分辨率和动态范围-RadiantVisionSystems

分辨率和动态范围是评估成像色度计功能时必须考虑的两个重要参数。然而，我们很容易对这两个参数产生误解。它们乍一看上去似乎非常简单: 分辨率是指2D 成像系统所能采集到的像素总数量，动态范围可以描述为该系统所能检测到的最亮部分与最暗部分之间的比值。那么，很显然，相机的分辨率越高，动态范围越大，图像质量则越佳。然而，事实上一些规格几乎相同的相机却具有完全不一样的性能，这又是为什么呢？

经过一番仔细审视后，我们发现，这些规格的细节、制造商描述规格的方式以及不同规格之间的相互影响等因素，导致这两个参数要比上面的简单定义显得更为复杂。本白皮书将针对这两个关键参数进行详细阐述，帮助您进一步了解它们的作用以及它们对2D成像应用的影响。这些信息旨在帮助任何人员在评估成像色度计时能够确定系统的真正使用性能。

了解分辨率

成像色度计的分辨率是指成像传感器（通常为CCD）所采集到的单个水平像素（M）与垂直像素（N）的数量总和。对于典型的高精度成像色度计而言，它们可以通过不同的滤光片采集多个图像，模拟x分量、y分量和z分量三色源曲线, 然后对这些图像进行处理，将它们重叠，构成一个包含x分量、y分量和z分量三色激励值（代表图像的每个MxN像素）的图像。高精度成像亮度计则通过y分量滤光片采集单个灰度图像。

在有些情况下，用户会将拜耳马赛克（Bayer Mosaic）RGB相机进行标定，用于测量颜色。但这类系统缺乏基于CIE滤光片的系统所能提供的色度测量精度，因此只能解决一些特定的应用，如色彩均匀性等。但这类系统的确具有速度和成本优势（因为只需采集一个图像），而且无需价格昂贵的x分量、y分量和z分量滤光片。在这种情况下，CCD像素的有效分辨率明显小于基于CIE滤光片的系统，其采用每隔一个像素进行插值的方式，将像素插值在不同颜色之间，来测量不同的颜色。因此，这类RGB系统在水平维度和垂直维度上的有效分辨率将会减少一半。以1600万像素的CCD为例，由于插值处理法并不会产生新的信息，因此RGB系统的有效分辨率将仅为400万像素。遵循与RGB相机相同的逻辑，通过采用每隔一个像素进行插值的方式，1600万像素的CIE滤光片系统可以声称具有6400万像素。当然，这并没有任何意义，但却清楚地表明，这两类相机的分辨率不具有直接可比性。分辨率和动态范围:

两个关键的CCD参数会对成像系统的性能产生哪些影响

成像色度计是基于CIE滤光片的CCD测量系统，经过标定后，能够模拟人类视觉对亮度和色度的感知。相比RGB系统，它们能够提供更高的色度测量精度。

动态范围通常以分贝（dB）为单位进行测量，用于描述最大信号电平与读出噪

声电平之间的比值。

图1 - 基于CIE的滤光片（左）和RGB滤光片（右）配置。

如果我们对两种基于CIE滤光片的高分辨率成像系统进行比较，分辨率问题会变得更加有趣。举例来说，在相机分辨率相同的情况下，是什么因素导致不同成像系统的性能存在差异？有些成像系统是否会比其他系统更适合特定的应用？

要回答这些问题，我们需要查看基于每个像素的信噪比。下面，我们将探讨CCD 测量中的不同噪声源，并且看看这些噪声源会对不同的测量应用产生什么影响。动态范围的定义

用于描述相机动态范围的测量单位有多种，这自然可能会引起一些混淆。就CCD 测量而言，动态范围通常以分贝（dB）为单位进行测量，用于描述最大信号电平与读出噪声电平之间的比值。在本白皮书中，我们将使用此定义来描述动态范围。有关动态范围的其他表述还包括以数字表示的位深（例如12位或14位）或者比值（例如1000:1）。

CCD动态范围的数学表达式如下所示： (1)

电位阱值是指像素中可获取的电子数量（即：CCD饱和之前可获取的电子数量）。在这种情况下，读出噪声是指电子噪声，以电子数量表示，在将CCD模拟数据转变为数字格式后进行传输时，信号中将会产生这种噪声；由于该噪声量不受测量亮度水平（或饱和度）的影响，因此，我们可以在暗态（暗场帧）中测得该噪声量，从而将该噪声与统计光子噪声区别开来。

下面，我们以一个CCD为例来进行说明，假设该CCD的电位阱值为20ke - （20千电子）/像素，系统读出噪声为12e -。基于这些值，我们可以计算出动态范围为64.4 dB。

请注意，我们使用的表达是系统读出噪声，这不同于CCD读出噪声。任何从CCD 中采集模拟数据并将其转变为数字格式进行传输的电子系统都会产生噪声。所产生的噪声量将取决于从CCD采集数据的速度，以及电路质量、相机设计和电路板的制造。当我们使用上述方程式(1)得出动态范围时，除了CCD制造商提供的电位阱值和读出噪声外，我们还必须考虑刚才提到的其他因素。读出噪声必须基于整个相机系统测得。然后，基于模拟—数字转换（ADC）后获得的灰度值，以及测得的读出噪声和电位阱值（以灰度值表示）与饱和电平（以灰度值表示），计算上述方程式(1)。

将散粒噪声添加到方程式：光子传输曲线

上述方程式并没有全面反映出与动态范围相关的事实。这是因为，任何亮度测量都会受到无法克服的统计测量误差的影响，我们将其称为“散粒噪声”。这种噪声以及其他噪声源的比值可以使用光子传输曲线（PTC）测量方法，在明场帧图像（指具有标准饱和度场景的图像；例如全电位阱值的50-70%）中测得。PTC 是噪声电平与信号电平的双对数坐标图，行业领先的相机制造商和用户经常使用该方法，实现对基于CCD成像系统的关键性能参数的直接比。1

散粒噪声是指基于给定时间段内检测到的离散独立光子数量变化的噪声。这种变化性遵循泊松分布特性，如果光子数量较大，变化性则遵循高斯统计特性，或者为测得光子(电子)平均数量的平方根。

图2 - 光子传输曲线（PTC）坐标图：方差与信号电平之比较，让制造商能够直接比较成像技术的关键绩效指标。

对于在近全饱和条件下采集的图像，通过这种方式，我们可以将散粒噪声表示为√N，其中，N为电位阱值。

在任何测量中，总噪声电平是各种独立误差因素的组合，包括散粒噪声、读出噪声和图案噪声。如果是重复性的，图案噪声可称为“固定图案噪声”（FPN）。这通常可以通过均匀场校准或其他校准方法进行校准。在本白皮书中，我们假设噪声电平与信号电平之间的比值可以使用光子传输曲线（PTC）测量方法，在明场帧图像（指具有标准饱和度场景的图像；例如全电位阱值的50-70%）中测得。