Reducción de ruido

Existen técnicas de reducción de ruido para audio e imágenes, cuyos algoritmos tienden a alterar las señales en mayor o menor grado.

Estos electrones agitados se suman y restan rápidamente del nivel de la señal de salida y, por lo tanto, crean un ruido detectable.

En el caso de una película fotográfica o una cinta magnética, se introduce ruido (tanto visible como audible) debido a la estructura del grano del soporte.

En una cinta magnética, cuanto más grandes son los granos de las partículas magnéticas (generalmente óxido de hierro (III) o magnetita), más propenso es el medio al ruido.

Para compensar este efecto, se pueden usar películas o cintas magnéticas con mayores superficies capaces de captar la señal, con el fin de reducir el ruido a un nivel aceptable.

[7]​[8]​[9]​[10]​ La señal útil a menudo queda difuminada o distorsionada por el ruido aleatorio ambiental, lo que puede causar una falsa discontinuidad de los registros sísmicos, produciendo artefactos en la imagen resultante final.

[20]​ Estos sistemas utilizan un proceso de preénfasis aplicado durante la grabación y luego un proceso de atenuación aplicado durante la reproducción.

Diseñado para uso profesional, el sistema Dolby Tipo A era un procedimiento de codificación/decodificación en el que la amplitud de frecuencias en cuatro bandas aumentaba durante la grabación (codificación) y luego disminuía proporcionalmente durante reproducción (decodificación).

El sistema Dolby B, aunque no es tan eficaz como el Dolby A, tenía la ventaja de seguir siendo escuchable en sistemas de reproducción sin decodificador.

[21]​ En varios decks de cinta High Com de última generación, la función Dolby-B emulando un sistema "DNR Expander" no funcionaba solo para la reproducción, sino que también se aplicaba durante la grabación (aunque en este último caso el procedimiento no estaba documentado).

Funcionaba en todo el ancho de banda audible, y a diferencia del Dolby B, no se podía utilizar como un sistema abierto.

[25]​ Vendido por primera vez en 1981, DNR se confunde con frecuencia con el mucho más común Reducción de ruidos Dolby.

[27]​ Debido a que los sistemas DNL y DNR no son complementarios, lo que significa que no requieren material fuente codificado, se pueden usar para eliminar el ruido de fondo de cualquier señal de audio, incluidas las grabaciones en cinta magnética y las transmisiones de radio FM, reduciendo el ruido hasta en 10 dB.

Otra forma es definir un umbral dinámico para filtrar el ruido, que se deriva de la señal local, nuevamente con respecto a una región de tiempo-frecuencia local.

Sin embargo, un giro interesante es que los sistemas de tramado en realidad agregan ruido a una señal para mejorar su calidad.

Las imágenes tomadas tanto con cámaras digitales como con película fotográfica captarán ruido procedente de distintas fuentes.

El uso posterior de estas imágenes a menudo requerirá que el ruido se elimine (parcialmente), con propósitos estéticos como en el trabajo artístico o la mercadotecnia, o para fines prácticos como la visión artificial.

Si bien son posibles otras distribuciones, la distribución gaussiana (normal) suele ser un buen modelo, debido al teorema del límite central que dice que la suma de diferentes ruidos tiende a acercarse a una distribución gaussiana.

En cualquier caso, el ruido en diferentes píxeles puede estar correlacionado o no correlacionado; en muchos casos, los valores de ruido en diferentes píxeles se modelan como variables aleatorias independientes e idénticamente distribuidas y, por lo tanto, no están correlacionados.

Debido a este desenfoque, los filtros lineales rara vez se utilizan en la práctica para reducir el ruido.

Otro método para eliminar el ruido es someter la imagen a un suavizado basado en una ecuación en derivadas parciales similar a la ecuación del calor, que se llama difusión anisotrópica.

Con un coeficiente de difusión espacialmente constante, esto equivale al filtrado mediante la ecuación del calor (o lineal gaussiano), pero con un coeficiente de difusión diseñado para detectar bordes, el ruido se puede eliminar sin difuminar los bordes de la imagen.

Otro enfoque para eliminar el ruido se basa en el promedio no local de todos los píxeles en una imagen.

En este contexto, los métodos basados en ondículas son de particular interés.

Para abordar estas desventajas, se han desarrollado estimadores no lineales basados en la teoría bayesiana.

[36]​ También existen métodos estadísticos para eliminar el ruido de imágenes, aunque se utilizan con poca frecuencia, ya que son computacionalmente exigentes.

Deep Image Prior es una de esas técnicas, que utiliza redes neuronales convolucionales y se distingue porque no requiere datos de entrenamiento previo.