El libro «Image Quality Assessment of Computer-generated Images» de André Bigand, Julien Dehos, Christophe Renaud y Joseph Constantin, publicado en 2018 por Springer International Publishing, aborda la problemática emergente de la evaluación de la calidad de imagen (IQA, por sus siglas en inglés) para imágenes generadas por computadora. A diferencia de las imágenes de escenas naturales, donde la calidad de la imagen se puede referenciar a una fuente original, las imágenes generadas por computadora no tienen una referencia directa durante su proceso de creación, lo que hace que la evaluación de su calidad sea un desafío distinto y complejo.
El propósito del libro es proporcionar a los estudiantes y practicantes de procesamiento de imágenes y gráficos por computadora un recurso que cubra los fundamentos y las técnicas avanzadas necesarias para evaluar la calidad de las imágenes generadas por computadora. Entre las técnicas cubiertas, se hace un énfasis particular en los métodos de soft computing como el aprendizaje automático y la lógica difusa, usados para crear modelos capaces de predecir y evaluar la percepción de ruido en las imágenes.
El texto comienza con una introducción que establece la distinción entre las imágenes de escenas naturales y las generadas por computadora, destacando las particularidades y desafíos inherentes a estas últimas. En este contexto, las métricas de evaluación de la calidad de imagen se dividen en tres categorías: modelos de referencia completa, modelos sin referencia y modelos de referencia reducida. Mientras que los modelos de referencia completa usan una imagen original para comparar y evaluar la versión procesada, los modelos sin referencia y de referencia reducida intentan evaluar la calidad sin acceso directo a una imagen de referencia.
El segundo capítulo se centra en los métodos de Monte Carlo para la síntesis de imágenes, describiendo cómo estas técnicas se utilizan para simular el transporte de luz en escenas virtuales, lo que es esencial para el renderizado fotorrealista. Una parte significativa del texto se dedica al trazado de rutas, una técnica fundamental que utiliza muchos caminos aleatorios desde la cámara hasta una fuente de luz, lo que puede generar ruido perceptual en la imagen renderizada. La teoría de Monte Carlo asegura la convergencia correcta de la imagen cuando el número de muestras aumenta, pero esto puede requerir un tiempo de cálculo considerable.
El tercer capítulo estudia el impacto visual del proceso de renderizado en la calidad de la imagen, presentando resultados experimentales obtenidos de un renderizador de trazado de rutas y demostrando la influencia de varios parámetros en la calidad visual de la imagen. Aquí, se discute cómo optimizar estos parámetros para lograr una calidad aceptable en menor tiempo.
Posteriormente, el libro introduce la evaluación de la calidad de imagen mediante métodos de referencia completa y técnicas de aprendizaje automático como las Máquinas de Soporte Vectorial (SVM) y las Máquinas de Vector Relevantes (RVM). El capítulo quinto expone métodos de referencia reducida, incluyendo versiones rápidas de las máquinas de vector relevante y sus aplicaciones en la evaluación de imágenes. Finalmente, el sexto capítulo presenta métodos sin referencia basados en conjuntos difusos, proponiendo un método original de estimación de ruido en imágenes usando la entropía de conjuntos difusos intervalares.
El séptimo capítulo recopila las conclusiones y perspectivas, sintetizando los conceptos presentados y sugiriendo futuras direcciones de investigación en el área. El texto se constituye así como una guía integral para aquellos interesados en la visualización, la realidad virtual y aumentada, y las nuevas tendencias relacionadas con la generación y evaluación de imágenes por computadora.
