Ist dies eine korrekte Methode zur Korrektur von Rauschen mit festem Muster?

12

Ich bin derzeit an einem Projekt beteiligt, bei dem ein Bildsensor programmiert wird. Unser Sensor gibt uns Rauschen, deshalb möchten wir das korrigieren. Jemand anderes im Projekt hatte die Idee, ein "schwarzes" Bild aufzunehmen, dh den Objektivdeckel aufzusetzen und ein Bild aufzunehmen, das ausschließlich schwarz sein soll. (Offensichtlich liegt es nicht am Rauschen.) Zu diesem Zeitpunkt nimmt er bei nachfolgenden Aufnahmen die Pixelwerte vom schwarzen Bild und subtrahiert sie vom regelmäßig aufgenommenen Bild.

Das Bild sieht besser aus und der größte Teil des Rauschens wird entfernt. Ich bin jedoch nicht davon überzeugt, dass dies der beste Ansatz zum Entfernen des Rauschens ist, und zwar aus folgenden Gründen:

Der Bereich des fixierten Bildes beträgt [-172 194] (366 Werte) gegenüber dem Standardbereich von [0 255]. Wenn es neu gezeichnet wird, wird es auf [0 255] zurückgesetzt, und es sieht besser aus, aber ich glaube, das ist falsch.

Ich sollte erwähnen, dass das neue Bild bei schwachem Licht aufgenommen wird.

Ist diese Methode zur Beseitigung des Rauschens geeignet? Warum oder warum nicht?

matlab image-processing

— NominSim
quelle

Diese spezielle Methode ("schwarzes" Bild) ist eine Form der Sensorkalibrierung, die kein reines DSP ist (sie hängt beispielsweise auch mit der Physik zusammen - Sie müssen physikalische Defekte modellieren). Dieser spezielle Ansatz versucht beispielsweise, Hot-Pixel-Defekte zu kompensieren.

— MSalters

einverstanden mit @PaulR

— Simon Bergot

Sie können die Lösung unter folgendem Link überprüfen: ardueye.com/pmwiki.php?n=Main.StonymanLens

— selma

Wenn wir uns mit Satellitenbildern befassen, werden die Berechnungsmethoden gleich sein. Ich meine, wie man ein Schwarz / Weiß-Bild berechnet, um die reinen Werte von Offset und Gain zu erhalten. Gibt es eine Codebeschreibung für die FPN-Berechnung in Matlab? Vielen Dank für alle Tipps !!!

12

Das schwarze Bild ist die Summe aus einem festen Muster und dunklem Rauschen (das höchstwahrscheinlich einer Normalverteilung folgt, da es normalerweise aus Stromschwankungen resultiert). Sie möchten das feste Muster, aber nicht das dunkle Rauschen subtrahieren. Durch Subtrahieren des zufälligen Rauschens von einem Signal wird lediglich das Gesamtrauschen erhöht und damit die Signalqualität verringert.

Um eine gute Schätzung für das feste Muster zu erhalten, sollten Sie eine beträchtliche Anzahl von Frames erfassen (sagen wir 25, obwohl 100 Ihnen natürlich nur die Hälfte des Rauschens hinterlassen) und diese mitteln. Da das dunkle Rauschen zeitlich unkorreliert ist (sein sollte), wird es gemittelt, sodass Sie ein festes Muster mit geringem Rauschen erhalten, das Sie von Ihren zukünftigen Bildern abziehen können und das das Rauschen in Ihrem Bild nicht erhöht.

Beachten Sie, dass das feste Muster in der Regel von der Belichtungszeit abhängt (eine CCD-Kamera kann beispielsweise während des Schichtbetriebs Elektronen ansammeln). Daher müssen Sie für jede Belichtungszeit eine Kalibrierung durchführen. Wenn Sie die Belichtungszeiten häufig variieren und dies machbar ist, können Sie Ihr Experiment so einrichten, dass nach jedem Experiment eine Reihe von dunklen Rahmen erfasst werden. Dies bedeutet, dass Sie für jedes Experiment eine Kalibrierung erhalten.

Wenn Sie einen rauscharmen (dh gemittelten) dunklen Rahmen subtrahieren, erhalten Sie einige negative Werte (da das bei der Bildaufnahme auftretende dunkle Rauschen negative Werte haben kann), der Bereich Ihres Bildes sollte sich jedoch nicht wesentlich vergrößern. Wenn dies der Fall ist, ist dies ein Zeichen dafür, dass Sie entweder nicht genügend dunkle Rahmen gemittelt haben oder dass sich das feste Muster geändert hat, da Sie eine andere Belichtungszeit verwenden.

— Jonas
quelle

1

Ich bin total zweiter @Jonas. Wenn Sie jetzt das dunkle Rauschen verringern möchten, bevor Sie das konstante Muster entfernen, besteht die einzige Lösung darin, den Sensor zu kühlen.

— Jean-Yves

1

Dies setzt voraus, dass das feste Musterrauschen nur "Offsets" sind. Viele Sensoren mit FPN haben auch Verstärkungsschwankungen in jedem Pixel. Wenn sie einer "reinen weißen" Szene ausgesetzt sind, wird es auch nach dem Entfernen der im Dunkeln gemessenen Offsets noch FPN geben ...

— Martin Thompson

@MartinThompson: Es ist ein guter Punkt, obwohl es in der Praxis sehr schwierig sein kann, eine "reine weiße" Szene zu garantieren. Deshalb verwende ich niemals einen Gewinn, wenn ich ihm helfen kann :).

— Jonas

@ MartinThompson Martin, was ist die beste Vorgehensweise zum Korrigieren von Verstärkungsparametern. Ich kann mir keine einfache Möglichkeit vorstellen, bei einer bestimmten Belichtungsdauer alles weiß zu machen.

— Ktuncer

1

@Ktuncer: Ich glaube nicht, dass Sie es reinweiß machen müssen - je heller Sie es machen können, desto besser können Sie es korrigieren. Solange die Helligkeit in der Szene gleichmäßig ist, können Sie den durchschnittlichen Pixelwert als "Ziel" für die Korrektur verwenden

— Martin Thompson

7

Dieser Ansatz ist gültig und wird in der Tat in einigen High-End-Kameras verwendet: Der Sensor nimmt zuerst ein Foto mit geschlossenem Verschluss auf und subtrahiert es vom "wahren" Foto. Das hat zwei Vorteile:

es korrigiert das feste Musterrauschen
es macht das Bild linear

Diese Methode kann bei unterschiedlichen Belichtungszeiten zu unterschiedlichen Ergebnissen führen.

Das photonische Rauschen bleibt unberührt.

— Simon Bergot
quelle

4

Ich denke, das hängt vom verwendeten Sensor ab.

Sie können eine Reihe von Bildern (z. B. 10000) mit aufgesetztem Objektivdeckel aufnehmen und den Mittelwert / die Standardabweichung für jedes Pixel vergleichen. Wenn möglich, können Sie dasselbe für ein gleichmäßiges "helles" Bild tun (keine Überbelichtung, nur gleichmäßige Helligkeit).

Wenn es signifikante Unterschiede zwischen den "dunklen Mitteln" gibt, ist es eine gute Idee, das dunkle Mittel für jedes Pixel zu subtrahieren. Wenn es signifikante Unterschiede zwischen (heller Mittelwert - dunkler Mittelwert) für jedes Pixel gibt, kann die Division durch dieses "mittlere weiße Bild" ebenfalls eine Verbesserung darstellen.

Aber Sie müssen diese Statistiken wirklich erstellen, um herauszufinden, was Sinn macht.

— Niki Estner
quelle

3

In der Regel sollten negative Werte auf Null abgeschnitten werden, wenn Sie den dunklen Rahmen subtrahieren.

Ich bin überrascht, dass Sie durch die Subtraktion von dunklen Frames Werte von -172 erhalten. Es bedeutet, dass:

Ihr Geräuschpegel ist hoch - mindestens 172 irgendwo
Ihr Geräusch ist von Bild zu Bild sehr unterschiedlich. In diesem Fall ist die Dunkelbild-Subtraktion nicht sehr effektiv.

Können Sie Bilder eines normalen Rahmens, eines dunklen Rahmens und dann der subtrahierten Version posten?

Die Kamera versucht möglicherweise, die schlechten Lichtverhältnisse durch Erhöhen der Aufnahmezeit zu korrigieren. Infolgedessen sammeln heiße Pixel mehr Rauschen an. Außerdem ist der Sensorwert möglicherweise nicht linear. In diesem Fall können Sie ihn überhaupt nicht subtrahieren.

— MSalters

negative values should be truncated to zero when you subtract the dark frame. Das sollten Sie nicht tun, da Sie sonst die dunklen Bereiche Ihres Bildes nicht gut entrauschen können. Es ist besser, das Rauschen "natürlich" zu halten, bevor Sie wirklich versuchen, es zu entfernen.

— Simon Bergot

Dies war mein Problem mit der Methode. Wenn Sie die Werte nicht auf Null abschneiden, bleibt ein größerer Bereich übrig, als ein Bild erzeugen sollte. Wenn Sie also die Skalierung ändern, scheinen Sie die Daten zu beschönigen, im Vergleich zu abgeschnittenen Werten, die ebenfalls zu sein scheinen Verhindern Sie eine ordnungsgemäße Korrektur