Новое на форуме

PowerShot SX160 ->
[23.01.17 03:20] WillieWhomy
Русский Хелп по а... ->
[22.01.17 21:12] Frankabunk
Чем отличается те... ->
[22.01.17 21:11] Frankabunk
Canon PowerShot S... ->
[22.01.17 21:10] Frankabunk
Посоветуйте какой... ->
[22.01.17 21:08] Frankabunk
PowerShot A810 ->
[21.01.17 11:01] Charlesgeace
RawColorLikeJpeg ->
[19.01.17 23:51] JamesPaync
Powershot G11 ->
[17.01.17 16:53] KennethKa
Главная » Статьи » Фотография

Print
Об уменьшенном размере снимка
Начинающих фотографов, снимающих на цифровые камеры с маленькой матрицей и большим количеством мегапикселей, рано или поздно начинает интересовать вопрос как можно уменьшить уровень шума на своих фотографиях. Отвечающие, в зависимости от собственного опыта и знаний, предлагают разные рецепты. Одним из таких рецептов является фотографирование не в максимальном размере снимка, а в уменьшенном. Применительно к фотоаппаратам Canon серии S и других камер полный размер снимка выставляется в меню и имеет следующие обозначения: L - максимальный размер, M1, M2, M3 - промежуточные размеры и S - минимальный размер, обычно 640х480 точек. Оставляя пока в стороне  внутрикамерные настройки (автоматический, сюжетный, программный режим, а также собственные настройки контраста, резкости и насыщенности) попробуем ответить на этот вопрос с точки зрения цифр. Всё нижеописанное применимо только при условии, что съёмка производится в режиме сохранения снимка в формате JPG. Если фотоаппарат позволяет сохранять снимки в формате RAW, то они записываются на карту памяти в своём максимальном размере.
Но сначала немного теории. Съёмка в размере L производится попиксельно, то есть каждый светочувствительный элемент матрицы ЦФК даёт ровно один пиксель в итоговом изображении. Необходимо, впрочем, помнить, что цветным изображение получается благодаря байеровской матрице, но в нашем случае это неважно. Если в меню  камеры задать другие размеры итогового изображения, то после съёмки внутри ЦФК происходит интерполяция или даун-сайзинг (down-sizing) полного изображения  с матрицы до уменьшенного заданного. Для примера возьмём случай, когда происходит уменьшение в четыре раза, то есть каждая точка конечного изображения была получена из четырёх точек исходного. Зная о природе цифрового шума, логично предположить, что подобного рода усреднение должно привести к уменьшению уровня шума. Если объяснить на пальцах, то можно взять такой пример. Пусть значения четырёх соседних ячеек (размером 2х2), полученных при съёмке однородного фона будут такими:
100, 98
102, 100
Уровень шума достигает ±2%. Если теперь сложить значение всех четырёх ячеек и разделить на 4, то получим 100, таким образом шум нивелировался. Примерно то же самое происходит и в камере, за исключением того, что, во-первых, каждой точке готового изображения может соответствовать не целое количество точек исходного, а, во-вторых, происходит вычисление не среднего арифметического, а используются другие формулы.

Итак, для экспериментов нам потребуется серая карта (если есть желание, то можно провести все те же самые эксперименты для каждого из трёх каналов - красного, зелёного и синего) и фотоаппарат. В качестве серой карты в графическом редакторе было создано изображение, содержащее квадратные области от чисто чёрного (0, 0, 0) до чисто белого цвета (255, 255, 255), с центральным квадратом серого (127, 127, 127) цвета. Это изображение выводилось на ЖК-монитор ноутбука. В 40 см от плоскости монитора на твёрдую поверхность был установлен фотоаппарат и на нём было произведено зуммирование, чтобы изображение на мониторе полностью занимало кадр на ЦФК. Съёмка производилась в тёмной комнате (чтобы избежать бликов на поверхности экрана и изменение его цвета), при этом для нивелирования эффектов пикселизации и муара монитор был немного повёрнут по оптической оси ЦФК, а сам фотоаппарат переведён в режим макро и ручной фокусировки на 20 см. Таким образом, изображение на мониторе получалось полностью размытым, что позволяло в дальнейшем измерять шум собственно камеры (шумом ЖК-монитора из-за размытия можно пренебречь). В меню ЦФК был выбран усреднённый экспозамер (то есть по всему кадру) и установлена экспокоррекция +2/3 - для того, чтобы гистограмма получающегося изображения была растянута от 0 до 255. Съёмка производилась при заводских установках контраста, резкости и насыщенности в режиме приоритета диафрагмы, то есть автоматика камеры самостоятельно подбирала необходимую выдержку.



Затем поочерёдно делались снимки, изменяя их размер в меню камеры (L = 3648x2736 pix, M1 = 2816x2112 pix, M2 = 2272x1704 pix, M3 = 1600x1200 pix), а также варьируя ISO (от 80 до 1600). Из полученных кадров вырезалась средняя квадратная область, уровень шума которой измерялся в программе Neat Image 5.0. В альбоме "Интерполяция" можно посмотреть все полноразмерные снимки, сделанные для режима L. Полученные данные заносились в таблицу

размерISO 80ISO 100ISO 200ISO 400ISO 800ISO 1600
3648x27363,804,755,075,866,417,54
2816x21122,923,654,074,705,576,29
2272x17043,133,884,335,145,956,37
1600x12002,032,542,842,924,124,74

на основании данных которой был построен график зависимости уровня шума от размера кадра и ISO.



Легко видеть, что при одном и том же ISO уровень шума действительно уменьшается при уменьшении размера кадра. Также можно заметить, что снимок, сделанный в режиме 1600х1200 точек при ISO1600 является менее шумным, чем аналогичный полный размером 3648x2736 точек, снятый при ISO 200.

Тем не менее, вопрос о предпочтительном размере съёмки остаётся открытым, ведь на изображении 3648x2736, вероятно, находится больше деталей, чем на таком же, но снятом в размере 1600х1200. Кроме того, нам неизвестен алгоритм интерполяции точек в камере, не исключено, что он является не самым оптимальным (из-за быстроты обработки). Поэтому попробуем теперь изменить наш полученный снимок с размеров 3648x2736 до 1600х1200, используя для этого графический редактор, в качестве которого был выбран XnView, относящийся к категории свободного ПО и обладающего достаточно мощным фунционалом для каталогизации и обработки изображений.

Для проведения этих экспериментов были выбраны два полных изображения нашей серой карты, снятых при ISO 80 и 400, после чего они уменьшались до размеров 1600х1200, используя различные алгоритмы интерполяции. В XnView таковыми являются: "По соседним точкам" (Neighbor), "Билинейная" (Bilinear), по методам Вell, B-spline, Gaussian, Hanning, Hermite, Lanczos, Mitchell. Каждый из них имеет какие-то свои преимущества для тех или иных целей (например, при уменьшении снимка с наклонными линиями они могут стать изломанными или нет, или можно добиться лучшего сохранения деталей или меньшего шума). К слову сказать, в том же широко известном Фотошопе существует всего три алгоритма для интерполяции. Из полученных изображений 1600х1200 вырезалась центральная часть, которая подвергалась профилированию в уже упомянутом Neat Image, и данные заносились в таблицу. Кроме того, анализу на уровень шума было также подвергнуто изображение с камеры размером 1600x1200 точек.

МетодISO 80ISO 400
bell1,252,03
bilinear1,712,74
b-spline1,121,84
gaussian1,272,08
hanning1,572,51
hermite1,542,49
lanczos1,762,92
mitchell1,442,36
neighbor3,986,28
camera2,032,92

На основании вычисленных данных был построен график



Легко можно видеть, что к аналогичному уровню шума в камере приводят методы билинейной или Lanczos-интерполяции. Лично я склонен думать, что в камере используется билинейная интерполяция (как наиболее распространённая).

До сих пор за кадром оставался вопрос о детализации интерполированных изображений. Ведь по большому счёту, можно так уменьшить изображение, что шума вообще не будет, равно как и деталей. Чтобы ответить на этот вопрос, нужно сфотографировать объект, содержащий эти самые детали в разном режиме, а затем сравнить полученные снимки. Для этого была выбрана распечатанная на лазерном принтере специальная карта, содержащая мелкие детали. Съёмка производилась в режиме приоритета диафрагмы при среднем зуме, с фиксированной настройкой баланса белого и заводскими установками контраста, резкости и насыщенности. При этом последовательно изменялись размеры получаемого изображения и ISO. Затем, большое изображение 3648x2736 уменьшалось в XnView до размеров 1600х1200 с использованием разных методов интерполяции, а полученные снимки попарно сравнивались. Можно самостоятельно посмотреть результаты, ткнув на соответствующую миниатюру изображения ниже.

bell
bilinear
b-spline
gaussian
hanning
hermite
lanczos
mitchell
neighbor
camera

Самым "резким", но и одновременно самым шумным получился снимок, интерполированный по методу соседних точек. Достаточно хорошим в плане как резкости, так и уровня шума получились снимки, сделанные по методу билинейной интерполяции и Lanczos, и они выгодно отличаются от снимка, интерполяция которого была произведена в камере.

Из всего вышесказанного следует простой вывод: если вам не нужно во что бы то ни стало экономить место на флеш-карте (а потом и на жёстком диске компьютера), то делайте все фотографии в максимальном размере для вашей камеры. В случае необходимости, можно будет потом уменьшить снимок до нужных размеров в графическом редакторе, при этом сохранив детали и уменьшив шум. К тому же, если перед уменьшением снимка воспользоваться вышеупомянутой программой для шумоподавления Neat Image или её аналогами, то можно получить такой результат, который в случае съёмки с внутрикамерным уменьшением размера, получить вообще было бы невозможно.


Источник: http://veloxiraptor.ya.ru/replies.xml?item_no=2180
Категория: Фотография | Добавил: КП (22.02.11) | Автор: Константин Поддубный W
Просмотров: 9631 | Теги: resize, уменьшение, ресайз | Рейтинг: 5.0/5
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]

Поиск

v