Was ist die genaue Definition von SNR, wie sie von DxOmark verwendet wird?

Was ist die genaue Definition des Signal-Rausch-Verhältnisses, wie es von DxOmark verwendet wird? Bitte sehen Sie hier , nachdem Sie auf Messungen geklickt haben, SNR 18% (es ist nicht direkt verknüpfbar).

Ich suche eine Erklärung (insbesondere eine genaue Definition), die für jemanden verständlich ist, der über ausreichende mathematische Kenntnisse verfügt, aber mit diesem Ingenieurgebiet und seinen Konventionen nicht vertraut ist.

Anders ausgedrückt, wie würde man bei einem Graustufenbild a_ijeines einfachen grauen Blattes ( a_ijdas die Intensität an der Pixelposition darstellt (i,j)) das SNR berechnen? Verwendet die Berechnung auch die linearen Sensordaten oder die wahrgenommenen Pixelwerte?

Antworten (2)

SNR ist das Verhältnis des Logarithmus der Leistung des Signals zum Logarithmus der Leistung des Rauschens. Es ist also Signal dividiert durch Rauschen, aber wir nehmen nicht die Amplitude von beiden, sondern ihre Leistung. Die in einem Signal enthaltene Leistung ist das Amplitudenquadrat. Wenn man also die Amplitude hat, bekommt man in der Formel den Faktor 2. Dann gibt es einen zusätzlichen Faktor 10, der sich darauf bezieht, dass dB die dezi -Bell ist.

SNR = 2 * 10 * log(signal/noise)

Hier sind Signal und Rauschen als Mittelwert und Standardabweichung definiert. Dies setzt voraus, dass wir eine glatte, einfarbige Oberfläche fotografieren. Daher würden wir den gleichen Helligkeitswert über das Bild (oder den interessierenden Bereich) hinweg erwarten. Das bedeutet, dass unser Mittelwert das Signal ist . Jede Abweichung von diesem Mittelwert bedeutet, dass die Kamera den "falschen" Wert gemessen hat, dh zusätzliches Rauschen. Somit wird die Standardabweichung als Rauschen angenommen .

Schließlich erhalten wir:

SNR = 20 * log10(mean/std dev)
Dies ist eine allgemeine Definition von SNR, aber nicht die ganze Geschichte. Es erklärt nicht, warum ein großer Sensor mit mehr Pixeln ein höheres SNR hat als ein kleinerer Sensor mit dem gleichen Pixelabstand, aber entsprechend weniger Pixeln. Allein die Standardabweichung ist bei einem gegebenen Rauschpegel pro Pixel unabhängig von der Anzahl der Pixel. Bitte beachten Sie meinen Kommentar zur Hauptfrage.
Sicher. Wenn Sie jedoch eine Antwort auf Ihre zweite Frage ("warum ein großer Sensor ...") wünschen, schlage ich vor, dass Sie sie als neue Frage stellen. Keine schlechte Frage, aber nicht die, die Sie ursprünglich gestellt haben.
Das ist nicht meine Frage ... Mir ist klar, warum ein größerer Sensor weniger Rauschen zeigt, wenn sein Bild in derselben Größe wie das Bild eines kleineren Sensors betrachtet wird. Was nicht klar ist, ist die genaue Bedeutung der Zahlen, die DxO verwendet.

Apropos SNR auf Pixelebene.

SNR des verkleinerten Bildes von Sensor A / SNR des verkleinerten Bildes von Sensor B = sqrt(Ra / Rb) * (SNRa / SNRb) wobei Ra und Rb die Auflösung (Gesamtpixelanzahl) von Sensor A und Sensor B sind beziehungsweise; SNRa und SNRb sind das SNR auf Pixelebene auf Sensor A bzw. Sensor B.

Dies ist eine Ableitung für Print SNR. Ich bin mir nicht sicher, aber ich würde schätzen, dass sich 18 % auf die Lichtintensität (Lichtleistung pro Flächeneinheit) beziehen, die für die Messung verwendet wird.
18 % bezieht sich auf die 18 % der Graustufe.
Was ist die genaue Definition von SNR, wie sie von DxOmark verwendet wird?
AntwortenHierDatenschutz-Bestimmungen1y, 0v