Generador de Píxeles Defectuosos, Agrupaciones y Defectos de Sensor
1. Identificación y Propósito General
- Identificador en rotEngine:
defective-pixels - Módulo / Directorio Fuente:
ImageQA_Defective_Pixel_Suite_v1 - Versión: 1.0.0
- Propósito: Generador determinista de píxeles anómalos y agrupaciones de defectos de sensor con catálogo exhaustivo de posiciones, naturaleza física y efecto observable por fotograma, para verificar y validar detectores automáticos de píxeles defectuosos en ImageQA.
- Rol en la Suite ImageQA: Inyecta defectos analíticamente conocidos en escenas planas, degradados, tableros o fotografías reales aportadas por el usuario, exportando la verdad terreno (ground truth) en máscaras binarias espaciales, catálogos en CSV y resúmenes metrológicos en JSON sin reutilizar algoritmos de detección.
2. Fundamento Científico y Modelado Matemático
2.1. Taxonomía Física de Defectos en Sensores CMOS/CCD
La suite implementa modelos analíticos y fenomenológicos para diez familias de defectos:
- Píxeles Muertos (
dead):- Modo
zero: Código digital estrictamente nulo (). - Modo
photosensitivity: Ausencia de respuesta fotónica; el píxel solo conserva la corriente oscura y el nivel de negro del ADC.
- Modo
- Píxeles Atascados (
stuck): Salida digital fija e invariable () en saturación o nivel intermedio, inmune al flujo fotónico entrante. - Píxeles Calientes (
hot):- Modo directo
add_dn: Incremento aditivo constante de código digital. - Modo de corriente oscura física (
dark_current): Exceso anómalo de portadores térmicos acumulados durante el tiempo de exposición , gobernado por distribuciones estadísticas de cola pesada (Log-normal o Gamma).
- Modo directo
- Píxeles Fríos (
cold): Fotosensibilidad anormalmente reducida respecto al promedio (). - Píxeles Hipersensibles (
hypersensitive): Ganancia fotoeléctrica superior a la nominal (). - Sensibilidad Genérica (
sensitivity): Ganancia relativa arbitraria . - Ruido Telegráfico Aleatorio (
rts- Random Telegraph Signal): Defecto biestable generado por captura y emisión de portadores individuales en trampas cuánticas del óxido de puerta. Se modela mediante una cadena de Markov homogénea discreta de dos estados con matriz de transición: En el estado activo, se suma una amplitud . - Agrupaciones de Defectos (
cluster): Coagulación espacial de defectos (microarañazos o dislocaciones del silicio) dispersados según una distribución normal bivariada alrededor de centros geométricos. - Líneas y Segmentos Defectuosos (
line): Desperfectos en buses de columna, líneas de reset o decodificadores de dirección que alteran un segmento continuo de fila o columna sumando un offset . - Eventos Transitorios Impulsivos (
transient): Perturbaciones estocásticas de un solo fotograma (impactos de partículas o descargas) sin correlación temporal.
2.2. Modelo Físico de Cadena de Señal del Sensor
Cuando se activa el motor de simulación de captor (simulation.model = "sensor"), el proceso de formación de señal sigue la física estándar de transferencia de carga en semiconductores:
- Generación Fotoeléctrica y Ruido de Disparo (Shot Noise):
- Generación Térmica (Corriente Oscura) con dependencia térmica: Para píxeles calientes, la tasa anómala se muestrea de una distribución Log-normal:
- Capacidad de Saturación (Full Well Capacity):
- Ruido Electrónico de Lectura (Read Noise):
- Ganancia del Sistema y Digitalización ADC:
3. Inventario Completo de Parámetros de Entrada
3.1. Bloque image (Propiedades del Lienzo)
| Parámetro | Tipo | Opciones / Dominio | Default | Unidades | Significado Técnico |
|---|---|---|---|---|---|
width | int | 640 | píxeles | Anchura del sensor simulado. | |
height | int | 426 | píxeles | Altura del sensor simulado. | |
bit_depth | int | 8, 16 | 16 | bits/canal | Profundidad de bits de la imagen generada. |
background | str | 'uniform', 'gradient', 'checker', 'natural' | 'uniform' | topología | Estímulo base sobre el que se inyectan las perturbaciones. |
gray_level | float | 0.45 | normalizado | Nivel de intensidad base para fondo uniforme. |
3.2. Bloque simulation (Modelo de Simulación)
| Parámetro | Tipo | Opciones / Rango | Default | Unidades | Significado Técnico |
|---|---|---|---|---|---|
seed | int | 12345 | semilla | Semilla del generador determinista. | |
frames | int | 1 | fotogramas | Número de fotogramas temporales consecutivos a simular. | |
model | str | 'digital', 'sensor' | 'digital' | modelo | Inyección directa sobre códigos digitales ('digital') o simulación física completa ('sensor'). |
3.3. Lista de Defectos (defects)
Cada elemento de la lista define un grupo de defectos con la siguiente estructura:
| Clave | Tipo | Opciones / Rango | Significado Técnico |
|---|---|---|---|
type | str | 'dead', 'stuck', 'hot', 'cold', 'hypersensitive', 'rts', 'cluster', 'line', 'transient' | Tipología física o fenomenológica del defecto. |
count | int | Cantidad de instancias a instanciar para esta tipología. | |
params | dict | Según tipología | Parámetros específicos (ej. value_dn para stuck, add_dn para hot, matriz p01/p10 para RTS). |
placement.mode | str | 'uniform', 'grid', 'gaussian', 'edge' | Distribución espacial sobre la superficie del sensor. |
4. Configuración JSON en rotEngine
Esquema JSON por defecto cargado en la aplicación web:
{
"test_id": "P_WEB",
"image": {
"width": 640,
"height": 426,
"bit_depth": 16,
"background": "uniform",
"gray_level": 0.45
},
"simulation": {
"seed": 12345,
"frames": 1,
"model": "digital"
},
"defects": [
{
"type": "stuck",
"count": 30,
"params": {
"value_dn": 32768
},
"placement": {
"mode": "uniform"
}
}
]
}
5. Productos de Salida y Metadatos de Respuesta
Al ejecutarse, el generador produce:
- Archivo de Imagen (
.pngo.tiff): Imagen con los defectos simulados. En modo 16 bits RGB, también genera una previsualización PNG para visualización inmediata en navegadores. catalog.csv: Inventario exhaustivo de todos los defectos inyectados con sus coordenadas exactas , canal afectado, tipo físico y parámetros nominales.truth_frame_XXXX.csv: Estado efectivo observable en cada fotograma particular (crucial para defectos dinámicos como RTS o transitorios).- Máscaras Binarias (
mask_*.pngo.npz): Planos booleanos donde el valor 1 indica la presencia inequívoca de un defecto. reference.json: Manifiesto con estadísticas globales y hash SHA-256 de integridad.
6. Licencias, Derechos de Autor y Atribuciones
- Licencia: Licencia permisiva ImageQA · Marcas registradas por sus respectivos titulares.
- Copyright: Copyright © 2026 ImageQA Synthetic Validation Suite contributors.
- Atribuciones Técnicas: Modelos de generación de corriente oscura y simulación de defectos inspirados en el simulador de detectores espaciales ESA / Pyxel y en las investigaciones de Baer (2006).
7. Citas Bibliográficas y Normativas
- EMVA 1288 Standard (Release 4.0 Linear). Standard for Characterization of Image Sensors and Cameras. European Machine Vision Association. https://www.emva.org/standards-technology/emva-1288/.
- ISO 15739:2023. Photography — Electronic still picture imaging — Noise measurements. International Organization for Standardization.
- Baer, R. L. (2006). A model for dark current characterization and simulation in CMOS image sensors. In Proc. SPIE 6068, Sensors and Camera Systems for Scientific, Industrial, and Digital Photography Applications VII, 606804.
- ESA Pyxel Development Team (2020). Pyxel: The open-source detector simulation framework. European Space Agency.