相机动态范围和噪音对比
在分辨率测试卡的检测分析中我们知道，信号的放大等级越高，产生最大数字输出电平的信号与等于被称为动态范围暗信号不均匀（DSNU）的信号电平之间的差值越小。
这意味着亮度越低，动态范围就越小。随着放大率的增加，噪音也会增加。这意味着动态范围和噪声都是与照度级相关的。利用摄像机的给定光谱灵敏度，当光源的光谱分布改变时，各个颜色通道也需要被放大到不同的水平。例如，钨光源具有低蓝光含量，并且大多数传感器无论如何都具有低蓝光灵敏度，也就是说在低光照水平下使用钨光会增加放大的问题并因此进一步降低图像质量。
使用去噪算法来克服这个问题。这些算法的目的是为了提高动态范围同时降低噪声水平测量。但同时由于相机无法区分噪点和真实场景内容，所以同时又对细节的再现，尤其是低对比度的细节有所影响。这就是为什么纹理分析也需要成为测量的一部分。
细节再现（分辨率）
精细细节的再现取决于各种各样的方面，所有这些都进入了测量。这包括镜头质量，自动对焦系统的准确性和可重复性，采样率（像素数）以及一些图像处理方面（如去马赛克）。在很小的范围内，即使是锐化也会影响测量的分辨率级别。在低光照条件下，去噪算法的平滑效果会导致分辨率下降。这种退化取决于应用算法，并且基于结构的对比度和方向以不同方式影响场景中的结构。如果没有去噪，只要信号没有被噪声完全覆盖或者自动对焦系统停止工作，应用的分辨率已经证明几乎是独立于光照水平了。
分辨率测试卡测量也需要在成像领域进行。手机中的许多摄像头在中心显示出合理的性能，但在角落中却失败了。
质地
术语“纹理”（Texture）定义了通常是随机取向的和低对比度的结构。降噪算法会影响这些结构，因为它们不能与噪声区分开来。大量的研究已经进入精确的方法来测量纹理的退化。
这种图像质量方面在很大程度上取决于照度水平，并且对于手机中相机的质量评定是必不可少的。
图1：用于纹理分析的原始枯叶结构。
图2：LG4C即使在明亮的光照条件下（左图）也显示出非常高的纹理损失。 在低光照下（右图），纹理含量降低得更多，而西门子的中心也出现了一些损失。
图3：索尼xperia Z5从明亮的光线条件（左）到低光线条件下（右侧）显示出高质感的损失。 但即使在这幅图中很难看出高对比度西门子星形结构的损耗远远没有那么高。
图4：对于像素，我们可以看到纹理稍微低一些，西门子的星形从亮（左）到弱光（右）几乎没有损失。
