Saltar al contenido principal

Generador de Patrones Sintéticos y Simulación Metrológica de Muaré

1. Identificación y Propósito General​

  • Identificador en rotEngine: moire
  • Módulos / Directorios Fuente:
    • vendor/moire_patterns/ (derivado de moire_patterns_v0.1.0)
    • vendor/moire_simulator/ (derivado de moire_simulator_v0_1_1)
  • Versión: 0.1.0 (patrones) / 0.1.1 (simulador)
  • Licencia: MIT Permisiva (Copyright © 2026 Image Quality Research / Contribuidores)
  • Propósito: Generación analítica y determinista de cartas sintéticas de referencia espacial continua (barridos de frecuencia chirp, estrellas de Siemens sinusoidales, rejillas espectrales calibradas o imágenes maestras) y simulación metrológica de degradaciones ópticas, fotoeléctricas, cromáticas y de remuestreo digital que causan aliasing y patrones de muaré.
  • Rol en la Suite ImageQA: Actúa como banco de ensayos y estímulo inobjetable con ground truth matemático riguroso. Proporciona escenas sintéticas con parámetros frecuenciales, geométricos y radiométricos estrictamente conocidos para validar detectores de muaré, estimadores de Función de Transferencia de Modulación (MTF/s-SFR), algoritmos de demosaicing, filtros ópticos paso bajo (OLPF) y métodos de cuantificación de aliasing según ISO 12233:2024 y la literatura científica de referencia.

2. Fundamentos Físico-Matemáticos del Muaré​

2.1. Definición Operacional y Distinción Conceptual​

En metrología de calidad de imagen, se define muaré como una estructura espacial espuria, frecuentemente periódica o cuasiperiódica, originada por la interacción interferométrica entre dos o más estructuras espaciales superpuestas o entre el contenido frecuencial de una escena y la retícula de muestreo discreto del sistema de adquisición.

Es fundamental distinguir con rigor matemático tres fenómenos relacionados:

  1. Batido Geométrico (Moiré de Interferencia Pura): Interacción multiplicativa o superposición geométrica de dos señales periódicas continuas (por ejemplo, dos rejillas de transmisión superpuestas). La frecuencia resultante corresponde a los vectores diferencia y suma de las frecuencias espaciales elementales.
  2. Aliasing (Repliegue Espectral): Fenómeno de distorsión espectral originado por el submuestreo de una señal por debajo del límite de Nyquist (f0>fs/2f_0 > f_s / 2). El contenido espectral por encima de Nyquist se repliega en la banda base como componentes espurias.
  3. Muaré de Muestreo (Sampling Moiré): Manifestación estructurada y visualmente organizada del aliasing cuando una señal de alta periodicidad o cuasiperiódica interactúa con la matriz periódica discreta del sensor (CCD/CMOS), la máscara CFA (Bayer) o la retícula de escaneo. Como demuestran Amidror (2015) y Krumm & Shafer (1989), el modelo clásico de dos rejillas predice la cinemática de las frecuencias espurias, pero la amplitud y fase del muaré de muestreo dependen intrínsecamente de las características de apertura finita, PSF óptica y reconstrucción del sensor.

2.2. Señal Periódica Bidimensional y Convención de Vector de Frecuencia​

Una componente sinusoidal bidimensional elemental se modela como:

I(x,y)=μ+Acos⁡[2π(fxx+fyy)+ϕ]I(x, y) = \mu + A \cos\left[ 2\pi (f_x x + f_y y) + \phi \right]

donde:

  • μ\mu: Nivel medio o componente continua (DC), típicamente μ∈[0.0,1.0]\mu \in [0.0, 1.0].
  • AA: Amplitud de modulación (A≤min⁡(μ,1−μ)A \le \min(\mu, 1 - \mu) para garantizar reflectancia en [0,1][0, 1]).
  • f=(fx,fy)\mathbf{f} = (f_x, f_y): Vector de frecuencia espacial en ciclos por píxel (c/px\text{c/px}).
  • ϕ\phi: Fase inicial en radianes.

La frecuencia radial viene dada por:

f=∥f∥=fx2+fy2f = \|\mathbf{f}\| = \sqrt{f_x^2 + f_y^2}

La orientación θ\theta se define mediante:

θ=atan2⁡(fy,fx)(mod180∘)\theta = \operatorname{atan2}(f_y, f_x) \pmod{180^\circ}

:::note Convención Vectorial de Frecuencia La orientación θ\theta adoptada por las librerías describe la dirección del vector de frecuencia espacial, es decir, el vector normal ortogonal a las franjas luminosas, y no la dirección tangencial longitudinal de las líneas. :::

2.3. Superposición, Batido y Componente Diferencia​

Al multiplicar dos cosenos de frecuencias f1\mathbf{f}_1 y f2\mathbf{f}_2, las identidades trigonométricas producen componentes suma y diferencia:

cos⁡(2πf1⋅r)⋅cos⁡(2πf2⋅r)=12cos⁡[2π(f1−f2)⋅r]+12cos⁡[2π(f1+f2)⋅r]\cos(2\pi \mathbf{f}_1 \cdot \mathbf{r}) \cdot \cos(2\pi \mathbf{f}_2 \cdot \mathbf{r}) = \frac{1}{2}\cos\left[ 2\pi (\mathbf{f}_1 - \mathbf{f}_2) \cdot \mathbf{r} \right] + \frac{1}{2}\cos\left[ 2\pi (\mathbf{f}_1 + \mathbf{f}_2) \cdot \mathbf{r} \right]

La componente diferencia define el vector de frecuencia de muaré nominal:

fm=f1−f2,fm=∥fm∥,Pm=1fm\mathbf{f}_m = \mathbf{f}_1 - \mathbf{f}_2, \qquad f_m = \|\mathbf{f}_m\|, \qquad P_m = \frac{1}{f_m}

Si f1≈f2\mathbf{f}_1 \approx \mathbf{f}_2, la frecuencia fmf_m cae en la región de muy bajas frecuencias espaciales, generando franjas anchas de alto contraste perceptible (batido), base teórica del modelo M01.

2.4. Muestreo Discreto, Límite de Nyquist y Aliasing Bidimensional​

Para una cuadrícula de muestreo regular de paso unitario (Δx=Δy=1 pıˊxel\Delta x = \Delta y = 1\ \text{píxel}), la frecuencia de muestreo es fs=1 muestra/pıˊxelf_s = 1\ \text{muestra/píxel}, y la frecuencia límite de Nyquist es:

fN=fs2=0.5 ciclos/pıˊxelf_N = \frac{f_s}{2} = 0.5\ \text{ciclos/píxel}

Cualquier componente continua con frecuencia f0>0.5 c/pxf_0 > 0.5\ \text{c/px} genera réplicas espectrales periódicas separadas por múltiplos de fsf_s. La frecuencia replegada fundamental en la banda base viene dada por:

fa=f0−(nxfsx,nyfsy)=f0−(nx,ny)\mathbf{f}_a = \mathbf{f}_0 - (n_x f_{sx}, n_y f_{sy}) = \mathbf{f}_0 - (n_x, n_y)

donde nx,ny∈Zn_x, n_y \in \mathbb{Z} se eligen de modo que fa∈[−0.5,0.5]×[−0.5,0.5]\mathbf{f}_a \in [-0.5, 0.5] \times [-0.5, 0.5].

Como subraya Amidror (2015), pueden aparecer artefactos visuales significativos incluso por debajo de Nyquist (artefactos sub-Nyquist) cuando la frecuencia del estímulo se aproxima a razones racionales simples de la frecuencia de muestreo (f≈mnfsf \approx \frac{m}{n} f_s).

2.5. Apertura Finita del Fotosito y Filtrado Espacial​

Un sensor real no muestrea puntos infinitesimales, sino que integra la irradiancia óptica incidente sobre la superficie sensible finita del fotodiodo:

Sij=1∣Aij∣∬AijIopt(x,y) dx dyS_{ij} = \frac{1}{|A_{ij}|} \iint_{A_{ij}} I_{\text{opt}}(x, y) \, dx \, dy

Para una apertura rectangular homogénea de anchura axa_x y altura aya_y (relativas al paso de píxel p=1p=1):

Hpix(fx,fy)=sinc⁡(axfx)⋅sinc⁡(ayfy)=sin⁡(πaxfx)πaxfx⋅sin⁡(πayfy)πayfyH_{\text{pix}}(f_x, f_y) = \operatorname{sinc}(a_x f_x) \cdot \operatorname{sinc}(a_y f_y) = \frac{\sin(\pi a_x f_x)}{\pi a_x f_x} \cdot \frac{\sin(\pi a_y f_y)}{\pi a_y f_y}

La apertura finita actúa como un filtro pasobajo sinc 2D antes del muestreo puntual, atenuando las frecuencias altas y reduciendo parcialmente la amplitud del aliasing.

2.6. Mosaico CFA Bayer y Descomposición de Luminancia/Crominancia​

En sensores mono-chip equipados con un filtro de color (Color Filter Array, CFA), cada fotosito registra un único canal espectral primario (R, G o B). El mosaico Bayer clásico multiplexa espacialmente:

  • 50 % de píxeles Verdes (G) dispuestos en quincunce (fs,G=2/2≈0.707 c/pxf_{s,G} = \sqrt{2} / 2 \approx 0.707\ \text{c/px} diagonal).
  • 25 % de píxeles Rojos (R) en cuadrícula rectangular (fs,R=0.5 c/pxf_{s,R} = 0.5\ \text{c/px}).
  • 25 % de píxeles Azules (B) en cuadrícula rectangular (fs,B=0.5 c/pxf_{s,B} = 0.5\ \text{c/px}).

Siguiendo el modelo espectral de Alleysson, Süsstrunk & Hérault (2005), la imagen multiplexada en el plano del sensor se descompone en el dominio de Fourier en una banda central de luminancia acromática fLf_L y subbandas moduladas de crominancia fCf_C:

SBayer(x,y)=L(x,y)+C(x,y)⋅m(x,y)S_{\text{Bayer}}(x, y) = L(x, y) + C(x, y) \cdot m(x, y)

Al aplicar interpolación (demosaicing), cualquier energía de luminancia que sobrepase la banda base de los canales rojo y azul se modula erróneamente en los canales cromáticos, transformando patrones acromáticos de alta frecuencia en intensas bandas de falso color y artefactos de cremallera (zipper).


3. Cartas de Referencia Analítica (moire_patterns)​

La biblioteca vendor/moire_patterns/ genera estímulos analíticos puros en coordenadas continuas, exportando tanto la imagen rasterizada lineal como mapas matriciales de ground truth espectral y geométrico.

3.1. Barrido Lineal de Frecuencias Chirp (LinearChirpChart)​

Principio y Ecuaciones​

Un chirp lineal es una señal sinusoidal bidimensional cuya frecuencia instantánea varía linealmente a lo largo de un eje espacial coordenado. Proyectando la posición (x,y)(x, y) sobre el vector unitario normal θ\theta:

u=xcos⁡θ+ysin⁡θu = x \cos\theta + y \sin\theta

La ley de variación de frecuencia espacial es:

f(u)=fmin⁡+k⋅uf(u) = f_{\min} + k \cdot u

donde la tasa de variación espectral kk a lo largo de una tira de longitud LL viene dada por:

k=fmax⁡−fmin⁡Lk = \frac{f_{\max} - f_{\min}}{L}

La función de fase acumulada Φ(u)\Phi(u) se obtiene integrando la frecuencia instantánea:

Φ(u)=∫0uf(t) dt=fmin⁡u+12ku2\Phi(u) = \int_0^u f(t) \, dt = f_{\min} u + \frac{1}{2} k u^2

La reflectancia radiométrica del chirp es:

I(u)=I0+Acos⁡[2π(fmin⁡u+12ku2)+ϕ0]I(u) = I_0 + A \cos\left[ 2\pi \left( f_{\min} u + \frac{1}{2} k u^2 \right) + \phi_0 \right]

Autores y Normativa de Referencia​

  • Bae (2020): Introduce el uso de cartas Linear Chirp multiorientadas para caracterizar cuantitativamente la resistencia al muaré cromático en sensores de color. Define el Moiré Starting Point (MSP) evaluando el perfil de cromaticidad CIELAB: Cab∗=a∗2+b∗2C^*_{ab} = \sqrt{a^{*2} + b^{*2}} El punto donde Cab∗C^*_{ab} supera un umbral estadístico sobre el ruido de fondo marca la frecuencia espacial exacta donde el sistema colapsa en falso color.
  • Ventajas: Permite inspeccionar en una sola tira continua todo el espectro desde sub-Nyquist (f<0.5f < 0.5) hasta sobre-Nyquist (f≤1.0f \le 1.0), identificando con precisión milimétrica la frecuencia de inicio del aliasing.

3.2. Estrella de Siemens Sinusoidal (SiemensStarChart)​

Principio y Ecuaciones​

La estrella de Siemens sinusoidal modela una modulación armónica pura en coordenadas polares continuas centrada en (x0,y0)(x_0, y_0):

r=(x−x0)2+(y−y0)2,θ=atan2⁡(y−y0,x−x0)r = \sqrt{(x - x_0)^2 + (y - y_0)^2}, \qquad \theta = \operatorname{atan2}(y - y_0, x - x_0)

I(r,θ)=I0+Acos⁡(Nθ+ϕ0)I(r, \theta) = I_0 + A \cos(N \theta + \phi_0)

donde NN es el número entero de ciclos completos por revolución de 360∘360^\circ (típicamente N=144N=144).

Dado que la longitud de arco perimétrica a un radio rr es 2πr2\pi r, la frecuencia espacial tangencial local es inversamente proporcional a la distancia al centro:

f(r)=N2πr[ciclos/pıˊxel]f(r) = \frac{N}{2\pi r}\quad [\text{ciclos/píxel}]

Despejando el radio continuo para una frecuencia espacial dada ff:

r(f)=N2πfr(f) = \frac{N}{2\pi f}

En particular, el radio de corte de Nyquist (fN=0.5 c/pxf_N = 0.5\ \text{c/px}) se sitúa de forma exacta en:

rN=Nπ≈0.3183⋅N[pıˊxeles]r_N = \frac{N}{\pi} \approx 0.3183 \cdot N\quad [\text{píxeles}]

Para N=144N=144 ciclos, rN≈45.84 pıˊxelesr_N \approx 45.84\ \text{píxeles}. Para todo radio r<rNr < r_N, la frecuencia tangencial supera Nyquist, manifestándose de inmediato patrones de aliasing angular y repliegue de radios espurios.

Autores y Normativa de Referencia​

  • ISO 12233:2017 / ISO 12233:2024: Procedimiento normalizado de estimación s-SFR (spatial frequency response) mediante estrella sinusoidal segmentada en KK sectores angulares independientes (típicamente 24 sectores de 15∘15^\circ).
  • Artmann (2019): Demuestra que la estrella Siemens no solo mide resolución óptica, sino que proporciona un método robusto para cuantificar aliasing angular y límites reales de demosaicing sin sesgo de orientación.
  • Zona de Exclusión: En el centro matemático (r→0r \to 0), la frecuencia tiende a infinito (f→∞f \to \infty). Por ello, el parámetro center_radius enmascara el núcleo para prevenir singularidades numéricas.

3.3. Rejilla Espectral Monomodo / Muestreada (SpectralGratingChart)​

Principio y Ecuaciones​

Una carta de rejillas discretas genera parches independientes de ondas planas monocromáticas con frecuencia y ángulo fijos:

I(x,y)=I0+Acos⁡[2π(fcos⁡θ⋅x+fsin⁡θ⋅y)+ϕ0]I(x, y) = I_0 + A \cos\left[ 2\pi (f \cos\theta \cdot x + f \sin\theta \cdot y) + \phi_0 \right]

La matriz experimental combina un conjunto de frecuencias calibradas (por ejemplo: {0.1,0.2,0.3,0.4,0.45,0.5,0.6} c/px\{0.1, 0.2, 0.3, 0.4, 0.45, 0.5, 0.6\}\ \text{c/px}) cruzadas con múltiples ángulos (por ejemplo: {0∘,45∘,90∘,135∘}\{0^\circ, 45^\circ, 90^\circ, 135^\circ\}).

Autores y Utilidad Metrológica​

  • Validación Puntual de Frecuencia Espuria: A diferencia del chirp (que varía punto a punto), la rejilla mantiene un pico de Dirac estricto en el dominio de Fourier 2D. Permite aislar analíticamente el vector alias fa=f−fs\mathbf{f}_a = \mathbf{f} - \mathbf{f}_s y contrastar la precisión de algoritmos espectrales FFT o bancos de filtros Gabor (Saveljev & Kim, 2018).

3.4. Imagen Externa Personalizada (upload)​

Permite alimentar el pipeline de simulación con fotografías naturales, cartas industriales digitalizadas o archivos sintéticos externos generados por otros módulos (PNG, TIFF o JPEG en 8/16 bits).


4. Modelos de Mecanismo y Simulación de Muaré (M01–M09)​

La biblioteca vendor/moire_simulator/ implementa 9 modelos numéricos que simulan las etapas físicas y algorítmicas de captura, transmisión y degradación digital:

flowchart TD
In["Patrón Base / Escena Continua"] --> MChoice{"Modelo de Simulación"}
MChoice -->|M01| M01["M01 · Batido de Rejillas Cruzadas"]
MChoice -->|M02| M02["M02 · Muestreo Puntual y Aliasing"]
MChoice -->|M03| M03["M03 · Apertura Finita y Cuadratura"]
MChoice -->|M04| M04["M04 · Mosaico Bayer y Demosaicing"]
MChoice -->|M05| M05["M05 · Filtro Paso Bajo Óptico OLPF"]
MChoice -->|M06| M06["M06 · Halftone AM y Escáner"]
MChoice -->|M07| M07["M07 · Jitter y Oscilación de Arrastre"]
MChoice -->|M08| M08["M08 · Remuestreo Geométrico Digital"]
MChoice -->|M09| M09["M09 · Inyección Analítica Paramétrica"]
M01 & M02 & M03 & M04 & M05 & M06 & M07 & M08 & M09 --> Blend["Severidad de Mezcla (strength)"]
Blend --> Out["Entregables: Distorted, Reference, Residual, NPZ Ground Truth"]

M01 · Batido de Rejillas Cruzadas (GratingInterferenceSimulator)​

  • Mecanismo Físico: Modela la superposición o multiplicación directa de dos máscaras físicas de transmisión con modulación cosenoidal: Ti(x,y)=1−di2+di2cos⁡[2π(fxix+fyiy)+ϕi],i∈{1,2}T_i(x, y) = 1 - \frac{d_i}{2} + \frac{d_i}{2} \cos\left[ 2\pi (f_{xi} x + f_{yi} y) + \phi_i \right], \quad i \in \{1, 2\} Iref=I0⋅T1,Idist=I0⋅T1⋅T2I_{\text{ref}} = I_0 \cdot T_1, \qquad I_{\text{dist}} = I_0 \cdot T_1 \cdot T_2
  • Parámetros Clave:
    • frequency1, frequency2: Frecuencias espaciales de ambas rejillas (c/px\text{c/px}).
    • angle1_deg, angle2_deg: Orientaciones de los vectores normales (∘^\circ).
    • depth1, depth2: Profundidades de modulación di∈[0.0,1.0]d_i \in [0.0, 1.0].
    • phase1, phase2: Desfases espaciales en radianes.
  • Predicción Analítica: fm=f1−f2=(fx1−fx2, fy1−fy2)\mathbf{f}_m = \mathbf{f}_1 - \mathbf{f}_2 = (f_{x1} - f_{x2}, \, f_{y1} - f_{y2}) fm=∥fm∥,Pm=1/fm,θm=atan2⁡(fmy,fmx)(mod180∘)f_m = \|\mathbf{f}_m\|, \qquad P_m = 1/f_m, \qquad \theta_m = \operatorname{atan2}(f_{my}, f_{mx}) \pmod{180^\circ}
  • Nivel de Ground Truth: Nivel A (Campo analítico exacto). artifact_field coincide exactamente con Idist−IrefI_{\text{dist}} - I_{\text{ref}}.
  • Procedencia Científica: Amidror (2015), Krumm & Shafer (1989).

M02 · Muestreo Puntual y Aliasing Espacial (SpatialAliasingSimulator)​

  • Mecanismo Físico: Simula la captura de una escena continua sobremuestreada mediante una matriz de sensores discretos con muestreo puntual (delta de Dirac) sobre una cuadrícula con rotación y desplazamiento subpíxel. Opcionalmente aplica desenfoque gaussiano de lente (σlens\sigma_{\text{lens}}) o de filtro antialias (σolpf\sigma_{\text{olpf}}).
  • Parámetros Clave:
    • oversample: Factor de escala de la escena continua respecto a la retícula del sensor (Q≥1Q \ge 1).
    • rotation_deg: Rotación angular de la cuadrícula del sensor respecto a la escena (∘^\circ).
    • lens_sigma_px: Dispersión gaussiana de la lente óptica en píxeles de sensor.
    • olpf_sigma_px: Dispersión del filtro antialias.
    • phase_x, phase_y: Desplazamiento de fase subpíxel.
  • Predicción Analítica: Transforma la frecuencia de entrada f0\mathbf{f}_0 a la base rotada del sensor (u,v)(u, v) y calcula el repliegue en la primera zona de Brillouin: ua=u−round⁡(u),va=v−round⁡(v)u_a = u - \operatorname{round}(u), \qquad v_a = v - \operatorname{round}(v)
  • Nivel de Ground Truth: Nivel B (Frecuencia analítica + comparador numérico). Genera un comparador ideal limitando la banda en FFT mediante filtro coseno alzado entre 0.44 y 0.50 c/px.
  • Procedencia Científica: Amidror (2015).

M03 · Apertura Finita de Píxel y Cuadratura (PixelApertureSimulator)​

  • Mecanismo Físico: Extiende M02 incorporando la integración espacial sobre la superficie rectangular del fotodiodo mediante cuadratura numérica de Gauss/uniforme (Qpix×QpixQ_{\text{pix}} \times Q_{\text{pix}} muestras por celda): Sij≈1Qpix2∑p=1Qpix2I(xp,yp)S_{ij} \approx \frac{1}{Q_{\text{pix}}^2} \sum_{p=1}^{Q_{\text{pix}}^2} I(x_p, y_p) donde aperture define la fracción de área activa fotosensible (a∈[0.1,1.0]a \in [0.1, 1.0]).
  • Parámetros Clave:
    • aperture: Relación de llenado de píxel (fill factor lineal, [0.1,1.0][0.1, 1.0]).
    • quadrature: Número de puntos de integración por eje de píxel (1 a 8).
    • oversample, rotation_deg, lens_sigma_px.
  • Efecto Físico: Introduce la función de transferencia sinc 2D del fotodiodo, atenuando el muaré a medida que la apertura se aproxima a 1.0.
  • Nivel de Ground Truth: Nivel B.
  • Procedencia Científica: Li et al. (2014) (Optics Express), Farrell, Catrysse & Wandell (2012) (Applied Optics).

M04 · Mosaico Bayer y Falso Color Demosaicing (CFAMoireSimulator)​

  • Mecanismo Físico: Simula la cadena completa de adquisición digital de un sensor mono-chip:
    1. Escena continua con desenfoque óptico de lente.
    2. Integración de apertura de píxel.
    3. Filtrado espectral por mosaico CFA (Bayer RGGB, BGGR, GRBG, GBRG), reteniendo una sola muestra de color por celda.
    4. Reconstrucción cromática (demosaicing) para regenerar los tres planos RGB completos.
  • Parámetros Clave:
    • cfa_pattern: Disposición geométrica del filtro (RGGB, BGGR, GRBG, GBRG).
    • demosaic_method: Algoritmo de reconstrucción:
      • bilinear: Interpolación bilineal por núcleos normalizados (preserva las muestras reales).
      • malvar: Interpolación lineal adaptada al gradiente (Malvar, He & Cutler, 2004).
      • menon: Filtrado direccional con decisión a posteriori (Menon, Andriani & Calvagno, 2007).
  • Proxy de Falso Color: Cproxy=(R−G)2+(B−G)2C_{\text{proxy}} = \sqrt{(R - G)^2 + (B - G)^2}
  • Nivel de Ground Truth: Nivel C (Comparador modelado ideal sin CFA).
  • Procedencia Científica: Alleysson, Süsstrunk & Hérault (2005), Gasparini et al. (2012), Bae (2020).

M05 · Filtro Paso Bajo Óptico OLPF (OpticalLowPassSimulator)​

  • Mecanismo Físico: Modela filtros físicos antialias colocados delante del sensor para atenuar frecuencias espaciales superiores a Nyquist antes del muestreo por el CFA:
    • gaussian: Aproximación continua mediante desenfoque gaussiano de dispersión σolpf\sigma_{\text{olpf}} en píxeles de sensor.
    • birefringent: Simulación de placa de cuarzo birrefringente que desdobla el haz de luz incidente en 4 puntos polarizados equidistantes (±d/2, ±d/2)(\pm d/2, \, \pm d/2).
  • Parámetros Clave:
    • olpf_mode: Tipo de filtro (none, gaussian, birefringent).
    • olpf_sigma: Desviación típica del desenfoque gaussiano (píxeles).
    • separation: Distancia de separación de haz en el divisor birrefringente (píxeles).
    • cfa_pattern: Mosaico Bayer asociado.
  • Nivel de Ground Truth: Nivel C.
  • Procedencia Científica: Backes & Fröhlich (2020), Farrell, Catrysse & Wandell (2012), tutorial de antialiasing ISETCam.

M06 · Tramado Halftone y Escáner Óptico (HalftoneScannerSimulator)​

  • Mecanismo Físico: Modela la digitalización mediante escáner de un documento previamente impreso mediante trama de semitonos (halftone):
    1. Tono continuo analítico convertido a coordenadas de trama con inclinación angular.
    2. Generación de función de punto de trama AM periódica: S(u,v)=0.5+0.25[cos⁡(2πu)+cos⁡(2πv)]S(u, v) = 0.5 + 0.25 \left[ \cos(2\pi u) + \cos(2\pi v) \right]
    3. Binarización umbralizada mediante CDF precalculada para linealidad de cobertura de tinta.
    4. Separación CMYK o monocroma K.
    5. Remuestreo por el sensor óptico del escáner con apertura finita y desenfoque óptico de barrido.
  • Parámetros Clave:
    • print_dpi: Resolución de la impresora (ej. 600 o 1200 DPI).
    • scan_dpi: Resolución del sensor del escáner (ej. 300 o 600 DPI).
    • halftone_lpi: Frecuencia de la trama de semitonos (líneas por pulgada, LPI, ej. 133 o 150).
    • angles_cmyk: Ángulos tradicionales de roseta CMYK (ej. 15∘,75∘,0∘,45∘15^\circ, 75^\circ, 0^\circ, 45^\circ).
    • color: Activación de síntesis en cuatricromía CMYK o escala de grises.
  • Nivel de Ground Truth: Nivel C.
  • Procedencia Científica: Steinbach & Wong (1982) (JOSA).

M07 · Jitter y Oscilación de Arrastre en Escáner (IrregularScannerSimulator)​

  • Mecanismo Físico: Simula defectos mecánicos y perturbaciones cinemáticas en el mecanismo de arrastre o carro motorizado del escáner al capturar una imagen tramada:
    • Error sistemático armónico de avance (engranajes excéntricos o vibración de motor paso a paso): xij′=xij+Ajitsin⁡(2πiP)+εx,ijx'_{ij} = x_{ij} + A_{\text{jit}} \sin\left( 2\pi \frac{i}{P} \right) + \varepsilon_{x, ij}
    • Perturbación estocástica gaussiana (ruido de jitter): εx,ij,εy,ij∼N(0,σjit2)\varepsilon_{x, ij}, \varepsilon_{y, ij} \sim \mathcal{N}(0, \sigma_{\text{jit}}^2)
  • Parámetros Clave:
    • jitter_amp_px: Amplitud del desplazamiento senoidal de arrastre (píxeles).
    • jitter_period_lines: Período espacial de la oscilación mecánica (líneas de escaneo).
    • random_std_px: Desviación típica del jitter estocástico (píxeles).
    • seed: Semilla determinista del generador aleatorio.
  • Nivel de Ground Truth: Nivel B / Mapas de Desplazamiento Exactos. Los mapas jitter_x_map y jitter_y_map son matemáticamente exactos.
  • Procedencia Científica: Steinbach & Wong (1982), Backes & Fröhlich (2020).

M08 · Remuestreo Geométrico Digital (GeometricResamplingSimulator)​

  • Mecanismo Físico: Reproduce el muaré originado por escalado geométrico, rotación u homografías proyectivas digitales ejecutadas sin prefiltrado antialias adecuado o con interpoladores deficientes en pipelines de software.
  • Parámetros Clave:
    • scale: Factor de escala de redimensionado (s∈[0.1,4.0]s \in [0.1, 4.0]).
    • rotation_deg: Ángulo de rotación bidimensional (∘^\circ).
    • interpolator: Algoritmo de remuestreo digital:
      • nearest: Vecino más próximo (genera el máximo aliasing escalonado).
      • bilinear: Interpolación bilineal.
      • bicubic: Interpolación bicúbica estándar.
  • Nivel de Ground Truth: Nivel C (Comparador prefiltrado gaussiano).
  • Procedencia Científica: Artmann (2019), Krumm & Shafer (1989).

M09 · Inyección Analítica Paramétrica (MoireLayerSimulator)​

  • Mecanismo Físico: Inyecta una capa sintética puramente determinista sobre el patrón base o escena, controlando con exactitud analítica su frecuencia espacial, orientación, fase, amplitud, modulación cromática y envolvente espacial: M(x,y,c)=A(x,y)⋅cos⁡[2π(fxx+fyy)+ϕ]⋅vcM(x, y, c) = A(x, y) \cdot \cos\left[ 2\pi (f_x x + f_y y) + \phi \right] \cdot v_c
    • Vectores Cromáticos:
      • Luminancia acromática: vlum=(1,1,1)\mathbf{v}_{\text{lum}} = (1, 1, 1).
      • Oponente Rojo-Verde: vrg=(1,−1,0)\mathbf{v}_{rg} = (1, -1, 0).
      • Oponente Azul-Amarillo: vby=(0.5,0.5,−1)\mathbf{v}_{by} = (0.5, 0.5, -1).
    • Envolvente Espacial Elíptica: r2=(xn−cxrx)2+(yn−cyry)2r^2 = \left( \frac{x_n - c_x}{r_x} \right)^2 + \left( \frac{y_n - c_y}{r_y} \right)^2
      • flat: A(x,y)=A0⋅1(r2≤1)A(x, y) = A_0 \cdot \mathbf{1}(r^2 \le 1).
      • gaussian: A(x,y)=A0exp⁡(−r2/2)A(x, y) = A_0 \exp(-r^2 / 2).
    • Modelos de Mezcla Radiométrica:
      • Aditivo: Idist=I0+M(x,y,c)I_{\text{dist}} = I_0 + M(x, y, c).
      • Multiplicativo: Idist=I0⋅[1+M(x,y,c)]I_{\text{dist}} = I_0 \cdot [1 + M(x, y, c)].
  • Nivel de Ground Truth: Nivel A (Campo inyectado exacto). Exporta mapas exactos de amplitud, frecuencia, orientación, fase y máscara de soporte.
  • Procedencia Científica: Inspirado conceptualmente en las tripletas escena/capa/mezcla de Yang et al. (2023) (IEEE Transactions on Image Processing).

5. Inventario Completo de Parámetros de la Interfaz Web​

La interfaz de rotEngine para Muaré organiza sus parámetros en tres pestañas operativas:

5.1. Pestaña 1: Patrón Base​

Selector de Patrón​

CampoClave JSONTipoRango / OpcionesDefectoSignificado Metrológico
Tipo de Patrón Basepattern.typestr'chirp', 'star', 'grating', 'upload''chirp'Selecciona la carta analítica generada o habilita la carga de un archivo de imagen externo.

Lienzo y Parámetros Numéricos de Campo (Comunes a Patrones Sintéticos)​

CampoClave JSONTipoRango / UnidadesDefectoSignificado Metrológico
Ancho de Lienzopattern.widthint64…819264 \dots 8192 px1200Anchura total del lienzo sintético generado en píxeles.
Alto de Lienzopattern.heightint64…819264 \dots 8192 px900Altura total del lienzo sintético generado en píxeles.
Amplitud (AA)pattern.amplitudefloat0.0…0.50.0 \dots 0.5 (lineal)0.48Semiamplitud de modulación de la señal sinusoidal. Rango pico a pico: 2A2A.
Nivel de Fondo (μ\mu)pattern.backgroundfloat0.0…1.00.0 \dots 1.0 (lineal)0.50Nivel medio continuo (offset radiométrico DC) de la señal.
Fase Inicial (ϕ0\phi_0)pattern.phase_degfloat−360∘…360∘-360^\circ \dots 360^\circ0.0Desfase angular inicial en el origen de coordenadas.

Parámetros de Barrido Chirp (pattern.type == 'chirp')​

CampoClave JSONTipoRango / UnidadesDefectoSignificado Metrológico
Frecuencia Mínima (fmin⁡f_{\min})pattern.chirp.f_minfloat>0.0001> 0.0001 c/px0.02Frecuencia espacial inicial al inicio de la tira de barrido.
Frecuencia Máxima (fmax⁡f_{\max})pattern.chirp.f_maxfloat≤2.0\le 2.0 c/px0.65Frecuencia espacial final alcanzada al término de la tira (valores >0.5> 0.5 sobrepasan Nyquist).
Orientacionespattern.chirp.orientationslist[float]Grados (separados por coma)[0, 45, 90, 135]Ángulos de vector de frecuencia para apilar tiras independientes en el lienzo.
Margen Exteriorpattern.chirp.margin_pxint≥0\ge 0 px20Borde perimetral en blanco alrededor de las tiras de chirps.
Separador entre Tiraspattern.chirp.gutter_pxint≥0\ge 0 px16Distancia de separación vertical entre tiras consecutivas.

Parámetros de Estrella Siemens (pattern.type == 'star')​

CampoClave JSONTipoRango / UnidadesDefectoSignificado Metrológico
Número de Ciclos (NN)pattern.star.cyclesint4…5124 \dots 512 ciclos144Cantidad de ciclos completos sinusoidales en 360∘360^\circ de revolución polar.
Radio Central Libre (r0r_0)pattern.star.center_radius_pxint≥0\ge 0 px28Radio de enmascaramiento central para omitir la singularidad de frecuencia infinita.
Sectores de Análisispattern.star.sectorsint1…1281 \dots 128 sectores24Número de particiones angulares discretas para análisis de resolución s-SFR (ISO 12233).

Parámetros de Rejilla Espectral (pattern.type == 'grating')​

CampoClave JSONTipoRango / UnidadesDefectoSignificado Metrológico
Frecuencias Calibradaspattern.grating.frequencieslist[float]c/px (separados por coma)[0.1, 0.2, 0.3, 0.4, 0.45, 0.5, 0.6]Lista de frecuencias espaciales analíticas para poblar las celdas de la cuadrícula.
Orientacionespattern.grating.orientationslist[float]Grados (separados por coma)[0, 45, 90, 135]Conjunto de ángulos de rejilla evaluados.
Margen Exteriorpattern.grating.margin_pxint≥0\ge 0 px24Margen perimetral del mosaico de rejillas.
Tamaño de Celdapattern.grating.patch_size_pxint≥32\ge 32 px220Anchura y altura de cada parche individual en píxeles.

Imagen Subida (pattern.type == 'upload')​

CampoAtributo FormTipoFormatos AdmitidosSignificado
source_imagemultipart/form-dataFilePNG, JPEG, TIFF (8 o 16 bit)Archivo de imagen proporcionado por el usuario para ser degradado por el simulador.

5.2. Pestaña 2: Simulación de Muaré​

Control Global​

CampoClave JSONTipoRangoDefectoSignificado
Activar Simulaciónsimulation.enabledbooltrue, falsetrueHabilita o elude la etapa de simulación de muaré sobre la carta de prueba.
Mecanismo / Tipo de Muarésimulation.modelstr'M01' a 'M09''M01'Selecciona el algoritmo de distorsión física o inyección analítica.
Severidad de Mezcla (ss)simulation.strengthfloat0.0…1.00.0 \dots 1.01.0Controla la interpolación lineal Is=Iref+s(Isim−Iref)I_s = I_{\text{ref}} + s(I_{\text{sim}} - I_{\text{ref}}).

Parámetros Específicos por Modelo (M01–M09)​

M01 · Batido de Rejillas Cruzadas​
  • simulation.params.frequency1 (float, def: 0.25 c/px): Frecuencia espacial de la primera rejilla.
  • simulation.params.frequency2 (float, def: 0.23 c/px): Frecuencia espacial de la segunda rejilla interferente.
  • simulation.params.angle1_deg (float, def: 0.0 ∘^\circ): Ángulo normal de la rejilla 1.
  • simulation.params.angle2_deg (float, def: 10.0 ∘^\circ): Ángulo normal de la rejilla 2.
  • simulation.params.depth1 (float, def: 0.8 [0,1][0, 1]): Profundidad de transmisión de la rejilla 1.
  • simulation.params.depth2 (float, def: 0.8 [0,1][0, 1]): Profundidad de transmisión de la rejilla 2.
M02 · Muestreo Puntual y Aliasing​
  • simulation.params.oversample (int, def: 2 [1…8][1 \dots 8]): Sobremuestreo relativo de la escena de entrada.
  • simulation.params.rotation_deg (float, def: 5.0 ∘^\circ): Rotación de la retícula de muestreo del sensor.
  • simulation.params.lens_sigma_px (float, def: 0.0 px): Desenfoque gaussiano óptico de la lente antes de muestrear.
  • simulation.params.olpf_sigma_px (float, def: 0.0 px): Atenuación antialias previa al muestreo.
M03 · Apertura Finita de Píxel​
  • simulation.params.oversample (int, def: 2 [1…8][1 \dots 8]): Sobremuestreo de la escena.
  • simulation.params.aperture (float, def: 0.85 [0.1…1.0][0.1 \dots 1.0]): Ancho relativo del fotodiodo sensible respecto al paso de píxel.
  • simulation.params.quadrature (int, def: 3 [1…8][1 \dots 8]): Puntos de cuadratura numérica QpixQ_{\text{pix}} en cada eje por píxel.
  • simulation.params.rotation_deg (float, def: 4.0 ∘^\circ): Ángulo de inclinación del sensor.
  • simulation.params.lens_sigma_px (float, def: 0.0 px): Desenfoque óptico de la lente.
M04 · Mosaico Bayer y Falso Color Demosaicing​
  • simulation.params.cfa_pattern (str, def: 'RGGB'): Configuración geométrica del filtro CFA ('RGGB', 'BGGR', 'GRBG', 'GBRG').
  • simulation.params.demosaic_method (str, def: 'bilinear'): Método de reconstrucción ('bilinear', 'malvar', 'menon').
  • simulation.params.oversample (int, def: 2): Sobremuestreo de entrada.
  • simulation.params.aperture (float, def: 0.9 [0.1…1.0][0.1 \dots 1.0]): Apertura sensible del fotosito.
  • simulation.params.lens_sigma_px (float, def: 0.0 px): Desenfoque óptico de la lente.
M05 · Filtro Paso Bajo Óptico OLPF​
  • simulation.params.olpf_mode (str, def: 'birefringent'): Modo de filtro óptico ('none', 'gaussian', 'birefringent').
  • simulation.params.olpf_sigma_px (float, def: 0.5 px): Dispersión si se selecciona OLPF gaussiano.
  • simulation.params.separation_px (float, def: 0.5 px): Desplazamiento del haz en cuarzo birrefringente de 4 puntos.
  • simulation.params.cfa_pattern (str, def: 'RGGB'): Mosaico Bayer posterior al OLPF.
M06 · Halftone AM y Escáner​
  • simulation.params.print_dpi (int, def: 600 DPI): Densidad de impresión de la trama de semitonos.
  • simulation.params.scan_dpi (int, def: 300 DPI): Resolución de muestreo del escáner óptico.
  • simulation.params.halftone_lpi (float, def: 133.0 LPI): Lineatura de trama periódica AM.
  • simulation.params.angles_cmyk (list[float], def: [15, 75, 0, 45] ∘^\circ): Ángulos de tramado por plano CMYK.
  • simulation.params.color (bool, def: true): Conmutador de cuatricromía CMYK o escala de grises K.
M07 · Jitter y Oscilación de Arrastre en Escáner​
  • simulation.params.jitter_amp_px (float, def: 1.5 px): Amplitud de la oscilación senoidal mecánica de arrastre.
  • simulation.params.jitter_period_lines (int, def: 40 líneas): Período espacial de la perturbación cíclica.
  • simulation.params.random_std_px (float, def: 0.3 px): Desviación típica del jitter aleatorio de muestreo.
  • simulation.params.seed (int, def: 42): Semilla para reproducibilidad determinista.
M08 · Remuestreo Geométrico Digital​
  • simulation.params.scale (float, def: 0.5 [0.1…4.0][0.1 \dots 4.0]): Factor de escala geométrica (reducción o ampliación).
  • simulation.params.rotation_deg (float, def: 12.0 ∘^\circ): Ángulo de rotación bidimensional.
  • simulation.params.interpolator (str, def: 'nearest'): Algoritmo de interpolación ('nearest', 'bilinear', 'bicubic').
M09 · Inyección Analítica Paramétrica​
  • simulation.params.frequency_cpx (float, def: 0.12 c/px): Frecuencia espacial inyectada en la capa de muaré.
  • simulation.params.angle_deg (float, def: 30.0 ∘^\circ): Ángulo normal de la onda inyectada.
  • simulation.params.amplitude (float, def: 0.25 [0.0…1.0][0.0 \dots 1.0]): Amplitud pico de la onda espuria.
  • simulation.params.chroma_mode (str, def: 'luminance'): Vector de modulación cromática ('luminance', 'rg_opponent', 'by_opponent').
  • simulation.params.envelope_profile (str, def: 'gaussian'): Envolvente de contorno espacial ('flat', 'gaussian').
  • simulation.params.blend_mode (str, def: 'additive'): Modelo de mezcla radiométrica ('additive', 'multiplicative').

5.3. Pestaña 3: Opciones de Salida​

Casilla de SelecciónClave JSONTipoDefectoProducto Entregable
Imagen con artefacto de muaréoutputs.save_distortedbooltrueArchivo rasterizado distorted.png con el patrón y la simulación de muaré aplicada.
Patrón de referencia limpiooutputs.save_referencebooltrueArchivo rasterizado reference.png que refleja el patrón original sin degradar.
Mapa de residuo visual amplificadooutputs.save_residualbooltrueArchivo rasterizado residual_vis.png con la diferencia visual normalizada respecto al gris medio 0.5.
Mapas numéricos matricialesoutputs.save_npzbooltrueArchivo comprimido ground_truth_maps.npz conteniendo matrices NumPy en coma flotante float32.

6. Métricas del Muaré y Entregables de Salida​

6.1. Métricas Globales del Bloque «MÉTRICAS DEL MUARÉ»​

Al completarse la generación, la interfaz presenta un panel de síntesis cuantitativa con las siguientes métricas calculadas en el dominio de radiancia lineal:

  1. RMS de Residuo Lineal (residual_rms_linear): RMS=1N⋅C∑c=1C∑i=1N[Idist(i,c)−Iref(i,c)]2\text{RMS} = \sqrt{\frac{1}{N \cdot C} \sum_{c=1}^C \sum_{i=1}^N \left[ I_{\text{dist}}(i, c) - I_{\text{ref}}(i, c) \right]^2} Mide la energía media cuadrática de la desviación introducida por el proceso de simulación. Para una onda sinusoidal pura de amplitud AA, el valor teórico es RMS≈A/2\text{RMS} \approx A / \sqrt{2}.
  2. MAE Lineal (residual_mae_linear): MAE=1N⋅C∑c=1C∑i=1N∣Idist(i,c)−Iref(i,c)∣\text{MAE} = \frac{1}{N \cdot C} \sum_{c=1}^C \sum_{i=1}^N |I_{\text{dist}}(i, c) - I_{\text{ref}}(i, c)| Error absoluto medio lineal. Representa la discrepancia promedio de nivel por píxel y canal.
  3. Pico Máximo Absoluto (residual_peak_abs_linear): Peak=max⁡i,c∣Idist(i,c)−Iref(i,c)∣\text{Peak} = \max_{i, c} |I_{\text{dist}}(i, c) - I_{\text{ref}}(i, c)| Valor extremo de perturbación lineal en el peor píxel de la imagen.
  4. Nivel de Ground Truth (ground_truth_level): Indica la naturaleza metrológica de la verdad terreno registrada:
    • exact_injected_field: El campo es matemáticamente exacto (M01, M09).
    • analytic_frequency_or_model_difference: Predicción de frecuencia exacta para ondas planas con respuesta numérica (M02, M03).
    • modeled_comparator_not_artifact_exact: Imagen comparadora teórica con mezcla de degradaciones (M04, M05, M06, M08).
    • exact_jitter_known_total_difference: Mapas de desplazamiento vectorial físicamente exactos (M07).

6.2. Estructura del Archivo NPZ de Verdad Terreno (ground_truth_maps.npz)​

El archivo matricial .npz almacena arrays multidimensionales en formato IEEE 754 de 32 bits (float32):

import numpy as np

data = np.load("ground_truth_maps.npz")
print(data.files)
# Salida típica:
# ['reference', 'distorted', 'residual_map', 'frequency_map', 'orientation_map', 'phase_map', 'artifact_field']
  • reference (H×W×3H \times W \times 3): Imagen de referencia lineal en [0,1][0, 1].
  • distorted (H×W×3H \times W \times 3): Imagen con artefacto de muaré en [0,1][0, 1].
  • residual_map (H×W×3H \times W \times 3): Diferencia con signo Idist−IrefI_{\text{dist}} - I_{\text{ref}}.
  • artifact_field (opcional, en M01/M09): Componente de muaré pura inyectada.
  • frequency_map (H×WH \times W): Frecuencia espacial nominal en cada posición (c/px).
  • orientation_map (H×WH \times W): Orientación angular del vector de frecuencia en grados (∘^\circ).
  • phase_map (H×WH \times W): Fase instantánea en radianes.
  • support_mask (H×WH \times W): Máscara binaria que delimita la zona activa de inyección.

6.3. Manifiesto JSON de Reproducibilidad (manifest.json)​

Cada lote generado almacena un manifiesto JSON exhaustivo que garantiza la trazabilidad científica de la prueba:

{
"generator": "moire",
"version": "0.1.0",
"timestamp": "2026-11-10T20:30:00Z",
"job": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"pattern": {
"type": "chirp",
"width": 1200,
"height": 900,
"amplitude": 0.48,
"background": 0.5,
"phase_deg": 0.0,
"chirp": {
"f_min": 0.02,
"f_max": 0.65,
"orientations": [0, 45, 90, 135],
"margin_px": 20,
"gutter_px": 16
}
},
"simulation": {
"enabled": true,
"model": "M04",
"model_name": "CFAMoireSimulator",
"strength": 1.0,
"ground_truth_level": "modeled_comparator_not_artifact_exact",
"metrics": {
"residual_rms_linear": 0.0421,
"residual_mae_linear": 0.0298,
"residual_peak_abs_linear": 0.2845
}
},
"files": [
{
"name": "distorted.png",
"sha256": "4f8a...c912",
"bytes": 1823904
}
]
}

6.4. Política de Retención Efímera de Almacenamiento​

Todos los archivos generados (imágenes PNG, mapas numéricos NPZ y manifiestos JSON) se almacenan de forma temporal en la infraestructura de rotEngine y están gobernados por una política de purga automática con un tiempo de vida máximo de 30 minutos (RETENTION_MINUTES = 30). Pasado este intervalo, el hilo recolector del servidor elimina el directorio del lote para garantizar la privacidad y el uso sostenible del almacenamiento en disco.


7. Normas Internacionales y Bibliografía Completa​

7.1. Normas Técnicas Internacionales​

  1. ISO 12233:2024 — Digital cameras — Resolution and spatial frequency responses. International Organization for Standardization, 5.ª edición, septiembre de 2024. https://www.iso.org/standard/88626.html. (Reemplaza a ISO 12233:2017 e ISO 12233:2023. Define el método s-SFR radial basado en estrella sinusoidal de NN ciclos y análisis sectorial).
  2. ISO 17850:2015 — Photography — Digital cameras — Geometric distortion (GD) measurements. International Organization for Standardization. https://www.iso.org/standard/60822.html.
  3. ISO 14524:2009 — Photography — Electronic still-picture cameras — Methods for measuring optoelectronic conversion functions (OECFs). International Organization for Standardization.
  4. IEC 61966-2-1:1999 — Multimedia systems and equipment — Colour measurement and management — Part 2-1: Colour management — Default RGB colour space — sRGB. International Electrotechnical Commission.

7.2. Bibliografía Científica de Referencia​

  1. Amidror, I. (2015). Sub-Nyquist artefacts and sampling moiré effects. Royal Society Open Science, 2(3), 140550. DOI: 10.1098/rsos.140550.
  2. Krumm, J., & Shafer, S. (1989). A Sampled-grating Model of Moire Patterns from Digital Imaging. Carnegie Mellon University, Technical Report CMU-RI-TR-89-19. https://publications.ri.cmu.edu/a-sampled-grating-model-of-moire-patterns-from-digital-imaging.
  3. Li, J., Zhang, Y., Wang, J., Xiang, Y., Wu, Z., Ma, Q., & Ma, S. (2014). Formation mechanism and a universal period formula for the CCD moiré. Optics Express, 22(17), 20914–20923. DOI: 10.1364/OE.22.020914.
  4. Farrell, J. E., Catrysse, P. B., & Wandell, B. A. (2012). Digital camera simulation. Applied Optics, 51(4), A80–A90. DOI: 10.1364/AO.51.000A80.
  5. Alleysson, D., Süsstrunk, S., & Hérault, J. (2005). Linear demosaicing inspired by the human visual system. IEEE Transactions on Image Processing, 14(4), 439–449. DOI: 10.1109/TIP.2004.841200.
  6. Gasparini, F., Marini, F., Schettini, R., & Guarnera, M. (2012). A no-reference metric for demosaicing artifacts that fits psycho-visual experiments. EURASIP Journal on Advances in Signal Processing, 2012, 123. DOI: 10.1186/1687-6180-2012-123.
  7. Bae, T. W. (2020). Image-quality metric system for color filter array evaluation. PLOS ONE, 15(5), e0232583. DOI: 10.1371/journal.pone.0232583.
  8. Backes, P., & Fröhlich, J. (2020). A practical approach on non-regular sampling and universal demosaicing of raw image sensor data. London Imaging Meeting, 2020(1), 17–21. DOI: 10.2352/ISSN.2694-118X.2020.LIM-17.
  9. Steinbach, A., & Wong, K. Y. (1982). Moiré patterns in scanned halftone pictures. Journal of the Optical Society of America, 72(9), 1190–1198. DOI: 10.1364/JOSA.72.001190.
  10. Artmann, U. (2019). Quantify Aliasing: A New Approach to Make Resolution Measurement More Robust. Electronic Imaging, Image Quality and System Performance XVI, 2019(10), 320-1–320-6. DOI: 10.2352/ISSN.2470-1173.2019.10.IQSP-320.
  11. Yang, C., Yang, Z., Ke, Y., Chen, T., Grzegorzek, M., & See, J. (2023). Doing More With Moiré Pattern Detection in Digital Photos. IEEE Transactions on Image Processing, 32, 694–708. DOI: 10.1109/TIP.2022.3232232.
  12. Lu, W., & Tan, Y.-P. (2003). Color Filter Array Demosaicking: New Method and Performance Measures. IEEE Transactions on Image Processing, 12(10), 1194–1210. DOI: 10.1109/TIP.2003.816004.
  13. Saveljev, V., & Kim, S.-K. (2018). Amplitude, period and orientation of the moiré patterns in barrier 3D displays. Journal of Information Display, 19(2), 81–90. DOI: 10.1080/15980316.2018.1452301.
  14. Shakar, O., Li, J. S. J., & Randhawa, S. (2018). Quantification of Color Artifacts for the Evaluation of Color Filter Array Demosaicking. Journal of Image and Graphics, 6(1), 48–53. DOI: 10.18178/joig.6.1.48-53.
  15. Malvar, H. S., He, L.-W., & Cutler, R. (2004). High-quality linear interpolation for demosaicing of Bayer-patterned color images. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2004), vol. 3, 485–488. DOI: 10.1109/ICASSP.2004.1326587.
  16. Menon, D., Andriani, S., & Calvagno, G. (2007). Demosaicing with directional filtering and a posteriori decision. IEEE Transactions on Image Processing, 16(1), 132–141. DOI: 10.1109/TIP.2006.884928.