kontakt kamery@atesystem.cz
kontakt +420 595 170 472

Kvalita obrazu ve strojovém vidění

Vytvořil:

ATEsystem s.r.o.

Co přesně označuje odborný termín "kvalita obrazu“? Jaký je rozdíl mezi "dobrým" obrázkem a špatným" obrázkem z pohledu počítačového zpracování obrazu? Na to se snaží nalézt odpověď tento článek.

Co přesně označuje odborný termín "kvalita obrazu“?  Jaký je rozdíl mezi "dobrým" a "špatným" obrázkem z pohledu počítačového zpracování obrazu? Jakým způsobem se posuzuje kvalita obrazu z průmyslových kamer a jaká kritéria hodnocení kvality se pro toto posouzení používají? Na tyto otázky nám poskytne odpověď následující technický článek, který se zabývá hodnocením kvality obrazu z průmyslových kamer z hlediska dalšího zpracování programy pro analýzu obrazu.

Pro potřeby průmyslového zpracování obrazu potřebujeme z kamer získat obraz, který je ostrý, vysoce kontrastní, s dostatečnými detaily v obraze, stálobarevný a v neposlední řadě i s nízkým digitálním šumem. Jen tak máme zaručeno, že následné zpracování obrazu bude maximálně úspěšné a opakovatelné.

Příklad pro posouzení kvality obrazu.

Ukažme si příklad konkrétních dvou snímků ze dvou různých průmyslových kamer.

Srovnání obrazu ze dvou kamer

Jaký je váš první dojem?

Levý obraz je jasný, ostrý a vysoce kontrastní, zatímco pravý obraz je tmavý a tak nějak rozmazaný. První dojem je tedy zdánlivě evidentní: levý obrázek je lepší. Ale nestojí za to oba snímky podrobněji prozkoumat?

Pokusíme se oba obrázky podrobněji analyzovat, abychom se přesvědčili, jestli bude náš první dojem korespondovat i s objektivními testy.

Digitální zesílení (gain) obrazu

Jas obrazu lze uměle měnit pomocí funkce digitálního zesílení. Digitální zesílení je vlastnost průmyslových kamer, kdy každá hodnota šedi jednoho každého pixelu v kamerovém senzoru je vynásobena zvoleným faktorem. Tak například všechny pixelové hodnoty šedé ve snímaném obrazu se mohou zobrazit dvojnásobně jasněji nastavením digitálního zesílení o 6 dB (faktor 2). To znamená, že si takto můžeme libovolně rozjasnit obrázek.

Na druhou stranu je třeba hned poznamenat, že zesílení obrazu způsobem popsaným výše rovněž zesílí i šum. Jinými slovy řečeno: ve stejném rozsahu, ve kterém zvýšíme jas obrazu, se nám samozřejmě zvýší i jeho šum.

Digitální šum

Jakým způsobem nám tedy digitální šum ovlivňuje kvalitu obrázku?

Pokud bychom měli k dispozici ideální kamerový senzor, tak ten by nám převáděl konkrétní množství světla na přesně předvídatelné množství elektrických signálů. Bohužel, takovéto ideální senzory neexistují. Při každém zpracování signálu v čipu dochází ke kolísání hodnot, to znamená k šumu.

Elektronický šum je nezávislý na množství světa dopadajícího na kamerový senzor, je tedy přítomen i v naprosté tmě. Takovýto šum se nazývá šum tmavého prostředí (dark noise). Šum tmavého prostředí závisí na použitém kamerovém senzoru a elektronice, ale také na teplotě jednotlivých komponent a na dalších externích nežádoucích vlivech (např. elektromagnetické rušení). Úroveň šumu může být snížena softwarově, ale je to velmi výpočetně náročný proces a je téměř nemožné dosáhnout vysoké snímkové frekvence současně se softwarovou redukcí šumu.

Je tedy dobré pokusit se omezit šum již od samého počátku návrhu a realizace kamerového systému. Lze například využít následujících postupů:

  • Použít vysoce kvalitní senzory a elektroniku v kamerách.
  • Zaměřit se na dobrou celkovou elektronickou architekturu v kamerových sestavách (např. omezit zemní smyčky apod.)
  • Udržovat teplotu senzoru a dalších analogových komponent kamery co možná nejníže.
  • Zabránit rušení externími zdroji signálu, například s využitím stíněných kabelů apod.

Šum světla jako takového je další faktor, který přispívá k celkovému digitálnímu šumu. Díky statistické fluktuaci (kolísání) se počet fotonů dopadající na určitý povrch kamerového senzoru v konkrétním specifickém čase liší v závislosti na druhé odmocnině počtu dopadajících fotonů. Tato fluktuace se pak nazývá světelný šum. A samozřejmě i tento světelný šum může být převeden v kamerovém senzoru na šum elektronů.

Z hlediska šumu je u digitálních kamer velmi důležitá hodnota SNR (Signal-to-Noise Ratio), což je poměr užitečného signálu vzhledem k šumu. Parametr SNR je pak udáván buď jako skutečný poměr (např. 20:1), nebo častěji v decibelech.

Jak již bylo popsáno dříve, digitální zesílení obrazu (gain) ovlivňuje hodnotu šedé v signálu, ale ve stejném poměru zesiluje i šum. Avšak hodnota parametru SNR se tímto zesílením nemění.

Shrnutí:

Ani šum, ani jas obrazu není důležitým kritériem pro kvalitu obrazu. Jediným rozhodujícím parametrem je poměr obou faktorů k sobě navzájem, to znamená poměr signálu k šumu. Digitální zesílení neovlivňuje hodnotu SNR.

Světlo a šum

Množství světla dopadajícího na kamerový senzor je v úzké vazbě s obrazovým šumem. Pokud je k dispozici hodně světla, jednotlivé pixely v kamerovém senzoru by měly umožňovat zachytit a zpracovat co možná největší množství dopadajících elektronů (tzn. velká saturační kapacita senzoru – High Saturation Capacity). Při nedostatku světla je naopak důležité, aby kamerový senzor účinně zachytil všechny dopadající elektrony (vysoká kvantová účinnost – High Quantum Efficiency). Čím méně světla je k dispozici, tím důležitější je nízká úroveň šumu tmavého prostředí (Dark Noise – DN).

Příklad 1.: Pro snímání obrazu máme k dispozici hodně světla  

Pokud je pro snímání digitální kamerou k dispozici hodně světla, nehraje úroveň tmavého šumu velkou roli. I když se v našem příkladu úroveň tmavého šumu zdvojnásobila (v pořadí vruhý vzorec), hodnota SNR klesla jen o 3%. Pokud ale hodnota počtu zachycených elektronů klesla na polovinu (např. v důsledku nižší saturační kapacity senzoru - v pořadí třetí vzorec), hodnota SNR se snížila o 31%!  

Příklad 2.: Pro snímání obrazu máme k dispozici málo světla 

Pokud je pro snímání digitální kamerou k dispozici velmi málo světla, úroveň tmavého šumu již má na výsledný obraz velký vliv. Pokud se úroveň tmavého šumu zdvojnásobí, hodnota SNR se zhorší o přibližně 30%. Saturační kapacita kamerového senzoru nehraje v tomto případě významnou roli, protože počet zachycených fotonů leží hluboko pod bodem nasycení (saturací).

Obrázek: Osa y naznačuje hodnoru SNR v decibelech, v bitech a v absolutní hodnotě. Signál koresponduje s hodnotou na ose x reprezentující počet absorbovaných elektronů. Saturační kapacita je určena počtem elektronů, kterými se buňka může naplnit.

Shrnutí:

V případě dostatku světla hraje úroveň tmavého šumu malou roli, naopak důležitější parametr je saturační kapacita senzoru. V případě malé intenzity světla je saturační kapacita senzoru nepodstatná. Ale význam úrovně tmavého šumu výrazně roste.

Posouzení kvality obrazu

Jak tedy hodnotit kvalitu obrazu z hlediska průmyslového zpracování? Praktickou možnost nám poskytuje analytický program  ImageJ (volně ke stažení na stránkách http://imagej.net), který umožňuje zobrazovat, upravovat a analyzovat snímky, například upravit kontrast, jas apod. a také zobrazit hodnoty pixelů ve formě histogramu.

Obrázek: Lišta nástrojů programu ImageJ

Aby bylo možné posoudit kvalitu obrazu ze dvou kamer nebo různých dvou senzorů, obrazy musí být nejprve snímány za stejných podmínek. Pak je lze jednoduše načíst do programu ImageJ.

Obrázek: Testovací scéna pro posouzení kvality obrazu ze dvou různých kamer

Najdeme v obraze oblast, která je homogenní a umístíme do něho obdélník pro výběr výběru z nástrojové lišty programu ImageJ.

Z takto vybraného obdélníku vygenerujeme histogram hodnot pixelů stiskem kláves Ctrl+H.

Při výběru oblasti dbejte na to, aby střední hodnota šedé (v programu ImageJ označena jako “Mean“) byla blízko hodnoty saturace (>200), ale zároveň aby žádný pixel nebyl v saturaci (max <255). Hodnotu šumu nám pak udává hodnota standardní odchylky “StdDev“

Pro vyhodnocení úrovně tmavého šumu dále potřebujeme snímek z kamer v temném prostředí pro případnou kompenzaci tohoto tmavého šumu. To nejjednodušeji provedeme tak, že na objektiv nasadíme originální ochranou krytku.

Histogramy potom budou vypadat následovně:

Hodnota tmavého šumu (hodnota “Mean“) by měla být velmi blízko nule, v případě potřeby ji lze zanedbat.

Levý snímek má hodnotu SNR rovnou:

Pravý snímek má hodnotu SNR rovnou:

Pravý obraz má hodnotu SNR téměř 2x lepší.

Tento příklad ukazuje, jak lze posuzovat kvalitu obrazu pomocí jednoduchých nástrojů. Je však třeba dbát na to, aby byly obrázky vytvořeny za srovnatelných podmínek.

Posouzení kvality obrazu různých kamer

Pokud potřebujeme posoudit kvalitu obrazu dvou nebo více kamer, je třeba zajistit, abychom mohli snímat obrázky za srovnatelných podmínek.

Nejlepší způsob, jak vytvořit srovnatelné obrázky.

  • Zvolit vhodný objekt ke snímání
  • Osvětlení
  • Vzdálenost mezi objektem a kamerou
  • Expoziční doba
  • Objektiv
  • Světelnost objektivu

Pokud ale mají senzory obou kamer různé velikosti, je třeba adekvátně tomu upravit buď vzdálenost mezi objektem a kamerou, nebo ohniskovou vzdálenost objektivu.

Při posuzování kvality obrazu různých kamer můžeme použít dva přístupy:

  1. Dvě kamery nebo senzory by měly být porovnány v rámci stejných podmínek co možná nejobjektivněji.
  2. Dva kamery by měly být porovnány na základě toho, jak budou provozovány v reálném provozu.

Další faktory

Množství světla

Porovnáváme-li kamery se stejnou technologií a stejnou velikostí kamerového senzoru, množství světla (to znamená počet fotonů, které zasáhnou plochu senzoru a jsou následně převedeny na elektrony, to znamená do elektrických signálů) by mělo být srovnatelné se světlem, které bude potom později použito v reálném systému

Velikost senzoru, počet a velikost pixelů

Senzor je srdcem kamery a je proto její nejdražší součást. Jeho velikost je nejenom otázku ceny, ale je také rozhodujícím faktorem pro množství světla, které je možné zpracovat.

Moderní průmyslové kamery nabízejí výběr z různých formátů:

Velikost snímače CCD/CMOS kamery pro strojové vidění

Velikost senzoru je důležitým faktorem pro kvalitu obrazu. Jednoduše řečeno, kvalita obrazu je tím vyšší, čím je větší senzor. Na druhou stranu na kvalitu obrazu má vliv nejenom velikost senzoru, ale také počet pixelů a tedy i velikost jednotlivých pixelů.

Počet bodů se u kamer měří v megapixelech (MPix) a dává tedy počet aktivních pixelů na povrchu senzoru. Čím vyšší je počet megapixelů senzoru, tím je vyšší i rozlišení. Často lze také narazit na tvrzení, že čím větší je počet megapixelů senzoru, tím je lepší kvalita výsledného obrazu. Toto tvrzení je však pravdivé pouze částečně: pokud je totiž na povrchu senzoru příliš mnoho malých pixelů, vede to k vyššímu digitálnímu šumu a tedy i ke snížení kvality obrazu.

Velikost jednotlivého pixelu je rozhodujícím faktorem v tom, jak hodně světla může pixel zachytit. Například pixel o velikosti 5 µm – to je čtverec o velikosti 5 µm – má 4x větší plochu než pixel o velikosti 2.5 µm. Větší pixel tedy může zachytit 4x více světla a je tedy jednoznačně lepší v případě špatných světelných podmínek.

Dnešní moderní senzory o velikosti pixelu v rozmezí 3.5 µm až 6 µm nabízí stejnou kvalitu a parametry, jaké před několika lety měly senzory s pixely o velikosti 10 µm: tedy dobrý kompromis mezi světelnou citlivostí a dostatečným rozlišením.  Senzory s velikostí pixelů 2.2 µm až 1.4 µm nabízejí vysoké rozlišení, ale nízkou citlivost na světlo, protože mají malou aktivní plochu.

Mimochodem, tato pravidla platí i pro oblíbené digitální fotoaparáty pro běžné spotřebitele. Digitální zrcadlovky (Single-Lens Reflex Camera – SLR) mívají lepší kvalitu obrazu za nízkého osvětlení, protože bývají vybaveny větším senzorem a proto mohou absorbovat mnohem více světla. Levné kompaktní fotoaparáty jsou dobré v případě, že je dostatek světla, například za jasného slunečního dne. Jakmile se ale použijí např. v interiéru za zhoršených světelných podmínek, je často nutné použít přídavný blesk, abychom zajistili dostatek světla pro senzor.

Dynamika

Dynamický rozsah kamery vyjadřuje poměr mezi nejsilnějším a nejslabším signálem, který může identifikovat přes šum v obraze. Dynamika má bezprostřední vliv na kvalitu obrazu stanovením množství možných hodnot šedé v obraze.

Velmi důležitý je dynamický rozsah kamery v různých světelných podmínkách. Velký dynamický rozsah umožňuje rozpoznat detaily ve scénách obrazu, které jsou světlé a tmavé. To je například velmi důležité v aplikacích kamer v dopravních systémech.  Digitální kamery se zde používají - mimo jiné - k monitorování dopravních přestupků. Na snímcích z dopravních kamer se obvykle zaznamenává registrační značka auta i samotný řidič. V závislosti na použitém osvětlení je registrační značka často velmi jasná, naproti tomu oblast kolem řidiče bývá tmavá. Aby všechny detaily na těchto snímcích byly rozpoznatelné i přes velké rozdíly jasu, je třeba použít kameru s co největší dynamikou. V této souvislosti by se dalo hovořit o dobré kvalitě obrazu v případě, že údaje v jasné (SPZ) a ve tmavé (řidič) oblasti obrazu jsou jednoduše a jasně identifikovatelné.

Kontrast a ostrost

Opticky rozpoznatelné rozdíly mezi světlou a tmavou oblastí obrázku tvoří kontrast obrazu. Kontrast obrazu je vysoký, pokud jsou v něm velmi světlé i velmi tmavé oblasti.

Kontrast objektivu

Kontrast je množství rozpoznatelných detailů, které jsou zpracovávány v kamerovém senzoru. Čím lépe můžeme rozpoznat přechody mezi tmavými a světlými pásy, tím máme vyšší kontrast a ostřejší obraz.

Barevná chyba

Dalším kritériem pro kvalitu obrazu je kvalita reprodukce barev použitého senzoru. Mohou zde být rozdíly mezi tím, jak vypadá obraz v originále a jak vypadá obraz z kamery.  Pokud v obraze například chybí zelená složka, může mít výsledný obraz purpurový nádech. Tento barevný rozdíl mezi originálním obrazem a obrazem z kamery je pak měřítkem barevné chyby. Je třeba také zmínit, že lidské oko vnímá barvy úplně jinak, než kamerové senzory. Lidské oko je nej citlivější v zelené oblasti. Kamerové snímače zase mají prodlouženou citlivost až do infračervené oblasti.

Spektrální odezva kamery

Z čistě fyzikálního hlediska, vnímání optického obrazu lidským okem nastane v důsledku působení elektromagnetických vln o vlnových délkách 380 nm až 780 nm na sítnici oka. Nicméně barva je vytvářena až v lidském mozku a tak je vnímání barev vždy subjektivní záležitost.

Aby kamera zobrazovala barvy stejně realisticky, jako je vnímá lidské oko, je nutno provést korekci barev kamery. Korekce barev závisí na aktuálních světelných podmínkách (např. barevný nádech scény). Každý výrobce kamer používá svou vlastní metodu korekce barev.

Závěr

Vidíme, že správný výběr kamerového snímače a i samotné kamery není přímočarý a je třeba bráýt zřetel na potřeby aplikace, zejména pokud máme k dispozici omezené množství světla, nebo pokud potřebujeme perfektní barevné rozlišení

Máte-li zájem se dozvědet více o kamerových technologiích, nebo poradit s výběrem kamery pro vaši aplikaci, zavolejte nám! Rádi vám poradíme!

Logo
Top