È questo un metodo corretto per la correzione del rumore del pattern fisso?

12

Attualmente sono coinvolto in un progetto che prevede la programmazione di un sensore di imaging. Il nostro sensore ci sta dando rumore, quindi vogliamo correggerlo. Qualcun altro del progetto ha avuto l'idea di scattare un'immagine "nera", cioè di indossare il copriobiettivo e scattare un'immagine che dovrebbe essere tutta nera. (Ovviamente non è dovuto al rumore) A questo punto nelle acquisizioni successive prende i valori dei pixel dall'immagine nera e li sottrae dall'immagine acquisita regolarmente.

L'immagine ha un aspetto migliore e la maggior parte del rumore viene rimosso, tuttavia non sono convinto che questo sia l'approccio migliore per rimuovere il rumore a causa di quanto segue:

L'intervallo dell'immagine fissa è [-172 194] (366 valori), rispetto all'intervallo standard di [0 255]. Quando viene ridisegnato, viene impostato su [0 255], e sembra migliore, tuttavia credo che sia errato.

Devo dire che la nuova immagine è scattata in condizioni di scarsa luminosità.

Questo metodo è corretto per rimuovere il rumore? Perché o perché no?

matlab image-processing

— NominSim
fonte

Questo particolare metodo (immagine "nera") è una forma di calibrazione del sensore, che non è puro DSP (è anche correlato alla fisica, ad esempio, è necessario modellare i difetti fisici). Ad esempio, questo particolare approccio cerca di compensare i difetti dei pixel caldi.

— Salteri il

d'accordo con @PaulR

— Simon Bergot il

puoi controllare la soluzione in questo link: ardueye.com/pmwiki.php?n=Main.StonymanLens

— selma

se ci occupiamo di immagini satellitari, i metodi di calcolo saranno gli stessi? Voglio dire come calcolare l'immagine in bianco e nero per ottenere i valori puri di Offset e Guadagno? Esiste una descrizione del codice del calcolo FPN in Matlab? Grazie per qualsiasi consiglio !!!

12

L'immagine nera è la somma di uno schema fisso e rumore scuro (che molto probabilmente segue una distribuzione normale poiché di solito deriva dalle fluttuazioni attuali). Si desidera sottrarre il modello fisso, ma non il rumore scuro: sottrarre il rumore casuale da un segnale aumenta semplicemente il rumore complessivo e quindi diminuisce la qualità del segnale.

Per ottenere una buona stima per il modello fisso, è necessario acquisire un numero considerevole di fotogrammi (diciamo 25, anche se ovviamente 100 ti lascerà con solo metà del rumore) e li calcolerà in media. Poiché il rumore scuro è (dovrebbe essere) non correlato nel tempo, si calcola in media, in modo da rimanere con uno schema fisso a basso rumore che è possibile sottrarre dalle immagini future e che non aumenterà il rumore nell'immagine.

Si noti che lo schema fisso di solito dipende dal tempo di esposizione (una telecamera CCD, ad esempio, può accumulare elettroni durante le operazioni di spostamento), quindi sarà necessario eseguire una calibrazione per ciascun tempo di esposizione. Se si modificano spesso i tempi di esposizione e se è possibile, è possibile impostare l'esperimento per acquisire una serie di cornici scure dopo ogni esperimento, il che significa che si ottiene una calibrazione per ogni esperimento.

Se si sottrae una cornice scura a basso rumore (ovvero media), si otterranno alcuni valori negativi (poiché il rumore scuro che si verifica durante l'acquisizione dell'immagine può avere valori negativi), ma l'intervallo dell'immagine non dovrebbe aumentare in modo significativo. In tal caso, è un segno che non hai mediato abbastanza fotogrammi scuri o che il motivo fisso è cambiato dal momento che stai utilizzando un tempo di esposizione diverso.

— Jonas
fonte

1

Sono assolutamente secondo @Jonas. Se ora si desidera ridurre il rumore scuro in cima alla rimozione del modello costante, l'unica soluzione è raffreddare il sensore.

— Jean-Yves,

1

Ciò presuppone che il rumore del pattern fisso sia solo "offset". Molti sensori con FPN hanno anche variazioni di guadagno in ogni pixel, quindi quando esposti a una scena "bianco puro", ci sarà ancora FPN anche dopo aver rimosso gli offset misurati nel buio ...

— Martin Thompson

@MartinThompson: è un buon punto, anche se in pratica può essere molto stimolante garantire una scena "bianco puro". Ecco perché non posso mai usare alcun guadagno se posso aiutarlo :).

— Jonas

@MartinThompson Martin, qual è la migliore pratica per correggere i parametri di guadagno. Non riesco a pensare a un modo semplice per rendere tutto bianco alla data durata dell'esposizione.

— Ktuncer,

1

@Ktuncer: non penso che tu debba renderlo bianco puro: più luminoso puoi farlo, meglio puoi correggere. Finché si tratta di una luminosità uniforme su tutta la scena, puoi utilizzare il valore medio dei pixel come "obiettivo" per correggere

— Martin Thompson,

7

questo approccio è valido ed è infatti utilizzato in alcune fotocamere di fascia alta: il sensore prima scatta una foto con l'otturatore chiuso e sottraggilo alla foto "vera". Questo ha due vantaggi:

corregge il rumore del pattern fisso
rende l'immagine lineare

Questo metodo può dare risultati diversi per diversi tempi di esposizione.

Il rumore fotonico non viene toccato.

— Simon Bergot
fonte

4

Penso che questo dipenda dal sensore che stai usando.

È possibile acquisire una serie di (ad es. 10000) immagini con il copriobiettivo inserito e confrontare la deviazione media / standard per ciascun pixel. Se possibile, potresti fare lo stesso per un'immagine "brillante" uniforme (nessuna sovraesposizione, solo luminosità uniforme).

Se ci sono differenze significative tra i "mezzi oscuri", sottrarre la media oscura per ogni pixel è una buona idea. Se ci sono differenze significative tra (media chiara - media scura) per ciascun pixel, anche la divisione per "immagine bianca media" potrebbe essere un miglioramento.

Ma devi davvero fare queste statistiche per scoprire cosa ha senso.

— Niki Estner
fonte

3

Di solito, i valori negativi devono essere troncati a zero quando si sottrae la cornice scura.

Sono sorpreso che la sottrazione della cornice scura ti dia valori di -172. Significa che:

Il livello di rumore è alto, almeno 172 da qualche parte
Il rumore varia molto da un fotogramma all'altro. In questo caso, la sottrazione della cornice scura non è molto efficace.

Puoi pubblicare immagini di una cornice normale, una cornice scura e quindi la versione sottratta?

— japreiss
fonte

La fotocamera potrebbe tentare di correggere le condizioni di scarsa luminosità aumentando il tempo di acquisizione. Di conseguenza, i pixel caldi accumuleranno più rumore. Inoltre, la lettura del sensore potrebbe non essere lineare, nel qual caso non è possibile sottrarli affatto.

— MSalters

negative values should be truncated to zero when you subtract the dark frame. Non dovresti farlo, poiché ti impedirà di fare un buon lavoro nel denunciare le aree scure della tua immagine. È meglio mantenere il rumore "naturale" prima di tentare davvero di rimuoverlo.

— Simon Bergot,

Questo era il mio problema con il metodo, se non tronchi i valori a zero, ti rimane un intervallo più ampio di quello che un'immagine dovrebbe produrre, quindi quando lo ridimensioni apparentemente lucidi sui dati, rispetto a troncare i valori che sembrano anche impedirti di ottenere una correzione corretta