Camera Characterization System Calibration and Verification

Abstract

Miniature cameras are common in today's smartphones and other mobile devices. Achieving optimal image quality with such cameras requires elaborate characterization measurements done on the camera in laboratory conditions. The mobile phone company Nokia - and later Microsoft - has built an automated characterization system to perform these measurements.

The quality of the characterization measurements done with this system depends on accurate calibration of the system. Calibration of this system has been tedious manual work, and the process has not been thoroughly documented. The goal of this research was to automate and improve the calibration process using the company's own software platform Mobile Imaging Playground (MIP). The measurement devices were integrated into MIP and all the calibration procedures were implemented as MIP plugins. A high quality spectroradiometer was used as a reference for the calibration. Multiple metrics were explored to evaluate the accuracy of the final system calibration and match to the reference. Uncertainties of the different calibration phases were also analyzed.

For spectrally continuous and relatively smooth illuminants the calibration accuracy was high. Fluorescent spectra with narrow peaks were more problematic. Part of the problem can be attributed to the sparse sampling of the reference device, which causes the fluorescent peaks to be undersampled, so in reality the calibration results are most likely better than this. Keeping this in mind, reproduction of the fluorescent spectra after calibration can be considered at least colorimetrically accurate.

The study proposed some future possibilities to improve the calibration process, for example by using a more suitable reference device and implementing some kind of bandpass correction.

Pienoiskamerat ovat yleisiä nykypäivän älypuhelimissa ja muissa mobiililaitteissa. Parhaan mahdollisen kuvanlaadun saavuttaminen näillä kameroilla vaatii tarkkoja karakterisointimittauksia laboratorio-olosuhteissa. Matkapuhelimia valmistava yritys Nokia - ja myöhemmin Microsoft - on rakentanut automatisoidun kamerakarakterisointijärjestelmän näiden mittausten suorittamiseen.

Karakterisointijärjestelmä tuottaa synteettisiä eri valonlähteiden spektrejä. Karakterisointimittausten laatu riippuu järjestelmän eri komponenttien kalibroinnin tarkkuudesta eli tarkkuudesta, jolla järjestelmä kykenee toistamaan ja mittaamaan halutun spektrin. Tämän tutkimuksen lähtökohtana olevan järjestelmän kalibrointi on ollut hidasta käsityötä, ja prosessia ei ole dokumentoitu kovin tarkasti. Tutkimuksen tavoite oli automatisoida ja parantaa kalibrointiprosessia yrityksen omaa ohjelmistoalustaa Mobile Imaging Playgroundia (MIP) käyttäen. Korkealaatuista spektroradiometriä käytettiin referenssilaitteena kalibrointityössä. Lopullisen kalibrointilaadun arvioimiseksi käytettiin useita aiempien tutkimusten perusteella määritettyjä mittoja. Kalibrointivaiheiden epävarmuustekijöiden vaikutuksia ja suuruutta tutkittiin myös.

Spektraalisesti jatkuvien ja verrattain tasaisten valonlähteiden kohdalla lopullisen kalibroinnin tarkkuus osoittautui erittäin hyväksi. Loisteputkivalonlähteet, joiden spektri on piikikäs, toistuivat kalibroinnin jälkeen huonommin kuin jatkuvaspektriset valonlähteet. Tämä johtui luultavasti referenssilaitteen harvasta näytteistyksestä, joka aiheuttaa terävien spektripiikkien alinäytteistymistä. Todellisuudessa loisteputkivalonlähteiden kalibroinnin laatu on siis luultavasti parempi kuin tulokset antavat ymmärtää, ja kalibrointia voidaan pitää kolorimetrisesti tarkkana.

Työssä esitetään myös tulevaisuutta silmällä pitäen muutamia parannusehdotuksia kalibrointiprosessiin, kuten paremman referenssilaitteen valinta ja jonkinlaisen kaistanpäästökorjauksen toteutus.