El artículo titulado «Identification of image noise sources in digital scanner evaluation», escrito por Peter D. Burns y Don Williams, se enfoca en analizar y desentrañar las fuentes de ruido en sistemas de adquisición de imágenes digitales, específicamente en escáneres digitales. Los autores señalan que en estos sistemas, el ruido en la imagen se puede clasificar tanto en fuentes aleatorias, relacionadas con la detección cuántica de señales y fluctuaciones independientes de la señal, como en fuentes de ruido de patrón fijo, que resultan de variaciones en la sensibilidad de pixel a pixel. Estas últimas producen patrones repetitivos en los datos de imagen que pueden ser malinterpretados como ruido del dispositivo en evaluaciones convencionales utilizando áreas de objetivo nominalmente uniformes.
El artículo destaca la importancia de distinguir entre diferentes tipos de ruido para lograr una evaluación precisa de los escáneres digitales. Los autores describen un método para destilar las distintas fuentes de ruido de patrón fijo y temporal mediante la adquisición de varias imágenes digitales registradas. No obstante, notan que las variaciones de registro de imagen en distintos escaneos pueden afectar la precisión de estas evaluaciones en múltiples escáneres. Ante ello, presentan un método modificado que incluye una etapa para corregir la desalineación entre escaneos consecutivos, asegurando así una mejor estimación del ruido.
En la metodología propuesta, se utiliza un análisis de componentes de varianza para descomponer el ruido en sus componentes temporal y de patrón fijo. Un modelo de ruido aditivo separa estas contribuciones efectivas, sumándolas para obtener la varianza total de una área de imagen uniforme. Los autores introducen medidas como el cálculo promedio y la varianza muestral en registros inter-imagen para identificar eficazmente las fluctuaciones de patrón fijo y ruido temporal.
Los resultados obtenidos de aplicar este método modificado en escáneres reales muestran una buena concordancia entre las cálculos explícitos de ruido y las estimaciones derivadas del modelo aditivo. En varias situaciones, las componentes de patrón fijo se revelaron como dominantes en el rendimiento del sistema de ruido, lo que demuestra la utilidad del enfoque para la evaluación de desempeño y comparación de productos.
Más allá de las evaluaciones estadísticas de ruido, los autores plantean métodos alternativos abreviados para situaciones donde obtener un conjunto de imágenes registradas no es práctico. Entre ellos, sugieren la utilización de correlación de ruido de color en un solo test de imagen para separar las estadísticas de ruido temporal aleatorio y de patrón fijo en ciertos casos.
En conclusión, este trabajo presenta métodos de captura y procesamiento de datos para medir las estadísticas de componentes de ruido en escáneres digitales, ofreciendo valor en la comparación de productos, verificación de rendimiento y especificación del ruido del objetivo. Las técnicas descritas permiten una identificación precisa de las fluctuaciones de imagen debidas al escáner y al objetivo utilizado, extendiendo incluso su aplicabilidad con métodos para imágenes de prueba únicas.
