Raw – Medium – Well Done?

Im Dunklen (DSNU)

Betrachtet man die Bilder, die Bildsensoren erzeugen, wenn kein Licht auf sie fällt, erhält man einen Eindruck vom sogenannten Dunkelrauschen. Erwarten würde man ein gleichmäßig dunkles irgendwie verrauschtes Bild. Was man häufig an Rohbilddaten von CMOS-Bildsensoren erhält, ist in Bild 2 links zu sehen, nämlich ein munteres Streifenmuster (hier ist die Darstellung allerdings so skaliert, dass die Unterschiede größer wirken als sie zahlenmäßig verglichen zur Vollaussteuerung sind). Da jede der einzelnen Spalten eigene Verstärker und Analog-Digital-Wandler hat, um aus den in den Bildpunkten (Pixeln) gesammelten Ladungen zuerst Spannungen und dann Zahlenwerte zu machen, verhalten sich die Spalten und auch einzelne Pixel jeweils leicht verschieden. Die Folge sind Unterschiede im Offset, die zu dem Spaltenmuster führen. Technisch gesehen wird dies durch die sogenannte Dark Signal Non-Uniformity (DSNU) beschrieben, die eine der Kenngrößen in der Qualitätsmessung von Bildsensoren und Kameras nach dem EMVA 1288 Standard ist. Da es sich um sehr kleine Unterschiede handelt, könnte man sagen: das stört ja nicht. Aber solche Muster in den Schattenpartien eines Urlaubsbildes würden schon als sehr störend empfunden und nicht hingenommen werden, und dies ebenso wenig bei Messtechnik-Anwendungen. Im Falle von temperaturgeregelten Kameras kann man allerdings diese Offset-Unterschiede in den Spalten und Pixeln messen und korrigieren. Dort wird häufig ein gemitteltes Dunkelbild subtrahiert und ein minimaler Offset addiert, damit das komplette Dunkelrauschen in der Messung berücksichtigt werden kann. Dadurch wird das Streifenmuster deutlich reduziert, wie in Bild 2 rechts zu erkennen ist. Zudem gibt es auch aufwendigere Verfahren, welche u.U. noch Informationen von zusätzlichen abgedunkelten Referenz-Pixeln verwenden. Sollte bei einem Kamerasystem das Dunkelbild komplett schwarz sein, kann man davon ausgehen, dass der Hersteller den Offset-Wert unterdrückt. Auf den ersten Blick mag das schick aussehen, denn die Erwartung ´kein Licht´ ergibt nun einmal ein perfekt schwarzes Bild, für messtechnische Anwendungen ist es aber eher kritisch: Drift-Phänomene aufgrund von Temperaturänderungen nimmt man so nicht wahr und kann sie bei der Auswertung folglich nicht berücksichtigen, denn man erhält keine Information über das untere Ende des Signalbereichs. Somit wirkt sich eine Korrektur respektive Vorverarbeitung des Dunkelbildes positiv auf das Ergebnisbild aus. Dennoch kann das verarbeitete Dunkelbild immer noch als Rohdatenbild angesehen werden, da alle Informationen zu Verfügung stehen.

Im Hellen (PRNU)

In Bild 3 Links ist das Roh-Bild eines CMOS-Bildsensors bei 50% Aussteuerung zu sehen. Auch hier wirkt sich die Verschiedenheit der Verstärker in den Bildspalten und der Transistoren in den Pixeln, die das Ladungsträgersignal in ein Spannungssignal umwandeln, in der bereits beschriebenen Weise aus. Wiederum ergibt sich im sogenannten Hellbild ein Spaltenmuster, welches technisch gesehen durch die Photo Response Non-Uniformity (PRNU) beschrieben wird und wiederum eine der Kenngrößen in der Qualitätsmessung von Bildsensoren und Kameras nach dem EMVA 1288 Standard ist. Hier ist die Störwirkung noch offensichtlicher, denn solche Streifen würden in einem Hellbild kaum toleriert. Häufig wird pro Spalte die Linearität gemessen und bei Abweichung entsprechend korrigiert. Bei größeren Unterschieden einzelner Bildpunkte kann dies auch pixelweise durchgeführt werden, was aber mehr Speicher und Rechenaufwand in der Kamera bedeutet. Bild 3 rechts zeigt dasselbe pixelweise korrigierte Bild, welches gemäß der homogenen Ausleuchtung der Kamera ein ebenso homogenes Bild ergibt. Warum ist die Linearität wichtig? Einfach gesagt, wenn man doppelt so viel Helligkeit erzeugt, z.B. mit zwei Scheinwerfern anstelle von einem die Szene beleuchtet, erwartet man auch ein doppelt so helles Bild. Da dies nur bei wenigen Bildsensoren so ist, benötigt man insbesondere bei CMOS-Bildsensoren eine Linearitäts-Korrektur. Auch hier liegen die Vorteile der Vorverarbeitung auf der Hand. Die bisherigen Betrachtungen gelten gleichermaßen für monochrome wie für Farbbildsensoren.

Bitte schön bunt

Bei den Farbbildsensoren, die z.B. ein Bayer-Filtermuster verwenden, kommen die Eigenschaften der Farbfilter hinzu, welche auf den einzelnen Pixeln sitzen. Das Bild einer Farbtestkarte (Gretag Macbeth Color Checker) in Bild 4 verdeutlicht das. Das linke Bild zeigt das Ergebnisfarbbild ohne Kalibrierung. Für sich betrachtet mag das schon ganz gut aussehen, aber im Vergleich zum rechten Bild wird der Unterschied nach der Bestimmung einer Farbkorrekturmatrix (CCM, Color Correction Matrix) doch deutlich: Die Farben im rechten Bild 5 sind viel kräftiger und deutlicher und entsprechen viel mehr dem visuellen Eindruck der Testkarte. Auch hier verbessert eine zusätzliche Vorverarbeitung das Rohdatenbild erheblich und dadurch auch das Ergebnisbild.

Seiten: 1 2 3Auf einer Seite lesen

PCO AG
www.pco.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige