Kameroiden suorituskykymittaus T-75.5100 Kuvaus- ja näyttötekniikka Mikko Nuutinen, 1.9.01 Luennon sisältö: Mitä kuvanlaatu on? Mittoja / menetelmiä: resoluutio, kohina, oecf, dynaaminen alue, värintoisto, uniformisuus, pikselivirheet, linssivääristymät, signaaliprosessointiin liittyvät vääristymät
Kameroiden suorituskykymittaus Kameran kuvanlaadun (kokonais-) mitan tulisi määrittää estimaatti kuvan käyttäjän tyytyväisyydestä (??) Kameran kuvanlaatuun vaikuttaa suuri määrä toisistaan riippuvia tekijöitä ja muuttujia Kolme kuvanlaadun perusattribuuttia ovat terävyys, kohina ja väritoisto Kamerasysteemien yleisiä mittaparametreja Kuvasensoriin liittyviä tekijöitä Optiikkaan liittyviä tekijöitä Signaalin käsittelyyn / kameran ohjaukseen liittyviä tekijöitä Resoluutio / taajuusvaste Kohina Sävyntoisto Värintoisto Dynaaminen alue Tasaisuus (Uniformity) aliasoituminen pikselivirheet pikselien vuotaminen temporaalinen kohina kiinteäkuvioinen kohina pimeävirta fotonikohina hajavalo geometriset vääristymät Palloaberraatio koma astigmatismi kromaattinen aberraatio syvyysterävyys perspektiivi kvantisointikohina pakkauskohina tarkennusvirhe valotusvirhe valkotasapainovirhe
Mitä kuvanlaatu on? Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Mitä kuvanlaatu on? Tarkastellaan kuvanlaatua visuaalisen informaation toiston näkökulmasta (eli miten kuvan rakenne välittyy) Kuvan valaistusvoimakkuus oli lux -> vaatimuksena tehokas salama Ei salamaa alivalottunut kuva Henkilö ei ole tunnistettavissa Informaatio ei välity Kamerassa matalatehoinen salama Kohiseva kuva Henkilö on tunnistettavissa Informaatio välittyy osittain Kamerassa tehokas salama mutta säätö ei ole onnistunut kuva palanut osittain puhki Henkilö on tunnistettavissa Informaatio välittyy osittain Kamerassa tehokas salama Henkilö on tunnistettavissa Informaatio välittyy
Kuvanlaatuhierarkia (CPIQ, I3A) Subjektiivinen taso: yritetään estimoida korkeamman tason malleilla Korkeamman tason mallit (ottaa huomioon katseluolosuhteet ja näköjärjestelmän) Alemman tason testikenttämitat (tämän kurssin fokuksessa) Kameran sensori, optiikka ja prosessointi
Kuvanlaadun mittaaminen Perusjako on että objektiiviset mittaukset tehdään testikentistä ja subjektiiviset mittaukset tehdään luonnollisista kuvista Objektiiviset mittaukset Subjektiiviset mittaukset ymmärrys, painokertoimet objektiivisille mitoille ja subjektiivisille attribuuteille, kuvanlaadun malli -Tutkimus ja kehitys -Laadunvalvonta -Lehtien kameravertailut -Akateeminen mielenkiinto http://cnet.nytimes.com/
Objektiivisten mittausten mittausympäristö Valaistus (värilämpötila, valaistusvoimakkuus, tasaisuus) Testikentät (heijastava, transmissiivinen) Tutkittavat kamerat (kamera-asetukset, kuvausetäisyys) Ohjelmistot ISO 133:000 http://www.imatest.com/
Subjektiivisen kuvanlaadun mittausympäristö Mittahuoneen valaistus (värilämpötila, valaistusvoimakkuus, tasaisuus) Näyttö / tuloste (laitteiden kalibrointi) Mittausmenetelmä Parivertailu, kolmivertailu Luokittelu (jaetaan kuvat luokkiin) Skaalaus (asetetaan kuvat suhteessa asteikkoon) Data-analyysi (löytyykö tilastollisia eroja?) I3A CPIG Inititive Phase 1 White Paper Fundamentals and review of considered test methods
Kameramittauksiin liittyviä standardeja Standardien avulla mittaukset ovat toistettavia ja yhtenäisiä riippumatta mittauksien tekijästä Standardi määrittää esim. valaistuksen, lämpötilan, testikentät, kamera-asetukset sekä raportoitavat mitat ja tavat laskea ne ISO International Organization for Standardization I3A International Imaging Industry Association SMIA Standard Mobile Imaging Architecture IEC International Electrotechnical Commission ISO 1454:1999, Photography - Electronic still-picture cameras Methods for measuring opto-electronic conversion function (OECF) ISO 133:000, Photography - Electronic still-picture cameras Resolution measurements ISO 15739:003, Photography - Electronic still-picture cameras Noise measurements ISO 13:003, Photography - Electronic still-picture cameras Determination of ISO speed ISO 1731-1:006, Graphic technology and photography Colour characterization of digital still cameras (DSCs) Part 1: Stimuli, metrology and test procedures ISO 9039:1994, Optics and optical instruments - Quality evaluation of optical systems Determination of distortion Camera Phone Image Quality CPIQ.0 Specifiactions & Test Methods: Spatial Frequency Response, Geometric Distortion, Lateral Chromatic Aberration, and Color Uniformity. SMIA 1.0 Part 5: Camera characterization specification Rev A IEC 61966--1, Multimedia systems and equipment Colour measurements and management Part -1; Colour management Default RGB Colour space srgb IEC 61966-9:000, Multimedia systems and equipment - Colour measurements and management Part 9: Digital cameras
Resoluutio / erottelukyky, Terävyys Huom: pikselimäärä vs. resoluutio! Resoluutio (erottelukyky) määrittää kuinka pieniä yksityiskohtia kuva voi sisältää Havaittu terävyys liittyy myös kuvan kontrastiin ja kirkkauteen Yleisiä mittoja: visuaalinen resoluutio modulaation siirtofunktio (MTF, modulation transfer function) spatiaalinen taajuusvaste (SFR, spatial frequency response) moduloitu Siemensin tähti (käytännössä MTF) Visuaalinen resoluutio arvioidaan subjektiivisesti testikuviosta MTF lasketaan sini- tai palkkikuviosta (viereinen kuva) SFR lasketaan reunasta SFR laajimmin sovellettu metodi http://www.imatest.com/docs/sharpness.html
Resoluutio / erottelukyky, Terävyys: Visuaalisen resoluution mitta Visuaalinen resoluutio perustuu standardikuvion (ISO 133) visuaaliseen arvioon Testihenkilö määrittää kohdan (rajataajuuden), kun viivat eivät enää erotu toisistaan Mittana lp/mm Visuaalinen resoluutioraja?
Resoluutio / erottelukyky, Terävyys SFR-mitta ISO 133 -standardi määrittää, että SFR lasketaan ottamalla diskreetti Fourier-muunnos () viivanleviämisfunktiosta. Viivanleviämisfunktio saadaan reunanleviämisfunktion derivaattana (1). (1) () ISO 133:000
Resoluutio / erottelukyky, Terävyys: SFR-mitan raportointi Jaksoa tai viivaparia / pikseli kuvaa yksittäisen pikselin laatua Viivaparia / millimetri Toimii esim. 35 mm filmikameroille, koska kuvakoko on vakio 36 mm x 4 mm. Digitaalikameroiden sensorikoot vaihtelevat enemmän. Viivaa / kuvan korkeus voidaan laskea esim. * viivaparia/pikseli * kuvan korkeus pikseleinä hyvä mitta verrata eri kameroita toisiinsa, koska määrittää kuinka monta viivaa kamera toistaa kuva-alalla ja huomioi samalla sensorin pikselimäärän MTF50 ja MTF10 MTF50 MTF10
Resoluutio / erottelukyky, Terävyys: SFR-käyrän muoto Korkea SFR-vaste keskitaajuuksilla määrittää kuvalle korkeaa terävyyttä Yleinen signaalin jälkikäsittelytoimi kamerassa on terävöitys, joka vahvistaa juuri keskitaajuuksia Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Resoluutio / erottelukyky, Terävyys: SFR-käyrän muoto Korkea SFR korkeilla taajuuksilla (hyvä erottelukyky) ei välttämättä tuota hyvää kuvanlaatua Kuva terävä/kontrastikas, mutta erottelukyky on matala Kuvan erottelukyky on korkea, mutta kuva on epäterävä QPIQ, white paper, I3A, 007
Resoluutio / erottelukyky, Terävyys: Signaalin terävöityksen vaikutus SFR-käyrän muotoon Kuvasignaalin terävöitys aiheuttaa piikin SFR-käyrään Piikin korkeus riippuu mittakentän reunakontrastista Ongelmallinen piirre etenkin vertailtaessa kompaktikameroita (joissa kuvanprosessointi on automaattista) Terävöitetyn reunan profiili Terävöitetyn reunan derivaatta (viivanleviämisen profiili) IS&T 1997 s. 383-387
Resoluutio / erottelukyky, Terävyys: Moduloitu Siemensin tähti -testikenttä Menetelmä pyrkii eliminoimaan terävöityksen vaikutusta käyttämällä testikenttää, jonka sävy vaihtuu tasaisesti (sinimuotoisesti) Lisäksi kuviossa vältetty korkeaa kontrastia Ympyräsymmetrinen muoto mahdollistaa suuntariippumattoman resoluutiomittauksen (vrt. SFR) SPIE 007 [6500N]
Kohina Kohina on hajontaa pikselien intensiteettiarvoissa Kohina mitataan usein signaalin keskihajonta tai signaali-kohina-suhde (SNR) arvoilla SNR=0*log10(keskiarvo/keskihajonta) Kohinaa poistetaan kuvanprosessointiketjussa alipäästösuodattamalla signaalia Kohinaton kuva Kohinainen kuva Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Kohina: Kohinalähteitä Kohina kuvassa johtuu useasta eri tekijästä: Fotonikohina: valonlähde tuottaa satunnaisen muutoksen valovirrassa Lämpökohina: sensori tuottaa satunnaisen signaalin joka riippuu ympäristön lämpötilasta Siirtokohina: varauksen siirto on epätäydellinen tai vierekkäiset pikselit häiritsee siirtoa + kvantisointikohina, pakkauskohina etc.
Kohina: Kiinteä ja temporaalinen kohinakomponentti Kokonaiskohina total voidaan jakaa temporaaliseen temp sekä kiinteäkuvioiseen fp komponenttiin total fp temp Temporaalinen kohina on satunnaista ja saa vaihtelevia arvoja kuvasta toiseen (vrt. lumisade tv:ssä) Kiinteäkuvioinen kohina (fixed-pattern noise) on vakioista ja toistuu kuvasta toiseen tietyn mallin mukaisena (vrt. likainen ikkuna) Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Kohina: Kohinakomponenttien mittaus σave on n kuvan hajonnan keskiarvo σdiff on erotuskuvien keskimääräinen hajonta ISO 15739:003
Kohina: Kokonaiskohina (keskihajonta) mittaesimerkki Kokonaiskohina total (eli tasaisen kentän keskihajonta) on mitattu Canon EOS 30D kameralle sekä ISO 100 (vasen kuva) ja ISO 300 (oikea kuva) asetuksilla Esimerkki kohinakentistä, kun keskihajonta on, 4 ja 9 http://info.dxo.com/demokit_analyzer/page1.html http://www.dxomark.com/index.php/about/in-depth-measurements/measurements/noise
Kohina: Signaali-kohina-suhde, SNR, mittaesimerkki SNR on mitattu Canon EOS 30D kameralle sekä ISO 100 (vasen kuva) ja ISO 300 (oikea kuva) asetuksilla, RAW-kuvasta (ylhäällä) ja JPEG-pakatusta kuvasta (alhaalla) Kuvaprosessointiin sisältyvä kohinasuodatus voidaan havaita käyristä (SNR kasvaa) SNR kasvaa SNR kasvaa
Kohina: Visual noise mitta Visuaalinen kohinamitta (visual noise, VN) ottaa huomioon kohinaenergian taajuuden sekä värikanavan Mitataan samasta kohinakentästä kuin keskihajonta ja SNR VN suodattaa kohinaenergian kontrastinvastefunktiolla ja painottaa eri värikanavia eri painokertoimilla VN pyrkii mittaamaan tarkemmin sen mitä ihmissilmä havaitsee RGB XYZ Taajuussuodatus Vastaväriavaruus XYZ Luv Painotetut keskihajonnat 1.000L + 0.85u + 0.33v IE Analyzer v. 4.5.0 User Manual
Kohina: Visual noise mitta Kohinakenttä hajotetaan luminanssi- ja värikomponentteihin Eri kanavat suodatetaan kanavakohtaisilla kontrastinvastefunktioilla Luminanssi punaviherkanava sinikeltakanava Eri komponenttien suodatetut signaalit painotetaan eri kertoimilla Visual noise SPIE 78760Q
Kohina: kohinan havaittavuus luonnollisessa kuvassa Ongelma testikenttiin perustuvassa mittauksessa on mitta-arvon yhteys havaittuun laatuun luonnollisessa kuvassa Jos kuvan tärkeät alueet ovat tasaisia, niin kohina havaitaan helposti, mutta muussa tapauksessa se ei välttämättä häiritse, vaikka mitta-arvo olisikin suuri Kohinaa ei havaita Kohina havaitaan http://www.dxomark.com/index.php/about/in-depth-measurements/measurements/noise
OECF (opto-electronic conversion function) OECF määrittää kuvatason luminanssin ja kameran (RGB) digitaaliarvojen välisen suhteen; eli kameran sävyntoistoa Mitataan yleensä ennen muita mittauksia OECF-datan avulla tutkittavien kameroiden vasteet voidaan linearisoida, jolloin kameroiden vertailu on yksikäsitteisempää (eliminoi osittain kuvanprosessoinnin vaikutusta) Mittausmenetelmä ja -ympäristö määritetty standardissa ISO 1454 ISO 1454:1999
Sävyntoistokäyrän muoto OECF-käyrä ei oikeastaan määritä kameran suorituskykyä tai se ei ole suorituskykymitta; OECF-käyrä karakterisoi kameran toimintaa OECF-käyrä havainnoi sävyntoistoa tai kontrastia; oikeanpuoleisessa kuvassa on korkeampi kontrasti Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493- 3545-0.
Dynaaminen alue Dynaaminen alue, DR, karakterisoi kameran kykyä säilyttää samanaikaisesti yksityiskohdat sekä kuvan tummissa että vaaleissa kohdissa DR esitetään esim. suhteella (4096:1), desibeleinä (7 db), bitteinä (1 bittiä) tai f- stoppeina Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Dynaamisen alueen mittaaminen Heijastavan testikentän dynaaminen alue usein riittämätön kameran toistokyvyn mittaukseen (käytetään transmissiivista testikenttää) Toinen ongelma on määrittää kohta, jossa tumman pään yksityiskohdat eivät enää erotu Tumman pään intensiteetti määritetään usein perustuen SNR-arvoon (esim. ISO 15739 standardi määrittää, että SNR=1) SNR=1 http://www.imatest.com M. Vaahteranoksa (Nokia): Kurssin Kuvaus- ja näyttötekniikka luentokalvot, syksy 006
Värintoisto Värintoisto epäonnistunut: valkotasapainoalgoritmi laskenut väärän valkopisteen valkotasapaino laskettu oikein, mutta tulos ei miellytä käyttäjää (esim. kynttilänvalo) tarkka väritoisto, mutta tulos ei miellytä käyttäjää (esim. värikylläisyys liian matala) Usein mitataan kameran kykyä toistaa testikentän väriarvoja Usein käytössä GretagMacbeth, joka sisältää 4 värialuetta (mm. muistivärejä, kuten ihon väri, ruohon vihreä, taivaan sininen) http://www.dxomark.com/index.php/about/in-depth-measurements/measurements http://www.imatest.com/docs/colorcheck.html
Värintoisto: värieromitat 1 1 1 ) ( ) ( ) ( b b a a L L b a L E 1 1 1 b a b a C C C L 1 L L Luminanssiero: Värikkyysero: Sävyero: E värieron suuruus < 0, ei havaittavissa 0, 1,0 hyvin pieni 1,0 3,0 pieni 3,0 6,0 keskimääräinen > 6,0 suuri http://www.imatest.com/docs/colorcheck.html 1 1 1 1 ) ( ) ( ) ( b a b a b b a a C b a C L E H
Värintoisto: väriherkkyys Väriherkkyyden mitta määrittää kameran kyvyn erottaa luotettavasti pieniä värieroja Kahden värin eroteltavuus on luotettava, jos niiden välinen ero on suurempi kuin kohina-arvo Kuvissa on esitetty Nokia N70 kameran värierottelukykyä ab-tasolla eri väripisteille, kun valaistus oli 30 lux (vasen) ja 1500 lux (oikea) http://info.dxo.com/demokit_analyzer/page4.html
Värintoisto: Automaattisen valkotasapainoalgoritmin mittausmenetelmä Näkymään sijoitetaan tasavärinen kenttä sekä värimittakenttä Tasavärinen kenttä siirtää näkymän keskiarvoista sävyä joksikin muuksi kuin keskiharmaa Oikealla kuvassa tilanne jossa vastaavasti värijakautunut näkymä sekä väärin ja oikein tasapainotettu kuva http://scien.stanford.edu/cpiq/presentations/cpiq_holm_hubel.pdf
Tasaisuus (Uniformity/Vignetting/Shading) Yleensä kameran kuva on reunoilta tummempi kuin keskeltä Yleensä kuvanprosessointi kompensoi aina jonkin verran epätasaisuutta Matherson, K., Wueller, D. The Image Pipeline and How It Influences Quality Measurements Based on Existing ISO Standards, Kurssimateriaali, IS&T/SPIE 19th Annual Symposium, 8.1.007, San Jose, Kalifornia
Tasaisuus: mittausmenetelmä Tuotetaan kuva tasaisesti valaistulta pinnalta ja lasketaan intensiteettiero kulmien ja keskustan välillä Tasaisuutta voi arvioida myös visuaalisesti tuotetusta kuvasta, johon on merkattu mitatut suhteelliset intensiteettiarvot SPIE 006 [60690]
Tasaisuus: väritoiston tasaisuuden mittaus Esimerkki väritoiston epätasaisuudesta Väritoiston tasaisuutta voi mitata esimerkiksi tasaisen kentän värierosignaaleista (R-Y ja B-Y) QPIQ, white paper, I3A, 007
Aliasoituminen / vierastuminen / Moiré-ilmiö Diskreetti näytteistys aiheuttaa aliasoitumista, jos näytteenottotaajuus on matalampi kuin kohteessa esiintyvä spatiaalinen taajuus Kamerassa aliasoitumista aiheuttaa kuvaprosessointi ja etenkin kuvasensori Mosaiikkimatriisi aiheuttaa näkyvää värillistä vääristymää (color moiré), koska värien näytteenottotaajuus on matalampi kuin luminanssisignaalin Aliasoitumista pyritään estämään kuvasensorin eteen asetettavan optisen alipäästösuotimen avulla Vasen kuva on tuotettu matalammalla (koko systeemin) näytteenottotaajuudella kuin oikea kuva. http://www.dpreview.com/learn/?/glossary/digital_imaging/moire_01.htm
Moiré-ilmiö: mittausmenetelmä Väärien värien tuoton voimakkuutta voidaan arvioida (visuaalisesti) esimerkiksi mustavalkoisella korkeataajuisella testikentällä; CZP (circular zone-plate) CZP testikenttää käytetään erityisesti suunniteltaessa optisten alipäästösuotimien käyttöä kamerassa CZP testikenttä Kuva testikentästä ilman optista alipäästösuodinta Kuva testikentästä, kun optinen alipäästösuodin oli asennettu Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Pikselivirheet (pixel defect) Viallisessa pikselissä saattaa esiintyä: korkea pimeän virran taso ongelmia varauksen ulosluvussa matala herkkyys valon fotoneille tai kiinteä musta tai valkoinen signaali Jo valmistusvaiheessa tunnettujen viallisten pikselien signaali korvataan perustuen naapuripikselitietoon Mittaus voidaan toteuttaa kuvaamalla erilaisia pintoja ja määrittää tilastollisiin tekijöihin perustuen vialliset pikselit
Pikselien vuotaminen (Blooming/Smear) Saturoituneen pikselin varaus vuotaa naapuripikseleihin (huom! vain CCD-kennoissa) Joissakin tapauksissa saturoituneen pikselin varaus vuotaa myös siirtokanavaan muodostaen vertikaalisen kuvion Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Valkoisen leikkaantuminen/värien puute/sävytön musta (white clipping/lack of color/toneless black) Valkoisen leikkaantuminen tapahtuu, kun kohteen luminanssi on korkeampi kuin sensorin saturoitumistaso (eli pikseli saturoituu) Värien puute tapahtuu, kun yksi tai kaksi värikanavaa saturoituu, jolloin kuvaprosessointi muuttaa kohdan monokromaattiseksi välttäen muuten syntyvää vahvaa sävyvirhettä Sävytön musta tapahtuu, kun kameran tai kuvan esityslaitteen sävyntoisto ei riitä tumman pään yksityiskohtien toistoon, jolloin sävyinformaatiotakaan ei esitetä Kuvassa valkoinen on leikkaantunut Kuvassa on erityisen laaja dynaaminen alue Kuvassa tummien kohtien sävyt eivät toistu Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Linssiheijastus, haamukuvat (flare, ghost image) Optiikan sisäiset heijastukset saattavat aiheuttaa sekä koko kuvaan tasaista intensiteetin kasvua (flare) että haamukuvia (ghost image) Haamukuva aiheutuu, kun hajavalolla on jokin tietty malli Linssiheijastuksien mittaus esimerkiksi valoansan avulla: Linssiheijastus L( musta) L( valkoinen) Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0. http://www.imatest.com/docs/veilingglare.html
Geometriset vääristymät Tynnyri- (a) ja tyynyvääristymä (b) ovat tyypillisiä geometrisiä vääristymiä Kiinteäpolttovälisessä optiikassa vääristymät saavat vakioarvon, mutta vaihtuvapolttovälisessä optiikassa vääristymät riippuvat linssien asennosta Mittaus esimerkiksi kontrollipisteitä sisältävän testikentän avulla TV _ dist(%) ( A B) *100 B A A 1 A SMIA 1.0
Geometriset vääristymät: mittausmenetelmä Nokia N90
Geometriset vääristymät: esimerkkikuvia 1 Tynnyrivääristymä Tyynyvääristymä
Geometriset vääristymät: esimerkkikuvia Tynnyrivääristymä Tyynyvääristymä http://www.dpreview.com/
Kromaattinen aberraatio Kromaattinen aberraatio johtuu siitä, että valo taittuu materiaalien välillä aallonpituusriippuvaisesti Kromaattinen aberraatio esiintyy optisen keskipisteen ympärillä pitkittäisenä aiheuttaen resoluution laskua ja kuvan reunoilla poikittaisena aiheuttaen valon väristä riippuvan suurennuskertoimen http://www.dpreview.com/
Kromaattinen aberraatio: mittausmenetelmä Kromaattista aberraatiota voidaan mitata kuvaamalla testikenttää, joka sisältää mustia pisteitä valkoisella taustalla testikenttä Lasketaan ympyröiden keskipisteiden, Mr, Mg ja Mb, etäisyydet r, g ja b -kanavista Arvioidaan vääristymän suuruutta kuva-alan sijainnin funktiona puna-viher- sekä siniviher-siirtymille http://www.dxomark.com/index.php/about/in-depth-measurements/measurements/lca
Syvyysterävyys (depth of field) Syvyysterävyys määrittää etäisyysvälin, jossa epäterävyyttä ei vielä havaita (hajontaympyrä) Syvyysterävyysalue kasvaa aukkoluvun kasvaessa ja pienenee polttovälin kasvaessa Syvyysterävyyttä ei yleensä mitata, koska se voidaan laskea melko tarkasti optisten parametrien avulla suuri F-numero pieni F-numero Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Perspektiivi Perspektiivillä tarkoitetaan syvyyden tunnetta Telefoto pakkaa perspektiiviä ja laajakulma painottaa perspektiiviä Telefoto Laajakulma Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Signaalinprosessointiin liittyviä kohinalähteitä Kvantisointikohina syntyy A/D-muunnoksessa, kun analogiset arvot muutetaan diskreeteiksi tiettyjen kynnysarvojen perusteella Jos digitaaliseksi koodatun signaalin bittisyvyys on pieni, vaikuttaa kvantisointikohina merkitsevästi kuvanlaadussa kvantisointi 8 bittiä/väri kvantisointi 4 bittiä/väri kvantisointi 3 bittiä/väri Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493-3545-0.
Signaalinprosessointiin liittyviä kohinalähteitä Kvantisointikohinan mittaus ei yleensä sisälly digitaalikameroiden perusmittauksiin Eräs tapa on mitata suuri määrä eri sävytasoja ja määrittää portaiden lukumäärä
Signaalinprosessointiin liittyviä kohinalähteitä Pakkauskohinaa esiintyy etenkin korkeasti informatiivisissa kuvissa, jos kameran maksimitiedostokokoa on rajoitettu Pakkauskohina (JPEG-pakkauksen tapauksessa) tuottaa kuvaan blokkisuutta sekä reunojen suttaantumista Yoshida, H., Evaluation of Image Quality. Kirjassa Image Sensors and Signal Processing for Digital Still Cameras (Ed. Nakamura, J.). CRC Press 006. ISBN 0-8493- 3545-0.