) vs Topaz Denoise AI (modo RAW con reducción de ruido y detalle por defecto):

    http://guillermoluijk.com/misc/dxopurerawvstopaz.jpg



    Me quedo con DxO PureRAW. Topaz Denoise da un acabado muy acuarelado y con los textos hace cosas rarísimas (parece que los subraye ), aunque va más lejos en la recuperación de texturas ocultas en el ruido, pero por el mismo motivo se "inventa" más cosas. Los parches de color los deja con más ruido.

    Diría que Topaz tiene un comportamiento más estándar (por imprevisible) de las redes neuronales imitando texturas de las cuales ha aprendido. Durante la instalación pude ver que se cargaban varios archivos relacionados con Tensorflow (la librería de deep learning de Google).

    Salu2!
    Totalmente de acuerdo contigo, en la comparativa que nos muestras entre los dos programas (DxO PureRAW y Topaz Denoise), parece que
    DxO PureRAW, da un acabado mas parecido a la realidad y con menos ruido que el Topaz.

    Saludos de Boni.
    Mi equipo:

  11. #11
    Fecha de Ingreso
    mar 2011
    Ubicación
    Barcelona
    Mensajes
    12.368

    Predeterminado

    He revelado la misma foto con Pure Raw y con DPP y en el primer caso el JPG pesa 7'9 Mpx y en el segundo 9'4 Mpx. La diferencia de peso es solo porque Pure Raw elimina más ruído del fondo y consecuentemente más información? o hay otros motivos? La nitidez y detalle de la imagen principal es prácticamente la misma en ambos revelados..

    DPP recorte al 100%


    Pure Raw recorte 100%



    La foto completa revelada en Pure Raw

    Becdur 2 by Carles Just, en Flickr


  12. #12
    Fecha de Ingreso
    nov 2006
    Ubicación
    Madrid (a ratos Alicante)
    Mensajes
    6.241

    Predeterminado

    El fondo está más limpio en DxO PureRAW, solo eso basta para que su JPEG sea bastante más compacto.
    De todos modos me da que la imagen original no era muy ruidosa, que es cuando programas como DxO PureRAW deberían marcar la diferencia.

    Salu2!
    Última edición por Guillermo Luijk; 28/02/22 a las 19:22:48

Página 1 de 4 123 ... ÚltimoÚltimo

Marcadores

Normas de Publicación

  • No puedes crear nuevos temas
  • No puedes responder temas
  • No puedes subir archivos adjuntos
  • No puedes editar tus mensajes
  •