Kameraauswahl mit dem EMVA 1288 Standard-1empages.stemmer-imaging.de/techforum-download/pdf/Kameraauswahl-mit-dem... · Kameraauswahl mit dem EMVA 1288 Standard Bernd J ahne Vorsitzender

Kameraauswahl mit dem EMVA 1288 Standard

Bernd Jahne

Vorsitzender EMVA 1288 Standardization Group

Heidelberg Collaboratory for Image Processing (HCI)am Interdisziplinares Zentrum fur Wissenschaftliches Rechnen (IWR)

Universitat [email protected]

STEMMER IMAGING Technologieforum, 03–04. November 2015Hotel Dolce, Munchen

Bernd Jahne (HCI, Universitat Heidelberg) EMVA 1288 Standard 03–04. Nov. 2015 1 / 50

Gliederung

Gliederung

1 Einfuhrung EMVA 1288 Standard und Grundfragen

2 Schlusselgroße Signal/Rausch-Verhaltnis

3 Grundlage: Lineares Kameramodell (SNR)

4 Kamerakennlinie und Photontransferkurve

5 Messtechnik

6 Inhomogenitaten: DSNU, PRNU, Profile

7 Verbesserung der Inhomogenitaten


Einfuhrung

EMVA 1288 Standard

1 Objektive, vergleichbare Spezifikation ohne Optik

2 Umfassende Beschreibung mit moglichst wenig Parameter undAntwort auf Frage: “Beste Kamera fur meine Anwendung?”

3 Entwickelt von European Machine Vision Association (EMVA,www.emva.org) mit breiter Unterstutzung durch Kamerahersteller,Systemintegratoren und Distributoren

4 Globale Gultigkeit: Vertrag zwischen AIA, EMVA, JIIA und VDMAzur gegenseitigen Anerkennung von Standards

5 ISO Standards (ISO 14524 “Ermitteln der Kamerakennlinie” und ISO15739 “Bestimmung des Rauschens, des Signal-Rausch-Abstandes,des visuellen Rauschens und des Dynamikumfangs” wenig geeignet,da auf Comsumer-Produkte fokussiert


www.emva.org

Einfuhrung

Was mussen wir uber eine Kamera wissen?

1 Wie empfindlich ist die Kamera?Wie groß ist Signal im Verhaltnis zum Rauschen? bestimmt Nachweisgrenze (kleinste Bestrahlung)Was ist das großte Bestrahlung? Sattigungskapazitat

2 Wie unterschiedlich sind die einzelnen Pixel?Inhomogenitaten im Dunkelbild und der Empfindlichkeit

3 Wie viel Signal wird ohne Licht erzeugt (Dunkelstrom)?


Schlusselgroße SNR

Schlusselparameter Signal/Rausch-Verhaltnis (SNR)

Definition

SNR =µy − µy .dark

σy(1)

SNR = 100 bedeutet Signal 100 mal großer als Rauschen

Auge kann SNR < 50 sehen.


Schlusselgroße SNR

SNR in doppelt-logarithmischer Darstellung

100

101

102

103

104

105

106

10−1

100

101

102

103

SNR m0773, 534 nm, 24.09.2015

irradiation (photons/pixel)

SN

R

satu

ratio

n

thre

shol

d S

NR

= 1

mono datamono fitmono fit totaltheor. limit

sCMOS Kamera pco.edgeBernd Jahne (HCI, Universitat Heidelberg) EMVA 1288 Standard 03–04. Nov. 2015 6 / 50

Schlusselgroße SNR


100

101

102

103

104

105

106

10−1

100

101

102

103

SNR m0790, 534 nm, 27.09.2015


SN

R

satu

ratio

n

thre

shol

d S

NR

= 1


Basler acA640-120gm mit Sony CCD SensorBernd Jahne (HCI, Universitat Heidelberg) EMVA 1288 Standard 03–04. Nov. 2015 7 / 50

Schlusselgroße SNR


100

101

102

103

104

105

106

10−1

100

101

102

103

SNR m0791, 534 nm, 27.09.2015


SN

R

satu

ratio

n

thre

shol

d S

NR

= 1


Basler acA2500-14gm mit rolling shutter CMOS sensorBernd Jahne (HCI, Universitat Heidelberg) EMVA 1288 Standard 03–04. Nov. 2015 8 / 50

Schlusselgroße SNR


100

101

102

103

104

105

106

10−1

100

101

102

103

SNR m0637, 534 nm, 18.07.2015


SN

R

satu

ratio

n

thre

shol

d S

NR

= 1


IDS UI306xCP-M mit Sony Pregius CMOS IMX174Bernd Jahne (HCI, Universitat Heidelberg) EMVA 1288 Standard 03–04. Nov. 2015 9 / 50

Lineares Kameramodell und Photontransfermethode Lineares Kameramodell

Lineares KameramodellPhysik der Bildgewinnung gut verstanden

42

A number of photons ...

... hitting the pixel area during exposure time ...

... creating a number of electrons ...

... forming a charge which is converted by a capacitor to a voltage ...

... being amplified ...

... and digitized ...

... resulting in the digital gray value.



Physikalisches Modell der Bildgewinnung

Kη

quantume�ciency

systemgain

number ofphotons

number ofelectrons

digitalgrey value

dark noise quantization noise

qσ

photonnoise

2µy σy,

µd σd, 2

µp σp, µe µe,

tuptuotupni black box camera

2

2

Black-Box-Modell mit Eingabe µp und Ausgabe µy



Physikalisches Modell der Bildgewinnung

Kη

quantumefficiency

system gain

number ofphotons

number ofelectrons

digital grey value

dark noise quantization noise

qσ

photonnoise

2µy σy,

µd σd, 2

µp σp, µe σe,

input outputsensor/camera

2

2 2

Unbekannte Modellparameter Quantenausbeute η, Kameraverstarkung Kin DN/e− und Dunkelrauschen σd (µd unwesentlich)aus gemessenen Großen µp, µy und σ2

y berechnen


Lineares Kameramodell und Photontransfermethode Kamerakennlinie

Kamerakennlinie

1 Ladungserzeugung mit Quantenausbeute η

µe = ηµp (2)

Quantenausbeute bezogen auf volle Sensorgroßeµp Mittlere Photonenzahl akkumuliert uber Belichtungszeitµe Mittlere Anzahl akkumulierter Ladungstrager

2 Digitaler Grauwert als Funktion der Photonenzahl:

µy = K (η µp + µd), µy − µy .dark = Kη︸︷︷︸Steigung

µp = b1 µp (3)

µy Digitaler Grauwert in DNµd Dunkelsignal in Anzahl Ladungstrager [e−]µy .dark Dunkelsignal in DN


Lineares Kameramodell und Photontransfermethode Photonentransfermethode

Photontransferkurve

1 Berechnung des Signalrauschens durch Addition der Varianzen

σ2y = K 2

(σ2d + σ2

e

)+ σ2

q (4)

σ2q = 1/12 [DN2] Varianz Quantisierungsrauschens

σ2d Varianz Dunkelsignals

σ2e = µe =

µy − µy .dark

KVarianz Photoelektronen

2 Varianz des digitalen Grauwerts versus mittleren digitalen Grauwert:

σ2y = K 2σ2

d + σ2q︸︷︷︸

Offset

+ K︸︷︷︸Steigung

(µy − µy .dark) = a0 + a1(µy − µy .dark) (5)

Alle Unbekannten des linearen Kameramodells konnen bestimmt werden:Kameraverstarkung K = a1

Dunkelrauschen σ2d = (a0 − σ2

q)/K 2

Quantenausbeute η = b1/a1


Lineares Kameramodell und Photontransfermethode Beispiele Kamerakennlinie

Gute Kamerakennlinie

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

x 104

0

500

1000

1500

2000

2500

3000

3500

4000

Sensitivity m0637, 534 nm, 18.07.2015


gray

val

ue −

dar

k va

lue

µy−

µ y.da

rk (

DN

)

mono: µy.dark

= 7.80 DN

mono datamono fit

IDS UI306xCP-M mit Sony Pregius CMOS IMX174


Lineares Kameramodell und Photontransfermethode Beispiele Photontransferkurve

Gute Photontransferkurve

0 500 1000 1500 2000 2500 3000 3500 40000

100

200

300

400

500

600Photon transfer m0637, 534 nm, 18.07.2015

gray value − dark value µy−µ

y.dark (DN)

varia

nce

gray

val

ue σ

y2 −σ y.

dark

2 (

DN

2 )

mono: σy.dark2 = 0.65 DN2, K = 0.123 ± 0.3%

saturation

mono datamono fit

Sony XCG 5005E



Photontransferkurve: Einfluss von schlechtem ADC

0 200 400 600 800 10000

2

4

6

8

10

12

14

16

Var. & gain c822 27.02.2008

Mean gray value (DN)

Var

ianc

e gr

ay v

alue

(D

N2 )

K = 2.91E−002 DN/e

σ0 = 0.9 DN = 30.1 e−

η = 0.849

Starke Schwankungen der Varianz Missing codes in ADC



Kamerakennlinie: Einfluss von schlechtem ADC

0 0.5 1 1.5 2 2.5 3 3.5

x 104

0

100

200

300

400

500

600

700

800

900

Sensitivity c822 27.02.2008

Radiation energy Q (Photons/pixel)

Mea

n gr

ay v

alue

(D

N)

Kη = 2.47E−002 DN/p

Zugehorige Kamerakennlinie:Probleme kaum sichtbar



Berechnung SNR aus linearem Kameramodell

SNR(µp) =ηµp√

σ2d + σ2

q/K 2 + ηµp(6)

Grenzfalle:

SNR(µp) ≈

√ηµp ηµp � σ2

d

ηµp√σ2d + σ2

q/K 2ηµp � σ2

d

(7)

Ideale Kamera (η = 1, σd = 0):

SNRideal =√µp (8)


Lineares Kameramodell und Photontransfermethode Messgroßen

SNR und abgeleitete Großen

Absolute Empfindlichkeitsschwelle:

µp(SNR = 1) = µp.min ≈1

η

(σy .dark

K+

1

2

)(9)

Sattigungskapazitat µp.sat (6= full-well capacity):Photonenzahl bei maximaler Grauwertvarianz

Maximales SNR:

SNRmax =√η µp.sat (10)

Signalumfang (dynamic range DR):

DR =µp.sat

µp.min≈ µy .sat

µy .min(11)


Lineares Kameramodell und Photontransfermethode Messgroßen

Spektrale Empfindlichkeit NIR CMOS-Kamera

300 400 500 600 700 800 900 1000 11000

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

wavelength λ (nm)

quan

tum

effi

cien

cy η

m0096, 23.08.2009


Zur Messtechnik Lichtquelle und Bestrahlungsvariation

Bestrahlung des Sensors ohne OptikAufnahme Kennlinie und Rauschen bedingt Messungen bei Serie vonBestrahlungen

sensordis

k-s

hap

ed lig

ht sou

rce

mount

d

D D'

Beleuchtung mit homogener und isotroper Lichtquelle entsprechendBlende 8:

f# =d

D d = 8D (12)


Zur Messtechnik Lichtquelle und Bestrahlungsvariation

Warum vorgegebener Beleuchtungskegel?

Bildsensor ist komplexes optoelektronisches Bauelement . . .

(Quelle Sony)

. . . mit blendenabhangiger Empfindlichkeit


Zur Messtechnik Messaufbau und Kalibrierung

Beispiel fur Messaufbau

Kommerzielles System ACC2 von AEON ohne Ulbrichtkugel


Inhomogenitaten: DSNU und PRNU Arten von Inhomogenitaten

Messgroßen Inhomogenitaten

DSNU: dark signal nonuniformityRaumliche Variation des DunkelsignalsOft auch fixed pattern noise genanntIm Gegensatz zum zeitlichen Rauschen ist DSNU korrigierbar!

PRNU: photo response nonuniformityRaumliche Variation des Empfindlichkeit

DCNU: dark current nonuniformityRaumliche Variation des Dunkelstroms (nicht im Standard)

FWNU: full well nonuniformityRaumliche Variation der Sattigungskapazitat(nicht im Standard)



Arten raumlicher Variation

Rein zufallig: weißes Rauschen, gleichmaßig uber alle Frequenzenverteilt: flaches Spektrum

Allmahliche Anderungen: Produktionsbedingte Schwankungen

Periodische Schwankung: Einfluss von Storsignalen, elektronischesUbersprechen

Ausreißer: Einzelne oder Cluster von Sensorelementen zeigen starkeAbweichungen; im Extremfall komplett nichtfunktionale Pixel



Beschreibung der Inhomogenitaten

Statistische Beschreibung durch Varianz bzw. Standardabweichung

Frequenzzerlegung durch Spektrogrammmethode

Defekte Pixel = Ausreißer in Histogrammen


Inhomogenitaten: DSNU und PRNU Statistische Analyse

DSNU1288 und PRNU1288

DSNU1288: Raumliche Standardabweichung Dunkelbild, ydark

DSNU1288 = sy .dark (13)

Einheiten DN oder e−

PRNU1288: Relative raumliche StandardabweichungEmpfindlichkeitsbild bei 50% Sattigung, r = y50 − ydark

PRNU1288 =srµr· 100[%] (14)


Inhomogenitaten: DSNU und PRNU Horizontale und vertikale Profile

Horizontale und vertikale Profile

Zeile/Spalte in der Mitte: zeigt typische Zeile

Mittelwert: zeigt mittleren horizontalen bzw. vertikalen Verlauf mitminimalem Rauschen

Maximalwert: zeigt gut selbst wenige Ausreißer nach oben (z.B.“heiße Pixel”)

Minimalwert: zeigt gut selbst wenige Ausreißer nach unten (z.B.weniger empfindliche Pixel)



Horizontale DSNU Profile

0 200 400 600 800 1000 1200 1400 1600 1800 2000−5

0

5

10

15

20

25

30Horizontal lines DSNU m0124, 529nm, 08.10.2011

Pixel position

dark

gra

y va

lue

(DN

)

minmeanmiddlemax

Schnelle high-end CMOS camera



Horizontale PRNU Profile

0 200 400 600 800 1000 1200 1400 1600 1800 200088

90

92

94

96

98

100

102

104

106Horizontal lines PRNU m0124, 529nm, 08.10.2011

Pixel position

rel.

sens

itivi

ty (

%)

minmeanmiddlemax

Schnelle high-end CMOS camera


Inhomogenitaten: DSNU und PRNU Abhangigkeit PRNU von Sattigung

Abhangigkeit PRNU von Sattigung?

PRNU nur bei 50% Sattigung gemessen; relative PRNU sollte nachlinearem Kameramodell fur alle Sattigungen gleich sein

y − ydark

µy − µy .dark=

y50 − ydark

µy .50 − µy .dark(15)

Korrektur der PRNU bei allen Sattigungen durch

y′ =y − ydark

y50 − ydark

(µy .50 − µy .dark) (16)

(Entspricht einfacher linearer Zwei-Punkt-Kalibrierung)



Korrigierte Profile

0 500 1000 1500 2000 2500−10

−5

0

5

10Horizontal lines PRNU m0550, 532nm, 02.11.2014

pixel position

rel.

sens

itivi

ty (

%)

minmiddlemaxmean

0 500 1000 1500 2000 2500−2

−1

0

1

2Residual PRNU m0550, 532nm, 02.11.2014

pixel position

rel.

sens

itivi

ty (

%)

10% sat.100% sat.



Korrigierte PRNU in Zahlen

Saturation µy σy sy σy.res sy.corr sy.corr sy.corr/sy% DN DN DN DN DN % %

0 98.88 3.75 0.60 0.17 0.00 0.00 0.0010 6109.54 125.29 107.87 5.54 17.77 0.29 16.4820 12743.55 178.58 126.81 7.89 20.05 0.16 15.8130 19286.85 218.68 150.05 9.66 19.52 0.10 13.0140 25445.95 249.57 172.60 11.03 17.39 0.07 10.0750 31975.75 275.77 198.88 12.19 0.73 0.00 0.3760 38569.87 301.77 224.83 13.34 23.84 0.06 10.6070 45107.73 321.35 250.23 14.20 34.66 0.08 13.8580 51364.26 337.80 274.46 14.93 48.93 0.10 17.8390 57380.57 352.53 298.89 15.58 64.07 0.11 21.44

100 63698.04 366.55 327.16 16.20 79.74 0.12 24.37

Weiter Reduktion der PRNU auf weniger als 1/4


Inhomogenitaten: DSNU und PRNU Abhangigkeit PRNU von Wellenlange

Abhangigkeit PRNU von Wellenlange der Bestrahlung

0 500 1000 1500 2000 2500−5

0

5Residual color PRNU m0791, 27.09.2015

pixel position

rel.

sens

itivi

ty (

%)

466 nm534 nm630 nm848 nm

Basler acA2500-14gm mit rolling shutter CMOS Sensor




0 500 1000 1500 2000 2500−5

0


pixel position

rel.

sens

itivi

ty (

%)

466 nm534 nm630 nm848 nm

PCO edge5.5 USB 3.0 sCMOS




0 200 400 600 800 1000 1200 1400 1600 1800−5

0


pixel position

rel.

sens

itivi

ty (

%)

466 nm534 nm630 nm

Basler acA1920-155um mit Sony Pregius CMOS IMX174


Inhomogenitaten: DSNU und PRNU Totale SNR

Totale SNR

Addition der Varianzen von zeitlichem Rauschen und raumlicherInhomogenitat in Einheiten e−:

Varianz DSNU: s2y .dark = DSNU2

1288

Varianz PRNU: PRNU21288 (ηµp)2

totale SNRtotal

SNRtotal(µp) =ηµp√

σ2d + DSNU2

1288 + σ2q/K 2 + ηµp + PRNU2

1288 (ηµp)2

(17)


Inhomogenitaten: DSNU und PRNU Totale SNR

Wer mehr wissen will . . .

Auf diesem Forum: Ausstellung von EMVA 1288 Testgeraten durch AEON

EMVA 1288 Standard und Datenblatter:http://zenodo.org/collection/user-emva1288

Hersteller von Testgeraten und Serviceleistungen EMVA 1288:

AEON, Hanau, http://www.aeon.de

Aphesa, Belgien, http://www.aphesa.com

Image Engineering, Koln (Schwerpunkt ISO Standards),http://www.image-engineering.de/

Schulungsangebote mit praktischen Demonstrationen:

08–09.12.2015, Framos Munchen: EMVA 1288 Kurs

08.02.2016, AEON Hanau: Bildsensoren

09-10.02.2016, AEON Hanau: EMVA 1288 Kurs


http://zenodo.org/collection/user-emva1288

http://www.aeon.de

http://www.aphesa.com

http://www.image-engineering.de/

Weiterfuhrendes Material

Literatur I

G. C. Holst and T. S. Lomheim.CMOS/CCD Sensors and Camera Systems, 2. Aufl.SPIE Press, 2011, http://spie.org/Publications/Book/890909.

B. Jahne.Digitale Bildverarbeitung und Bildgewinnung.Springer, Berlin, 7. Auflage, 2012,http://dx.doi.org/10.1007/978-3-642-04952-1.

J. R. Janesick.Scientific Carge-Coupled Devices.SPIE Press, 2001, http://spie.org/Publications/Book/374903.

G. Schroder und H. Treiber.Technische Optik, 11. Auflage.Vogel, Wurzburg, 2014, http://www.vogel-buchverlag.de/product_info.php/info/p188_Technische-Optik.html.


http://spie.org/Publications/Book/890909

http://dx.doi.org/10.1007/978-3-642-04952-1

http://spie.org/Publications/Book/374903

http://www.vogel-buchverlag.de/product_info.php/info/p188_Technische-Optik.html

http://www.vogel-buchverlag.de/product_info.php/info/p188_Technische-Optik.html


Literatur II

B. Widrow und I. Kollar.Quantization Noise — Roundoff Error in Digital Computation, SignalProcessing, Control, and Communications.Cambridge Univ. Press, 2008,http://www.cambridge.org/9780521886710.

European Machine Vision Association (EMVA).EMVA Standard 1288. Standard for Characterization of Image Sensorsand Cameras.Release 3.0, 26. November 2010https://zenodo.org/record/10696

Release candidate 3.1, November 2012www.standard1288.org


http://www.cambridge.org/9780521886710

https://zenodo.org/record/10696

www.standard1288.org


Literatur III

EMVA 1288 DatenblatterNach Musterdatenblatt zu Release 3:https://zenodo.org/collection/user-emva1288

EMVA 1288 DatenblatterBasler, noch Release 2:http://www.baslerweb.com/de/support/download-uebersicht/

downloads-dokumente?type=14&series=0&model=0

EMVA 1288 DatenblatterPoint Grey, nur Parameter:http://www.ptgrey.com/point-grey/10545?utm_source=

SensorReview


https://zenodo.org/collection/user-emva1288

http://www.baslerweb.com/de/support/download-uebersicht/downloads-dokumente?type=14&series=0&model=0

http://www.baslerweb.com/de/support/download-uebersicht/downloads-dokumente?type=14&series=0&model=0

http://www.ptgrey.com/point-grey/10545?utm_source=SensorReview

http://www.ptgrey.com/point-grey/10545?utm_source=SensorReview


Literatur IV

M. Erz and B. Jahne.Radiometric and Spectrometric Calibrations, and Distance NoiseMeasurement of TOF Cameras.3rd Workshop on Dynamic 3-D Imaging, Lecture Notes in ComputerScience, 5742, 28–41, Springer, Berlin, 2009,http://dx.doi.org/10.1007/978-3-642-03778-8_3.

M. Erz und B. Jahne.Optimale Kameraauswahl fur maschinelles Sehen durch standardisierteCharakterisierung.Technisches Messen 78, 377–383, 2011,http://dx.doi.org/10.1524/teme.2011.0151.


http://dx.doi.org/10.1007/978-3-642-03778-8_3

http://dx.doi.org/10.1524/teme.2011.0151


Literatur V

B. Jahne.Objektive Kriterien unterstutzen die anwendungsorientierte Auswahleiner Kamera.Intelligenter Produzieren Nr. 5, 8–10, VDMA, 2009.

B. Jahne.EMVA 1288 standard for machine vision — objective specification ofvital camera data.Optik & Photonik Nr. 1, 53–54, 2010,http://dx.doi.org/10.1002/opph.201190082.

B. Jahne.Der Standard EMVA 1288: Objektive Charakterisierung vonBildsensoren und digitalen Kameras.Elektronik, Heft 22, 2011.


http://dx.doi.org/10.1002/opph.201190082


Literatur VI

B. Jahne.Objektive Charakterisierung von Bildsensoren und digitalen Kameras— Standard 1288 der European Machine Vision Association (EMVA1288).FKT, 5/2012.

B. Jahne.Objektive Comparison of Machine Vision Cameras; PracticalExperiences with the EMVA 1288 Standard.Inspect, 7/2013.

J. Janesick, K. Klaasen, and T. ElliottCCD Characterization using the photon transfer technique.SPIE Proc. 570, Solid State Imaging Arrays, pp. 7–19, 1985,http://dx.doi.org/10.1117/12.950297.


http://dx.doi.org/10.1117/12.950297

Anwendungsbeispiele

Anwendungsbeispiel I: Genugend Licht vorhanden

Maximale SNR entscheidender Qualitatsparameter

SNRmax =√ηµp.sat (18)

kritischer Parameter: Sattigungskapazitat

Kamera A B C D E

SNRmax 95.7 74.3 69.6 106.6 124.0SNR 50% Sattigung 67.4 51.7 49.1 74.9 87.7SNR 10% Sattigung 29.4 20.7 31.9 31.9 39.2


Anwendungsbeispiele

Anwendungsbeispiel II: Konstante Bestrahlung/Pixel

Qualitatsparmeter SNR bei vorgegebener konstanter Bestrahlung/Pixel(ckann aus SNR-Plot abgelesen werden) kritischer Parameter Quantenausbeute (bei viel Licht) kritischer Parameter Dunkelrauschen (bei wenig Licht)

Kamera A B C D E

SNR(5000 Photonen/Pixel) 52.4 47.7 53.1 53.4 53.4SNR(100 Photonen/Pixel) 5.3 3.2 6.1 4.1 7.4SNR(10 Photonen/Pixel) 0.70 0.36 0.95 0.47 2.1


Anwendungsbeispiele

Anwendungsbeispiel III: Konstante Bestrahlung/Flache

Qualitatsparmeter SNR bei vorgegebener konstanter Bestrahlung/Flache)

SNR(Ep) =

{√ηEpA high irradiation

ηEpA/σd low irradiation(19)

Kamera A B C D E

SNR(500 Photonen/µm2) 73.3 52.4 36.7 94.5 109.7SNR(50 Photonen/µm2) 22.1 13.4 10.6 27.9 34.7SNR(10 Photonen/µm2) 8.4 3.7 3.6 9.9 15.5


Anwendungsbeispiele

Anwendungsbeispiel IV: Empfindlichste Kamera

Kritischer Qualitatsparameter: kleinste Empfindlichkeitsschwelle MinimalesDunkelrauschen ausschlaggebend

µp.min =1

η

(σd +

1

2

). (20)

Kamera A B C D E

Empfindlichkeitsschwelle (photons/pixel) 15 29 11 22 3Empfindlichkeitsschwelle (photons/µm2) 0.77 2.4 2.3 0.7 0.07


Anwendungsbeispiele

Anwendungsbeispiel V: Hoher Signalumfang

Kritische Qualitatsparameter sowohl niedrige Empfindlichkeitsschwelle alsauch hohe Sattigungskapazitat: Hochster Dynamic Range DRausschlaggebend

DR =µp.sat

µp.min. (21)

Kamera A B C D E

Dynamic Range DR 1118 405 800 860 9133


Documents

Kameraauswahl mit dem EMVA 1288 Standard-1empages.stemmer-imaging.de/techforum-download/pdf/Kameraauswahl-mit-dem... · Kameraauswahl mit dem EMVA 1288 Standard Bernd J ahne Vorsitzender