Premium-Smartphone-Kameras wie die des iPhones haben klassische Fotokameras weitgehend ersetzt. Dank immer besserer Hardware, intelligenter Algorithmen und Künstlicher Intelligenz (KI) ist die Bildqualität inzwischen auf einem überragenden Level angekommen. Doch wie weit lässt sich mit dem richtigen Wissen die Bildqualität eines kleinen Low-Cost-Kameramoduls auf das Level eines iPhone 15 Pro heben? Da sich die Fachleute bei Helbling mit dieser Frage immer wieder konfrontiert sehen, haben sie umfangreiche Tests und Versuche durchgeführt. Die Ergebnisse werden bereits in aktuellen Helbling-Projekten für Kunden umgesetzt.
Ausgangslage: Erwartungen wachsen mit dem Fortschritt
Der technische Fortschritt hat Smartphone-Kameras, die ohnehin immer in der Tasche stecken, mittlerweile eine Top-Bildqualität beschert. Denken Sie an Ihre letzten Ferien – die Sehenswürdigkeiten der Welt werden kaum mehr mit klassischen Kompaktkameras fotografiert, auch teure Systemkameras werden immer seltener: Handykameras dominieren das Geschehen. In diesem Zuge ist auch die Erwartungshaltung in Bezug auf qualitativ hochwertige Kamerabilder in den letzten Jahren immer weiter gestiegen. Gleichzeitig erkennt Helbling bei Kundenanfragen den Trend, dass von Kamerasystemen eine herausragende Bildqualität erwartet wird – auch im unteren Preissegment. Dabei geht es um Kosten im einstelligen Dollar-Segment für ein Kameramodul, bestehend aus Bildsensor, Objektiv und Gehäuse. In einem aktuellen Projekt von Helbling zeigte sich dieser Anspruch besonders deutlich: Ein Kunde formulierte das klare Ziel, die Bildqualität seines kostengünstigen Kameramoduls solle mit der eines iPhones vergleichbar sein.
Um dieser Nachfrage gerecht zu werden, hat Helbling verschiedene Consumer- und Industrie-Kameras systematisch im Labor evaluiert und das Potenzial von Low-Cost-Kameras analysiert. Anschliessend wurde in einem Versuch geprüft, wie weit die Bildqualität einer Low-Cost-Kamera auf das Level eines iPhone 15 Pro gehoben heben kann.
Kameraprüfstand: Welche Messungen sind relevant?
Auch wenn die Bildqualität oft vom subjektiven Geschmack abhängt, so können einzelne Parameter anhand von Normen wie zum Beispiel der ISO 12233, der ISO 15739 oder der ISO 17321 bewertet werden. Diese Normen können mit einem Prüfstand (s. Abb. 1) systematisch vermessen werden. In diesem Fall bestand der Kameraprüfstand aus einem sogenannten Multipurpose-Testchart, einer dimmbaren und in der Farbtemperatur regelbaren Beleuchtungseinheit sowie einem zentral vor dem Testchart montierten Stativ zur Befestigung der Kamera.
Im Kameraprüfstand von Helbling wird das Testchart TE42 der Firma Image Engineering verwendet. Mit diesem Testchart können diverse Qualitätsmerkmale von Kameras in einem Bild vermessen werden. Im vorliegenden Artikel wird nur auf die drei Aspekte Auflösung bzw. Modulationsübertragung, Dynamikbereich und Farbwiedergabe eingegangen. Für die Auswertung werden verschiedene Merkmale des Testcharts (s. Abb. 2) herangezogen.
Der Siemensstern, zentral und in den Ecken des Testcharts positioniert, besteht aus alternierenden schwarz-weissen Segmenten. Unter anderem aufgrund der begrenzten optischen Auflösung des Objektivs werden die zur Mitte des Siemenssterns hin feiner werdenden Strukturen ab einem bestimmten Punkt nicht mehr optimal abgebildet. Diese umgangssprachlich oft als Bildschärfe bezeichnete Eigenschaft beschreibt die Modulationsübertragung. Häufig wird für die Bewertung der Modulationsübertragung der MTF50-Wert verwendet, der die räumliche Frequenz angibt, bei der der Kontrast auf 50 Prozent der maximalen Modulation sinkt. Der MTF50-Wert kann unter anderem in Linienpaaren pro Bildhöhe (engl.: line-pair per picture height, lp/ph) angegeben werden.
Zusätzliche Testchart-Elemente umfassen Graufelder zur Bestimmung des Dynamikumfangs, definiert als das Verhältnis zwischen maximaler und minimaler detektierbarer Intensität. Die Farbfelder dienen der Evaluierung der Farbwiedergabe, wobei die Abweichungen vom definierten Farbwert des Testcharts zum Farbwert im Bild durch den euklidischen Farbabstand quantifiziert werden: Ein höherer Wert entspricht einer stärkeren Farbabweichung als ein niedriger Wert (s. Abb. 2).
Die Auswertung der Bilder erfolgte mit der Image-Engineering-Software iQ-Analyzer-X.
Vergleich: iPhone 15 Pro vs Low-Cost-Kamera
Mit dem Prüfstand wurde die Bildqualität eines Low-Cost-Kameramoduls mit der eines iPhone 15 Pro verglichen (s. Abb. 3). Während das iPhone 15 Pro zum Zeitpunkt der Messungen ab circa 1’000 CHF erhältlich ist, lag der Online-Preis für die verwendete Raspberry Pi V2 Kamera mit einem Sony IMX219 Bildsensor bei 8.95 CHF – wobei man in einschlägigen chinesischen Online-Shops das Kameramodul zum selben Zeitpunkt für knapp unter 4.50 CHF erwerben konnte. Die Raspberry Pi V2 Kamera wurde per MIPI-Schnittstelle mit einem AM62A7-Prozessor betrieben.
Mit der Messung der Modulationsübertragungsfunktion (s. Abb.4) wird deutlich, dass das iPhone 15 Pro eine bessere Auflösung und auch eine etwas bessere Abbildungsleistung als die kostengünstige Raspberry Pi V2-Kamera besitzt – wobei der Unterschied auf den ersten Blick anders ausfällt, als die meisten es vermutlich erwarten würden: Während der MTF50-Wert beim iPhone in der vollen Auflösung von 24 MP (Megapixel) bei 1’350 lp/ph in der Bildmitte und 1'180 lp/ph in den Ecken liegt, sinkt der Wert bei der Standard-Auflösung von 12 MP auf 770 lp/ph in der Mitte und 740 lp/ph in den Ecken ab. Dagegen beträgt der MTF50-Wert bei der 8 MP Raspberry-Kamera 860 lp/ph in der Bildmitte und 730 lp/ph in den Ecken. Interessant ist insbesondere die Auswirkung der Algorithmen: Die 24 MP iPhone-Bilder werden software-seitig nachgeschärft. Dies lässt sich am Überschwingen der Messkurve im Bereich von ca. 450 lp/ph ableiten. Bei der Standard-Auflösung von 12 MP ist dieser Effekt beim iPhone nicht eindeutig erkennbar.
Derselbe Effekt ist bei der Raspberry-Kamera noch deutlicher sichtbar: Hier haben die Fachleute von Helbling gezielt ein sogenannten Edge-Enhancement-Filter für eine Verbesserung der Bildschärfe angewendet. So kann die Low-Cost-Kamera trotz der tieferen Auflösung von 8 MP den MTF50-Wert des iPhones bei 12 MP in der Bildmitte übertreffen. Allerdings hat das iPhone über das komplette Bild eine gleichbleibende Abbildungsleistung, während die Abbildungsleistung der Raspberry-Kamera zum Rand hin deutlich nachlässt.
Während der Dynamikbereich beider Kameras interessanterweise in einem ähnlichen Bereich liegt, verdeutlicht der Blick auf die Farbwiedergabe der beiden Kameras ein interessantes Bild (s. Abb.5): Die Farbtreue der Raspberry-Kamera ist deutlich näher an dem Target als die des iPhones. Bei dem kostengünstigen Kameramodul des Raspberry sind die euklidischen Farbdistanzen im Allgemeinen geringer (ΔE = 3.2 – 22.8) als beim iPhone (ΔE = 7.3 – 31.9). Insbesondere Rot- und Grüntöne werden beim iPhone mit grosser Farbabweichung dargestellt (ΔE = 11.5 – 31.9). Dieses Phänomen ist auch bei anderen Smartphone-Kameras zu erkennen – bei den von Helbling vermessenen Handykameras von Samsung ist der Effekt sogar noch stärker. Die Vermutung: Um Bilder lebendiger wirken zu lassen, intensivieren Kamerahersteller gezielt die Farbtöne. So wirkt das Gras im Bild grüner, der Himmel blauer und der Sonnenuntergang kitschiger. Bei Grauwerten von weiss bis schwarz ist die Farbtreue beider Kameras sehr gut.
Anpassung: Wie weit ist die iPhone-Farbwiedergabe übertragbar?
Wenn Apple und Samsung die Farben kräftiger darstellen, wie weit kann dann die Farbwiedergabe der Raspberry Pi V2 Kamera, an die eines iPhones angepasst werden? Und könnten insbesondere die roten, grünen und blauen Farbtöne so adaptiert werden, dass Bilder wie bei einem Smartphone erzeugt werden?
Für die Anpassung der Farbwiedergabe einige Worte zum Helbling-Setup, mit dem die Raspberry Pi V2 Kamera in dem Versuch betrieben wurde: Die Low-Cost-Kamera mit IMX219 Bildsensor wurde über eine MIPI-Schnittstelle an ein AM62A Starter Kit EVM von Texas Instruments angeschlossen, auf dem ein Embedded-Linux-Betriebssystem läuft. Der MIPI-Treiber der Kamera wurde von Helbling so angepasst, sodass die Bilder mit der vollen Auflösung des Bildsensors ausgelesen werden können. Zudem verfügt der AM62A-Prozessor über einen Bildsignalprozessor (engl.: Image Signal Processor, kurz: ISP). Mit dem sogenannten ISP-Tuning können verschiedene Parameter der Bildqualität verbessert werden. Helbling hatte dies bereits im Vorfeld der Messungen solide durchgeführt. Für die Fragestellung, wie nah an die Farbdarstellung eines iPhones zu kommen ist, wurden nach den Messungen als Zielgrösse die Farbwiedergabewerte des iPhones verwendet.
Das Ergebnis überzeugt: Mittels eines angepassten ISP-Tuning (s. Abb. 6) können auch bei einer Raspberry Pi V2 Kamera, die für ein einstelligen Frankenbetrag gekauft wurde, die Grün- und Rottöne intensiviert und so ein lebendigeres Bild erzeugt werden.
Ergebnis: Wie nah kommt die Low-Cost-Kamera dem iPhone?
Die Modulationsübertragung einer Kamera ist durch die Anzahl der Pixel und die Abbildungsqualität der Optik limitiert. Sie lässt sich im Nachhinein in einem gewissen Rahmen durch einen Edge-Enhancement-Filter verbessern. An diesem Punkt stösst eine Low-Cost-Kamera wie die Raspberry Pi V2 Kamera insbesondere im Randbereich der Bilder im Vergleich zum iPhone 15 Pro an ihre Grenzen.
Bei der Farbwiedergabe liegt in den Testmessungen die Low-Cost-Kamera deutlich näher an den tatsächlichen Werten des Testcharts als die Bilder des iPhone. Der Grund: Während Helbling die ISP für die Bildoptimierung der Raspberry Pi V2 Kamera möglichst nahe auf das verwendete Farbchart optimiert hatte, bevorzugen Smartphone-Hersteller Bilder mit definierten Farbabweichungen – gerade bei Rot- und Grüntönen werden die Farben lebendiger dargestellt.
Zusammenfassung: Die Bildqualität preiswerter Kameramodule kann sich dem iPhone annähern
Die Analysen und Auswertungen für diesen Artikel zeigen, dass es beim Thema Bildqualität auf das komplette System ankommt: Relevant für die Bildqualität sind Optik, Bildsensor, Kameratreiber wie auch die Algorithmen für die Bildverbesserung. Wobei insbesondere in der digitalen Welt die Möglichkeiten bei den Algorithmen nicht unterschätzt werden dürfen.
In Bezug auf die Modulationsübertragung ist das iPhone im Vorteil. Bei der Farbwiedergabe gibt es jedoch Möglichkeiten einer Annäherung, indem die für iPhones typischen Farbabweichungen bei Rot- und Grüntönen übernommen werden. Ergänzend zum ISP-Tuning-Know-how ist dabei das Wissen darüber ausschlaggebend, wo und wie weit die Farbwerte gezielt vom Original abweichen müssen. Dieser Ansatz hat bereits im Helbling-Alltag einen Weg in erste Produkte gefunden: In verschiedenen aktuellen Kundenprojekten wird das Prinzip einer gezielten Anpassung des Bildsignalprozessors von Low-Cost-Kameras mit einer iPhone-ähnlichen Farbwiedergabe realisiert.
Autoren: Sophie Jenne, Christoph Supper, Johannes Eckstein
Hauptbild: Helbling
Quellen
[1] International Organization for Standardization, ISO 12233:2024 - Photography – Electronic imaging – Resolution and spatial frequency responses, ISO, 2024.
[2] Image Engineering
[3] Bildquelle: Coraye Wiki, "The Delta E," Coraye: The Prerequisites, [Online]. Available: https://wiki.coraye.com/books/coraye-the-prerequisites-en/page/the-delta-e. [Accessed: Feb. 18, 2025].
[4] H. H. Nasse, "How to read MTF curves," Carl Zeiss, Camera Lens Division, 2008.
[5] International Organization for Standardization, ISO 15739:2023 - Photography – Electronic imaging – Color measurement and quality control, ISO, 2023.
[6] Image Engineering, "OECF," IQ-AnalyzerX: Product Manual, [Online]. Available: https://wiki.image-engineering.de/doku.php?id=en:iq-analyzerx:product_manual#oecf. [Accessed: Feb. 18, 2025].
[7] International Organization for Standardization, ISO 17321:2012 - Photography – Electronic imaging – Image quality metrics, ISO, 2012.
[8] Image Engineering, "Color," IQ-AnalyzerX: Product Manual, [Online]. Available: https://wiki.image-engineering.de/doku.php?id=en:iq-analyzerx:product_manual. [Accessed: Feb. 18, 2025].
