Die statische Rauschunterdrückung (Pattern-Noise) resultiert aus einer sensorcharakteristischen Maske, die fehlerhafte oder übersteuernde Pixel markiert. Auf die markierten Pixel wird dann ein justierter Gaussfilter angewendet, um das lokale Defektrauschen zu eliminieren.

+

Einige hochwertige Kamerasysteme verfügen optional über eine automatisierte Defekt-Pixel-Filterung, entweder per Periferie-Software oder seltener auch per Hardware. Zur Beseitigung der permanent übersteuernden oder defekten Pixel wird die Maske und der Operator eigenständig vom System justiert, wobei die generierte Maske die XY-Koordinaten der Defekt-Pixel lokalisiert und die Periferie den Wert in eine Log-Datei speichert.

Für das interne Image-Processing haben wir jetzt alle notwendigen Filter zusammen: 1.) Black/White-Balance, 2.) Gamma- und 3.) Farbkorrektur, 4.) Gradientenfilter, 5.) Sharpen-Filter und 6.) den Noise-Reduction-Filter. Die Wirkung dieser Filter, vom Original ausgehend, sieht dann so aus:

Original: Hektische Betriebsamkeit im Ministerium für Technologie und Wissenschaft

White-Balance bzw. Gamma-Korrektur

Farbkorrektur (Magenta, Yellow, Cyan) - am gelben Hintern kann man die politische Gesinnung erkennen.

einfacher und unlimitierter Gradientenfilter

Sharpenfilter auf L-Kanal (LAB-Format) ohne Gradient angewendet

Gaussfilter als Noise-Reduction ohne invert Gradient

Die analoge Bildverarbeitung verfügt theoretisch zwar über einige dieser Filter, aber sie erreicht nicht annähernd die exakte Lokalisierung einer digitalen Berechnung. Die analogen Filterprozesse, die zur Optimierung der Bildqualität notwendig sind, können nur beim Entwicklungsprozess oder bei der Zweitbelichtung im Labor angewendet werden. Der Signalweg durchläuft im Vergleich mehrmals die optischen Instrumente, er ist also länger und somit mit mehr Fehlern behaftet. Den einzig verbleibenden Vorteil, den ein analoges Positiv oder Negativ noch halten kann, ist die hohe Dynamik. Selbst stark differierende Hell-Dunkelzonen verkraftet ein hochwertiges Analog-Negativ immer noch besser als die meisten Digital-Kameras.

Bei nicht beweglichen Motiven gibt es für dieses Dynamik-Problem das HDR-Verfahren (High Dynamic Range), das aus verschieden belichteten Bildserien ein ausgleichendes Abbild errechnet. Bisher (2007) hat nur der Hersteller Fuji einen Sensor (EXR-CCD) entwickelt, der speziell dieses Problem durch versetzt positionierte PD-Arrays berücksichtigt, ohne auf ein zeitaufwändiges HDR-Processing rückgreifen zu müssen.

Das Prinzip besteht aus der gleichzeitigen Belichtung von zwei unterschiedlich lichtempfindlichen Zellen-Arealen. Ein Areal liefert eine starke Belichtung (+1.5BW), das andere eine entsprechend schwache (-1.5BW). Der anteilige Mittelwert aus beiden wäre eine neutrale Belichtung. Die extrema-ausgleichende Berechnung entspricht der Wirkung des HDR-Verfahrens. Dieses Verfahren funktioniert jedoch sowohl bei statischen wie auch bei schnell bewegten Objekten.

Bei der rasanten Entwickungsgeschwindigkeit im Bereich Materialforschung, Chipdesign und bei immer noch stetig wachsender Integrationsdichte, wird dieser noch verbleibende digitale Nachteil gegenüber dem Analogfilm in den nächsten Jahren von allen großen CCD/CMOS-Herstellern behoben sein. Der Dynamikbereich der PDs bietet heute schon Lösungsansätze, die nicht aus einem unvorteilhaften Kompromiss zwischen Dynamik und Auflösung bestehen. Neuere Sensork-Konzepte, wie etwa der FOVEON X3, befinden sich ebenfalls mitten in der Entwicklung und man kann davon ausgehen, daß sowohl Layout wie auch Herstellungstechnolgien weitere Qualitätsvorteile erschließen können.

Das fundamentale Image-Processing hat also die Aufgabe eine Bildmatrix so aufzubereiten, daß die Vorteile der jeweiligen Hardware optimal genutzt und die Systemfehler informationserhaltend korrigiert werden können, um so die maximal mögliche Bildqualität zu erreichen. Der nächste Schritt im Bereich Image-Processing wäre die spektrale Bildanalyse, die Intensitäts- und Farbanalyse, die diagnostische Objekt-Identifikation und die perspektivische 2D- und 3D-Metrik. Korrekturen der optischen Instrumente, das Suchen nach markanten Strukturen in Bildserien, die schnelle und präzise Kontrolle bei Fertigungs-Prozessen, die Meßtechnik besonders in den Naturwissenschaften oder die perspektivische Navigation sind nur einige Beispiele der praktischen Anwendung.

Diese Kurzinfo ist nur der Anfang vom Einstieg und soll zur Orientierung für die experimentelle und praktische DIP-Anwendung beitragen. Es gibt noch viel zu entdecken. Mehr zum Thema ist u.a. in den Sirius5-Archiven zu finden.     md-014, nvs-067