산란광 정규화

산란광(플레어) 관련 문서 페이지

소개: 산란광 테스트 및 정규화된 산란광 소개 |Imatest 산란광 분석 결과 | 역사

배경: 산란광 사례 |근본 원인 |테스트 개요 |테스트 요소 | 테스트 고려 사항 | 용어집

계산: 측정 이미지 |정규화 방법 |광원 마스크 방법 | 요약 측정 항목 | 분석 채널 | 채도

지침: 고급 Imatest 분석 지침(Master 및 IT) | Imatest를 이용한 정규화된 산란광 계산 | 전동 짐벌 사용 지침

설정: 설정 목록 및 INI 키/값 | 표준 및 권장 사항 |구성 파일 입력

페이지 내용

이 페이지에서는 Imatest의 정규화 방법 에 대한 설명을 제공합니다.

정규화는 테스트에 사용된 광원의 레벨을 제거하는 과정입니다. 이를 통해 서로 다른 하드웨어로 수행된 테스트 결과를 더 쉽게 비교할 수 있습니다.

정규화 방법

Imatest의 산란광원 분석에는 테스트 대상 이미지를 정규화하는 데 사용할 수 있는 여러 옵션 또는 방법이 있습니다.

없음

상세 설명

정규화 방법을 '없음'으로 선택하면 테스트 이미지는 정규화되지 않습니다.

이는 가장 간단한 정규화 방법입니다(정규화하지 않음). 이 방법에는 두 가지 주요 이점이 있습니다.

입력값
정규화 계수

이 방법의 정규화 계수는 항상 1입니다.

미터법 범위
정규화 없음의 결과값 범위
계산최상의 측정최악의 측정값
전염 0 이미지의 최대 디지털 숫자
감쇠 +∞ 이미지에서 최대 디지털 값으로 1을 나눈 값

수준

상세 설명

레벨 정규화 방식을 사용하면 사용자는 테스트 대상 이미지를 정규화하는 데 사용되는 레벨을 디지털 숫자 단위로 입력합니다.

정규화 수준은 정규화 보정 섹션에 설명된 방법을 사용하여 계산할 수 있습니다. 예시 수준 계산은 여기에 제공됩니다.

입력값
정규화 계수

이 방법의 정규화 계수는 사용자가 입력한 정규화 수준입니다.

미터법 범위
레벨 정규화에 대한 결과값 범위
계산최상의 측정최악의 측정값
전염 0 1
감쇠 +∞ 1

참고: 위의 수치는 사용자가 제공한 레벨이 투과율 계산 시 0~1 범위의 산란광을 발생시킨다는 가정하에 제시되었습니다. 하지만 이 가정을 벗어나는 레벨을 선택할 수도 있습니다.

직접 참조 이미지

상세 설명

직접 참조 이미지 정규화 방법을 사용하면 참조 이미지를 사용하여 점 광원 제거율(PSRR) 또는 확장 광원 제거율(ESRR) 지표를 계산합니다 [1] . 참조 이미지 내 광원의 직접 이미지 레벨을 사용하여 테스트 대상 이미지를 정규화합니다. 이 이미지는 테스트 이미지에 사용된 것보다 낮은 조도(예: ND 필터 사용) 및/또는 짧은 카메라 노출 시간을 필요로 할 수 있습니다. 이는 광원의 직접 이미지가 이미지에서 포화되지 않도록 하기 위함입니다. 정규화는 정규화 보정 설정(ND 필터 설정 및 비율 설정)을 사용하여 "테스트 이미지 등가" 정규화 계수를 생성하도록 보정할 수 있습니다. 직접 참조 이미지 정규화는 IEEE 2020-2024 [2] 정규화된 플레어 지표를 계산하는 데 사용됩니다.

참고: 이 실험에서는 사용된 광원이 평행광원이라고 가정합니다.

참고: 이름에 "직접"이라는 부분이 있는 것은 기준 이미지에 빔의 발산각을 변경하는 광학 장치(예: 렌즈, 확산기)가 사용되지 않음을 의미합니다.

참조 이미지 및 보정 설정에 대한 자세한 내용은 정규화 보정 섹션을 참조하십시오.

입력값
가정
정규화 계수

정규화 계수는 기준 이미지 내 광원의 직접 이미지의 평균 레벨에서 도출됩니다. 이 레벨은 입력 보정 계수(ND 필터 설정 및 비율 설정)를 사용하여 보정됩니다. 자세한 방법은 아래의 "정규화 보정 배경" 섹션을 참조하십시오.

    1. 소스의 이미지를 캡처하세요.
      1. 원본 이미지가 포화되지 않도록 주의하십시오.
      2. 그렇다면 광원의 레벨(직접 또는 ND 필터를 사용하여) 및/또는 카메라의 노출 설정을 조정하여 광원의 이미지가 포화되지 않도록 하십시오.
      3. 참조 이미지를 생성하는 데 사용된 매개변수를 기록하십시오.
    2. 광원의 마스크를 생성하여 이미지에서 광원의 직접 이미지에 해당하는 픽셀을 식별합니다.
    3. 마스크 내부의 참조 이미지 픽셀에 집계 방법(평균, 중앙값 또는 합계)을 적용하여 기본 정규화 계수를 계산합니다.
    4. 정규화 보정 설정(ND 필터 설정 및 비율 설정)을 사용하여 기본 정규화 계수를 보정하고 보정된 정규화 계수를 계산합니다. 자세한 내용은 아래의 정규화 보정 배경 섹션을 참조하십시오. 이 값이 디지털 넘버(DN) 단위의 최종 정규화 계수입니다. 보정 설정을 사용한 경우 이 값은 이미지의 포화 수준보다 높을 수 있습니다.
    5. 제공된 각 이미지에 대해 1~4단계를 반복합니다. 평균 정규화 계수를 구합니다.
미터법 범위
참조 이미지 정규화 결과 값 범위
계산최상의 측정최악의 측정값
전염 0 1
감쇠 +∞ 1

수치 및 알고리즘상의 문제로 인해 값이 위의 범위를 벗어날 수 있음을 유의하십시오.

램버트 참조 이미지

상세 설명

램버트 참조 이미지 정규화 방법에서는 광원과 카메라 사이에 램버트 확산기의 참조 이미지가 사용됩니다 [3] . 이 이미지는 테스트 이미지에 사용된 것보다 낮은 조도(예: ND 필터 사용) 및/또는 짧은 카메라 노출 시간을 필요로 할 수 있습니다. 이는 최종 이미지에서 광원의 직접 이미지가 포화되지 않도록 하기 위함입니다. 정규화는 정규화 보정 설정(ND 필터 설정 및 비율 설정)을 사용하여 "테스트 이미지와 동일한" 정규화 계수를 생성하도록 보정할 수 있습니다. 램버트 참조 이미지 정규화는 IEEE P2020 사전 릴리스 [4] 플레어 감쇠 및 IEEE 2020-2024 [2] 조도/조도 플레어 측정값을 계산하는 데 사용됩니다.

입력값
가정
정규화 계수

정규화 계수는 기준 이미지 내 광원의 직접 이미지의 평균 레벨에서 도출됩니다. 이 레벨은 입력 보정 계수(ND 필터 설정 및 비율 설정)를 사용하여 보정됩니다. 자세한 방법은 아래의 "정규화 보정 배경" 섹션을 참조하십시오.

    1. 소스의 이미지를 캡처하세요.
      1. 원본 이미지가 포화되지 않도록 주의하십시오.
      2. 그렇다면 광원의 레벨(직접 또는 ND 필터를 사용하여) 및/또는 카메라의 노출 설정을 조정하여 광원의 이미지가 포화되지 않도록 하십시오.
      3. 참조 이미지를 생성하는 데 사용된 매개변수를 기록하십시오.
    2. 광원의 마스크를 생성하여 이미지에서 광원의 직접 이미지에 해당하는 픽셀을 식별합니다.
    3. 마스크 내부의 참조 이미지 픽셀에 집계 방법(평균, 중앙값)을 적용하여 이미지 수준 참조값을 계산합니다. .
    4. 기본 인수를 계산하세요:
    5. 정규화 보정 설정(ND 필터 설정 및 비율 설정)을 사용하여 기본 정규화 계수를 보정하고 보정된 정규화 계수를 계산합니다. 자세한 내용은 아래의 정규화 보정 배경 섹션을 참조하십시오. 이 값이 디지털 넘버(DN) 단위의 최종 정규화 계수입니다. 보정 설정을 사용한 경우 이 값은 이미지의 포화 수준보다 높을 수 있습니다.
    6. 제공된 각 이미지에 대해 1~5번 단계를 반복합니다. 정규화 계수의 평균값을 구합니다.
미터법 범위
참조 이미지 정규화 결과 값 범위
계산최상의 측정최악의 측정값
전염 0 1
감쇠 +∞ 1

수치 및 알고리즘상의 문제로 인해 값이 위의 범위를 벗어날 수 있음을 유의하십시오.

참조 이미지 보정

테스트의 핵심 가정은 테스트 이미지 데이터를 정규화하는 데 사용되는 레벨(즉, 정규화 계수)이 포화 미만이라는 것입니다. 포화, 즉 테스트 대상 카메라의 동적 범위는 본질적으로 테스트 자체의 동적 범위를 제한합니다. 포화 레벨로 정규화하면 포화 데이터의 레벨이 모호하기 때문에 상대적으로 의미 없는 결과를 제공합니다. 포화로 정규화하면 결과 메트릭 이미지의 값은 0에서 1 사이가 되며, 1은 포화 레벨에 해당합니다. 많은 카메라의 경우 이미지에 산란광을 유도하기 위해 광원의 직접 이미지가 포화 되어야 할 수 있습니다. 이 경우 광원의 직접 이미지가 포화되지 않도록 광 레벨이 감쇠된 별도의 노출이 잘 된 참조 이미지의 정보를 사용할 수 있습니다. 카메라에서 사용할 수 있는 제어 기능에 따라 광원의 포화되지 않은 이미지를 생성한 다음 [5] 와 같은 "테스트 이미지 등가"(보정된) 정규화 계수를 생성하는 데 다양한 기술을 사용할 수 있습니다.

이러한 기법들은 개별적으로 사용하거나 조합하여 보정 계수를 형성할 수 있습니다. 이는 기본 정규화 계수에 대한 승수 역할을 할 것입니다. 보정된 정규화 계수를 계산하기 위해 (이는 최종적으로 테스트 이미지 데이터를 정규화하는 데 사용됩니다.) 이 경우 기본 정규화 계수는 다음과 같습니다. 는 참조 이미지에서 소스의 직접 이미지의 이미지 레벨(디지털 번호 또는 픽셀 값)입니다 [5] . 전체 프로세스는 몇 가지 간단한 방정식으로 설명할 수 있습니다.

어디

보상 요소는 다음과 같을 수 있습니다.

이러한 기술은 카메라 데이터가 선형이거나 선형화 가능하며 상호성 법칙이 성립한다고 가정합니다 [5] . 다음 섹션에서는 보정 계수를 사용한 정규화된 산란광 계산의 예를 제공합니다.

그림 2: 축상에서 직접 촬영한 기준 이미지로, 광원의 포화되지 않은 직접상을 보여줍니다. 이 이미지는 테스트 이미지보다 짧은 카메라 노출 시간과 광원 앞에 ND 2.5 필터를 사용하여 촬영했습니다. 별도의 테스트 이미지(미표시)에서는 광원의 직접상이 포화되어 있으며, 산란광이 드러나도록 심하게 번져 있습니다.

광원/설정 보정

광원/설정 보정은 기준 이미지와 테스트 이미지에 대해 카메라에 도달하는 빛의 양을 조절하기 위해 광원/설정을 조정하는 것을 말합니다. 이는 다음과 같은 방법으로 수행할 수 있습니다.

광원 보정 계수는 다음과 같습니다.

ND 요인, ~이다

카메라 보정

카메라 보정은 기준 이미지와 테스트 이미지의 측정된 디지털 값을 변경하기 위해 카메라 설정을 조정하는 것을 말합니다. 이는 다음과 같은 방법으로 수행할 수 있습니다.

카메라 보정 계수는 다음과 같습니다.

일반 사항

여러 이미지 사용

이미지 기반 정규화 방법( 직접 참조 이미지 및 램버트 참조 이미지 )의 경우, 측정값에 대한 노이즈의 영향을 줄이기 위해 하나 이상의 참조 이미지를 사용할 수 있습니다. 두 개 이상의 이미지를 사용하는 경우, 전체 정규화 계수는 각 이미지의 정규화 계수의 평균이 됩니다.

참고 자료

  1. B. Bouce 외, "GUERAP II 사용자 안내서", Perkin-Elmer Corp., 1974. ↩
  2. IEEE 자동차 시스템 영상 품질 표준 , IEEE Std 2020-2024, 2024, doi: 10.1109/IEEESTD.2024.10935839 . ↩ a ↩ b
  3. E. Souksava, T. Corbier, Y. Li, F.-X. Thomas, L. Chanas, 및 F. Guichard, "렌즈 플레어 평가", IS&T Electronic Imaging 학술대회 논문집 , 2021, doi: 10.2352/ISSN.2470-1173.2021.9.IQSP-215 . ↩
  4. IEEE 자동차 시스템 영상 품질 표준 초안 , IEEE Std P2020/D3, 2022년 6월. [온라인]. 이용 가능: https://ieeexplore.ieee.org/document/9969530 . ↩
  5. JS Knappen, “종합적인 산란광(플레어) 테스트: 얻은 교훈,” IS&T Electronic Imaging 학회지 , 2023, 127-1-127-7쪽, doi: 10.2352/EI.2023.35.16.AVM-127 . ↩ a ↩ b ↩ c