W jaki sposób oprogramowanie zwiększa ekspozycję podczas przetwarzania końcowego?

Czy ktoś zna jakieś algorytmy lub może matematycznie wyjaśnić, w jaki sposób jasność (EV) jest wykonywana podczas przetwarzania końcowego? Czy dostosowuje poziom jasności / RBG / kontrastu dla każdego piksela? Czy to dotyczy histogramu?

Jakie są szczegóły techniczne kompensacji ekspozycji dla niedoświetlonego obrazu w przetwarzaniu końcowym?

EDYCJA: W tym pytaniu tutaj opublikowano link. To ma przykładów na zmianę EV i porusza się w lewo / w prawo. W odpowiedzi Matta Grumm'a stwierdza, że ​​każdy piksel jest „zwielokrotniany” (co moim zdaniem wskazuje, że histogram jest przesuwany w górę / w dół).

Czy ktoś może wyjaśnić, dlaczego tak jest? (Ta EV zmienia się od lewej do prawej)

Wiem, że wszyscy ekscytujemy się posiadaniem aparatów cyfrowych, ale faktem jest, że nie . Mamy kamery analogowe, które mają cyfrowy format wyjściowy (i wiele cyfrowych układów, które również nie są bezpośrednio związane z obrazem).

Ilekroć sygnał analogowy jest konwertowany na sygnał cyfrowy, wprowadza się szum kwantyzacji. Oznacza to, że jest bardzo mało prawdopodobne, aby sygnał przechodzący do konwersji dokładnie odpowiadał wartości liczby cyfrowej wychodzącej z drugiego końca - pomyśl o tym jako o błędach obcięcia lub zaokrąglenia.

Podczas przetwarzania końcowego na cyfrowym pliku obrazu szum kwantyzacji dodany przez kamerę jest „wstawiany”. Nie ma znaczenia, z jaką głębokością bitów pracujesz na stanowisku, dane, z którymi pracujesz, zawierają zarówno analogowe (dobrze, kwantowe) szumy (szum termiczny i strzał, zniekształcenie wzmacniacza itp.), Jak i szum kwantyzacji wyjścia kamery. Jakość danych podstawowych nie jest doskonała, więc wszelkie obliczenia wykonane na błędnych danych spowodują błędne dane wyjściowe. GIGO , jak mówią.

Z drugiej strony w aparacie masz możliwość wzmocnienia (lub osłabienia) sygnału analogowego przed kwantyzacją. To wcale nie pomaga w przypadku szumów w dziedzinie analogowej, ale zmniejsza szum kwantyzacji przy danym poziomie jasności .

Powiedzmy, że masz analogiczną wartość 4,4 whatchamacallits. Jeśli fotografujesz przy użyciu ISO 100, nasz hipotetyczny „cyfrowy” aparat przekonwertuje go na wartość cyfrową dokładnie 4. Jeśli zdecydujesz się zwiększyć widoczną ekspozycję na stanowisku, utkniesz w pracy z 4, która jest obcięta. Jeśli zwiększysz ISO w kamerze (o mniej niż kropkę), to 4.4 zostanie wzmocnione przez obwód analogowy, zanim zostanie przekonwertowany na cyfrowy, i może spowodować 1-wyższą wartość cyfrową niż obliczenia w całości cyfrowe. Różnica jednobitowa może nie brzmieć dużo, ale kiedy zaczniesz gromadzić wszystkie błędy podczas przetwarzania, dany piksel może znajdować się dość daleko od wartości, które powinien mieć. Taki jest hałas.

(Istnieje również fakt, że kamera „zna” swoje własne charakterystyki reakcji i może uwzględnić je w przetwarzaniu. Na przykład Lightroom nie wykonuje odejmowania szumu czujnika specyficznego dla kamery. Kamery mogą , choć nie wszyscy tak .)

Czy to formuła, której szukasz?

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

Co w zasadzie oznacza, że ​​dla każdego kanału (każdego piksela) danych RGB należy pomnożyć go przez 2 ^ EV, a następnie przyciąć do dowolnej wartości maksymalnej dla danych. Dla 8-bitowego koloru RGBmax będzie wynosić 255, dla 16-bitowego koloru będzie to 65535 itp.

EV tutaj jest względnym EV, więc EV + 2.0 pomnoży (rozjaśni) każdy piksel czterokrotnie, a EV-2.0 podzieli (przyciemni) każdy piksel czterokrotnie.

Sama formuła nie zależy od histogramu, ale jeśli musisz zdecydować, jakiej wartości ekspozycji użyć, aby optymalnie dopasować obraz, to z histogramu można wykonać pewne statystyki w celu obliczenia EV.

Uwaga: pytanie zostało zredagowane, ponieważ odpowiedź Stana na to pytanie odpowiada na inne pytanie:

Czy ktoś zna jakieś algorytmy lub może matematycznie wyjaśnić, w jaki sposób jasność (EV) jest wykonywana podczas przetwarzania końcowego? Czy dostosowuje poziom jasności / RBG / kontrastu dla każdego piksela? Czy to dotyczy histogramu?

Jakie są szczegóły techniczne kompensacji ekspozycji dla niedoświetlonego obrazu w przetwarzaniu końcowym?

Może to być proste: pomnożenie wszystkich wartości pikseli (np. Jasność, kontrast nie jest terminem odnoszącym się do poszczególnych pikseli) i zastosowanie przesunięcia. Jeśli zostanie to zrobione po demozaikowaniu, wystarczy pomnożyć wartości czerwony zielony i niebieski przez ten sam współczynnik.

Proces kompensacji ekspozycji jest nieco bardziej złożony w kontekście konwersji RAW, ponieważ czujniki aparatu są z natury liniowymi urządzeniami, podczas gdy większość konwerterów RAW stosuje nieliniową krzywą tonalną, aby spróbować naśladować kontrastową krzywą S uzyskaną za pomocą filmu.

Dlatego najlepszym czasem na kompensację ekspozycji jest jej zastosowanie. Zasadniczo oznacza to korzystanie z funkcji EC konwertera RAW, nie czekanie „do wyeksportowania programu Photoshop, ponieważ krzywa nieliniowa prawie do tego czasu zostanie zastosowana.

Sytuacja jest jeszcze bardziej złożona, ponieważ niektóre konwertery RAW * stosowały „skręcone” profile kolorów, które powodują mapowanie odcienia / nasycenia na różne wartości w zależności od intensywności. Odbywa się to w celu uzyskania bardziej przyjemnych kolorów kosztem dokładności i może wpływać na wyniki kompensacji ekspozycji.

Niektóre konwertery RAW oferują również narzędzia do odzyskiwania rozjaśnienia i wzmocnienia cieni. Dokonują lokalnych dostosowań (tj. Uwzględniają znacznie więcej niż poszczególne wartości pikseli). Jeśli chcesz poznać szczegóły tych algorytmów, prawdopodobnie będziesz musiał poczekać i mieć nadzieję, że pojawi się tutaj programista Lightroom.

* kiedy mówię „niektóre konwertery RAW”, mówię w zasadzie o Lightroom / ACR, ponieważ to jedyny, który studiowałem, inne zaawansowane konwertery RAW prawdopodobnie robią podobnie.

Matematycznie na jasność matrycy (obrazu) wpływa ogólny wpływ na wartość funkcji CIE L * odcienia piksela. To związek arytmetyczny. Dodaj, odejmij, pomnóż i podziel.

Ponownie, matematycznie, macierz transformacji (numeryczna) jest przypisana do istniejącej macierzy w pp. Można je wykonać selektywnie względem podmiotu lub całej macierzy (obrazu).

Dobra ekspozycja i zła ekspozycja to terminy dowolne - o ile zakres oświetlenia obiektu mieści się w użytecznym zakresie czujnika aparatu. Zakres tematyczny może być szeroki lub wąski do skrajnego.

Uwaga: Histogram stanowi pomoc wizualną, która reprezentuje względny rozkład natężeń oświetlenia na obrazie. Jest liniowy. Nie ma to nic wspólnego z ekspozycją, wzajemnym stosunkiem intensywności i czasu, który zawsze jest reprezentowany logarytmicznie.

Jakie są szczegóły techniczne kompensacji ekspozycji dla niedoświetlonego obrazu podczas przetwarzania końcowego?

Zwykłe zwiększenie wszystkich wartości na obrazie spowoduje zwiększenie wszystkich wartości o jednakową wartość. Ta „liniowa” reakcja jest charakterystyczna dla obrazów cyfrowych.

Nie postrzegamy rzeczy w ten sposób, a wynikowy obraz będzie wyglądał nienaturalnie.

Obraz analogowy (emulsja filmowa) wydawał się bardziej naturalny, ponieważ reakcja emulsji fotograficznej bardziej przypomina reakcję ludzkiego układu wzrokowego. Odniesiono się do krzywej w kształcie litery „S”. Ten charakterystyczny kształt litery „S” jest odpowiedzią analogową.

Kompensacja różnicy między naszą proporcjonalną reakcją wzrokową człowieka a liniową odpowiedzią cyfrową zachęca różne środki do estetycznego zharmonizowania różnicy.

Potrzebny jest skuteczny sposób zapewnienia proporcjonalnej kompensacji różnicy. To jest technika.