Proč je u moderních digitálních zrcadlovek stále potřeba filtr fyzického vyhlazování?
On 15 února, 2021 by adminChápu, že účelem anti-aliasingového (AA) filtru je zabránit moaré. Když se poprvé objevily digitální fotoaparáty, bylo nutné vytvořit AA filtr, který by vytvořil dostatečné rozmazání, aby se zabránilo vzorům moaré. V té době byl výkon kamerových procesorů velmi omezený. Proč je ale v moderních fotoaparátech DSLR stále nutné umístit na senzor AA filtr? Nelze to lze stejně snadno dosáhnout pomocí algoritmů použitých při demosaci výstupu ze snímače? Zdá se, že současný výpočetní výkon dostupný ve fotoaparátu by to nyní umožňoval mnohem víc než před několika lety. “„ Současný procesor Digic 5+ má stokrát vyšší procesorový výkon než procesor Digic III, který převyšuje výkon prvních digitálních fotoaparátů. Zejména při natáčení souborů RAW nelze „rozmazání AA“ provést ve fázi následného zpracování? Je to základní předpoklad fotoaparátu Nikon D800E, i když proti druhému používá druhý filtr?
Komentáře
- Není. Existují již digitální zrcadlovky bez filtru proti aliasu, včetně Pentax K-5 II, Nikon D800E a bezzrcadlovky, jako je Olympus PEN E -PM2 a všechny Fujis (X-E1, X-Pro1). Navíc dokonce ohlásily fotoaparáty s pevným objektivem bez AA filtru (X20 a X100S).
- A všechny tyto fotoaparáty občas vykazují barevnou moaré. / li>
- Skutečně, ale stejně tak budou i ostatní fotoaparáty. Mám podezření, že antialiasový filtr, který se vyhýbá všem moarům, by byl příliš silný, takže výrobci používají AA filtry menší síly. Jako příklad v mém Porovnání K-5 II a K-5 II , moaré se vyskytuje na obou fotoaparátech, mnohem více jen u K-5 II.
- IIRC nový Nikon D7100 ‚ ani jeden nemá.
- Nyní Pentax K-3 nemá žádný filtr, ale má režim, který během expozice velmi, velmi mírně vibruje senzorem, aby simuloval jeden. Mnoho zajímavých inovací v této oblasti.
Odpověď
Aliasing je výsledkem opakujících se vzorců zhruba stejná frekvence se navzájem nežádoucím způsobem ruší. V případě fotografie vytváří vyšší frekvence obrazu promítaného objektivem na senzor a interferenční obrazec (v tomto případě moiré) s mřížkou pixelů. K tomuto rušení dochází pouze v případě, že jsou tyto frekvence zhruba stejné, nebo když vzorkovací frekvence snímače odpovídá vlnkové frekvenci obrazu. To je Nyquistův limit. Všimněte si … to je analogický problém … moaré se vyskytuje kvůli rušení, ke kterému dochází v reálném čase v reálném čase před skutečným vystavením obrazu.
Jakmile je obrázek vystaven, je tento interferenční vzor skutečně „zapečen“. Software můžete do jisté míry použít k vyčištění moaré vzorů ve sloupku, ale ve srovnání s fyzickým nízkoprůchodovým (AA) filtrem před senzorem je to minimálně efektivní. Ztráta v detailech způsobená moiré může být také větší než ztráta ztracená u AA filtru, protože moiré jsou skutečně nesmyslná data, kde mohou být mírně rozmazané detaily užitečné.
AA filtr je navržen tak, aby tyto frekvence v Nyquist rozmazal, takže nevytvářejí žádné interferenční vzory. Důvod, proč stále potřebujeme AA filtry, je ten, že obrazové senzory a čočky jsou stále schopné rozlišovat až na stejnou frekvenci. Když se senzory zlepší do bodu, kdy je vzorkovací frekvence samotného senzoru trvale vyšší než i ty nejlepší čočky při jejich optimální cloně, pak by se snížila potřeba AA filtru. Samotný objektiv by pro nás účinně zvládl potřebné rozmazání a na prvním místě by se nikdy neobjevily interferenční vzory.
Komentáře
- Zde je část komentář přidán na photo.stackexchange.com/questions/10755/… . Stále věříte, že je to přesné? Pokud je tomu tak, jak je zapečen vzor, dokud nebudou data RAW demosaikována? “ Je ironií, že přinejmenším u RAW se teoretická nyquistova hranice ne vždy jeví jako tvrdá, což je pravděpodobně způsobeno různými vlnovými délkami červeného, zeleného a modrého světla a distribuce RGB pixelů v senzoru. – jrista ♦ 10. dubna ‚ 11 v 18:50 “
- Věřím, že jsem mluvil o řešení obecně tam, a nikoli přímo k aliasingu v zaznamenaném digitálním signálu. Nyquistův limit je trochu těžká věc, kterou je třeba přibít do senzoru Bayer kvůli nerovnoměrnému vzoru řad RGRG a GBGB. Prostorové rozlišení zelené je vyšší než prostorové rozlišení červené nebo modré, takže nyquistův limit v červeném nebo modrém světle je na nižší frekvenci než nyquistový limit v zeleném světle.Nyquistův limit v demosaikovaném obrazu je těžké přesně pojmenovat, takže se stává spíše fuzzy pásmem než konkrétním matematickým limitem.
- … tento vzor se stává součástí obrazu. I kdybyste znali přesnou vlnovou charakteristiku virtuálního obrazu a mohli byste z něj vytvořit Fourierovu sérii, museli byste změnit orientaci obrazu vzhledem k virtuální koncepci senzoru, abyste eliminovali moaré “ dokonale „. To je spousta nadměrně intenzivní, vysoce matematické práce … za předpokladu, že jste znali PŘESNOU povahu původního signálu virtuálního obrazu a jeho vztah k senzoru. Jakmile je aliasing zapečen do RAW, je to docela hotové, opravdu to není možné ‚ vrátit zpět bez změkčení detailů.
- Vím všechno o rozdílu ve frekvenci mezi červenou / modrou a zelenou. Stejně jako u všech současných optických filtrů AA, které filtrují pouze u nyquist, záleží opravdu na fotoaparátu. Ne všechny AA filtry jsou navrženy přesně stejně, a dokonce i pro stejnou značku mají různé modely a různé řady často AA filtry, které se chovají odlišně. Vím, že historicky linky 1D a 5D umožňovaly NĚKTERÉ frekvence těsně nad nyquistem, myslím si však, že jde o vyvážení s rozlišením objektivu.
- U snímačů s menšími pixely, jako je například Canon 18mp APS- C, D800, D3200, pixely jsou opravdu, opravdu malé. Mimo malý segment, pokud skutečně nové objektivy (například Canon ‚ generace Mark II řady L a poté pouze ty, které byly vydány v posledních dvou až třech letech), mohou dostatečně vyřešit detail výrazně překonat senzor a způsobit aliasing při frekvencích vyšších než nyquist. Filtrujte kolem nyquistu a samotný objektiv nad tím rozostří detaily. Myslím, že to je jedním z důvodů, proč řada 5D měla příliš silný AA filtr … čočky to snáze vyřeší.
Odpovědět
Fyzika takhle nefunguje. Aliasing nevratně transformuje frekvence přes Nyquistův limit tak, aby vypadaly jako frekvence pod limitem, i když ty „aliasy“ tam opravdu nejsou. Obecně platí, že žádné množství zpracování aliasovaného signálu nemůže obnovit původní signál. Fantastická matematická vysvětlení jsou poměrně dlouhá, než se do nich pustit, pokud nemáte třídu teorie vzorkování a zpracování digitálního signálu. Pokud byste měli, tak byste se na to neptali. Bohužel pak je nejlepší odpověď jednoduše „To není to, jak funguje fyzika. Omlouváme se, ale budete mi v tom muset věřit. .
Chcete-li se pokusit o hrubý pocit, že výše uvedené může být pravdivé, zvažte případ obrázku cihlová zeď. Bez AA filtru budou moaré vzory (což jsou vlastně aliasy), takže cihlové linie vypadají zvlněně. Nikdy jste neviděli skutečnou budovu, pouze obrázek s vlnovkami.
Jak víte, že skutečné cihly nebyly položeny ve vlnitém vzoru? Předpokládáte oni nebyly vaše obecné znalosti o cihlách a lidské zkušenosti s viděním cihlových zdí. Mohl by však někdo jen tak nějak záměrně udělat cihlovou zeď tak, aby vypadala v reálném životě (při pohledu na vlastní oči) jako obrázek? Ano mohli. Je tedy možné matematicky rozlišit aliasovaný obrázek normální cihlové zdi a věrný obraz záměrně zvlněné cihlové zdi? Ne to není. Ve skutečnosti také „nerozeznáte rozdíl, až na to, že vaše představa o tom, co obrázek pravděpodobně představuje, vám může budit dojem, že můžete. Znovu, přísně vzato, nezjistíte, zda jsou vlny jsou artefakty moaré nebo jsou skutečné.
Software nemůže magicky odstranit vlnky, protože neví, co je skutečné a co ne. Matematicky lze ukázat, že nemůže vědět, alespoň při pohledu na zvlněný obraz.
Cihlová zeď může být zřejmým případem, kdy můžete vědět, že aliasovaný obrázek je špatný, ale tam je mnohem více subtilních případů, kdy opravdu nevíte a možná si ani neuvědomujete, že se aliasing děje.
Přidáno v reakci na komentáře:
ozdíl mezi aliasingem zvukového signálu a obrazu spočívá pouze v tom, že první je 1D a druhý 2D. Teorie a jakákoli matematika k realizaci efektů je stále stejná, jen je aplikována ve 2D při práci s obrázky. Pokud jsou vzorky na pravidelné obdélníkové mřížce, jako jsou v digitálním fotoaparátu, objeví se další zajímavé problémy. Například vzorkovací frekvence je o sqrt (2) nižší (přibližně 1,4x nižší) podél diagonálních směrů, jak je aplikováno na směry zarovnané s osou. Teorie vzorkování, Nyquistova rychlost a jaké aliasy ve skutečnosti jsou, se však u 2D signálu neliší od 1D signálu.Zdá se, že hlavní rozdíl spočívá v tom, že to může být těžší pro ty, kteří nejsou zvyklí myslet ve frekvenčním prostoru, zabalit svou mysl a promítnout, co to všechno znamená z hlediska toho, co vidíte na obrázku.
Opět, ne, nemůžete „demaikovat“ signál po faktu, alespoň ne v obecném případě, kdy nevíte, jaký má být originál. Vzory moaré způsobené vzorkováním souvislých aliasů jsou . Platí pro ně stejná matematika, stejně jako pro aliasy vysokých frekvencí do zvukového proudu a znějící jako píšťaly na pozadí. Jde o stejné věci, se stejnou teorií, jak to vysvětlit, a se stejným řešením, jak s nimi zacházet.
Tímto řešením je eliminovat frekvence nad Nyquistovým limitem před vzorkování. Ve zvuku, který lze provést pomocí jednoduchého nízkoprůchodového filtru, který byste mohli vytvořit z rezistoru a kondenzátoru. V odběru vzorků obrazu stále potřebujete nízkoprůchodový filtr, v tomto případě odebírá část světla, které by zasáhlo pouze jeden pixel a jeho rozšíření na sousední pixely. Vizuálně to vypadá jako mírné rozmazání obrazu před jeho vzorkováním. Vysokofrekvenční obsah vypadá na obrázku jako jemné detaily nebo ostré hrany. Naopak ostré hrany a jemné detaily obsahují vysoké frekvence. Přesně tyto vysoké frekvence se ve vzorkovaném obrazu převádějí na aliasy. Některým aliasům říkáme moaré, když měl originál nějaký pravidelný obsah. Některé aliasy dávají čarám nebo hranám efekt „schodišťového kroku“, zejména jsou-li téměř svislé nebo vodorovné. Existují i další vizuální efekty způsobené aliasy.
Jen proto, že nezávislou osou ve zvukových signálech je čas a nezávislé osy (dvě z nich, protože signál je 2D) obrazu jsou vzdálenosti, nezruší platnost matematika nebo se nějak odlišuje mezi zvukovými signály a obrazy. Pravděpodobně proto, že teorie a aplikace aliasingu a anti-aliasingu byly vyvinuty na 1D signálech, které byly časově založenými napětími, se termín „časová doména“ používá k porovnání s „frekvenční doménou“ „. V obraze je nefrekvenční prostorová reprezentace technicky„ doména vzdálenosti „, ale pro jednoduchost zpracování signálu je často označována jako„ časová doména „. Nenechte se tím odvést od toho, co aliasing skutečně je. A ne, vůbec to není důkaz, že se teorie na obrázky nevztahuje, pouze to, že se k popisu věcí z historických důvodů někdy používá zavádějící výběr slov. Ve skutečnosti je zkratka „časová doména“ aplikovaná na nefrekvenční doménu obrázků ve skutečnosti protože teorie je stejná mezi obrazy a skutečnými časově založenými signály. Aliasing je aliasing bez ohledu na to, jaká nezávislá osa (nebo osy) jsou.
Pokud nejste ochotni se tím zabývat na úrovni několika vysokoškolských kurzů teorie vzorkování a zpracování signálu, nakonec prostě budeš muset věřit těm, kteří mají. Některé z těchto věcí jsou neintuitivní bez významného teoretického základu.
Komentáře
- Vše z moje pozadí při vzorkování a digitálním zpracování signálu bylo s ohledem na digitální zvuk. Chápu, jak dolní propust působí tak, že omezuje zvuky nad určitou frekvenci od vstupu do konverze AD. Pokud ‚ re sampling at 44,100hz you use a filter that started rolall at about 20Khz and any response by 22Khz is pretty much much. But with digital imaging itnnnt div id = „5ec8895b67“>
t that simple, protože i při použití filtrů AA některé aliasy projdou. ‚ jsem četl jinde, že filtry don nepokouší se zablokovat vše nad Nyquistem, protože by to příliš snížilo rozlišení.
Napsat komentář