時間ノイズの測定

Introduction

時間的ノイズは、画像ごとに独立して変化するランダムノイズです。これに対し、固定パターンノイズは一定に保たれますが（通常、時間的ノイズよりもはるかに弱いため、測定が難しい場合があります） 、ColorcheckとStepchartで分析できます。Imatest 5.1では、 Color/Tone InteractiveとColor/Tone Fixedに追加されました。

計算方法は2通りあります。

1. 2 つの同一のテストチャート画像間の差 ( Imatest が推奨する方法)、

2. ISO 15739に基づく方法では、 N 個の同一画像 ( N ≥ 8) の平均と各個別画像との間のピクセル差から計算されます。

この記事では、2つの方法を比較し、方法1がなぜ好ましいのかを説明します。

（１）２枚の画像の差分法

いずれかのモジュールで、2つの画像を読み込みます。右側に表示されているウィンドウが表示されます。 「時間ノイズ測定のために2つのファイルを読み込む」ラジオボタンを選択します。

2 つのファイルが読み込まれ、それらの差分 (固定パターンノイズをキャンセルする) が取られます。これらの画像は独立しているため、ノイズパワーは加算されます。独立した画像I ₁とI ₂の場合、時間ノイズは

MultichartsおよびMultitestでは、時間的ノイズはノイズ解析プロット1～3（単純ノイズ、S/N、およびSNR（dB））に点線で表示されます。

（２）複数画像法

ISO 15739 、セクション6.2.4、6.2.5、および付録A.1.4より。MultichartsおよびMultitest で利用可能。現在、単純なノイズ（シーン参照ノイズではない）を使用しています。少なくとも4つのファイルを選択します。マルチイメージファイルリストウィンドウ（上記参照）で、「時間ノイズ用にn個のファイルを読み込む」を選択します。時間ノイズは、 N個のファイルの各ピクセルj （以下の式で個別にiとラベル付けされている）について、以下の式を使用して計算されます。

後者の式は、2 つの配列のみで実際の計算に使用されるため、保存する必要があります。Nは比較的小さな数（最小4、推奨は8以上）であるため、 Wikipediaの標準偏差ページの「恒等式と数学的性質」にある標本標準偏差の式と、ISO 15739の式（13）を使用して補正する必要があります。

時間ノイズの大きさだけが必要な場合は、差分法（1）を推奨します。より多くの画像（ N ≧8を推奨）を必要とする方法（2）では、固定パターンノイズとノイズ画像を同時に計算できます。

いずれの方法でも時間的ノイズを計算するには、適切な数のファイル（2つまたは4つ以上）を読み込み、マルチイメージ設定ボックスの適切なラジオボタンを押してください。

2つの方法の結果

2つの方法は、パナソニックのLumix LX5カメラ（数年前に発売された、中程度の品質の小型センサーカメラ）で撮影した同一のColorchecker画像を用いて比較された。

差分法（１）（２ファイル）

以下は、2つのファイルに対するマルチチャートの結果です。

複数ファイル方式（２）（最低４ファイル）

以下は、4、8、16個のファイルを使用した実行結果（SNR（dB））です。 4ファイルの場合、時間的SNR（細い点線）は標準ノイズよりもわずかに優れています。8ファイルの場合は時間的SNRがわずかに低く、16ファイルの場合はごくわずかに低くなります。 8ファイルと16ファイルの結果は、2ファイルの場合の結果により近い（ただし、8ファイルと16ファイルの差は非常に小さい）。 結論として、正確で比較的高速な2ファイル（差分）法をお勧めします。複数ファイル法は画像の取得と解析に時間がかかるため（少なくとも8枚の画像が必要）、固定パターンノイズを計算する必要がない限り、わざわざ複数ファイル法を使う必要はないでしょう。

時間的ノイズ画像

EMVA 1288 に基づくフラットフィールド統計で説明したように、各ピクセルjに対して定義される時間ノイズσ _diff ( j )は画像として表示できます。画像を表示するのに十分な品質を得るには、パッチ内の平均時間ノイズを計算するために使用される方法 (2) (上記) よりも多くのサンプルが必要です。これは画像を表示するよりもはるかに負荷が低い方法です。32 は妥当な最小サンプル数です。100 または 128 はさらに良いでしょう。

時間的ノイズの測定にはEMVA 1288と同じ手法が用いられますが、重要な違いがあります。フラットフィールド画像だけでなく、任意の画像（テストチャート、自然風景など）を使用できます。これにより、画像全体における画像処理の挙動を把握することが可能になります。これは、画像処理、ひいてはノイズが画像表面全体で変化するバイラテラルフィルタ画像にとって特に有益です。

時間的ノイズ画像を取得するには、複数の画像（通常は少なくとも32枚）を信号平均化する必要があります。これは、複数の画像ファイルを結合するか、直接読み込む（利用可能な場合はより効率的）ことで実行できます。ノイズ画像の取得方法については、 こちらで詳しく説明しています。時間的ノイズ画像の表示には、 Flatfield Interactiveの使用をお勧めします。ここでは、その要点を概説します。

	下の画像をクリックすると、拡大表示されます。
直接データを取得するには、カメラとデバイスマネージャーが目的の画像を正しくキャプチャするように設定されていることを確認してください。調整を有効にするには、プレビューをオフにする必要があります。デバイスマネージャーの画像が正しいことを確認したら、「保存」をクリックしてください。
Flatfield Interactiveウィンドウで、 Signal averaging を大きな値 (ここでは 128 読み取り) に設定し、 Calculate image^2 while averaging にチェックを入れます。 Flatfield Interactiveの操作手順上、正しい設定を行う前に画像を読み込み、設定を行い、再度読み込む必要がある場合があります。 画像を読む際に、特定の関心領域をより簡単に調べられるように、画像をトリミングすると良いでしょう。
こちらが元の画像（トリミング済み）です。 この画像は、 L = 128 の平均化により SNR (信号対雑音比) が 21 dB (3*log 2 ( L )) 増加するため、実質的にノイズがありません。
ここに、自動明るさ調整されたノイズ画像を示します。これはノイズの状態をよく表していますが、定量的な情報は不足しています。 予想通り、ノイズはグラフの鋭いエッジ付近で最も大きく、滑らかな部分では小さくなっています。 レジストレーションマークの白い部分は完全に飽和している（純白である）ため、ノイズは発生しません。
ここに、擬似カラーで表示されたノイズ画像を示します。右側には数値スケールがあります。
最後に、擬似カラー画像を大きく拡大したものを掲載します。中低品質のJPEG圧縮に特有の8×8ピクセルのJPEGアーティファクトがはっきりと確認できます。

関連ページ：

• EMVA-1288に基づくフラットフィールド統計

• フラットフィールドの使い方、パート1

• Flatfield の使い方、パート 2