Über Testchart, Gewichtung, Messwerte und mehr

Smartphone-Kamera: Das bedeuten die Messwerte

2.9.2020 von Redaktion connect

ca. 4:55 Min
Ratgeber
VG Wort Pixel
  1. camera quality benchmark: So testen wir Smartphone-Kameras
  2. Smartphone-Kamera: Das bedeuten die Messwerte
kamera test chart
Unser Testchart kombiniert unterschiedlichste Testfelder für die umfassende Be­stimmung der Bildqualität. Das abgebildete Testchart stammt von Image Engineering.
© Testlab, Image Engineering

Unseren Informationen nach gibt es in Deutschland kein Testverfahren für Smartphone-Kameras, mit dem eine vergleichbare Menge an Daten ausgewertet wird. Doch um welche Daten handelt es sich genau?

Auflösung

Die Auflösung bestimmen wir im ersten Schritt über einen schwarzweißen Siemensstern, dessen Kanten nicht scharf, sondern entsprechend einer Sinuskurve weich moduliert sind, damit die Nachschärfung der Smartphones nur moderat zugreift. Die Grenze der Auflösung ist erreicht, wenn der Bildkontrast auf 10 % des Eingangskontrasts sinkt (MTF10).

Jeder Siemensstern wird in acht Segmente geteilt, diese werden getrennt ausgewertet und dann gemittelt. Das Ergebnis ist damit richtungsunabhängig.

Auf unserem Testbild finden Sie sieben Siemenssterne mit hohem Kon trast (1) und drei Siemenssterne mit niedrigem Kontrast (2). Da die Kameras bei der Signalverarbeitung auch kontrastabhängige Berechnungen einsetzen, ist es wichtig, dies im Test abzubilden.

aufloesung siemenssterne
Die sieben Siemenssterne zeigen, wie unter schiedlich Smartphonekameras arbeiten. Dabei spielt natürlich auch die Helligkeit eine große Rolle. Drei Abbildungen (C, E, F) zeigen den Siemensstern mit niedrigem Kontrast, die anderen vier (A, B, D, G) den mit hohem Kontrast. Die Abbildungen A und B demonstrieren die sehr unterschiedliche Bildqualität in den verschie­denen Ecken bei einer Kamera.
© Testlab, Image Engineering

Randabfall

Da die Siemenssterne auf dem Testchart in drei verschiedenen Abständen zur Bildmitte angeordnet sind, können wir den Randabfall der Auflösung bestimmen. Er ist zunächst eine Eigenschaft des Objektivs. Im Normalfall fällt die Auflösung zu den Rändern je nach Objektivqualität mehr oder weniger stark ab.

Doch wiederum spielt die Signalverarbeitung eine Rolle. Denn mit Nachschärfung und Kantenanhebung lässt sich die Auflösung grundsätzlich beeinflussen. Und das führt in den Ecken immer wieder zu höheren Auflösungen als im Bildfeld. Doch wenn ein Hersteller zu aggressiv dabei vorgeht, führt dies zu einem unnatürlichen, zu harten und künstlichen Bildeindruck.

farbsaeume
Farbige Säume sind ein typischer Objektivfehler, den die Software meist aus den Bildern herausrechnet.
© Testlab, Image Engineering

Zentrierung

Gerade bei Smartphones sind nicht immer alle Optiken perfekt vor die Linse justiert. Aber auch der Transport kann zu Dejustierungen führen. Wir vergleichen deswegen bei allen Kameras die Auflösung der vier Siemenssterne in den Bildecken. Bei schlecht zentrierten Optiken messen wir dann Differenzen von mehreren 100 Linienpaaren/Bildhöhe.

Feinzeichnung

Schräg unter dem Dead-Leaves-Feld mit hohem Kontrast (3) steht ein Dead-Leaves-Feld (4) mit niedrigem Kontrast. Auf diesen farbigen Strukturen bestimmen wir ebenfalls die Auflösung sowohl für hoch- wie auch für niedrigkontrastige Strukturen. Schließlich ist die Welt vor der Kamera nicht nur bunt, sondern auch voller unterschiedlicher Kontraste.

Auf den Dead-Leaves-Feldern messen wir die Auflösung der farbigen Strukturen für einen Grenzkontrast von 50 %. Die Grenze der Dead-Leaves-Auflösung ist also erreicht, wenn der Bildkontrast auf 50 % des Eingangskontrasts sinkt (MTF50). Die niedrigkontrastigen Strukturen liefern so beispielsweise einen Messwert für die Erhaltung feiner Strukturen ohne Maximalkontrast im Bild.

Das Dead-Leaves-Muster

Das „Dead-Leaves“-Testfeld (engl. tote Blätter) besteht aus einer zufälligen Anordnung von Kreisen, die wiederum einen zufälligen Radius und eine zufällige Farbe aufweisen. Das resultierende Muster ähnelt in der Verteilung der Ortsfrequenzen einer natürlichen Szene. Ist die Verteilungsfunktion von Position, Radius und Farbe der Kreise bekannt, lässt sich das Leistungsspektrum vorhersagen.

Im ersten Testverfahren wurde das Leistungsspektrum der Vorlage (bekannt) mit dem Leistungsspektrum im Bild (gemessen) verglichen. So kann für jede Ortsfrequenz bestimmt werden, ob und wie gut diese Frequenz übertragen wurde (DL direct).

Kontrastreiche Strukturen (Dead-Leaves-High-Contrast-Feld) können die meisten Kameras gut erhalten, bei kontrastarmen Strukturen (Dead-Leaves-Low-Contrast-Feld) müssen zahlreiche Modelle dagegen passen, sodass in den Fotos Details fehlen.

dead leaves
Alle sechs Ausschnitte zeigen das Dead­Leaves­Testfeld mit hohem Kontrast. Die schlechten Ergebnisse demonstrieren die starken Ver­luste bei Digitalzooms (E) und nachlassender Helligkeit (C). Gut sichtbar ist auch der unnatürliche Bildeindruck bei überzogener Nach­schärfung (A). Das wirkt auf den ersten Blick knackig und brillant, aber deutlich besser ist eine abgewogenere Herangehensweise (F).
© Testlab, Image Engineering

Das Problem: Kameras entfernen bzw. reduzieren nicht nur Details im Bild, sondern fügen durch Rauschen und Artefakte auch Details hinzu. Das optimierte und hier genutzte zweite Testverfahren für Dead-Leaves-Messungen berücksichtigt genau das und bewertet den Kurvenverlauf. Es ist im Gegensatz zum ersten Verfahren nicht mehr von Artefakten beeinflusst.

Beim Vergleich von altem (DL direct) und neuem Verfahren (DL cross) ergibt sich zudem die Möglichkeit, eine Aussage über die Artefakte im Bild zu treffen. Bei der Bildanalyse geht nicht mehr nur der theoretische Frequenzgehalt (Leistungsdichtespektrum) in die Berechnung ein, sondern es wird mit einem theoretisch idealen Bild der Vorlage und dem Kamerabild gerechnet (Kreuzleistungs-Dichtespektrum). Nur die tatsächlich übertragenen Frequenzen werden nun berücksichtigt und Artefakte wie das Rauschen ignoriert (DL cross).

Artefakte und Rauschen

Die Kamera rechnet im Zuge der Bildoptimierung Artefakte als zusätzliche und damit falsche Strukturen ins Bild. Wir vergleichen bei den Dead-Leaves-Feldern (3 und 4) das Kamerabild mit dem Ausgangsbild auf der Testtafel. So erkennt die Software, welche Strukturen im Bild mit welchem Kontrast erhalten bleiben und welche als Artefakte neu hinzugekommen sind.

Unser Testverfahren setzt auf die der visuellen Wahrnehmung angepasste Rauschbewertung VN. Hohe VN-Werte stehen für starkes Rauschen. Neben den Graufeldern (5) betrachten wir auch das Rauschen auf den Farbfeldern (6). Das Rauschen ist zudem helligkeitsabhängig, was wir ebenfalls erfassen und bewerten.

rauschen artefakte
Die Signalverarbeitung versucht, das Rauschen aus den Bildern herauszurechnen. Dabei löscht sie meist aber auch sehr feine Details, die als Rauschen missinterpretiert werden. Entscheidend ist hier eine gute Balance. Zugleich fügen Nachschärfung, Interpolation bei Digitalzooms, Farbberechnung etc. dem Rauschen aber weitere Störungen hinzu (C).
© Testlab, Image Engineering

Kantenanhebung

Alle Kameras optimieren die Kantenabbildung, damit das Bild schärfer und detailreicher erscheint. Die Kantenanhebung verbessert die Auflösungs- und Dead-Leaves-Werte, was bei maßvollem Einsatz sinnvoll ist. Ohne Kantenanhebung wirken Fotos konturenlos; übertrieben eingesetzt, wirkt das Bild jedoch beschädigt.

Verstärkt die Kamera eine Kante, wird aus der auf gezeichneten abgeflachten Rechteckkurve nicht die ideale Rechteckkurve der Vorlage, sondern eine verstärkte mit leichten Über- und Unterschwingern. Das ist maßvoll erwünscht, wird aber gern übertrieben. Im Bild begleiten dann feine, aber hässliche Parallellinien die Kanten. Diese können sowohl hell als auch dunkel sein.

Unsere Kanten (7) sind in zwei verschiedenen Abständen zur Bildhöhe angeordnet, immer als hoch- und niedrigkontrastiges Paar und immer horizontal sowie waagerecht ausgerichtet. Eine richtungsabhängige Nachschärfung ist nicht ungewöhnlich und wird von uns so mit zwei Kontrastvorlagen erfasst. Wir nutzen die Kantenwerte für hohen und niedrigen Kontrast, um die Dead-Leaves- und Auflösungsergebnisse zu bewerten.

farbfelder kanten
In Farbfeldern sind Kanteneffekte besonders gut sichtbar. In der Vorlage gibt es keine schwarzen oder weißen Linien zwischen den Farbfeldern. Auf sämtlichen Testbildern tauchen sie trotzdem in unterschiedlichsten Ausprägungen auf. Unsere Ausschnitte zeigen neben schmalen hochkontrastigen Linien (A, B) auch sehr breite (C, D). Auf einigen Abbildungen wächst das gelbe Feld (D) geradezu in die anderen hinein. Hinzu kommen teils schleierartige Übergänge statt harter Kanten (B).
© Testlab, Image Engineering

Farbwiedergabe

Unser Labor ermittelt nicht nur den Farbabstand DeltaE für jedes Farbfeld (6), sondern auch die Differenz in der Farbsättigung, im Farbton und in der Helligkeit. Der abgedruckte Wert nennt die mittlere Abweichung DeltaE.

Wie unsere Beispiele zeigen, sieht die eine Kamera ein grünes Farbfeld, wo die andere ein blaues Feld erfasst. Auch die Helligkeit der Farbfelder zueinander schwankt von Kamera zu Kamera sichtbar. Hinzu kommt, dass nicht jede Kamera alle Farbfelder trennen kann. Bei nachlassendem Licht nimmt die Farberfassung weiter ab.

farben kamera test
Was die eine Kamera für Grün (A) hält, interpretiert die nächste als Blau (B). Auch kann nicht jede Kamera ähnliche Farben immer trennen. Auf Bild D nähern sich die beiden Hauttöne stark einander an. Zugleich sind im Ausschnitt C das mittlere Feld und das Feld rechts oben deutlich heller als im Ausschnitt D – immer im Vergleich mit den anderen Farbfeldern der jeweiligen Bildausschnitte. Nicht nur die Farben, sondern auch die Helligkeitsverhältnisse der Farben zueinander sind also von Kamera und Licht abhängig.
© Testlab, Image Engineering

Verzeichnung

Gekrümmte Linien an den Bildrändern kennt man vor allem von Superweitwinkelaufnahmen. Da kann eine gerade Hauswand schon einmal kurvenartig dargestellt werden. Bei den Weitwinkel- und Teleobjektiven werden diese Fehler per Software aus den Bildern herausgerechnet, was meist gut funktioniert. In den Ecken erscheinen Kreise dennoch manchmal als kleine diagonale Linien.

Bei Superweitwinkelkameras lässt sich die Verzeichnungskorrektur je nach Hersteller an- und abschalten. Die bei diesen Objektiven meist – notwendig – starken Korrekturen können zu Verzerrungen in den Ecken, zu Auflösungsverlusten, Rauschanstieg und Artefakten führen. Die im Bild verbliebene Verzeichnung bestimmt das Testlabor über die Passkreuze.

Auswertung

Mit der Messung eines Highend-Smartphones ist ein Messtechniker unseres Testlabs einen vollen Arbeitstag beschäftigt. Es geht nicht nur um die Datenerfassung, sondern auch um die Auswertung, die mit einer Software der auf Fotomesstechnik spezialisierten Firma Image Engineering erfolgt.

Im letzten Schritt werden die Daten in die verlagseigene Datenbank übertragen und die Fotoqualität der einzelnen Brennweiten sowie der qb Score errechnet.

Mehr lesen

Bestenliste

Top 10: Die besten Android-Smartphones 2020

Top 10 Smartphones - Bestenliste

Die besten Smartphones bis 300 Euro

Bestenliste

Top 10 - Die zehn besten Tablets im Test

Weiter zur Startseite  

Mehr zum Thema

iPhone 4s

Kulthandy

iPhone 4S - Das kann die neue Kamera

Das neue iPhone 4S ist in wenigen Tagen erhältlich. Neben dem schnellen A5-Prozessor mit zwei Kernen gehört die Kamera zu den zentralen…

Samsung Galaxy S8 Kamera

Bildergalerie

Galaxy S8 Kamera: Samsung zeigt imposante Beispiel-Fotos

Samsung hat einen Profi-Fotografen mit dem Galaxy S8 auf Foto-Tour geschickt. Seine Bilder zeigen Qualität und Potenzial der neuen Kamera.

camera quality benchmark: Die besten Smartphone-Kameras

camera quality benchmark

Die Smartphones mit den besten Kameras

Wer auf beste Bildqualität setzt, ist mit den besten Smartphone-Kameras im neuen camera quality benchmark (qb Score) auf der sicheren Seite.

Apple iPhone 11 Pro (Max) Kamera

camera quality benchmark

Apple iPhone 11 Pro (Max): Kamera im Test

Wie gut ist die Kamera des Apple iPhone 11 Pro (Max)? Für unseren camera quality benchmark schicken wir das Smartphone erneut ins Testlabor.

Oppo Find X2 Pro im Test

camera quality benchmark

Oppo Find X2 Pro: Kamera im Test

Wie gut ist die Kamera des Oppo Find X2 Pro? Beim camera quality benchmark macht das Smartphone im Testlabor eine gute Figur.