EMVA1288標准之“非均勻性”的理解
目錄
1. 什么是圖像的非均勻性？有標准嗎？
2. EMVA1288的非均勻性內容。
3. 總結與理解
正文
1. 什么是圖像的非均勻性？有標准嗎？
簡單來說，我們將相機對着一個均勻場景進行拍照時候，假定場景理想均勻，所有像素的灰度值也並非一致。這種個體之間的差異就是非均勻性。
怎么測試相機焦平面的不一致，控制變量法，先保證被拍物體的均勻的，實驗室中我們采用積分球光源，它可以假定為是一種理想的絕對均勻光。
然后，我們需要對“均勻”進行定量的、系統的、數字化的評價，確實是一個問題。
這里我們采用歐洲機器視覺協會（EMVA）的1288標准，它是基於實驗室標定測試的，是圖像傳感器與相機性能測試標准。對圖像傳感器非均勻性的定義與測試有着權威的解釋。
2. EMVA1288的非均勻性內容
我自己概括一下就是：一個概念，兩個形態，三個描述方式。
2.1 一個概念
對於一個像元陣列中不同像元的特性參數是不同的。有時這些不一致性被稱為固定圖形噪聲（fixed pattern noise,FPN）。這種表達方法會產生一些誤導，因為這種不一致性並不是使信號在時域發生變化的噪聲，也許只是空間上的隨機分布。最好的表達，應該是非均勻性，它是空間上的不一致。
2.2 兩種基本形態
1） DSNU：Dark Signal Non-Uniformity。因不同像元的暗信號不同，稱為暗信號非均勻性。
即：蓋上鏡頭蓋，像元的灰度值不一致。打個比方，幾個人一起走正步，這是站的起點不一致。
2） PRNU：Photo Response Non-Uniformity。因不同像元的靈敏度不同，稱為光響應非均勻性。
即：相機拍均勻光物體，調整整個光強，每個像元的灰度變化值不一致。打個比方，幾個人一起走正步，這是每個人邁的步子大小不一樣。
2.3 三種描述方式
2.3.1 空間方差
方差是在概率論和統計方差衡量一組數據時離散程度的度量數值的描述,對所有類型的非均勻性都可以用方差來描述。方差越大，圖像就越不均勻。
DSNU和PRNU的數值表述就是基於方差的,下面給出計算公式。
其中：
符號說明：
<y.dark>是對傳感器陣列全部像元作平均化處理，L 幅分辨率為 M×N 的系列暗場圖像各像元平均得到的圖像；
<y.50>是對傳感器陣列全部像元作平均化處理，L 幅分辨率為 M×N 的系列50%飽和圖像各像元平均得到的圖像；
u_y.dark和u_y.50是平均值；
s2_y.dark和s2_y.50是空域方差。
2.3.2 圖譜法
僅基於方差計算與描述還不夠全面，方差只是全局測量。方差還不能夠描述我們的一些視覺感知。比如對於一張灰度漸進圖像，或者固定條紋的圖像，僅僅通過方差這個數值，我們是無法知道圖像中是否有固定條紋，漸進變化等等。因此還需要借助圖譜法進行觀察。
一般情況下，不能認為空域不一致性是正態分布的，除非這種變化是隨機的，即這些變化之間不存在空間相關性。
為此，空間非均勻性的描述必須考慮以下幾種效應：
a） 漸進變化
制造的缺陷會引起整個芯片的漸進式的低頻變化。這種效應不容易測量，因為這要求對整個芯片進行均勻輻照，這個很難做到。幸運地是這一效應並不會顯著降低圖像質量，人眼根本看不到影響。另外，鏡頭遮擋和不一致照明都會導致緩變。對於那些要求整個傳感器陣列響應平坦的應用，必須對整個成像系統的漸進變化進行校正。
b）周期性變化
這種類型的失真由相機內部電子器件干擾引起，屬於非常糟糕的情況，由於人眼對這種失真特別敏感。同樣，它對很多圖像處理也會產生干擾。因此，檢出這種空域變化就顯得尤為重要。
譜圖（如：空域變化功率譜）的計算可以非常容易的實現對周期性變化的檢測。在譜圖中，周期性的變化在特定空間頻率（單位：cycles/pixel）處，呈現尖銳的峰值。
根據采樣頻率和像素間隔的對應關系，就可以知道是周期是間隔幾個像素了。
c） 異常值
這點和下面第3條說到的“缺陷像元”有重疊，這里不闡述。
d） 隨機變化
如果非均勻性是完全隨機的，即沒有空間相關性，那么，功率譜應該是平坦的。
從上述描述來看，譜圖是個好工具。利用傅里葉變換，可以分析出圖像的灰度變化是隨機還是周期性變化，如果是周期變化，可以計算處周期（像素隔離）是多少。
其實有一種效率很高的土錘辦法，就是把圖像放大，對比度拉大，數一數幾個像素間隔的。
2.3.3 缺陷像元
由於應用不同，不能給出一個通用的缺陷像素定義。更合適的方法是采用直方圖對像元特征的統計信息進行描述。然后在根據不同應用的判定標准，再認定哪些像元是有缺陷的。
兩種直方圖統計方法
a)對數直方圖
重點介紹。相比普通的直方圖，對數直方圖是個神器。
采用普通直方圖統計，缺陷像素如下紅框表示。
采用對數直方圖統計，缺陷像素非常明顯。
首先，具有正態分布的測量直方圖，這種直方圖在對數坐標圖中表現為倒向拋物線，因此很容易從正態分布中識別出偏離像元。
第二，使用對數坐標，即使在數百萬像元中也能夠很容易地發現少數的幾個缺陷像元。
一般很難預測偏離模型多遠會影響最終的應用。因為，有的應用是通過人眼觀察，而有的則是利用一系列算法處理圖像；對於一些像元性能不佳的圖片，在人眼觀察的應用中可以正常使用，但一些算法卻難以容忍。還有些應用需要無缺陷圖像，而有些會容忍一定的缺陷，但當性能有偏差的像元數量過大時一些應用也會出現問題。
所有的這些信息都可以從對數直方圖中讀出。
b)累積直方圖
不怎么使用，不做闡述。
3. 總結與理解
1）EMVA1288標准關於非均勻性描述比較完備。
EMVA1288是基於實驗室標定的，它能夠使得模型理想化、參數數值化、外界變量可控，方便將實際問題進行數學模型化，並通過計算，使得結果以數值和圖形兩種方式描述。多說一句，數和形一直就是數學描述的兩個重要手段和研究對象，代數和幾何。
數值是DSNU PRNU；圖形是譜圖和直方圖。
2）EMVA1288標准和GB/T 17444是有聯系的。
EMVA1288標准中采集暗場和明場兩張圖像。在《紅外焦平面陣列參數測試方法》(GB/T 17444)中對於中波和長波也是采集兩個均勻場圖像，T0=293K下的圖像，類似1288中的暗場，T=308K的圖像，類似1288中的明場。
再者，EMVA1288中的DSNU&PRNU和GB/T 17444的盲元判斷依據也有一定聯系。
可見，EMVA1288確實是高屋建瓴，概括性，綱領性很強的標准。
3）小技巧
惱人的圖像周期性變化，人眼對其非常敏感。采用傅里葉變換譜圖分析，可以精確分析圖像周期頻率。
普通直方圖可以顯示整個像元的灰度值分布情況，“濫竽充數”的缺陷像素混跡其中，可以顯示但是並不那么突出。采用對數直方圖，能夠徹底揪出缺陷像素，使其必顯無疑。
4）非均勻性，記住123就夠了，1個概念，2個基本表現形態，3個描述方式。
參考文獻
《EMVA1288圖像傳感器和相機性能測試標准-3.1RC-2016》
20191217