૨૨/૦૪/૨૨ડાર્ક સિગ્નલ નોન-યુનિફોર્મિટી (DSNU) એ કેમેરાની છબીની પૃષ્ઠભૂમિમાં સમય-સ્વતંત્ર ભિન્નતાના સ્તરનું માપ છે. તે પૃષ્ઠભૂમિ છબીની ગુણવત્તાનો એક રફ આંકડાકીય સંકેત પૂરો પાડે છે, જે ક્યારેક હાજર હોઈ શકે તેવા પેટર્ન અથવા માળખાના સંદર્ભમાં હોય છે.
ઓછા પ્રકાશમાં ઇમેજિંગ કરતી વખતે, કેમેરાની પૃષ્ઠભૂમિ ગુણવત્તા એક મહત્વપૂર્ણ પરિબળ બની શકે છે. જ્યારે કેમેરા પર કોઈ ફોટોન ન આવે, ત્યારે મેળવેલી છબીઓ સામાન્ય રીતે 0 ગ્રે લેવલ (ADU) ના પિક્સેલ મૂલ્યો પ્રદર્શિત કરશે નહીં. 'ઓફસેટ' મૂલ્ય સામાન્ય રીતે હાજર હોય છે, જેમ કે 100 ગ્રે લેવલ, જે કેમેરા જ્યારે પ્રકાશ ન હોય ત્યારે પ્રદર્શિત કરશે, માપન પર અવાજના પ્રભાવને વત્તા અથવા ઓછા કરશે. જો કે, કાળજીપૂર્વક માપાંકન અને સુધારણા વિના, આ નિશ્ચિત ઓફસેટ મૂલ્યમાં પિક્સેલથી પિક્સેલમાં થોડો તફાવત હોઈ શકે છે. આ વિવિધતાને 'ફિક્સ્ડ પેટર્ન નોઇઝ' કહેવામાં આવે છે. DNSU આ નિશ્ચિત પેટર્ન નોઇઝની હદ દર્શાવે છે. તે ઇલેક્ટ્રોનમાં માપવામાં આવતા પિક્સેલ ઓફસેટ મૂલ્યોના પ્રમાણભૂત વિચલનનું પ્રતિનિધિત્વ કરે છે.
ઘણા ઓછા પ્રકાશવાળા ઇમેજિંગ કેમેરા માટે, DSNU સામાન્ય રીતે 0.5e- ની આસપાસ હોય છે. આનો અર્થ એ છે કે મધ્યમ અથવા ઉચ્ચ પ્રકાશવાળા એપ્લિકેશનો માટે જેમાં પ્રતિ પિક્સેલ સેંકડો અથવા હજારો ફોટોન કેપ્ચર કરવામાં આવે છે, આ અવાજનું યોગદાન બિલકુલ નહિવત્ છે. ખરેખર, ઓછા પ્રકાશવાળા એપ્લિકેશનો માટે પણ, DSNU કેમેરાના રીડ નોઇઝ (સામાન્ય રીતે 1-3e-) કરતા ઓછું હોય તો, આ નિશ્ચિત પેટર્નનો અવાજ છબી ગુણવત્તામાં ભૂમિકા ભજવે તેવી શક્યતા નથી.
જોકે, DSNU ફિક્સ્ડ પેટર્ન અવાજનું સંપૂર્ણ પ્રતિનિધિત્વ નથી, કારણ કે તે બે મહત્વપૂર્ણ પરિબળોને કેપ્ચર કરવામાં નિષ્ફળ જાય છે. પ્રથમ, CMOS કેમેરા આ ઓફસેટ ભિન્નતામાં સ્ટ્રક્ચર્ડ પેટર્ન પ્રદર્શિત કરી શકે છે, ઘણીવાર પિક્સેલ્સના કૉલમના સ્વરૂપમાં જે તેમના ઑફસેટ મૂલ્યમાં એકબીજાથી અલગ હોય છે. આ 'ફિક્સ્ડ પેટર્ન કૉલમ અવાજ' અવાજ આપણી આંખને અનસ્ટ્રક્ચર્ડ અવાજ કરતાં ઘણો વધુ દેખાય છે, પરંતુ આ તફાવત DSNU મૂલ્ય દ્વારા રજૂ થતો નથી. આ કૉલમ કલાકૃતિઓ ખૂબ ઓછા પ્રકાશની છબીઓની પૃષ્ઠભૂમિમાં દેખાઈ શકે છે, જેમ કે જ્યારે પીક ડિટેક્ટેડ સિગ્નલ 100 ફોટો-ઇલેક્ટ્રોન કરતા ઓછો હોય છે. 'બાયાસ' છબી જોવાથી, કેમેરા પ્રકાશ વિના જે છબી ઉત્પન્ન કરે છે, તે તમને સ્ટ્રક્ચર્ડ પેટર્ન અવાજની હાજરી તપાસવાની મંજૂરી આપશે.
બીજું, કેટલાક કિસ્સાઓમાં, ઓફસેટમાં માળખાગત ભિન્નતા સમય-આધારિત હોઈ શકે છે, એક ફ્રેમથી બીજા ફ્રેમમાં બદલાય છે. જેમ કે DSNU ફક્ત સમય-સ્વતંત્ર ભિન્નતા બતાવે છે, આ શામેલ નથી. બાયસ છબીઓનો ક્રમ જોવાથી તમે સમય-આધારિત માળખાગત પેટર્ન અવાજની હાજરી તપાસી શકશો.
જોકે, નોંધ્યું છે તેમ, DSNU અને પૃષ્ઠભૂમિ ઓફસેટ ભિન્નતાઓ મધ્યમ-થી-ઉચ્ચ-પ્રકાશ એપ્લિકેશનો માટે પિક્સેલ દીઠ હજારો ફોટોન સાથે મહત્વપૂર્ણ પરિબળ રહેશે નહીં, કારણ કે આ સંકેતો ભિન્નતાઓ કરતા ઘણા મજબૂત હશે.
