시간적 잡음 측정

Introduction

시간적 노이즈 는 이미지마다 독립적으로 변하는 무작위 노이즈이며, 고정 패턴 노이즈와는 대조적입니다. 고정 패턴 노이즈는 일정한 패턴을 유지하지만, 일반적으로 시간적 노이즈보다 훨씬 약하기 때문에 측정하기 어려울 수 있습니다. 시간적 노이즈는 Colorcheck 및 Stepchart 에서 분석할 수 있으며, Imatest 5.1 의 Color/Tone Interactive 및 Color/Tone Fixed 기능에 추가되었습니다.

두 가지 방법으로 계산할 수 있습니다.

1. 두 개의 동일한 테스트 차트 이미지 간의 차이( Imatest에서 권장하는 방법)와

2. ISO 15739 기반 방법은 동일한 이미지 N 개( N ≥ 8)의 평균 픽셀 수와 각 개별 이미지의 픽셀 수 차이를 이용하여 계산합니다.

이 글에서는 두 가지 방법을 비교하고 첫 번째 방법이 더 선호되는 이유를 설명합니다.

(1) 두 이미지 차이법.

어떤 모듈에서든 이미지 두 개를 읽으십시오. 오른쪽에 표시된 창이 나타납니다. "시간적 잡음 측정을 위해 두 파일 읽기 " 라디오 버튼을 선택하십시오.

두 파일을 읽고 그 차이(고정 패턴 노이즈를 상쇄하는 값)를 계산합니다. 이 이미지들은 서로 독립적이므로 노이즈 파워는 합산됩니다. 독립적인 이미지 I1 과 I2 의 경우, 시간적 노이즈는 _{다음 과} 같습니다.

Multicharts 및 Multitest에서 시간적 잡음은 잡음 분석 플롯 1-3(단순 잡음, S/N 및 SNR(dB))에서 점선으로 표시됩니다.

(2) 다중 이미지 방법.

ISO 15739 의 6.2.4, 6.2.5절 및 부록 A.1.4에서 확인할 수 있습니다. Multicharts 및 Multitest 에서 사용 가능합니다. 현재는 단순 노이즈(장면 참조 노이즈는 아직 사용하지 않음)를 사용하고 있습니다. 최소 4개의 파일을 선택하십시오. 위 그림과 같이 다중 이미지 파일 목록 창에서 "시간적 노이즈를 위해 n개 파일 읽기"를 선택하십시오. 시간적 노이즈는 아래 방정식에서 i 로 개별적으로 표시된 N 개 파일의 각 픽셀 j 에 대해 다음을 사용하여 계산됩니다.

두 개의 배열만 존재하기 때문에 후자의 표현이 실제 계산에 사용됩니다. 저장해야 합니다. N은 비교적 작은 수이므로(최소 4, 권장 최소 8), Wikipedia 표준 편차 페이지 의 항등식 및 수학적 속성 에서 가져온 표본 표준 편차 공식과 ISO 15739의 방정식(13)을 사용하여 수정해야 합니다.

시간적 노이즈의 크기만 필요한 경우에는 차이 방법(1)을 권장합니다. 더 많은 이미지( N ≥ 8 권장)가 필요한 방법(2)을 사용하면 고정 패턴 노이즈와 노이즈 이미지를 동시에 계산할 수 있습니다.

두 가지 방법 중 하나로 시간적 노이즈를 계산하려면 적절한 개수의 파일(2개 또는 4개 이상)을 읽은 다음 다중 이미지 설정 상자에서 해당 라디오 버튼을 누르십시오.

두 가지 방법의 결과

두 가지 방법은 파나소닉 루믹스 LX5 카메라(현재 출시된 지 몇 년 된, 비교적 고품질의 소형 센서 카메라)로 촬영한 동일한 컬러체커 이미지를 사용하여 비교되었습니다.

차이 방법 (1) (두 파일)

다음은 두 파일에 대한 멀티차트 결과입니다.

다중 파일 방식(2) (최소 4개 파일)

다음은 4개, 8개, 16개 파일을 사용한 실행 결과(SNR(dB))입니다. 4개 파일의 경우, 시간적 SNR(가는 점선)은 표준 노이즈보다 약간 더 좋습니다. 8개 파일의 경우 시간적 SNR은 약간 더 낮고, 16개 파일의 경우 아주 약간 더 낮습니다. 8개 및 16개 파일의 경우 결과는 2개 파일의 결과와 더 유사합니다(단, 8개와 16개 파일 간의 차이는 매우 작습니다). 결론적으로 , 정확하고 비교적 빠른 두 파일(차이) 방식을 권장합니다. 여러 파일을 사용하는 방식은 이미지 획득 및 분석 속도가 느리고, 최소 8개 이상의 이미지가 필요하므로 (고정 패턴 노이즈를 계산해야 하는 경우가 아니라면) 굳이 여러 파일을 사용할 필요가 없습니다.

시간적 잡음 이미지

EMVA 1288에 기반한 플랫필드 통계 에서 논의했듯이, 각 픽셀 j 에 대해 정의되는 시간적 노이즈 σ _diff ( j ) 는 이미지 로 표시될 수 있습니다. 이미지를 표시하기에 충분히 좋은 품질을 얻으려면 패치의 평균 시간적 노이즈를 계산하는 데 사용되는 방법(2)(위 참조)보다 더 많은 샘플이 필요합니다. 이 방법은 이미지를 표시하는 것보다 훨씬 덜 까다롭습니다. 최소 샘플 수는 32개로 적절하며, 100개 또는 128개는 더욱 좋습니다.

시간적 잡음은 EMVA 1288과 동일한 기법으로 측정되지만 중요한 차이점이 있습니다. 평면 필드 이미지뿐만 아니라 임의의 이미지(테스트 차트, 자연 풍경 등)를 사용할 수 있습니다. 이는 이미지 전체에 걸쳐 이미지 처리가 어떻게 변화하는지 파악하는 데 도움이 되며, 특히 양방향 필터링된 이미지에서 이미지 처리, 즉 잡음이 이미지 표면 전체에 걸쳐 달라지는 경우에 유용합니다.

시간적 잡음 이미지를 얻으려면 여러 이미지(일반적으로 최소 32개)의 신호를 평균화해야 합니다. 이는 여러 이미지 파일을 결합하거나 직접 읽기(가능한 경우 더 효율적임)를 통해 수행할 수 있습니다. 잡음 이미지 획득 방법은 여기에서 자세히 설명되어 있습니다. 시간적 잡음 이미지를 표시하는 데에는 Flatfield Interactive를 사용하는 것이 좋습니다. 주요 사항을 검토해 보겠습니다.

	아래 이미지 중 하나를 클릭하면 전체 크기로 볼 수 있습니다.
직접 데이터 획득을 위해서는 카메라와 장치 관리자가 원하는 이미지를 올바르게 캡처하도록 설정되어 있는지 확인하십시오. 조정 기능을 사용하려면 미리보기 기능을 꺼야 합니다. 장치 관리자에서 이미지가 올바르게 표시되면 저장을 클릭하십시오.
Flatfield Interactive 창에서 신호 평균을 큰 숫자(여기서는 128 읽기)로 설정하고 평균을 내면서 이미지^2 계산을 선택합니다. Flatfield Interactive 의 작업 순서 때문에, 올바른 설정을 하기 전에 이미지를 먼저 읽고, 설정을 한 다음, 다시 읽어야 할 수도 있습니다. 관심 있는 특정 영역을 더 쉽게 살펴보려면 이미지를 자를 수도 있습니다.
다음은 원본 이미지(잘린 부분)입니다. L = 128 평균을 통해 SNR(신호 대 잡음비)이 21dB(3*log 2 ( L )) 증가하므로 이 이미지는 사실상 잡음이 없습니다.
다음은 자동으로 밝기가 조정된 노이즈 이미지입니다. 이 이미지는 노이즈를 잘 보여주지만, 정량적인 정보는 부족합니다. 예상대로 노이즈는 날카로운 모서리 부근에서 가장 크고 차트의 매끄러운 영역에서는 낮습니다. 등록 마크의 흰색 부분에는 노이즈가 없습니다. 왜냐하면 그 부분은 완전히 포화된(순백색) 상태이기 때문입니다.
다음은 노이즈 이미지를 의사색상으로 표시한 것이며, 오른쪽에는 수치 척도가 있습니다.
마지막으로, 확대된 의사색상 이미지를 보여드리겠습니다. 중간에서 낮은 품질의 JPEG 압축에서 나타나는 8×8 픽셀 JPEG 아티팩트가 확연히 보입니다.

관련 페이지:

• EMVA-1288을 기반으로 한 플랫필드 통계

• Flatfield 사용법, 1부

• Flatfield 사용법, 2부