1何为 EMVA1288 标准?

相机与图像传感器有很多传统的测试方法或一些专门为某种性能测试而制定的标准,但这些标准有些已经跟不上数字成像的发展步伐,而且其中的一部分也不适合机器视觉(MV)行业使用。

另外,由于没有一个统一的标准,各大图像传感器与相机生产商就都采用各自的性能测试标准,这些标准对性能参数的定义、所使用的单位、测试方法与测试条件往往各不相同,专业的 MV 工程师甚至相机研发人员都很难根据这些数据表来对不同厂商的相机性能进行客观的比较,而用户则更难根据数据表来确定哪一款相机的性能更适合自己使用。

为了解决此问题,欧洲机器视觉协会(EMVA)于 2004 年 2 月成立了由 Awaiba 与 Basler牵头,主要的图像传感器与相机生产商均参与其中的 EMVA1288 标准工作组,目标是建立一个统一的适合 MV 行业的相机与图像传感器性能测试标准,从而“让机器视觉工程师活得更轻松一点”(Make the MV Engineers lives easier)。

经过一年半的研究准备,EMVA 于2005 年 8 月正式发布了 EMVA1288 A1.0 版,相机性能测试终于有了一个统一的标准。

十多年来,EMVA1288 标准不断地发展完善,目前已经更新到了 R3.1 版(2016 年 12月发布)。该标准现在已经被国外所有主流的相机与图像传感器生产商所承认,也正被大量的行业用户所接受和使用,在国内也正被越来越多的相机生产商及行业用户所认可与使用。

EMVA1288 标准能基于客观、一致的计量对传感器进行对比,主要用于计量和报告图像传感器成像性能。

EMVA1288 计量组合可方便地用于评估某个传感器对应用的相对适用性。例如,较低的绝对灵敏度阈值(综合了量子效率和颞暗噪声)有益于荧光显微镜应用(每个可能的光子均得到探测)。自动驾驶车辆导引相机需要较高的饱和容量和动态范围,以在外部非受控照明环境中表现良好。

我们在进行传感器对比时,需要考量多种性能标准。EMVA1288 标准专为综合权衡而设计,而仅依靠单项计量可能会因为其他重要标准被忽略,导致整体性能差。

2 6个重要图像质量测试指标

2.1量子效率

计量单位:百分比 (%),越高越好。

定义:量子效率(又称QE)衡量像素在将事件光(光子)转换成电荷(电子)时(以特定波长(nm)的效率如何。该计量值通常用于指示弱光灵敏度。

CMOS 和 CCD 图像传感器通过光电效应将光线转化为电信号。光子进入像素中的光电二极管时,会从硅原子上撞击电子来产生电荷。传感器将进入的光子转化为电荷的效率越高,量子效率就越高。Sony CMOS 传感器能达到 77% QE,而以前常用的 CCD 传感器只有 50%。

图 1

为何转换效率没有传感器能达到 100% 的效率,不是每个进入像素的光子都能转换成电子的。传感器收集有用的成像数据所需的光线越少,百分比就越高。量子效率的结果通常显示为可见光谱范围(300-700纳米)和近红外范围(700-1100纳米)。根据传感器技术和特定波长,QE结果将有所不同。QE 越高意味着探测光线的灵敏度越高,使其在弱光应用环境更有利。

图 2 随着成功转化为电荷的进入的光子越多,QE 也相应提高

QE 跟波长是相关的。硅元素对波长为 530 nm 的绿色光线最为灵敏,波长超过 1050 nm 时 QE 会几乎降到 0%。此外,某些传感器可能还经过特别调整,以便在不同的波长范围内实现更高的灵敏度。

图3 QE曲线

由于 RGB 彩色滤光器会限制进入像素的波长范围,降低到达光电二极管的光子数量,因此单色传感器的 QE 要高于彩色传感器。传感器上的偏振滤光器也会降低能够进入传感器像素的光线数量,降低其 QE。

图4彩色和单色 IMX428 传感器的量子效率曲线示例

EMVA1288 规格对照表之量子效率:
量子效率 (QE) 是传感器将光子转化为电子的能力,也就是将入射光转化为电信号进行成像的能力。较高的QE % 意味着检测光的灵敏度更高。测量值为 79% 的传感器意味着,对于击中传感器的光子,每 100 个中平均会检测到 79 个。请注意,下述结果在 530nm 的波长下测量得到。

图5 各个传感器QE对比

哪些因素会影响QE结果?制造商的传感器设计。 版本越新的传感器的 QE 可能会越高,比如 Sony Pregius 传感器。

2.2暗噪声 (读出噪声)

计量单位:电子 (e-),越低越好

定义:无信号时传感器中的噪声,即在发生光线未进入传感器时测量的噪声。

由于周围的传感器电子元件和像素元件,随机产生的不需要的电子可以进入像素和像素管道,从而产生噪音。较新的传感器采用更好的技术和像素结构,帮助减少噪音和屏蔽传感器组件免受热波动的影响。较低的暗噪声是更好的,因为它会导致更清洁的图像,特别是在低光条件下。值越小越好。

如果暗噪声大,则会看到呈颗粒状的图像。为了读取 CMOS 图像传感器上的像素所捕获的信息,进入的光子所产生的电荷将转化为数字化电压。这个过程中,小的变化会累积并可能显示为信号,即使当时并没有光子进入传感器。读取噪声不受曝光时间的影响。

目前 CMOS 传感器的读取噪声值大约是 2.5 e-,CCD 传感器通常在 8 – 10 e- 范围内。

图6

EMVA1288 规格对照表之暗噪声:
暗噪声(也称为读出噪声)来自传感器和附近传感器电子设备发出的能量。随着时间的推移,会产生随机电子,这些电子落入传感器井中,然后经检测后转换为信号。读出噪声测量值较低的型号可以生成更清晰的图像。

图7各个传感器暗噪声对比

影响暗噪声的因素有哪些?传感器制造商和相机制造商的设计。 新版传感器利用新技术优势来降低颞暗噪声。 相机制造商可以通过调低像素时钟并关闭传感器周围的某些电子元件来进一步降低噪声。

2.3饱和容量

计量单位:电子 (e-),越高越好

定义:每个像素可容纳的最大电荷量。饱和容量越高,意味着传感器能捕捉的亮度范围更大。
像素中的光电二极管只能保留有限的电荷量。饱和容量表明了单个像素能够储存的最大电子数。通常来说,像素表面积越大,饱和容量越高。饱和时,即使有更多光子进入像素,也不会提高像素记录的亮度值。

图8饱和时,即使有更多光子进入像素,也不会提高像素记录的亮度值

饱和能力是测量光电二极管容纳这些电子的最大容量。当达到容量时,传感器达到其最大信号电平,电子开始溢出并丢弃。一个已达到容量的传感器将产生一个白色的图像。更大的饱和能力使得光的感应水平范围更广。值越大越好。

图9

饱和容量小可能会限制动态范围。但是由于动态范围也取决于其他因素,较大的饱和容量也不一定能保证更大的动态范围。

EMVA1288 规格对照表之饱和容量(井深) (e-):
饱和容量(井深)是像素在过饱和发生和信号开始衰减之前保持的最大电荷。必须避免饱和,因为这会降低传感器的定量能力,对于 CCD,则会因“晕染”现象导致图像产生污点。

图10

哪些因素会影响结果?制造商的传感器设计。新款传感器的像素设计有所改进,因而饱和容量将会更高。 但一般而言,像素大小越大,饱和容量就更有可能越高。

2.4绝对灵敏度阈值

计量单位:光子 (γ),越低越好。

定义:可以在传感器本底噪声以上被探测到的最低强度的信号。

绝对灵敏度阈值 (AST) 将 QE 和读取噪声相结合,比起单独使用这两个计量,更能有效测量传感器的实际灵敏度。AST 是能够区别读取噪声的最弱信号。

绝对灵敏度阈值结果显示了超过传感器噪声所需的最低光量。结果越低,区分有用的成像数据与噪音所需的光线就越少。较低的结果在低光环境下产生更好的灵敏度。值越小越好。

图11

图 12绝对灵敏度阈值是指在读取噪声之上信号达到可区分程度的点

对于弱光成像性能至关重要的应用,AST 是一项关键指标。对比传感器和不同像素结构时,它也非常有帮助,因为较高的 QE 不一定会实现良好的弱光性能。

EMVA1288 规格对照表之绝对灵敏度阈值 (γ):
绝对灵敏度阈值是保持噪声等级所需的最小光子数。数值越小,检测有用成像数据所需的光就越少。

图13

哪些因素会影响结果?传感器制造商和相机制造商的设计。 绝对灵敏度阈值考虑了传感器的暗噪声、散粒噪声及量子效率。

2.5动态范围

计量单位:分贝 (dB) 或者二进制数字。

定义:动态范围是传感器的最大信号电平(饱和容量)与最小信号电平(时空黑暗噪声)的比率。

动态范围越大,所获得图像的灰度细节等级就越高。 换言之,动态范围表明了相机探测最大和最小光强度的能力(阴影和高光)。 动态范围较高的型号能够探测到更多细节。 在室外应用场景下,当明亮区和黑暗区同时成像或者相机处在快速变化的光照条件下,动态范围越高越好。

动态范围对多种应用来说很重要,包括在单次曝光中识别深色 IC 封装和反射焊点上的缺陷的自动化光学检测,以及必须能够在可变性大和非受控制照明条件下检测和避开障碍物的自动驾驶车辆。

图14

EMVA1288 规格对照表之动态范围:
动态范围描述了摄像头型号检测最大和最小光强(阴影和高光)的能力。动态范围较大的型号可以在黑暗和光照条件下检测到更多细节。

图15

哪些因素会影响结果?传感器制造商和相机制造商的设计。 相机的模数转换器 (ADC) 也会影响动态范围,因为较低位数的 ADC 能限制动态范围。

2.6信噪比

计量单位:分贝 (dB) 或者二进制数字,越高越好

定义:饱和状态下信号与噪声之比。

信噪比越高,相对于噪音的信号量就越高。更高的 SNR 能够实现更好的对比性和清晰度,并提升弱光性能。一般的 CMOS SNR 为 40 dB,个别的在低变换增益模式下能达到 44 dB 的 SNR。例如,如果 SNR 为 1, 您所拍摄的对象与图像中的噪声相比便难以识别。 在光线极低的应用环境下,比如暗视野显微镜和荧光成像,高信噪比是一项重要的规格。

图16

EMVA1288 规格对照表之信噪比:

图17

哪些因素会影响结果?传感器制造商和相机制造商的设计。 暗噪声、散粒噪声、量子效率和饱和容量结果都将影响信噪比。

欢迎访问我的网站:
BruceOu的哔哩哔哩
BruceOu的主页
BruceOu的博客
CSDN博客
简书

接收更多精彩文章及资源推送,请订阅我的微信公众号:

《大话成像-图像质量检测》EMVA 1288: 6个重要图像质量测试指标相关推荐

  1. 图像质量检测方法方式

    图像质量检测方法方式 本章只是简单来说说传统的,现在并不知道如何对图像内容质量进行检测的无监督办法. . 1.全.半参考方法 图像的某些特征与原始图像的相同特征进行比较, 比如小波变换系数的概率分布. ...

  2. 计算机视觉(视频追踪检测分类、监控追踪)常用测试数据集

    计算机视觉(视频追踪检测分类.监控追踪)常用测试数据集 (1).WallFlower dataset [链接]: 用于评价背景建模算法的好坏, Ground-truth foreground prov ...

  3. 大话成像之《图像质量测试测量与国际标准》课程

    淘宝课程地址 https://shop322456667.taobao.com/ 图像质量测试测量与国际标准 课程介绍: 近10年来,中国在成像工业领域有着史无前例的迅猛发展.在手机相机,监控相机,无 ...

  4. opencv---JPEG图像质量检测代码

    原文:https://www.cnblogs.com/Anita9002/p/7097575.html 参考:http://blog.csdn.net/trent1985/article/detail ...

  5. OpenCV—python 简单的图像质量检测

    写这个主要是为了提高OCR识别率,筛选出图像质量极差的二值图返回不识别,只识别质量高一点的二值图,灰度图以及RGB图片. 统计以下:'白底方差', '图案方差', '像素波动方差','图像大小/分辨率 ...

  6. OPENCV : 图像质量检测

    目录 一 图像模糊程度检测 1 图像模糊程度检测方法 2 代码 3 结果

  7. 『Halcon』基于Halcon的印刷图像质量检测系统

  8. 数字图像处理领域或视频质量监测领域或图像质量检测的一些入门建议与资源介绍

    以下都是抛砖引玉,给在困惑中的小白,指个有限的方向. [推荐必修MOOC]:针对入门基础阶段,1中的课程很值得学习,当然大牛当我没说,2中的根据自身需要. 文献管理与信息分析-中国科学技术大学.htt ...

  9. mipi和isp处理_ISP-摄像头的最强大脑- 图像质量及色彩科技知识分享平台 图像质量与色彩管理 - Powered by HDWiki!...

    做为拍照手机的核心模块之一,camera sensor效果的调整,涉及到众多的参数,如果对基本的光学原理及sensor软/硬件对图像处理的原理能有深入的理解和把握的话,对我们的工作将会起 到事半功倍的 ...

最新文章

  1. Spring事务——Spring 2.X的事务配置策略
  2. python画图三维-Python三维绘图之Matplotlib库的使用方法
  3. 4.6 大数据集-机器学习笔记-斯坦福吴恩达教授
  4. Highcharts在IE中不能一次性正常显示的一种解决办法
  5. CVPR 2017论文集锦
  6. python 录制web视频_Python django框架 web端视频加密的实例详解
  7. dbgrid的最小高度设置。否则出现滚动条。
  8. 自建邮件服务器_EDM邮件营销需要掌握的一系列知识(有福利)
  9. 供应链 信用管理 大数据_智慧供应链大数据技术架构方案(ppt)
  10. redis数据库及与python交互
  11. 机器学习之神经网络学习及其模型
  12. python为什么import不了_python – 为什么PyImport_Import无法从当前目录加载模块?
  13. debug跳出循环_Java基础-第04章:循环结构「云图智联」
  14. 在Linux中查看正在运行哪些process,杀掉一批名字相同的process
  15. 《ActionScript 3.0基础教程》——2.2 显示队列概述
  16. 地址修改验证TAR Oracle部署
  17. 微信上老师发的试卷怎样打印?
  18. win7升级win10正式版_Win7免费升级Win10
  19. 移动电子商务:五个技术标准与Trustonic TEE解决方案【转】
  20. 对接熊迈SDK工作记录之集成准备

热门文章

  1. 线性代数笔记3.2线性相关定理
  2. 【定位】无线电测向相关知识(1)
  3. 虹膜识别之虹膜位置检测与定位(基于opencv传统算子)
  4. Mac 下隐藏显示文件夹的快捷键
  5. 问题 I: Stones
  6. python项目之基于大数据分析算法的大学生就业系统
  7. linux ubuntu 22.04双屏显示颜色变绿问题解决
  8. 印度英语口音_自动语音识别印度口音
  9. 路由【前端路由和后端路由】(在这吹不出褶皱的平静日子,你也在闪闪发光)
  10. VMware NSX-网络虚拟化基础知识整理