Image Noise: Ursachen von Bildrauschen in CCD- und CMOS-Sensoren

Anbieter zum Thema

FRAMOS GmbH

Micro-Epsilon Messtechnik GmbH & Co. KG

EBV Elektronik GmbH & Co. KG

MES Electronic Connect GmbH & Co. KG

Technisch bedingt ist das Bildrauschen (Image Noise) in digitalen Bildern unvermeidbar. Die Ursachen sind komplex. Für Kameraentwickler enthält Bildrauschen wertvolle Informationen und der Anwender kann auf dieses Bildrauschen Einfluss nehmen.

Verrauschte Bilder in Vision-Anwendungen sind aus Nutzersicht zweifelsohne keine guten Bilder, und das Problem des Bildrauschens (Image Noise) wird durch die hohe Empfindlichkeit des menschlichen Auges verstärkt. Auch für Software-Algorithmen führt Bildrauschen zu einer erschwerten und weniger exakten Bildanalyse.

Für einen Kamerahersteller dagegen enthält das Bildrauschen eine Fülle von Informationen über den Sensor und die zugrunde liegende Elektronik. Das Rauschen ist damit der beste Freund des Entwicklers. Eine sorgfältige Auswertung des Bildrauschens führt damit zum bestmöglichen Kamera-Design und mittelbar auch zum bestmöglichen Bild für einen bestimmten Sensor. Anwender indes können Rauschen in Ihren Applikationen beeinflussen, wie nachfolgend skizziert wird.

Bildergalerie

Fixed Pattern Noise, Dark Charge und Gain Noise

Bildrauschen tritt bei CCD- und CMOS-Sensoren gleichermaßen auf und kann zahlreiche verschiedene Ursachen haben. Einige von ihnen sind auf das Sensor-Design zurückzuführen, andere auf weitere in der Kamera enthaltene elektronische Komponenten. Einige Ursachen lassen sich vermeiden, andere nicht. Vieles lässt sich jedoch korrigieren. Der Artikel zeigt die gängigsten Quellen für Rauschen und beschreibt mit welchen Methoden sie sich gegebenenfalls vermeiden lassen beziehungsweise wie Anwender mit vorhandenem Rauschen umgehen können.

Ein Bildrauschen kann prinzipiell unterschieden werden als örtliches Rauschen wie das Fixed Pattern Noise und zufälliges bzw. zeitliches Rauschen von Quellen, die sich von Bild zu Bild ändern können. Fixed Pattern Noise als örtliches Rauschen bedeutet, dass es bei jedem Bild an derselben Stelle auftritt. Aus Anwendersicht ist diese Form des Rauschens extrem störend, da das menschliche Gehirn sehr empfindlich auf visuelle Muster reagiert. Wird das Bild mit einem Algorithmus analysiert, lässt sich diese Form des Rauschens allerdings leicht korrigieren.

Die Ladungsgenerierung ist eine charakteristische Eigenschaft von Halbleitern und Bildsensoren. Das einfallende Licht verändert die elektrische Ladung eines Pixels, die von der Elektronik ausgelesen und in Summe aller Bildpunkte zu einem digitalen Bild wird. Auch ohne Lichteinwirkung auf den Sensor sorgt die thermische Energie für das Freisetzen von Ladungsträgern im Pixel/Bildsensor. Diese Dunkelladung (Dark Charge) erzeugt ein immanentes Signal, welches die Elektronik als sogenannten Dunkelstrom erfasst. Aufgrund leichter Fertigungsdifferenzen variiert dieser in den einzelnen Pixeln erzeugte Dunkelstrom etwas, wodurch ein bestimmtes Rauschmuster entsteht (Dunkelstromrauschen). Dieses Muster ist korrigierbar, indem ein Dunkelreferenzbild von den erfassten Bildern subtrahiert wird. Das Dunkelreferenzbild muss für verschiedene Temperaturen aufgenommen werden, da die Ladungserzeugung temperaturabhängig ist. Somit wird die Dark Signal Non-Uniformity (DSNU) korrigiert, nicht aber ihr Rauschen. Da die Ladungsgenerierung einer Poisson-Wahrscheinlichkeitsverteilung folgt, entspricht das mit ihr einhergehende Rauschen der Quadratwurzel des Dunkelstromwertes.

Bei CMOS-Sensoren verwenden die Pixel jeder Spalte denselben Analog-Digital-Wandler (ADC). Die Unterschiede zwischen diesen Schaltungen, die hauptsächlich in unterschiedlichen Offsets bestehen, führen zu leichten Differenzen zwischen den Werten benachbarter Pixel-Spalten. Allerdings wird eine Abweichung um nur ein Prozent bereits als sehr stark im Bild wahrgenommen. Um den Offset der einzelnen Spalte zu bestimmen und zu kompensieren und so ein homogenes Bild zu erhalten, kommen verschiedene Methoden zum Einsatz. Üblicherweise wird hierbei der Wert der sogenannten optisch schwarzen Pixel (Black Pixels) verwendet, die sich am oberen Spaltenrand befinden und vor Licht geschützt sind.

Wie erwähnt sind die Fertigungsprozesse nicht 100% gleichmäßig. Defekte in Form verunreinigter Atome oder Veränderungen der Kristallstruktur des Halbleitermaterials können vorkommen. Diese Defekte führen zu übermäßigen Ladungen oder deren Ableitung und tragen so zu dem örtlichen Rauschen bei. Diese Defekte werden in der Regel durch einen Algorithmus korrigiert, der die Werte der betroffenen Pixel durch den Mittelwert benachbarter Pixel ersetzt.

Oft als Gain Noise bezeichnet bewirkt die sogenannte Photo Response Non-Uniformity (kurz PRNU) eine weitere Art von Rauschen. Diese hat ihren Ursprung in der Struktur der Pixel. Aufgrund von Unwägbarkeiten bei der Herstellung sind Pixel nur nahezu identisch, die Signalausgabe kann durch kleine Abweichungen leicht schwanken (unterschiedliche Empfindlichkeitskurven der Pixel). Da jedes Pixel eine lineare Reaktion auf die Beleuchtungsstärke aufweist, bleiben auch die Unterschiede zwischen den Pixelsignalen konstant. Dadurch ist es möglich, einen Algorithmus zu entwickeln, der die Abweichungen korrigiert. Nahe der Sättigungskapazität weichen die Pixel üblicherweise von der Linearität ab und ein solcher Algorithmus schlägt fehl. Aber die Sensorhersteller konfigurieren ihre Sensoren zumeist so, dass die absoluten Sättigungskapazität der Pixel nicht erreicht wird.

Industrielle Kameras, ihr Markt und die technischen Merkmale

(ID:45445423)