ສິ່ງທີ່ເອີ້ນວ່າ Signal-to-Noise Ratio? ມັນມີຜົນກະທົບຕໍ່ Embedded Vision ອີກແນວໃດ?

ຂ້າພະເຈົາບໍ່ຮູ້ວ່າທ່ານເคີຍຮູ້จັກຄວາມສັງຄະເນດຂອງອັດຕາສຽງຕໍ່ສຽງ (SNR) ຫຼືບໍ່? ຕົວທີ່ໄດ້ຮັບການສັมผัสກັບ ລະບົບວິຊຳແฝດ ຄວນຮູ້ວ່າລະບົບເຫຼົ່ານີ້ປະກອບດ້ວຍເຄົາະຖ່າມົນຟັງຊັ່ນສູງແລະເຊື່ອມໂສເພື່ອຊື່ນແລະປະมวลຜົນຂໍ້ມູນຮູບພາບແລະວີດີໂອ ແລະສະແດງຜົນການວິເຄາະແລະຄໍາຕອບໃນເວລາເທັນທີ່ ເຮັດໃຫ້ລາຍການເຫຼົ່ານີ້ນຳມາໃຊ້ໃນອຸດສາຫະກຳທີ່ເປັນທີ່ນິຍົມເຊັ່ນ ສາກົນແລະຄວາມປອດໄພ. ອັດຕາສຽງຕໍ່ສຽງແມ່ນປົນຫລັກທີ່ສາມາດໝາຍເຖິງຄວາມຖືກຕ້ອງ, ຄວາມໜຶ່ງແຂງ, ແລະຄວາມສຳເລັດຂອງລະບົບເຫຼົ່ານີ້.

ຫຼັງຈາກນັ້ນທ່ານຍັງສົງສະຫຼັບກ່ຽວກັບອັດຕາສຽງຕໍ່ສຽງ. ເຖິງວ່າທ່ານເคີຍຟັງມາແລ້ວ, ທ່ານບໍ່ຮູ້ວ່າມັນຄືຫຍັງ, ຄັນໄຫ້ຄິດໄລ່ຢ່າງໃດ, ແລະເປັນເຫດຜົນສຳຄັນຫຍັງ. ໃນບົດຄວາມນີ້, ພວກເຮົາຈະມາຮູ້ຈັກກ່ຽວກັບຄວາມສຳຄັນຂອງມັນໃນລະບົບວິຊຳແฝດ (ເຊັ່ນ ເຄົາະຖ່າສູງສົມບູรณະ, ອຸປະກອນຖ່າອັດຕະໂມັດ, ແລະອື່ນໆ).

ອັດຕາສຽງຕໍ່ສຽງແມ່ນຫຍັງ?

ສິ່ງທີ່ເອີ້ນວ່າ sn ratio ແມ່ນຫຍັງ? ອັດຕາສ່ວນສຽງ-ເຄື່ອງຂັບ (Signal-to-Noise Ratio) ຫຼື SNR ເປັນຄວາມແມ່ນແນ່ທີ່ຈຳນວນສຽງທີ່ຕ້ອງການ (desired signal) ໄດ້ຮັບການເปรັບເທົ່າໃຫ້ສຳພັນກັບສຽງເຫລືອງ (unwanted signal). SNR ເປັນສິ່ງທີ່ສຳຄັນໃນການເຊື່ອມໂຍງສຽງທີ່ມີຄວາມສຳຄັນກັບສຽງທີ່ມີຜົນກະທົບຕໍ່ລະບົບ, ໃນການແຍກແยะສຽງອອກ, ແລະ ໃນການເຮັດໃຫ້ລະບົບອອກມາມີຄວາມສຳເລັດ.

ອັດຕາສ່ວນສຽງ-ເຄື່ອງຂັບ (Signal-to-noise ratio) ຖືກແບບລົງໃນຮູບແບບເດຊີເບວ (dB). ຄ່າຂອງອັດຕາສ່ວນສຽງ-ເຄື່ອງຂັບ ທີ່ສູງກວ່າ ໄດ້ເປັນການສະແດງວ່າລະບົບອອກມາດີກວ່າ. ໃນວິສາຍທີ່ເຂົ້າໄປໃນລະບົບ (embedded vision), ສຽງແມ່ນຂໍ້ມູນທີ່ຖືກເກັບໂດຍອຸປະກອນ, ເຊິ່ງສາມາດມີຂໍ້ມູນທີ່ລະບົບຕ້ອງການ. ບັນຫາທີ່ເກີດຂຶ້ນຈາກເຄື່ອງຂັບ (noise) ແມ່ນເຫດຜົນພິเศດທີ່ມາຈາກອຸປະກອນອື່ນໆ ເຊັ່ນ ອຸປະກອນເຄື່ອນໄຫວ, ວິບວັນ, ແລະ ອື່ນໆ. ຖ້າຜົນກະທົບຂອງເຄື່ອງຂັບຕໍ່ສຽງນ້ອຍ, ອັດຕາສ່ວນ SNR ຈະສູງ, ແລະ ມີຂໍ້ມູນທີ່ມີຄວາມສຳຄັນຫຼາຍຂຶ້ນ, ເຊິ່ງເພີ່ມຄຸณະພາບແລະຄວາມໜັກໜ່ວງຂອງຂໍ້ມູນ. ເປັນຕົ້ນ, 90dB ເປັນຄ່າທີ່ດີກວ່າ 50dB.

ແ]=> ຖົ່ວໃຫຍ່ຄິດໄລ່ SNR? ຄຳນວນສັນພາບສຽງຕໍ່ເສີມ (SNR) ບໍ່ສາມາດໃຊ້ສູດແລະຜົນການຄິດໄລ່ຈະຖືກສະແດງໂດຍໃຊ້ເດຊີເບວ:

ສູດອັດຕາສ່ວນ s/n: SNR = 20 * log10 (ຄວາມກວ້າງຂອງສັນຍານ / ຄວາມກວ້າງຂອງສຽງ)

ທີ່ Signal Amplitude ແມ່ນຄວາມແຂງແຮງຂອງຮູບພາບຫຼືຂໍ້ມູນວີດີໂອ ແລະ Noise Amplitude ແມ່ນຄວາມແຂງແຮງຂອງເສີມທີ່ໝາຍເຖິງຂໍ້ມູນ.

ເປັນເ avalia ທີ່ສັນພາບສຽງຕໍ່ເສີມສຳຄັນໃນວິສາຍພັນທີ່ເຂົ້າໃນ?

ສັນພາບສຽງຕໍ່ເສີມສຳຄັນເພາະວ່າມັນມີຜົນກະທົບທີ່ແທ້ຈິງຕໍ່ຄຸນພາບຂອງຮູບພາບແລະຂໍ້ມູນວີດີໂອ ແລະຄວາມຖືກຕ້ອງແລະຄວາມໜຶ່ງຄືນຂອງຜົນການວິເຄາະ. ພາຍໃນການລົງທືນວິສາຍພັນທີ່ເຂົ້າໃນ, ເຊັ່ນການປະมวลຜົນທີ່边缘 (edge processing), ເຊັ່ນການນັບຄົນແລະການຮັບຮູ້ວັດຖຸ, SNR ສູງຈະມີຜົນກະທົບທີ່ດີໃນການລົບເສີມອອກຈາກຮູບພາບແລະສະແດງຜົນການທີ່ชັດເຈັນ. ແລະໃນalgorithm ເຊັ່ນ machine learning ແລະ artificial intelligence, SNR ສູງຈະສາມາດເພີ່ມຄວາມຖືກຕ້ອງຂອງການປະมวลຜົນຂໍ້ມູນແລະລົບລົ້ມຜົນຜົນທີ່ຜິດພາດ. ໂດຍດຽວ, ເພື່ອ low-light camera modules , ມັນສາມາດສະແດງຜົນກະທົບຂອງເສີມຕໍ່ຄຸນພາບຂອງຮູບພາບໄດ້ຢ່າງ楚.

ຜົນກະທົບຂອງເສີມຕໍ່ຂໍ້ມູນວິສາຍພັນ

ຄວາມສົ່ງເສີນ (Noise) ເປັນສິ່ງທີ່ບໍ່ຕ້ອງການໃນຮູບແບບຫຼືຂໍ້ມູນວີດີໂອ, ເຊັ່ນ ຄວາມບ່ອນແຍ່, quantum noise, pixelation, ແລະອື່ນໆ, ທີ່ສາມາດເຮັດໃຫ້ຂໍ້ມູນຜິດພາດໄດ້. ຄວາມສົ່ງເສີນເຫຼົ່ານີ້ຈະຫຼຸດລົງຄວາມສະແດງຂອງຂໍ້ມູນ ແລະເຮັດໃຫ້ລະບົບສຳຫຼັບການເອົາອອກແລະການประมวลຜົນຂໍ້ມູນທີ່ມີຄ່າໃຊ້ยากຂຶ້ນ. ມັນຍັງເພີ່ມຂຶ້ນຄວາມໃຫຍ່ແລະຄວາມຕ້ອງການ bandwidth ຂອງຂໍ້ມູນ. ຄວາມສົ່ງເສີນໃນ Embedded Vision ແມ່ນอะไร?

ຜົນກະທົບຂອງຄ່ວາມສົ່ງເສີນ (Signal to Noise Ratio) ສຳລັບຄວາມສຳເລັດຂອງລະບົບ Embedded Vision

ລະດັບຄວາມສົ່ງເສີນ: SNR ທີ່ຕ່ຳຈະເພີ່ມຄວາມສົ່ງເສີນ, ເຮັດໃຫ້ລະບົບສຳຫຼັບການເອົາອອກຂໍ້ມູນທີ່ມີຄ່າໃຊ້ຍາກຂຶ້ນ.
Dynamic Range: ລະດັບ SNR ໄດ້ສີ້ແຫຼງກັບ Dynamic Range ຂອງລະບົບ, ທີ່ເປັນຄ່ວາມສຳພັນຂອງສ່ວນທີ່ແສງສຸດແລະສ່ວນທີ່ໜ້າສຸດ. SNR ທີ່ຕ່ຳຈະເຮັດໃຫ້ລະບົບສຳຫຼັບການແຍກແຕກຕ່າງກັນຂອງຄວາມແສງແລະຄວາມແຕກຕ່າງຍາກຂຶ້ນ.
ຄວາມແยກແยะແລະຄວາມชัดเจນ: SNR ທີ່ຕ່ຳຈະເຮັດໃຫ້ການรູ້ຈັກອົງປະກອບໄດ້ຮັບຜົນກະທົບ ເຖິງວ່າ SNR ທີ່ສູງຊ່ວຍໃຫ້ເພີ່ມຄວາມແยກແຍ່ງແລະຄວາມชัดຂອງຮູບພາບ, ເຮັດໃຫ້ລາຍລະອຽດເຫຼົ່ານັ້ນເຫັນໄດ້ຢ່າງຊື່ງແລະຊ່ວຍໃຫ້ອັລກໍຣິທີມການກວດສອບແຜນພື້ນ.

ມີສຳພັນໃນຫລັງກັນແหว່ນລະຫວ່າງ SNR ແລະຄຸນສິດຂອງເຄື່ອງຖ່າຍຮູບຫຼືບໍ່?

SNR ບໍ່ໄດ້ສີ້ດສານການເຫັນເຫຼົ່ານັ້ນເທົ່ານັ້ນ, ມັນມີສຳພັນຢ່າງໜຶ່ງກັບຄຸນສິດຫຼາຍໆຂອງເຄື່ອງຖ່າຍຮູບ. ຄຳຮຸ້ງໃນການເຂົ້າໃຈວ່າຄຸນສິດເຫຼົ່ານັ້ນສີ້ດສານ SNR ໄດ້ແນວໃຫ້ຜົນການເຫັນທີ່ດີກວ່າ.

Dynamic Range: Range ດື່ມທີ່ດີສາມາດເກັບສີສາມາດໄດ້ຫຼາຍ, ທີ່ດີສຳລັບການໄດ້ຮັບ SNR ທີ່ດີກວ່າໃນລະດັບຄວາມແສງທີ່ແຕກຕ່າງກັນ, ແລະສາມາດແຍກລາຍລະອຽດໃນເຂດແສງແລະເຂດໝໍໄດ້ດີກວ່າ.

ຄວາມຍິ່ງຍອນ ISO: ISO ທີ່ສູງຍິ່ງຍອນສິ່ງເຫຼົ່ານັ້ນ, ເຖິງແມ່ນວ່າມັນຍິ່ງຍອນຄວາມເສີຍ, ເພີ່ມຄວາມຕ່ຳຂອງ SNR. ISO ທີ່ຕ່ຳໃຫ້ຄວາມສຳພັນຂອງຄວາມເສີຍທີ່ດີ, ແຕ່ຕ້ອງການຄວາມແສງທີ່ດີກວ່າສຳລັບການເປີດ.

ຄວາມເວົ້າຂອງ快ໜຸ່ມ: ຄວາມເรົ່າຂອງ shutter ຄັດຫຼຸ້ມການຍ້າຍທີ່, ແຕ່ຕ້ອງການ aperture ຫຼາຍຫຼິ້ນ ຫລື ISO ທີ່ແປກໄວ້, ທີ່ສີ້ດັ່ງນັ້ນບໍ່ພຽງພ້ອມ. shutter ຄວາມເລັກໃນຄວາມໜ້າຮ້າຍຜົນຈະໄດ້ຮັບ SNR ດັ່ງນັ້ນເນື່ອງຈາກການເພີ່ມຂຶ້ນຂອງ exposure.

ຂະໜາດເຊື່ອມເສີມ: ເຊື່ອມໂຍງທີ່ໃຫຍ່ກວ່າ ພິກเซลກໍ່ໃຫຍ່ກວ່າ, ພິກເຊີນທີ່ຖືກຊື່ມາ ແລະ ອັງການຫຼາຍກວ່າ ສາມາດຖືກເອົາໄປເພື່ອເປັນຄວາມສຳເລັດທີ່ດີກວ່າ ratio ຂອງສິ້ງທີ່ເປັນເຫດເປັນຜົນ. ໃນການກ້າວກັບ, ພິກເຊີນນ້ອຍສາມາດເຮັດໃຫ້ເສີຍສານ ແລະ ອັດຕາສ່ວນ SNR.

Algorithm ການປະมวลຜົນຮູບພາບ: algorithm ການປະມວນຜົນຮູບພາບຂັ້ນສູງສາມາດຫຼຸດເສີຍສານທີ່ບໍ່ຕ້ອງການ ແລະ ຕື່ມ SNR ເນື່ອງຈາກການຮັກษาລາຍລະອຽດຂອງຮູບພາບ.

ຂະໜາດຂອງ aperture: ຂະໜາດຂອງ aperture ທີ່ໃຫຍ່ກວ່າ, ປະເທດທີ່ຫຼາຍກວ່າ, ຢ່າງເປັນການຊ່ວຍເຫຼືອໃນການປຸງ ratio snr. ຂະໜາດຂອງ aperture ທີ່ນ້ອຍກວ່າ, ການເວລາທີ່ຕ້ອງການການເປີດຫຼາຍກວ່າ, ທີ່ເຂົ້າມາຫຼາຍກວ່າ noise.

ເປັນເຫດໃຫ້ເວລາ exposure ອັດຕາສ່ວນ SNR?

ເວລາການສະແດງກ็เป็นปัจจัยสำคัญใน SNR เช่นกัน โดยกำหนดว่าเซนเซอร์จะรับแสงนานเท่าใด การเพิ่มเวลากาการสัมผัสแสงสามารถเพิ่มจำนวนโฟตอนที่ถูกจับได้ ซึ่งตามทฤษฎีแล้วจะเพิ่มความแรงของสัญญาณและปรับปรุงอัตราส่วนสัญญาณต่อเสียงรบกวน อย่างไรก็ตาม อาจทำให้เกิดเสียงรบกวนจากโฟตอนและอิเล็กตรอนมากขึ้น โดยเฉพาะอย่างยิ่งที่อุณหภูมิสูงหรือระหว่างการสัมผัสแสงเป็นเวลานาน ซึ่งอาจลดคุณภาพของภาพลง

จากข้อมูลด้านบน เราสามารถสรุปได้ว่า สัญญาณ (s) เป็นสัดส่วนของจำนวนโฟตอนที่รวบรวมได้ในช่วงเวลาการสัมผัสแสง โดยคำนวณได้จากการคูณความเข้มของแสง (I) และเวลาการสัมผัสแสง (t):

เมื่อพิจารณาถึงความเข้มของโฟตอนที่ตกกระทบ เสียงรบกวนจากการกระจายโฟตอน (photon scattering noise เป็นประเภทหนึ่งของเสียงรบกวนที่มีอยู่ในระบบใด ๆ ที่นับแสงในหน่วยแยกส่วน (เช่น โฟตอน)) ก็ปรากฏออกมา อัตราส่วนสัญญาณต่อเสียงรบกวนเนื่องจากเสียงรบกวนจากการกระจายโฟตอน (SNR_Shot) กำหนดโดยสมการต่อไปนี้:

ເມື່ອເວລາການເສຍແຜ່ນຍາວຂຶ້ນ, ຈຳນວນຝູ້ງພັນ (N) ທີ່ຖືກຊື້ມາກໍ່ເພີ່ມຂຶ້ນ, ແລະ ສິ້ງທີ່ເປັນສິ້ງ (S) ກໍ່ເພີ່ມຂຶ້ນ. ລົບຮຸ້ນຂອງສິ້ງ ( √S ) ກໍ່ເພີ່ມຂຶ້ນ. ນີ້ຄ້າຍກັບວ່າໃນກະແນນທີ່ມີສຽງເສຍແຜ່ນ, ອັດຕາສິ້ງຕໍ່ສຽງເພີ່ມຂຶ້ນກັບລົບຮຸ້ນຂອງເວລາການເສຍແຜ່ນ.

ຄຳແນະນຳບາງຢ່າງທີ່ມີຄວາມສຳຄັນເພື່ອປຸງປິດ SNR ໃນ embedded vision

ຈາກສິ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ຂ້າພະເຈົາສາມາດເຫັນວ່າການຫຼຸດສຽງຫຼືປຸງປິດຄຸณະພາບຂອງສິ້ງສາມາດເປັນການປຸງປິດທີ່ມີຄວາມສຳເລັດໃນການປຸງປິດ SNR. ເພື່ອນີ້ພວກເຮົາສາມາດມາກັບຄຳແນະນຳການປຸງປິດທີ່ມີຄວາມສຳຄັນ:

• ສໍາລັບການປຸງປິດຄວາມແຂງຂອງສິ້ງ. ແຕ່ຫຼິ້ນການປຸງປິດຫຼາຍเกີນໄປເພື່ອປ້ອງກັນການເພີ່ມຂຶ້ນຂອງສຽງ, ເຊິ່ງສົ່ງຜົນໃຫ້ບໍ່ມີການປຸງປິດທີ່ມີຄວາມສຳຄັນໃນຮູບພາບ.
• ປຸງປິດສານຍະການຂອງເຄື່ອງໝາຍເມື່ອຊື້ຫຼືແປງແປງເຄື່ອງໝາຍ. ການໃຊ້ແຜນການອີງຕົ້ນທີ່ດີສາມາດສົ່ງຜົນໃຫ້ມີຄວາມສຳເລັດທີ່ດີກວ່າໃນການເອົາຮູບ.
• ໃຊ້ເຊື້ອທີ່ມີຄຸນະພາບດີ. ເຊື້ອຮູບທີ່ມີຄຸນະພາບດີແລະມີສຽງອ່ອນໃນການອ່ານສາມາດຫຼຸດສຽງແລະປຸງປິດ SNR.
• ການອອກແບບความຮ່ອນທີ່ມີຄວາມເປັນສະຫງົບຕໍ່ລົງອຸນຫະພູມຂອງເຊື້ອຍແລະລົບລ້ຽວຮູບແບບອື່ນໆ ເຊິ່ງເປັນໄປດັ່ງໃນ noise thermal.
• ເປັນການຈັດການຕັ້ງຄ່າເຄື່ອງຖ່າຍຮູບ, ເຊັ່ນ ເວລາການເຜົ່າແລະຄວາມເรັ້ວຂອງເຊື້ອ, ເພື່ອລົບລ້ຽວໃນການຖ່າຍຮູບທີ່ດີທີ່ສຸດ.

ສະຫຼຸບ

ອັດຕາສິ່ງທີ່ເປັນສິ່ງທີ່ສຳຄັນທີ່ສີ້ງຜົນກັບລະບົບວິຊູອັນເຂົ້າ, ທີ່ສີ້ງຜົນກັບຄຸນພາບຂອງຮູບພາບ, ແລະຂໍ້ມູນວິດີໂອ, ແລະຄວາມຖືກຕ້ອງແລະຄວາມໜຶ່ງຄືກັນຂອງຜົນການວິເຄາະ. ພວກເຮົາຢາກໃຫ້ຜ່ານບົດຄວາມນີ້, ພວກເຮົາສາມາດເຂົ້າໃຈຄວາມສຳຄັນຂອງອັດຕາສິ່ງທີ່ເປັນ, ຄຳແນະນຳທີ່ສີ້ງຜົນ, ແລະ ຕັ້ງແຕ່ວິທີການເພີ່ມຂຶ້ນ, ເພື່ອໃຫ້ພວກເຮົາສາມາດເປັນການເປັນການປຸງປົມລະບົບວິຊູອັນເຂົ້າຂອງພວກເຮົາ, ແລະ ເປັນຜົນການທີ່ດີກວ່າ.

ຖ້າທ່ານຕ້ອງການຊ່ວຍເຫຼືອ, ຫຼື ສັ່ງເຮັດເຄື່ອງຖ່າຍຮູບທີ່ມີຄວາມລົບລ້ຽວຕໍ່, ແລະ ອັນເຂົ້າໃນລະບົບວິຊູອັນເຂົ້າຂອງທ່ານ, ກະລຸນາຕິດຕໍ່. ຕິດຕໍ່ພວກເຮົາ .