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

Gerd Kucera

Anbieter zum Thema

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.

Bild 1: Das Bildrauschen eines Sensors (Image Noise) beeinflusst maßgeblich dessen Empfindlichkeit und damit die Bildqualität.
Bild 1: Das Bildrauschen eines Sensors (Image Noise) beeinflusst maßgeblich dessen Empfindlichkeit und damit die Bildqualität.
(Bild: James R. Janesick, Photon-Transfer)

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.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Definitionen von Random Noise, Photon Shot Noise und Reset Noise

Random Noise beschreibt eine Bildstörung, die unvorhergesehen auftritt und ein temporäres Rauschen verursacht. Aus Anwendersicht wird diese Form des Rauschens als nicht so störend wahrgenommen wie das Fixed Pattern Noise, da das menschliche Gehirn bei der Auswertung von Bildern weniger empfindlich ist. Für einen Bildverarbeitungsalgorithmus aber kann diese Art des Rauschens problematisch sein, da es sich nur schwer von feinen Texturen unterscheiden lässt. Aus technischer Sicht stellt die Unvorhersehbarkeit in der Tat ein Problem dar und macht aktive Kompensationsmechanismen erforderlich. Eine der einfachsten Methoden besteht darin, den Durchschnittswert einer Reihe von Bildern zu bilden.

Photonen treffen nicht gleichmäßig auf den Sensor auf, sondern gemäß der Poisson-Wahrscheinlichkeitsverteilung. Das Photon-Shot-Noise entspricht der Quadratwurzel der Anzahl der von einem Pixel detektierten Photonen. Diese Art des Rauschens lässt sich nicht korrigieren. Wenn jedoch die Lichtstärke und die Quanteneffizienz des Pixels bekannt sind, lässt sich das Rauschen recht gut abschätzen.

Das kTC-Rauschen ist eine weitere Störvariante: In einer Photodiode akkumulierte Ladungen werden mithilfe eines Kondensators in eine Spannung umgewandelt. Nach jedem Umwandlungszyklus muss der Kondensator auf eine bestimmte Referenzspannung zurückgesetzt werden. Bei diesem Prozess gibt es eine gewisse von der Temperatur und dem Kapazitätswert abhängige Unsicherheit. Daher wird dieses Rauschen als kTC-Rauschen bezeichnet. Diese Form des Rauschens wird üblicherweise mit der sogenannten Correlated Double Sampling (CDS)-Methode korrigiert, was bedeutet, dass der Spannungswert des Kondensators unmittelbar nach dem Zurücksetzen gelesen und dieser Wert als Offset des letzten Wertes angesehen wird. CDS ist bei CMOS-Sensoren direkt im Schaltkreis implementiert, während bei CCD-Sensoren eine speziell integrierte Schaltung diese Aufgabe übernimmt.

Nicht korrigierbar ist das Quantisierungsrauschen, das folgende Ursache hat: Der Analog-Digital-Wandler (ADC) eines Bildsensors rechnet ein analoges Signal in ein digitales um. Bei dieser Umwandlung gehen einige Informationen verloren, da ein bestimmter Bereich von analogen Werten einem digitalen Schritt gleichkommt. Das hierdurch erzeugte Rauschen entspricht dem analogen Wert dividiert mit √(Bittiefe ADC).

Der Einfluss des Rauschens auf die Sensor-Performance

Das Grundrauschen eines Sensors beeinflusst maßgeblich dessen Empfindlichkeit und damit die Bildqualität. Ein Sensor ist umso empfindlicher, je höher sein Wirkungsgrad (Quanteneffizienz) und je niedriger sein Grundrauschen ist. In Industriekameras wird zur Verstärkung des nutzbaren Signals und der erreichbaren Helligkeit häufig der Grauwert manipuliert, wodurch sich aber gleichzeitig auch das Rauschen erhöht und der Nutzen der Signalverstärkung eingeschränkt wird. Auch die maximal erreichbare Dynamik wird immer durch einen gewissen Rauschanteil gemindert. In der Praxis ist das Verhältnis zwischen dem tatsächlich nutzbaren Signal und dem Rauschanteil durch das Signal-to-Noise-Ratio (SNR, Signal-Rausch-Verhältnis) in dB ausgedrückt und durch das beschriebene Photon-Shot-Noise begrenzt. Die Berechnung des SNR nach dem Messstandard EMVA1288 lautet: SNR = √aus maximal erfassbare Elektronen eines Pixels. Daraus lässt sich dann der SNR-Wert in dB wie folgt ableiten:
SNR (in db) = 20*log(SNR).
Das Signal-to-Noise-Ratio ist damit der Praxis-Wert für die Dynamik des tatsächlichen nutzbaren Signals nach der A/D-Wandlung. Auch wenn das menschliche Auge höchstens 60 Grauwertstufen unterscheiden kann, so steht das SNR für die Algorithmen der Bildanalyse und damit zur Verbesserung der Detektionsgenauigkeit zur Verfügung. Ein geringes Rauschen sowie ein intelligenter Umgang damit führen zu einer präzisieren Erfassung.

Neben der Auswahl des optimalen Sensors kann Rauschen durch eine verbesserte Beleuchtung, auf die Sensorleistung abgestimmte Objektivauflösungen und durch eine geringe Wärmeentwicklung im Vision-System positiv beeinflusst werden. Wie das Rauschen weitgehend vermieden und bestmöglich korrigiert werden kann, ist ein komplexes Thema. Erfahrene Bildverarbeitungsexperten wissen um Theorie und Praxis, um die Probleme zu lösen. Das globale Experten-Team von FRAMOS beispielsweise unterstützt Anwender mit ausführlicher Beratung zu Systemkomponenten, deren Kriterien und Wechselwirkungen sowie Messungen und Testaufbauten. Unterstützung gibt es auch zu Evaluation, zum optimalen Anwendungsaufbau sowie dessen Konfiguration und Implementierung.

* Stephanie Simon ist Field Application Engineer bei Framos, Taufkirchen.

Artikelfiles und Artikellinks

(ID:45445423)