Bagaimana perangkat lunak meningkatkan eksposur dalam pasca-pemrosesan?

9

Adakah yang tahu algoritma apa pun atau dapat menjelaskan secara matematis bagaimana kecerahan (EV) dieksekusi dalam pemrosesan pasca? Apakah ini menyesuaikan tingkat kecerahan / RBG / kontras untuk setiap piksel? Apakah ini terkait dengan histogram?

Apa saja teknis kompensasi eksposur untuk gambar yang kurang terang dalam pemrosesan pos?

EDIT: Dalam pertanyaan ini di sini, sebuah tautan diposting Ini memiliki contoh mengubah EV dan bergerak ke kiri / kanan. Dalam jawaban Matt Grumm, ia menyatakan bahwa setiap piksel "dikalikan" (yang menurut saya menunjukkan bahwa histogram digerakkan ke atas / bawah).

Adakah yang bisa menjelaskan mengapa ini masalahnya? (EV itu berubah dari kiri ke kanan)

post-processing software exposure

— Tempat tidur besar
sumber

Apakah Anda bermaksud membatasi pertanyaan ini pada produk-produk Adobe tertentu, atau apakah Anda tertarik pada penyesuaian paparan pada pasca-pemrosesan secara umum?

— Silakan Baca Profil Saya

mungkin duplikat Apa artinya mencerahkan gambar?

— Itai

2

Saya sudah membaca ini dua kali dan saya masih menemukan itu pertanyaan yang cukup membingungkan. Bisakah Anda reword untuk menghapus beberapa bagian yang lebih diskursif dan fokus dengan jelas pada pertanyaan inti Anda?

— Mark Whitaker

@mattdm Ya, secara umum. Itai Agak tidak terlalu. :) Mark Whitaker Akan melakukannya. (Saya diberitahu bahwa saya tidak boleh lebih dari satu orang)

— BBking

@ Mark Whitaker Sudahkah saya membuatnya lebih jelas?

— BBking

6

Saya tahu bahwa kita semua senang memiliki kamera digital, tetapi kenyataannya adalah kita tidak . Kami memiliki kamera analog yang kebetulan memiliki format output digital (dan banyak sirkuit digital yang tidak terkait langsung dengan gambar juga).

Setiap kali sinyal analog dikonversi menjadi sinyal digital, Anda memasukkan noise kuantisasi. Artinya, sangat tidak mungkin bahwa sinyal yang masuk ke konversi akan benar-benar cocok dengan nilai angka digital yang keluar dari ujung lainnya - anggap itu sebagai kesalahan pemotongan atau pembulatan.

Ketika Anda melakukan post-processing pada file gambar digital, noise kuantisasi yang ditambahkan oleh kamera adalah "dipanggang". Tidak masalah apa kedalaman bit yang Anda kerjakan dalam pos, data yang Anda kerjakan memiliki komponen noise analog (well, quantum) (thermal dan shot noise, distorsi amplifier, dll.) Dan noise kuantisasi dari output kamera. Kualitas data dasar tidak sempurna, sehingga setiap perhitungan yang dilakukan pada data yang salah akan menghasilkan output yang salah. GIGO , seperti kata mereka.

Di kamera, di sisi lain, Anda mendapatkan kesempatan untuk memperkuat (atau menipiskan) sinyal analog sebelum kuantisasi. Itu sama sekali tidak membantu dengan noise di domain analog, tetapi hal itu mengurangi noise kuantisasi pada tingkat kecerahan yang diberikan .

Katakanlah Anda memiliki nilai analog 4,4 whatchamacallits. Jika Anda memotret menggunakan ISO 100, kamera "digital" hipotetis kami akan mengonversinya menjadi nilai digital tepat 4. Jika Anda memilih untuk meningkatkan eksposur yang terlihat di pos, Anda terjebak bekerja dengan 4, yang terpotong. Jika Anda meningkatkan ISO di dalam kamera (kurang dari satu perhentian penuh), 4.4 itu akan diperkuat oleh sirkuit analog sebelum dikonversi ke digital, dan dapat menghasilkan nilai digital 1-lebih tinggi daripada perhitungan pemrosesan semua-digital. Perbedaan bit tunggal mungkin tidak terdengar banyak, tetapi ketika Anda mulai mengumpulkan semua kesalahan di sepanjang proses dalam pemrosesan, piksel yang diberikan mungkin cukup jauh dari nilai yang seharusnya. Itulah kebisingannya.

(Ada juga fakta bahwa kamera "mengetahui" karakteristik responsnya sendiri, dan dapat menjelaskannya dalam pemrosesan. Lightroom, misalnya, tidak melakukan pengurangan noise sensor berbasis ISO yang spesifik kamera. Kamera dapat , meskipun tidak semua lakukan .)

Terima kasih Stan. Ya, ada semua jenis kebisingan dalam gambar foto. Jadi, jika Anda menyesuaikan EV dalam PP, Anda juga memperkuat kebisingan itu. Sama seperti ISO menguatkan kebisingan.

— BBking

2

Bumping ISO dan EV keduanya memperkuat noise, tapi saya pikir apa yang Stan katakan adalah bahwa menyesuaikan ISO ke atas dalam kamera lebih baik daripada menabrak eksposur di post-processing (karena Anda pada dasarnya memperkuat sinyal sebelum noise kuantisasi diperkenalkan di A / Langkah D).

— seanmc

4

Apakah ini formula yang Anda cari?

RGB[c] = max( RGB[c] * pow(2,EV), RGBmax )

Yang pada dasarnya berarti bahwa untuk setiap saluran (setiap piksel) dari data RGB, kalikan dengan 2 ^ EV dan kemudian klipkan ke nilai maksimum apa pun untuk data Anda. Untuk warna 8 bit RGBmax akan menjadi 255, untuk warna 16 bit akan menjadi 65535, dll.

EV di sini adalah EV relatif sehingga EV + 2.0 akan menggandakan (mencerahkan) setiap piksel dengan faktor empat dan EV-2.0 akan membagi (menggelapkan) setiap piksel dengan faktor empat.

Rumus itu sendiri tidak tergantung pada histogram, tetapi jika Anda perlu memutuskan Nilai Paparan apa yang akan digunakan untuk menyesuaikan gambar secara optimal maka beberapa jenis statistik akan dilakukan dari histogram untuk menghitung EV.

— Gurita
sumber

1

Saya percaya nilai RGB sudah mewakili kecerahan yang dirasakan sehingga rumus Anda salah. Itu akan benar untuk nilai yang diukur oleh sensor (yang dekat dengan linear, lihat jawaban Matt) tetapi tidak untuk nilai RGB yang sudah dikonversi. (Coba apa yang terjadi jika Anda menerapkan formula Anda.)

— Szabolcs

@Szabolcs, saya pikir OP meminta algoritma untuk melakukan kompensasi EV dalam pemrosesan pos, bukan? Saya akui pertanyaannya tidak terlalu jelas bagi saya, tetapi mereka meminta matematika.

— Octopus

Terima kasih atas jawaban anda! Apakah Anda memiliki tautan untuk rumus itu sehingga saya dapat memeriksanya lebih dekat?

— BBking

1

@ Otopus Ya, tetapi poin saya adalah bahwa rumus Anda salah jika diterapkan pada nilai RBG . Nilai RGB dihitung dari data sensor mentah dengan mengambil logaritma nilai mentah (persepsi kami adalah sekitar logaritmik) dan kemudian menskalakan hasilnya secara linear (yang sesuai dengan pengaturan titik hitam dan titik putih). (Ditambah beberapa hal lain yang disebutkan Matt.) Dengan demikian rumus Anda benar ketika diterapkan pada nilai piksel mentah, tetapi tidak benar untuk nilai RGB. Jika Anda benar-benar mencoba melakukan transformasi pada gambar dalam praktiknya, Anda akan mengerti maksud saya.

— Szabolcs

Mengambil file mentah, ekstrak data menggunakan dcrawdengan -4saklar untuk memastikan tidak akan melakukan transformasi log itu sendiri, kemudian mencoba untuk melakukan konversi baku dasar diri sendiri dan menerapkan kompensasi eksposur selama proses tersebut.

— Szabolcs

3

NB pertanyaan itu diedit karena jawaban Stan untuk ini membahas apa yang sebenarnya merupakan pertanyaan yang berbeda:

Adakah yang tahu algoritma apa pun atau dapat menjelaskan secara matematis bagaimana kecerahan (EV) dieksekusi dalam pemrosesan pasca? Apakah ini menyesuaikan tingkat kecerahan / RBG / kontras untuk setiap piksel? Apakah ini terkait dengan histogram?

Apa saja teknis kompensasi eksposur untuk gambar yang kurang terang dalam pemrosesan pos?

Ini bisa sederhana dengan mengalikan semua nilai piksel (misalnya kecerahan, kontras bukan istilah yang berlaku untuk masing-masing piksel) dan menerapkan offset. Jika itu dilakukan setelah demosaicing maka Anda cukup mengalikan nilai merah hijau dan biru dengan faktor yang sama.

Proses kompensasi eksposur sedikit lebih kompleks dalam konteks konversi RAW, karena sensor kamera pada dasarnya merupakan perangkat linier sementara sebagian besar konverter RAW menerapkan tonecurve nonlinear untuk mencoba dan meniru kurva S kontras yang Anda dapatkan dengan film.

Jadi waktu terbaik untuk melakukan kompensasi pencahayaan adalah sebelum ini diterapkan. Ini pada dasarnya berarti menggunakan fungsi EC konverter RAW Anda, tidak menunggu sampai Anda telah mengekspor Photoshop karena kurva nonlinear hampir pasti telah diterapkan pada saat itu.

Situasi ini lebih kompleks karena beberapa konverter RAW * menggunakan profil warna "bengkok", yang menyebabkan rona / saturasi dipetakan ke nilai yang berbeda tergantung pada intensitas. Hal ini dilakukan untuk menghasilkan warna yang lebih menyenangkan dengan mengorbankan keakuratan, dan dapat mempengaruhi hasil kompensasi pencahayaan.

Beberapa konverter RAW juga menawarkan alat untuk memulihkan sorotan dan meningkatkan bayangan. Ini membuat penyesuaian lokal (yaitu mereka memperhitungkan lebih dari nilai piksel individual). Jika Anda ingin mengetahui detail dari algoritma ini, Anda mungkin harus menunggu dan berharap pengembang Lightroom muncul di sini.

* ketika saya mengatakan "beberapa konverter RAW" pada dasarnya saya berbicara tentang Lightroom / ACR, karena hanya itu yang saya pelajari, konverter RAW lanjutan lainnya mungkin melakukan hal serupa.

— Matt Grum
sumber

Dari apa yang Anda ketahui, apakah Anda dapat menunjukkan bagaimana mengalikan nilai RGB menghasilkan kecerahan yang lebih tinggi? Seperti dalam, apakah struktur piksel memiliki nilai untuk warna dan kecerahan? Sejauh yang saya tahu, Anda dapat melipatgandakan nilai piksel untuk mengubah warnanya juga. Saya suka kurva S ke. Saya tahu saya bertanya secara spesifik tentang piksel individu tetapi saya lebih mengerti terlibat dengan gambar secara keseluruhan. Saya mengerti interpolasi juga terlibat.

— BBking

1

@BBking file RAW hanya berisi nilai intensitas (kecerahan), setiap piksel memiliki filter warna sehingga Anda memiliki intensitas warna merah, hijau dan biru secara bergantian. Karena sensor kamera adalah perangkat linear, penskalaan nilai yang direkam memberikan hasil yang hampir sama dengan mengekspos sensor lebih lama. Setelah demosaicing gambar dapat disimpan dalam sejumlah format warna, yang paling umum adalah RGB, di mana pada setiap piksel jumlah cahaya merah, hijau dan biru direkam. Mengalikan masing-masing nilai ini dengan faktor yang sama meningkatkan kecerahan, mengalikan setiap nilai dengan jumlah yang berbeda akan mengubah warna.

— Matt Grum

'Karena sensor kamera adalah perangkat linier' ... Untuk menjadi luar biasa, sensor kamera 'hampir linier' seperti ([Anda sudah menunjukkan]) ( photo.stackexchange.com/a/33986/6294 ). (Saya pikir itu layak disebutkan, karena OP juga tertarik pada perumusan matematika masalah). Algoritme yang baik secara teori dapat memperhitungkan respons khas sensor, bahkan jika hanya bekerja dengan nilai RGB.

— Alberto

@Alberto ya itu poin yang bagus, saya seharusnya mengatakan "kira-kira linier" tetapi karena komentar saya sudah 598 karakter yang akan mengambil lebih dari 600 dan akan membutuhkan pemisahan menjadi dua komentar;)

— Matt Grum

3

Secara matematis, kecerahan matriks (gambar) dipengaruhi secara keseluruhan dengan bekerja pada nilai fungsi CIE L * dari rona piksel. Ini adalah hubungan aritmatika. Tambahkan, kurangi, gandakan, dan bagi.

Sekali lagi, secara matematis, matriks transformasi (numerik) dilekatkan ke matriks yang ada dalam hal. Ini dapat dibuat secara selektif untuk subjek atau ke keseluruhan matriks (gambar).

Eksposur yang baik dan eksposur yang buruk adalah istilah yang sewenang-wenang — asalkan rentang pencahayaan subjek berada dalam kisaran berguna dari sensor kamera. Rentang subjek bisa luas atau sempit hingga ekstrem.

Catatan: Histogram adalah alat bantu visual yang mewakili distribusi relatif pencahayaan dalam gambar. Itu linear. Ini tidak ada hubungannya dengan paparan, hubungan timbal balik antara intensitas dan waktu, yang selalu direpresentasikan secara logaritma.

— Stan
sumber

2

Apa saja teknis kompensasi eksposur untuk gambar yang kurang terekspos dalam pemrosesan pasca?

Hanya meningkatkan semua nilai dalam gambar akan meningkatkan semua nilai dengan jumlah yang sama. Respons "linear" ini khas untuk gambar digital.

Kami tidak melihat hal-hal seperti itu dan gambar yang dihasilkan akan tampak tidak wajar.

Gambar analog (emulsi film) tampak lebih alami karena respons emulsi fotografi lebih menyerupai respons sistem visual manusia. Referensi dibuat untuk kurva berbentuk "S". Bentuk "S" yang khas itu adalah respons analog.

Mengkompensasi perbedaan antara respons visual manusia proporsional kami dan respons digital linier mengundang berbagai cara untuk menyelaraskan perbedaan secara estetis.

Perlu ada cara yang efektif untuk memberikan kompensasi yang proporsional untuk perbedaan tersebut. Itu teknisnya.

— Stan
sumber