1

Restauración de imágenes digitales

Vieira, Miguel. Bartolomé, Andrés. Córdova, Daniel.

Escuela de Ingeniería en Telecomunicaciones.

Caracas, Venezuela

miguelvieirar16@gmail.com
andresrbartolomem12@gmail.com
daniel301202@gmail.com

Resumen – a través del siguiente artículo titulado Restauración
de imágenes digitales, se buscará, mediante el filtro de Wiener y
el algoritmo de Deconvolución a ciegas, reconstruir una imagen
en escala de grises que, en el momento de su captura, sufrió una
perturbación. Para de esta manera poder llevar a cabo una
comparación entre ambos métodos de restauración de la imagen
sobre su efectividad bajo ciertas circunstancias.
se pueden dar en estas.
• Ruido Gaussiano: Es el ruido cuya densidad de
probabilidad responde a una distribución de Gauss,
independientemente de que exista una correlación
del ruido con el tiempo o no.

Palabras clave - ruido, degradación, distorsión, filtro, imagen,
recuperación, gaussiano, digital, señal, algoritmo, convolución.
I. INTRODUCCIÓN
• Ruido Sal y Pimienta: También conocido como
ruido impulsivo, ocurre cuando hay alteraciones
bruscas y repentinas en la señal de la imagen que
producen pixeles blancos y negros escasamente
presentes.

Se sabe que a través de las imágenes se busca plasmar
elementos de diferentes tipos y conceptos, como se hace en el
caso de la fotografía. Sin embargo, en el procesamiento de
señales, una imagen tiene un trasfondo mucho más amplio.
Una imagen está compuesta de pixeles, los cuales son una
unidad de medición finita (a mayor cantidad de pixeles, mayor
calidad posee la imagen), partiendo de esto, la imagen se
puede definir como una función discreta bidimensional
(f(x,y)). Tomando en cuenta estos conceptos, se puede
determinar que una imagen puede representarse
matemáticamente y por lo tanto se pueden llevar a cabo
procesos como filtrado, algoritmos, entre otros, que faciliten la
detección y optimización de esta
Esta captación de la imagen puede verse afectada por
diversos factores. De los más comunes que existen está el
ruido como el principal factor afecta, el cual puede generar
que la imagen pierda elementos característicos que la
componen como lo puede ser su calidad y su nitidez; en el
segundo tenemos las perturbaciones que puede sufrir la
imagen en el momento de su captura, como lo puede ser el
movimiento del objeto al que se quiere enfocar, o un
movimiento en la cámara que no necesariamente tiene que ser
muy fuerte ducho movimiento.
Ya conociendo los tipos principales de degradación o
distorsión de las imágenes digitales, es momento de analizar
cómo combatir este fenómeno y cuáles herramientas existen
para ello. En este caso solo trataremos dos de estas
herramientas, sin olvidar que existen diversos tipos de filtros
cuyo uso va a depender del tipo de degradación que exista en
el proceso. Estas herramientas de las que hablaremos son:
• Filtro Weiner: Permite obtener una aproximación,
pero en este caso iniciando por retirar el ruido de
una señal determinada partiendo de fundamentos
estadísticos, como minimizar el error cuadrático
medio (e^2) el cual se define como el valor
esperado de la diferencia entre lo real (f(u,v)) y lo
obtenido por el modelo (f’(u,v))
𝑒^2 = 𝐸[𝑓 ′ (𝑢, 𝑣) − 𝑓(𝑢, 𝑣) (1)
• Blind Deconvolution Algorithm: Permite la
recuperación de una sola o un conjunto de
imágenes "borrosas" en presencia de una función
de dispersión de puntos (PSF) mal determinada o
desconocida.

A raíz de esto se han creado diversos softwares, los cuales
permiten, a través de diferentes métodos, restaurar o mejorar
los elementos que componen una imagen con el fin de
aumentar su calidad. Para entender el proceso de eliminación
de ruido y distorsión de imágenes digitales, es
primordialmente necesario conocer algunas degradaciones que
Teniendo una imagen que está siendo afectada por un tipo
de distorsión, contamos con dos técnicas que nos ayudarán a
eliminar estas perturbaciones de nuestra imagen. Estas
técnicas se pueden utilizar por separado y se tendrá una
restauración en nuestra imagen, pero si las usamos en
conjunto, la calidad podría aumentar mucho más ya que el

filtro Wiener puede reducir el ruido en la imagen antes de
aplicar el algoritmo de deconvolución a ciegas para eliminar la
distorsión causada por el movimiento durante la captura.
II. MARCO TEÓRICO
Este artículo se basa en la recuperación de imágenes
digitales, un campo del procesamiento de imágenes que se
enfoca en restaurar imágenes que han sido afectadas por
diferentes tipos de degradaciones, como el ruido y la
borrosidad.
Dentro del procesamiento de imágenes, hay que seguir una
serie de procesos para poder digitalizarla y tenerla como
archivo útil. Entre los términos más importantes está:
• Píxeles: la imagen digital se compone de una matriz
de píxeles (picture elements) que son los elementos
más pequeños de la imagen y representan la
información de color en un punto específico de la
imagen.
• Muestreo: es el proceso de convertir señales
analógicas a señales digitales. En el caso de una
imagen, esto se hace dividiendo la imagen en una
cuadrícula de píxeles y asignando un valor de color a
cada píxel.
• Cuantización: en la cuantización, los valores de los
píxeles se redondean a valores discretos para ser
almacenados digitalmente. Esto se hace para reducir
la cantidad de datos necesarios para representar la
imagen, lo que a su vez reduce el tamaño del archivo.
Para la recuperación de imágenes, existen diferentes
técnicas y algoritmos que se han desarrollado a lo largo del
tiempo. Este artículo, se enfocará en dos de estas técnicas: el
filtro de Wiener y el algoritmo de deconvolución a ciegas.
El filtro de Wiener se utiliza para mejorar imágenes que
han sido degradadas por ruido aditivo, se basa en la
minimización del error cuadrático medio entre la imagen
original y la imagen degradada. Este modelo matemático usa
el proceso de degradación para estimar la intensidad del ruido
y luego utilizan esta estimación para reducir el ruido y mejorar
la calidad de la imagen. El filtro de Wiener es útil para
mejorar imágenes borrosas o con ruido, como las capturadas
con poca luz o con una baja resolución.
Por otro lado, la deconvolución ciega es una técnica más
avanzada que se enfoca en recuperar la imagen original a
través de la estimación del punto de desenfoque o borrosidad.
La técnica es "ciega" porque no se conoce el proceso exacto
de degradación, por lo que se utiliza un modelo estadístico
para estimar los parámetros de la degradación a partir de la
imagen degradada. Luego, se utiliza esta información para
restaurar la imagen original.
2
Estas técnicas se pueden usar en simultáneo, pero esto
dependerá de la naturaleza de la imagen y del tipo de
degradación que haya sufrido. En caso de poder utilizarlas,
una forma efectiva sería:
1. Aplicar la deconvolución ciega a la imagen para
restaurarla y eliminar cualquier desenfoque o
borrosidad.
2. Aplicar el filtro de Wiener a la imagen restaurada
para reducir el ruido aditivo.
3. Evaluar la calidad de la imagen resultante y
realizar cualquier ajuste necesario.
Además, en este artículo también se discutirán los
diferentes tipos de degradaciones que pueden afectar a las
imágenes digitales, incluyendo el ruido Gaussiano y el ruido
sal y pimienta.
El ruido Gaussiano es un tipo de ruido aditivo que se
produce en las imágenes debido a la presencia de señales
eléctricas aleatorias, este añade aleatoriamente una pequeña
cantidad de ruido a cada píxel de la imagen. El ruido
gaussiano se asemeja a un patrón de ruido aleatorio y
uniforme en la imagen. Este tipo de ruido puede afectar la
calidad de la imagen al difuminar los bordes y detalles de la
imagen, lo que puede hacer que parezca más borrosa o menos
nítida.
Por otro lado, el ruido sal y pimienta, es un tipo de ruido
impulsivo que se produce en las imágenes debido a la
presencia de pixeles con valores extremos, es decir, se añaden
aleatoriamente píxeles blancos y negros en la imagen. Este
tipo de ruido puede aparecer de forma aleatoria en la imagen y
afectar a los detalles finos y las texturas de la imagen. El ruido
sal y pimienta puede hacer que la imagen parezca más
irregular y afectar a la calidad general de la imagen.
En esta investigación, se busca evaluar la efectividad de
ambos métodos de restauración de imágenes digitales bajo
ciertas circunstancias de degradación, en particular el ruido
gaussiano y el ruido sal y pimienta.
III. MARCO METODOLÓGICO
En este artículo se llevará a cabo un estudio comparativo
entre dos técnicas de restauración de imágenes: el filtro de
Wiener y el algoritmo de deconvolución a ciegas. Para esto, se
utilizará una imagen en escala de grises que ha sido degradada
con ruido Gaussiano y ruido sal y pimienta.
La metodología utilizada en este estudio consistirá en
aplicar ambas técnicas de restauración a la imagen degradada
y comparar los resultados obtenidos. Se utilizarán métricas de
evaluación de calidad de imagen, tales como el error
cuadrático medio (MSE) y el índice de similitud estructural
 3

(SSIM), para comparar la calidad de las imágenes frecuencia," Revista Científica de Sistemas, vol. 5, no. 2, pp. 23-29,
2016. [En línea]. Disponible:
recuperadas.
https://rcs.cic.ipn.mx/2016_120/Filtro%20de%20restauracion%20de%2
0imagenes%20basado%20en%20la%20transformada%20discreta%20de
Asimismo, se realizará un análisis de sensibilidad para l%20coseno%20y%20el%20analisis.pdf
evaluar el efecto de diferentes niveles de ruido en la calidad de [12]
las imágenes recuperadas. Este análisis se llevará a cabo
variando el nivel del ruido en la imagen original y midiendo la
calidad de las imágenes recuperadas mediante las métricas de
evaluación mencionadas anteriormente.

Siguiendo los siguientes pasos para cumplir con los

objetivos

1. Fase I: Marco teórico.

En esta fase se realizará la investigación de
conceptos relacionados con el tema del artículo.
Dichos conceptos fueron descritos previamente.

2. Fase II: Degradación de la imagen.

Se tomará una imagen aleatoria y se le aplicarán
ambos tipos de degradaciones por separado para así
poder tener las dos imágenes afectadas de forma
diferente.

3. Fase III: Restauración de la imagen.

En este punto, se aplicarán los dos métodos
elegidos para este experimento para llevar la
imagen a su estado natural.

4. Fase IV: Análisis de resultados y conclusiones.

En esta última fase se evaluarán las imágenes
degradadas y las restauradas y se compararán entre
ellas y con la original.

IV. REFERENCIAS BIBLIOGRÁFICAS

[1] B. P. Lathi y D. Zhi, «Modern digital and analog communication

systems,» de signal distorsion over a communication channel, New York
, Oxford University press, 2010, pp. 97–103
[2] Jayaraman; Procesamiento de imágenes digitales . Educación de Tata
McGraw-Hill, 2009. pág. 272.
[3] A. V. Oppenheim y R. W. Schafer, Discrete-time signal processing,
Prentice-Hall International, segunda edición, 1999.
[4] J. Parker. Algorithms for image processing and computer vision. John
wiley & Sons ed. (1997), 220-249. Avalaible:
http://alojamientos.us.es/gtocoma/pid/pid10/Rest auracion.htm
[5] Mark S. Nixon y Alberto S. Aguado. Extracción de funciones y
procesamiento de imágenes. Prensa académica, 2008, p. 88.
[6] J. Parker. Algorithms for image processing and computer vision. John
wiley & Sons ed. (1997), 220-249. Avalaible:
http://alojamientos.us.es/gtocoma/pid/pid10/Rest auracion.htm
[7] J. Flusser, T. Suk y B. Zitova, "Momentos e invariantes de momentos en
el reconocimiento de patrones", John Wiley & Sons, 2009, ISBN: 978-0-
470-74740-8.
[8] Ionos, "Qué es un píxel: definición y explicación," IONOS Digital
Guide, 11 de mayo de 2021. [En línea]. Disponible:
https://www.ionos.es/digitalguide/paginas-web/diseno-web/que-es-un-
pixel/
[9] Definicion.de, "Cuantización," Definición.de. [En línea]. Disponible:
https://definicion.de/cuantizacion/
[10] L. Salazar, "Digitalización de señales," Universidad de Concepción. [En
línea]. Disponible: http://www2.udec.cl/~lsalazarv/digitalizacion.html
[11] A. González y E. Rodríguez, "Filtro de restauración de imágenes basado
en la transformada discreta del coseno y el análisis de la imagen en