25.8.2019Tieteellisessä tutkimuksessa tarkkojen ja luotettavien kuvien ottamisen kannalta datan laatu riippuu muustakin kuin pelkästä resoluutiosta tai kennon koosta. Yksi tärkeimmistä – mutta joskus unohdetuista – mittareista on signaali-kohinasuhde (SNR). Kuvantamisjärjestelmissä SNR määrittää, kuinka selvästi varsinainen signaali (hyödyllinen tieto) voidaan erottaa ei-toivotusta kohinasta.
Tieteellisissä kuvantamissovelluksissa, kuten mikroskopiassa, tähtitieteessä ja spektroskopiassa, huono signaali-kohinasuhde voi olla ratkaiseva tekijä himmeän kohteen havaitsemisessa ja sen täydellisessä ohittamisessa. Tässä artikkelissa tarkastellaan signaali-kohinasuhteen määritelmää, sen merkitystä, sen vaikutusta kontrastiin ja tieteellisen kameran valintaa ja optimointia tämän kriittisen mittarin perusteella.
Mikä on signaali-kohinasuhde ja miten se määritellään?
Signaali-kohinasuhde (SNR) on tärkein kuvanlaadun mittari, perustavanlaatuinen kuvan kontrastin kannalta ja usein hyödyllisin tekijä kameran herkkyyden määrittämisessä sovellukseesi.
Yritykset parantaa kameran herkkyyttä keskittyvät sekä kerätyn signaalin parantamiseen:
● Kvanttitehokkuuden parantamisen tai pikselikoon kasvattamisen kautta
● Kamerasta riippuvien kohinalähteiden vähentäminen
Kohinanlähteet kasautuvat yhteen, mutta olosuhteista riippuen yksi voi olla hallitseva, ja siihen tulisi keskittyä signaali-kohinasuhdetta (SNR) parannettaessa – joko optimoimalla asetuksia tai parantamalla valonlähteitä, optiikkaa ja kameroita.
Kuvia kuvataan usein yhdellä signaali-kohinasuhteella, esimerkiksi väittämällä, että kuvan signaali-kohinasuhde on '15'. Kuten nimestä käy ilmi, signaali-kohinasuhde riippuu kuitenkin signaalista, joka on luonnollisesti erilainen jokaiselle pikselille. Tästä syntyy kuvamme.
Kuvan signaali-kohinasuhde (SNR) viittaa tyypillisesti kuvan sisällä olevan kiinnostuksen kohteena olevan huippusignaalin SNR-suhteeseen. Esimerkiksi tummalla taustalla olevien fluoresoivien solujen kuvan SNR-arvo käyttäisi solun sisällä olevan kiinnostuksen kohteena olevan rakenteen pikseleiden signaali-kohinasuhdetta.
Koko kuvan signaali-kohinasuhteen keskiarvon ottaminen ei ole edustavaa. Fluoresenssimikroskopian kaltaisissa tekniikoissa, joissa tumma tausta ilman havaittuja fotoneja voi olla yleinen, näiden signaalista vapaiden pikseleiden signaali-kohinasuhde on nolla. Siksi mikä tahansa kuvan keskiarvo riippuisi siitä, kuinka monta taustapikseliä oli näkyvissä.
Miksi signaali-kohinasuhde on tärkeä tieteellisissä kameroissa
Tieteellisessä kuvantamisessa signaali-kohinasuhde vaikuttaa suoraan siihen, kuinka hyvin himmeitä yksityiskohtia voidaan tunnistaa, kvantitatiivista dataa mitata ja tuloksia toistaa.
●Kuvan selkeys– Korkeampi signaali-kohinasuhde vähentää rakeisuutta ja tekee hienoista rakenteista näkyviä.
●Tietojen tarkkuus– Vähentää mittausvirheitä intensiteettipohjaisissa kokeissa.
●Suorituskyky hämärässä– Välttämätön fluoresenssimikroskopiassa, syvän taivaan astrofotografiassa ja spektroskopiassa, joissa fotonien määrä on luonnostaan alhainen.
Käytätpä sittensCMOS-kameraJos kyseessä on nopea kuvantaminen tai jäähdytetty CCD pitkän valotusajan sovelluksissa, signaali-kohinasuhteen ymmärtäminen auttaa tasapainottamaan suorituskyvyn kompromisseja.
Miten signaali-kohinasuhde vaikuttaa kuvan kontrastiin
Kontrasti on kuvan vaaleiden ja tummien alueiden välinen suhteellinen intensiteettiero. Monissa sovelluksissa hyvä kuvan kontrasti kiinnostuksen kohteena olevilla alueilla on lopullinen tavoite.
Kuvauskohteeseen, optiseen järjestelmään ja kuvausolosuhteisiin liittyy monia tekijöitä, jotka ovat ensisijaisia kuvan kontrastin määrääviä tekijöitä, kuten linssin laatu ja taustavalon määrä.
●Korkea signaali-kohinasuhde→ Kirkkaiden ja tummien alueiden välinen selkeä ero; reunat näyttävät teräviltä; hienovaraiset yksityiskohdat pysyvät näkyvissä.
●Matala signaali-kohinasuhde→ Tummat alueet kirkastuvat kohinan vuoksi, kirkkaat alueet himmenevät ja kuvan kokonaiskontrasti tasoittuu.
Esimerkiksi fluoresenssimikroskopiassa alhainen signaali-kohinasuhde voi saada heikosti fluoresoivan näytteen sulautumaan taustaan, mikä tekee kvantitatiivisesta analyysistä epäluotettavaa. Tähtitieteessä himmeät tähdet tai galaksit voivat kadota kokonaan kohinaisessa datassa.
Kamerassa itsessään on kuitenkin myös muita tekijöitä, joista ensisijainen tekijä on signaali-kohinasuhde. Lisäksi, ja erityisesti hämärässä, kuvan intensiteetin skaalaus eli se, miten kuva näkyy näytöllä, vaikuttaa merkittävästi havaittuun kuvan kontrastiin. Jos kuvan tummilla alueilla on paljon kohinaa, automaattisten kuvan skaalausalgoritmien alaraja voi olla liian alhainen pieniarvoisten kohinaisten pikselien vuoksi, kun taas suuriarvoisten pikselien kohina nostaa ylärajaa. Tämä on syynä pieniarvoisten kuvien tyypilliseen "haalistuneeseen" harmaan ulkonäköön. Parempi kontrasti saadaan asettamalla alaraja kameran siirtymän mukaiseksi.
Tieteellisten kameroiden signaali-kohinasuhteeseen vaikuttavat tekijät
Useat suunnittelu- ja toimintaparametrit vaikuttavat kamerajärjestelmän signaali-kohinasuhteeseen:
Anturiteknologia
● sCMOS – Yhdistää alhaisen lukukohinan ja korkean kuvataajuuden, ihanteellinen dynaamiseen kuvantamiseen.
● CCD – Historiallisesti tarjoaa vähän kohinaa pitkillä valotusajoilla, mutta on hitaampi kuin nykyaikaiset CMOS-mallit.
● EMCCD – Käyttää sirulla tapahtuvaa vahvistusta heikkojen signaalien tehostamiseen, mutta voi aiheuttaa multiplikatiivista kohinaa.
Pikselikoko ja täyttökerroin
Suuremmat pikselit keräävät enemmän fotoneja, mikä lisää signaalia ja siten signaali-kohinasuhdetta.
Kvanttitehokkuus (QE)
Korkeampi QE tarkoittaa, että enemmän saapuvia fotoneja muuttuu elektroneiksi, mikä parantaa signaali-kohinasuhdetta.
Altistumisaika
Pidemmät valotusajat keräävät enemmän fotoneja, mikä lisää signaalia, mutta voi myös lisätä pimeän virran kohinaa.
Jäähdytysjärjestelmät
Jäähdytys vähentää pimeävirtaa, mikä parantaa merkittävästi signaali-kohinasuhdetta pitkillä valotusajoilla.
Optiikka ja valaistus
Korkealaatuiset linssit ja vakaa valaistus maksimoivat signaalin sieppauksen ja minimoivat vaihtelun.
Esimerkkejä eri huippu-SNR-arvoista
Kuvantamisessa PSNR viittaa usein pikselisaturaatioon suhteutettuun teoreettiseen maksimiin. Kuvauskohteiden, kuvausolosuhteiden ja kameratekniikan eroista huolimatta perinteisillä tieteellisillä kameroilla saman signaali-kohinasuhteen omaavilla kuvilla voi olla samankaltaisuuksia. Rakeisuuden aste, vaihtelu kuvasta toiseen ja jossain määrin myös kontrasti voivat kaikki olla samanlaisia näissä eri olosuhteissa. Siksi on mahdollista saada ymmärrys SNR-arvoista ja niiden aiheuttamista erilaisista olosuhteista ja haasteista edustavista kuvista, kuten taulukossa esitetyistä.
HUOMAUTUS: Kunkin rivin fotoelektronien huippusignaaliarvot on esitetty sinisellä. Kaikki kuvat näytetään automaattisella histogrammi-skaalalla, jossa 0,35 % kirkkaimmista ja tummimmista pikseleistä jätetään huomiotta (kyllästetään). Vasen kaksi kuvasaraketta: Linssipohjainen kuvantaminen kuvantamistestikohteesta. Oikea neljä saraketta: Suolinkaiset, jotka on tallennettu fluoresenssilla 10x mikroskooppiobjektiivilla. Kolme peräkkäistä kuvaa havainnollistaa pikseliarvojen vaihteluita alhaisemmilla signaali-kohinasuhteilla.
Näytetään sekä linssipohjainen kuva testikohteesta että fluoresenssimikroskopiakuva ja zoomattu näkymä fluoresoivasta kuvasta, joka näyttää vaihtelun kolmen peräkkäisen kuvan aikana. Myös fotoelektronien huippumäärä kullakin signaalitasolla on annettu.
Seuraava kuva näyttää näiden esimerkkikuvien täydelliset versiot viitteeksi.
Signaali-kohinasuhteen esimerkkitaulukossa käytetyt täysikokoiset kuvat
VasenLinssillä valokuvattu kuvantamistestikohde.
OikeaAscaris-sukkulamadon näyte fluoresenssimikroskopialla 10-kertaisella suurennuksella tarkasteltuna.
Signaali-kohinasuhde sovelluksissa
SNR on kriittinen monilla eri aloilla:
● Mikroskopia – Himmeän fluoresenssin havaitseminen biologisissa näytteissä vaatii korkeaa signaali-kohinasuhdetta väärien negatiivisten tulosten välttämiseksi.
● Tähtitiede – Kaukaisten galaksien tai eksoplaneettojen tunnistaminen vaatii pitkiä valotusaikoja ja minimoi kohinaa.
● Spektroskopia – Korkea signaali-kohinasuhde varmistaa tarkat huippuintensiteettimittaukset kemiallisessa analyysissä.
● Teollisuustarkastus – Hämärässä valaistuksessa käytettävillä kokoonpanolinjoilla korkea signaali-kohinasuhde auttaa havaitsemaan viat luotettavasti.
Tieteellisen kameran valitseminen oikealla signaali-kohinasuhteella
Uutta tieteellistä kameraa arvioitaessa:
●Tarkista signaali-kohinasuhteen tiedot– Vertaa dB-arvoja sovelluksesi kaltaisissa olosuhteissa.
●Tasapainota muut mittarit– Ota huomioon kvanttitehokkuus, dynaaminen alue ja kuvataajuus.
●Yhdistä teknologia käyttötapaukseen– Nopeasti kuvattaviin dynaamisiin kohtauksiin sCMOS-kamera voi olla ihanteellinen; erittäin hämärässä valaistuksessa oleviin staattisiin kohteisiin jäähdytetty CCD- tai EMCCD-kenno voi toimia paremmin.
●Yhteydet työnkulun tehokkuuden parantamiseksi– Vaikka ominaisuudet, kuten HDMI-lähtö, eivät vaikuta suoraan signaali-kohinasuhteeseen, ne mahdollistavat reaaliaikaisen kuvien tarkastelun, jolloin voit nopeasti varmistaa, että kuvausasetuksesi saavuttavat halutun signaali-kohinasuhteen.
Johtopäätös
Signaali-kohinasuhde (SNR) on keskeinen suorituskykymittari, joka vaikuttaa suoraan tieteellisten kuvien selkeyteen ja luotettavuuteen. SNR:n määritelmän, siihen vaikuttavien tekijöiden ja eri SNR-arvojen vaikutusten ymmärtäminen antaa tutkijoille ja teknisille käyttäjille mahdollisuuden arvioida kuvantamisjärjestelmiä tehokkaammin. Soveltamalla tätä tietoa – olipa kyseessä sitten uuden laitteen valintatieteellinen kameratai optimoimalla olemassa olevaa järjestelmää — voit varmistaa, että kuvantamistyönkulkusi tallentaa tiedot sovelluksesi edellyttämällä tarkkuudella.
Usein kysytyt kysymykset
Mitä pidetään "hyvänä" signaali-kohinasuhteena tieteellisissä kameroissa?
Ihanteellinen signaali-kohinasuhde riippuu sovelluksesta. Erittäin vaativaan, kvantitatiiviseen työhön – kuten fluoresenssimikroskopiaan tai tähtitieteeseen – suositellaan yleensä yli 40 dB:n signaali-kohinasuhdetta, koska se tuottaa kuvia, joissa on minimaalinen näkyvä kohina ja säilytetään hienot yksityiskohdat. Yleiseen laboratoriokäyttöön tai teollisiin tarkastuksiin 35–40 dB voi olla riittävä. Alle 30 dB:n arvot osoittavat tyypillisesti näkyvää rakeisuutta ja voivat heikentää tarkkuutta, erityisesti matalakontrastisissa tilanteissa.
Miten kvanttitehokkuus (QE) vaikuttaa signaali-kohinasuhteeseen (SNR)?
Kvanttitehokkuus mittaa, kuinka tehokkaasti anturi muuntaa tulevat fotonit elektroneiksi. Korkeampi kvanttihyötysuhde tarkoittaa, että enemmän käytettävissä olevaa valoa sieppaa signaalina, mikä parantaa signaali-kohinasuhdeyhtälön osoittajaa. Tämä on erityisen tärkeää hämärässä, jossa jokainen fotoni lasketaan. Esimerkiksi sCMOS-kamera, jonka kvanttihyötysuhde on 80 %, saavuttaa korkeamman signaali-kohinasuhteen samoissa olosuhteissa verrattuna anturiin, jonka kvanttihyötysuhde on 50 %, yksinkertaisesti siksi, että se sieppaa enemmän käyttökelpoista signaalia.
Mitä eroa on signaali-kohinasuhteella (SNR) ja kontrasti-kohinasuhteella (CNR)?
Signaali-kohinasuhde (SNR) mittaa kokonaissignaalin voimakkuutta suhteessa kohinaan, kun taas signaali-kohinasuhde (CNR) keskittyy tietyn ominaisuuden näkyvyyteen taustaansa nähden. Tieteellisessä kuvantamisessa molemmat ovat tärkeitä: signaali-kohinasuhde kertoo, kuinka "puhdas" kuva on kokonaisuudessaan, kun taas CNR määrittää, erottuuko tietty kohde riittävästi havaitsemista tai mittaamista varten.
Haluatko oppia lisää? Tutustu aiheeseen liittyviin artikkeleihin:
Kvanttitehokkuus tieteellisissä kameroissa: Aloittelijan opas
Tucsen Photonics Co., Ltd. Kaikki oikeudet pidätetään. Mainitse lähde lainatessasi:www.tucsen.com
