Đây có phải là một phương pháp chính xác để điều chỉnh nhiễu mẫu cố định?


12

Tôi hiện đang tham gia vào một dự án liên quan đến lập trình một cảm biến hình ảnh. Cảm biến của chúng tôi đang cho chúng tôi tiếng ồn, vì vậy chúng tôi muốn sửa cho nó. Một số người khác trong dự án đã nảy ra ý tưởng chụp ảnh "đen", tức là đặt nắp ống kính lên và chụp một bức ảnh có nghĩa là toàn màu đen. (Rõ ràng đó không phải là do nhiễu) Tại thời điểm này trong các lần chụp tiếp theo, anh ta lấy các giá trị pixel từ hình ảnh đen và trừ chúng khỏi hình ảnh được chụp thường xuyên.

Hình ảnh trông đẹp hơn và hầu hết nhiễu được loại bỏ, tuy nhiên tôi không tin rằng đây là cách tiếp cận tốt nhất để loại bỏ nhiễu do những điều sau:

Phạm vi của hình ảnh cố định là [-172 194] (366 giá trị), so với phạm vi tiêu chuẩn là [0 255]. Khi được vẽ lại, nó sẽ được chuyển về [0 255] và nó có vẻ tốt hơn, tuy nhiên tôi tin rằng điều này không chính xác.

Tôi nên đề cập rằng hình ảnh mới được chụp trong điều kiện ánh sáng yếu.

Là phương pháp này đúng để loại bỏ tiếng ồn? Tại sao hay tại sao không?


Phương pháp đặc biệt này (hình ảnh "đen") là một hình thức hiệu chuẩn cảm biến, không phải là DSP thuần túy (ví dụ, nó cũng liên quan đến vật lý - bạn cần mô hình hóa các khuyết tật vật lý). Chẳng hạn, cách tiếp cận cụ thể này cố gắng bù đắp cho các khiếm khuyết pixel nóng.
MSalters

đồng ý với @PaulR
Simon Bergot

bạn có thể kiểm tra giải pháp trong liên kết này: ardueye.com/pmwiki.php?n=Main.StonymanLens
selma

Nếu chúng ta đối phó với Sattelite Images, các phương pháp tính toán sẽ giống nhau? Ý tôi là làm thế nào để tính toán hình ảnh Đen / Trắng để có được các giá trị thuần túy của Offset và Gain? Có mô tả mã nào về tính toán FPN trong Matlab không? Cảm ơn bạn cho bất kỳ lời khuyên !!!

Câu trả lời:


12

Hình ảnh màu đen là tổng của một mẫu cố định và nhiễu tối (rất có thể tuân theo phân phối bình thường vì nó thường phát sinh từ các dao động hiện tại). Bạn muốn trừ mẫu cố định, nhưng không phải nhiễu tối - trừ nhiễu ngẫu nhiên khỏi tín hiệu chỉ đơn giản là tăng nhiễu tổng thể, và do đó làm giảm chất lượng tín hiệu.

Để có được ước tính tốt cho mẫu cố định, bạn nên chụp số lượng khung hình lớn (giả sử 25, mặc dù 100 tất nhiên sẽ khiến bạn chỉ có một nửa nhiễu) và tính trung bình cho chúng. Vì tiếng ồn tối (không nên) không được xử lý kịp thời, nên nó sẽ giảm trung bình, do đó bạn để lại một mẫu cố định có độ nhiễu thấp mà bạn có thể trừ khỏi hình ảnh trong tương lai của mình và điều đó sẽ không làm tăng nhiễu trong hình ảnh của bạn.

Lưu ý rằng mẫu cố định thường phụ thuộc vào thời gian phơi sáng (ví dụ, camera CCD có thể tích lũy electron trong các hoạt động của ca), do đó bạn sẽ phải thực hiện hiệu chuẩn cho mỗi lần phơi sáng. Nếu bạn thay đổi thời gian phơi sáng thường xuyên và nếu điều đó khả thi, bạn có thể thiết lập thử nghiệm của mình để chụp một loạt các khung tối sau mỗi thử nghiệm, điều đó có nghĩa là bạn sẽ hiệu chỉnh cho từng thử nghiệm.

Nếu bạn trừ khung tối có độ nhiễu thấp (tức là trung bình), bạn sẽ nhận được một số giá trị âm (vì nhiễu tối xảy ra trong quá trình thu nhận hình ảnh có thể có giá trị âm), nhưng phạm vi hình ảnh của bạn sẽ không tăng đáng kể. Nếu đúng như vậy, đó là dấu hiệu cho thấy bạn không có trung bình đủ các khung tối hoặc mẫu cố định đã thay đổi do bạn đang sử dụng thời gian phơi sáng khác.


1
Tôi hoàn toàn thứ hai @Jonas. Nếu bây giờ bạn muốn giảm tiếng ồn tối trên đầu để loại bỏ mẫu không đổi, giải pháp duy nhất là làm mát cảm biến.
Jean-Yves

1
Điều này giả định rằng nhiễu mẫu cố định chỉ là "độ lệch". Nhiều cảm biến với FPN cũng có các biến thể đạt được trong từng pixel, do đó, khi tiếp xúc với cảnh "trắng tinh khiết", vẫn sẽ có FPN ngay cả sau khi loại bỏ các độ lệch được đo trong bóng tối ...
Martin Thompson

@MartinThndry: Đó là một điểm tốt, mặc dù trong thực tế, có thể rất khó khăn để đảm bảo một cảnh "trắng tinh khiết". Đó là lý do tại sao tôi không bao giờ sử dụng bất kỳ lợi ích nào nếu tôi có thể giúp nó :).
Jonas

@MartinThndry Martin, cách thực hành tốt nhất để sửa các tham số khuếch đại là gì. Tôi không thể nghĩ ra một cách dễ dàng để làm cho mọi thứ trắng ở thời gian phơi sáng nhất định.
Ktuncer

1
@Ktuncer: Tôi không nghĩ bạn phải làm cho nó trắng tinh - bạn càng sáng càng tốt, bạn càng có thể sửa tốt hơn. Miễn là độ sáng đồng đều trên toàn cảnh, bạn có thể sử dụng giá trị pixel trung bình làm "mục tiêu" để sửa thành
Martin Thompson

7

Cách tiếp cận này là hợp lệ và trên thực tế được sử dụng trong một số máy ảnh cao cấp: đầu tiên cảm biến sẽ chụp một bức ảnh với màn trập đóng và trừ nó vào bức ảnh "thật". Điều này có hai lợi thế:

  • nó sửa nhiễu mẫu cố định
  • nó làm cho hình ảnh tuyến tính

Phương pháp này có thể cho kết quả khác nhau cho thời gian tiếp xúc khác nhau.

Các nhiễu quang tử không bị ảnh hưởng.


4

Tôi nghĩ rằng điều này phụ thuộc vào cảm biến bạn đang sử dụng.

Bạn có thể chụp một loạt ảnh (ví dụ 10000) với nắp ống kính và so sánh độ lệch trung bình / độ lệch chuẩn cho từng pixel. Nếu có thể, bạn có thể làm tương tự cho hình ảnh "sáng" thống nhất (không phơi sáng quá mức, chỉ cần độ sáng đồng đều).

Nếu có sự khác biệt đáng kể giữa "phương tiện tối", trừ đi ý nghĩa tối cho mỗi pixel là một ý tưởng hay. Nếu có sự khác biệt đáng kể giữa (trung bình sáng - trung bình tối) cho mỗi pixel, thì việc chia cho "hình ảnh trắng trung bình" đó cũng có thể là một sự cải tiến.

Nhưng bạn thực sự phải thực hiện những thống kê này để tìm hiểu điều gì có ý nghĩa.


3

Thông thường, các giá trị âm nên được rút ngắn về 0 khi bạn trừ khung tối.

Tôi ngạc nhiên rằng phép trừ khung tối cung cấp cho bạn các giá trị -172. Nó có nghĩa là:

  • Độ ồn của bạn cao - ít nhất là 172 ở đâu đó
  • Tiếng ồn của bạn thay đổi rất nhiều từ khung hình này sang khung hình khác. Trong trường hợp này, phép trừ khung tối không hiệu quả lắm.

Bạn có thể đăng hình ảnh của một khung hình bình thường, khung tối và sau đó là phiên bản bị trừ không?


Máy ảnh có thể cố gắng khắc phục trong điều kiện ánh sáng yếu bằng cách tăng thời gian chụp. Do đó, các pixel nóng sẽ tích lũy nhiều nhiễu hơn. Ngoài ra, việc đọc cảm biến có thể không tuyến tính trong trường hợp bạn không thể trừ chúng.
MSalters

negative values should be truncated to zero when you subtract the dark frame. Bạn không nên làm điều đó, vì nó sẽ ngăn bạn làm một công việc tốt trong việc làm mờ các vùng tối của hình ảnh của bạn. Tốt hơn là giữ cho tiếng ồn 'tự nhiên' trước khi bạn thực sự cố gắng loại bỏ nó.
Simon Bergot

Đây là vấn đề của tôi với phương pháp, nếu bạn không cắt các giá trị về 0 thì bạn sẽ bị bỏ lại với phạm vi lớn hơn hình ảnh sẽ tạo ra, vì vậy khi bạn hủy bỏ nó, bạn dường như phủ bóng lên dữ liệu, so với việc cắt bớt các giá trị dường như ngăn bạn nhận được một sự điều chỉnh thích hợp
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.