W przypadku mikroskopii często testujemy kamery. Ponieważ moje aplikacje wymagają bardzo niskiego stosunku sygnału do szumu, ważne jest, aby szum był wolny od korelacji i wzorców, ponieważ lokalna korelacja naprawdę odróżnia sygnał od tła.
Aby przetestować hałas, zwykle uzyskuję serię ~ 100 ciemnych klatek, tj. Klatek, w których żadne zewnętrzne światło nie uderza w kamerę, określam stały wzór kamery poprzez uśrednianie czasu i odejmuję go od serii.
Obserwowałem wzorce w hałasie, biorąc po prostu odchylenie standardowe dla każdego piksela w czasie i patrząc na wynikowy obraz (gdzie np. Różne rzędy / kolumny kamery miały różne odchylenia standardowe szumu), i robiąc rzędy i kolumny korelacja krzyżowa (gdzie zauważyłem dla niektórych kamer z przeplotem, że szum był skorelowany między każdym innym rzędem).
Pierwszy z tych testów ma wyłącznie charakter jakościowy, a drugi daje mi (względnie) globalne korelacje. Czy istnieją lepsze (i szybsze?) Sposoby ustalenia, czy w szumie kamery występuje korelacja lub wzorzec dynamiczny?
Odpowiedzi:
Gdybym był tobą, po prostu wziąłbym dużą liczbę bez sygnału, gdzie nie mierzysz żadnego prawdziwego sygnału. Przeprowadź go przez wszystkie posiadane algorytmy identyfikacji i sprawdź, czy coś widzisz. Jeśli tak, musisz martwić się o korelacje.
Myślę, że może brakować tego, że korelacja nie zawsze oznacza fałszywe wykrycie, szczególnie jeśli masz solidny algorytm dla tego rodzaju hałasu.
źródło