Фото

В последнее время я увлекся макросъемкой, и мне стало любопытно, смогу ли я использовать отцовские объективы от микроскопа для своих фото и видео камер. Замысел этот не нов, и гугл-поиск показал, что реализовать его действительно возможно, потребуется лишь специальный переходник RMS M42, который доступен на Aliexpress.

Мне не хотелось ждать доставки 4 недели, и я решил спроектировать аналог во Fusion360. Хорошо, что сперва я все же заглянул на Thingiverse, и вуаля кто-то уже это сделал. Спасибо Эмилио Хосе Муньосу!

Вот ссылка на STL-файл из ejmfoto: https://www.thingiverse.com/thing:4687298


JПереходник RMS M42, 3D печать материал PLA, высота слоя 0.10мм

В итоге я напечатал этот переходник на Prusa MK3 из PLA с высотой слоя 0.10мм. Причем меня весьма удивило, что резьба получилась идеальной. Готовое изделие я прикрутил к металлическому адаптеру M42 для CanonEF и начал пробовать разные объективы.


Blackmagic design pocket 6k с объективом Plan 5x


Blackmagic design pocket 6k с объективом Zeiss 16x


Оптимальным вариантом оказался объектив ЛОМО 8x


ЛОМО 8x, присоединенный к Pocket 6k без удлинительного кольца > виньетирование

Чуть позже я понял, что без промежуточных колец увеличение получались менее 8х, и возникал эффект виньтерирования. Почитав кое-какую онлайн-документацию, я узнал, что для получения полноценных 8 крат и устранения виньетирования нужно увеличить расстояние между камерой и объективом до примерно 160мм.

Начал я с установки тонких удлинительных колец из аксессуаров микроскопа, что уже дало хорошее увеличение. Затем я добавил свои кольца Kenko/Canon EF, и общая длина составила около 160мм. Для получения нужного увеличения это расстояние можно варьировать, не забывая о необходимости хорошего освещения. Вот фото наскоро собранного стенда для тестирования. Получилось отлично!


Blackmagic design pocket 6k с ЛОМО 8x


Blackmagic design pocket 6k с ЛОМО 8x

Задействовав все имеющиеся кольца, я добился от ЛОМО его максимального увеличения 8x. Я также протестировал объективы 16х и 40х, которые дали потрясающее увеличение, но сама установка оказалась слишком шаткой. Нужны были отдельные макрорельсы типа wemarco с резьбовым штоком вместо системы на ременном приводе.

Камера установлена на старый слайдер Edelkrone с модулем движения. Я записываю короткие клипы в формате ProRes422(HQ) с разрешением 4K и исопльзую их для фокус-стекинга непосредственно в Helicon Focus. Для мухи в данном случае я использовал в среднем 160 кадров. Слайдер не предназначен для столь экстремальных макроснимков, поэтому мне пришлось увеличить скорость затвора доя 1/300, чтобы избежать размытия из-за дрожания. Получаемые таким образом кадры отлично подходят для обработки в Helicon Focus.

Чтобы добиться от Pocket 6K максимального качества, можно записать в 6K BRAW скорректировать цвет полученных коротких клипов в DaVinci Resolve и экспортировать их в 6K ProRes422HQ или одиночные файлы, что-то, что Helicon Focus сможет импортировать. Тем не менее для фокус-стекинга приведенных в статье фото я сразу использовал скачанные с камеры клипы в формате ProRes422HQ 4K, так как в целях тестирования это оказалось существенно быстрее.


Pocket 6k с ЛОМО 8x и удлинительным кольцом 160мм


Pocket 6k с ЛОМО 8x и удлинительным кольцом 160мм


Pocket 6k с макрообъективом Laowa 25мм @2.5x


Pocket 6k with laowa 25mm macro lens @2.5x


ЛОМО 8x + Pocket 6k c удлинительными кольцами 90мм > виньетирование

Королевское фотографическое общество объявило победителей очередного конкурса научный фотограф. Фотографии демонстрируются на манчестерском фестивале науки, который в этом году проходит в онлайне с 12 по 21 февраля. В конкурсе впервые принимают участие фотографии по теме изменение климата [фото кликабельны].


Ортофото Тистлегорма

Ортофото британского вооруженного сухогруза "Тистлегорм". Фотография корабля, затопленного немцами в 1941 году в Красном море, собрано из 15 005 кадров. Каждый из них был отредактирован так, чтобы общий вид был как у взгляда, направленного вертикально вниз. Популярное место для дайвинга (справа внизу видно дайверов). Корабль медленно превращается в местный коралловый риф.


Радужно-теневое селфи

Солнечный свет разлагается в спектр на стене, пройдя через призму. Чтобы оттенить спектр, фотограф снял его на фоне собственной тени на стене.


Северный Полюс под водой

Знак, обозначающий географический Северный полюс на 90 северной широты, расположен на морском льду, по большей части покрытом водой. Каждый год ледяная шапка Арктики уменьшается это прямое следствие изменения глобального климата.


Эмиссар Аполлона

Гелиоконцентраторная электростанция в Китае. 12 000 зеркал отражают солнечный свет на центральную башню, разогревая соль нитрата натрия. Теплообменник производит пар, крутящий турбины генератора. Тепловая инерция станции позволяет ей работать всю ночь, экономя до 350 000 тонн выбросов CO² в год.


Узоры Тьюринга в реакции Белоусова Жаботинского

Гипнотизирующие узоры формируются благодаря реакции Белоусова Жаботинского, проходящей в чашке Петри. В чашке к одному химикату добавляются капли другого. В результате капли порождают концентрические круги и спирали благодаря тому, что по чашке проходят волны концентрации химических веществ. Математику процесса описал Алан Тьюринг.


Ритм пузырей для песни ''По-моему'' Фрэнка Синатры

На фото представлена последовательность изменений в мыльной плёнке, расположенной перед динамиком, через который играет песня По-моему. Различные звуковые частоты создают разные узоры, меняя толщину мыльной плёнки. На фото они отображаются в виде разных цветов.


Ловец тумана

Одна из основных проблем самообеспечения во многих регионах орошение сухих территорий. В городе Мокегуа на юго-востоке Перу развешивают сетки размером 105 м. На них конденсируется влага утреннего тумана, после чего воду собирают для орошения общественных полей.


Переезд гигантов

78-метровую лопасть для ветряка, расположенного в море близ побережья, везут через круговое движение в датском городе Тарп.


Lo Hueco

Учёные аккуратно удаляют камни с окаменелых позвонков динозавра, найденных в местечке ло Уэко в испанской провинции Куэнка. В 2007 году строители обнаружили огромные залежи окаменелостей времён верхнего мелового периода (100 млн 66 млн лет назад). На сегодня там обнаружили уже 10 000 окаменелостей.


Обеление кораллов

Макросъёмка коралла, подвергшегося отбеливанию. Это происходит, когда коралловые полипы в ответ на какой-либо стресс выбрасывают из себя водоросли, обычно живущие внутри них. Водоросли производят до 90% энергии, необходимой кораллам. Один из таких стимулов это повышение температуры воды.


Эксперимент Synlight в немецком аэрокосмическом центре

В эксперименте Synlight участвует 149 дуговых ксеноновых ламп. Они создают свет, в 10 000 раз более интенсивный, чем солнечное излучение. Он используется в разных экспериментах, например, добыче водорода из воды для создания топливных ячеек.


Сеть, удушающая океан

Кашалот, запутавшийся в старой рыболовной сети. 10% всего морского мусора составляет выброшенные рыболовные снасти, пришедшие в негодность. В подобных сетях запутывается большое количество различных морских животных, от китов и акул до черепах, рыб и морских птиц.


Мёртвая река

Скот ведут через песчаную отмель в поисках воды и травы. Кадр сделан близ города Гайбандха в Бангладеш. Там река Брахмапутра изменила своё русло, из-за чего многие деревни оказались в километрах от ближайшей доступной для их стад пресной воды.


Передовой эксперимент VIRGO+

Северное плечо гравитационной обсерватории Virgo+. Virgo+ состоит из двух плеч по 3 км в длину, расположенных под прямым углом друг к другу. Через трубы проходят лазерные лучи, проделывающие путь туда и обратно много раз, после чего они рекомбинируются и дают картину интерференции. Проходящие через детектор гравитационные волны вызывают изменения в этой картинке.


Изменение климата в Афганистане

Трёх девушек, шедших в школу в афганском городе Бамиан, накрыла пылевая буря. Учащение экстремальных погодных явлений в стране связывают с последствиями изменения климата.


Кость динозавра

Отполированный срез кости динозавра под микроскопом. Разные цвета дают отложения разных минералов. Цвета меняются из-за изменения минерального наполнения во время формирования ископаемого, и не связаны со структурой кости. На фото виден участок кости шириной 1,2 мм.


Сферическая аберрация

Простая сферическая линза внутри трубы с рисунком искажает проходящий чрез неё свет. Чем ближе к краю, тем сильнее искажение это результат сферической аберрации, когда свет не собирается в единую фокальную точку.

Вам кажется, что вы тонете в цифровых фотографиях? Такое ощущение, что телефон сам по себе заполняется вашими селфи и снимками, а вот выбор лучших кадров и систематизация фотографий никогда не происходит без вашего вмешательства. Для упорядочивания созданных вами воспоминаний требуется время, но ведь со структурированными фотоальбомами так приятно иметь дело. В операционной системе вашего телефона наверняка имеется сервис для хранения и сортировки фотографий, однако существует добрая доля проблем конфиденциальности вокруг сознательного предоставления копий фотографий вашей жизни, друзей, детей и отдыха корпорациям (ещё и бесплатно). К счастью, существует большой выбор альтернатив с открытым исходным кодом, в которых вы сами выбираете, кто может просматривать ваши фотографии, а также инструменты с открытым кодом, которые помогут вам найти и улучшить самые лучшие из ваших любимых фото.

Nextcloud

Nextcloud это нечто большее, чем приложение для размещения фотографий, оно выделяется своим управлением фотографиями благодаря телефонным приложениям, которые вы можете использовать для синхронизации неавтоматического выбора. Вместо того, чтобы отправлять свои фотографии в Google Photos или облачное хранилище Apple, можете отправить их в личную установку Nextcloud.

Nextcloud удивительно легко настроить, а при помощи строгого контроля вы можете выбрать, кто в Интернете будет иметь доступ к вашим альбомам. Вы также можете приобрести хостинг Nextclould вам может показаться, что он ничем не отличается от Google или Apple, но разница существенная: хранилище Nextcloud наглядно зашифровано, исходный код служит тому доказательством.

Piwigo

Piwigo это программа фотогалереи с открытым исходным кодом, написанная на PHP с большим комьюнити пользователей и разработчиков, отличающаяся рядом персонифицируемых функций, тем и встраиваемым интерфейсом. Piwigo на рынке уже более 17 лет, чего не скажешь об относительно новых облачных хранилищах, используемых на телефонах по умолчанию. Также имеется мобильное приложение, так что вы можете все синхронизировать.

Просмотр изображений

Хранение фотографий это только половина дела. Совсем другое это придача им смысла, а для этого вам нужен хороший набор open source инструментов. И лучший инструмент во многом зависит от того, что вам действительно нужно. Почти каждый является фотографом-любителем, даже если себя так не воспринимает, а некоторые даже зарабатывают этим на жизнь. Здесь каждый найдет что-то по своему вкусу, и как минимум вам потребуется приятный и эффективный способ просматривать свою фотогалерею.

И в Nextcloud, и в Piwigo отличные встроенные средства для просмотра, однако некоторые пользователи предпочитают специально предназначенное приложение веб-браузеру. Хорошо продуманная программа просмотра изображений отлично подходит для быстрого просмотра нескольких фотографий, не тратя время на их загрузку или даже не имея подключения к интернету.

• Eye of GNOME встроенная программа просмотра изображений со многими дистрибутивами Linux отлично справляется с отображением картинок в самых распространенных форматах.
• ImageGlass это ещё одна базовая программа просмотра изображений с открытым исходным кодом, которая выигрывает по скорости и простоте, и является отличным выбором для пользователей Windows.
• PhotoQt программа для просмотра изображений для Windows или Linux, написанная на Qt, предназначена быть быстрой и гибкой с возможностью кэша миниатюр, комбинации клавиш и мышки и поддержкой многих форматов.

Организация каталога фотоизображений

Основная функция Google Photos и похожих сервисов заключается в возможности организации фотографий по метаданным. Плоская структура не обрезает несколько сотен фотографий в вашей коллекции; после нескольких тысяч это просто невозможно. Конечно же использование метаданных для организации библиотеки не всегда обещает идеальный результат, поэтому наличие хорошего органайзера бесценно. Ниже представлены несколько open source инструментов для автоматической организации каталога, вы также можете принять непосредственное участие и задать фильтры для того, чтобы фотографии были рассортированы по вашему желанию.

• Shotwell это программа для организации каталога изображений, которая по умолчанию установлена во многих дистрибутивах GNOME. Она содержит основные функции редактирования обрезание, уменьшение эффекта красных глаз и настройка уровней цветов, а также автоматическое структурирование по дате и пометкам.
• Gwenview программа для просмотра изображений для KDE. С её помощью вы можете просматривать каталоги фотографий, сортировать их, удалять ненужные вам и производить основные операции типа изменение размера, обрезание, поворот и уменьшение эффекта красных глаз.
• DigiKam программа для организации изображений, является частью семьи KDE, поддерживает сотни различных форматов, имеет несколько методов по организации коллекций и поддерживает пользовательские плагины для расширения функционала. Из всех перечисленных здесь альтернатив, вероятно именно эта будет проще всего работать на Windows в дополнение к её родному Linux.
• Lightzone бесплатное программное обеспечение с открытым исходным кодом для редактирования и управления фотографиями. Это приложение Java, поэтому доступно на любой платформе, на которой работает Java (Linux, MacOS, Windows, BSD и другие).
• Darktable фотостудия, цифровая темная комната и менеджер фотографий в одном. Вы можете непосредственно привязать к ней свою камеру или же синхронизировать изображения, сортировать их по наиболее понравившимся, улучшать фотографии динамичными фильтрами и экспортировать результат. Относится к приложениям для профессионалов и может не зайти любителю, но если вам нравится обдумывать диафрагмы и выдержки или дискутировать на тему Tri-X зерна, Darktable отлично вам подойдет.

Расскажите про себя? Пользовались ли вы Google Photos и ищите ли новый способ управления своими фотографиями? Или вы уже перешли к чему-то более новому, и, надеемся, с открытым кодом? Разумеется, мы перечислили не все варианты, поэтому расскажите нам про свои любимые ниже в комментариях.



Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:

• Курс по DevOps (12 месяцев)
• Курс по Machine Learning (12 недель)
• Обучение профессии Data Science с нуля (12 месяцев)
• Профессия аналитика с любым стартовым уровнем (9 месяцев)
• Курс Python для веб-разработки (9 месяцев)
• Профессия Веб-разработчик (8 месяцев)
• Профессия UX-дизайнер с нуля (9 месяцев)
• Профессия Web-дизайнер (7 месяцев)

Полезное

• 450 бесплатных курсов от Лиги Плюща
• Тренды в Data Scienсe 2020
• Data Science умерла. Да здравствует Business Science
• Data Scienсe на стероидах: знакомство с Decision Intelligence
• Самый успешный и самый скандальный Data Science проект: Cambridge Analytica

Рис. 1: фото на Nikon D610 с объективом AF-S 24-120mm f/4 и параметрами 24mm f/8 ISO100

Каковы базовые шаги создания изображения формата RAW на низком уровне? В данной статье я опишу, что происходит под капотом цифровой камеры, где необработанные данные превращаются в пригодное для просмотра изображение формата RAW иногда этот процесс называют рендерингом. Для демонстрации преобразования информации с изображения на каждом шаге я буду использовать приведённую в начале статьи фотографию, сделанную на Nikon D610 с объективом AF-S 24-120mm f/4 и параметрами 24mm f/8 ISO100.

Рендеринг это преобразование RAW и редактирование

Рендеринг можно разделить на два основных процесса: преобразование RAW и редактирование. Преобразование RAW необходимо для превращения необработанных данных изображения в стандартный формат, который понимают программы для редактирования и просмотра изображений, а также устройства для работы с ними. Обычно для этого используется колориметрическое цветовое пространство RGB типа Adobe или sRGB.

Редакторы берут информацию об изображении в стандартном цветовом пространстве и применяют к ней изменения, с тем, чтобы изображение стало более подходящим или приятным для фотографа.

Пример чистого конвертера RAW dcraw от Дэвида Коффина. Пример чистого редактора Photoshop от Adobe. Большинство конвертеров RAW на самом деле сочетают в себе функции преобразования RAW с функциями редактора (к примеру, Capture NX, LR, C1).

7 шагов базового преобразования RAW

Граница того, где заканчивается конвертация и начинается редактирование, достаточно размыта, но, в зависимости от того, как их разделять, можно выделить всего 7 шагов в основном процессе преобразования файла RAW в стандартное колориметрическое цветовое пространство к примеру, sRGB. Шаги не обязательно должны идти в таком порядке, однако следующая последовательность довольно логична.

1. Загрузить линейные данные из файла RAW и вычесть уровни чёрного.
2. Провести балансировку белого.
3. Подправить линейную яркость.
4. Обрезать данные изображения.
5. Восстановить исходное изображение из мозаики (дебайеризация).
6. Применить преобразования и коррекции цветов.
7. Применить гамму.

В базовом преобразовании RAW процесс остаётся линейным до самого конца. В идеале кривая гаммы на последнем шаге исправляется устройством, выводящим изображение, поэтому система обработки изображения от начала и до конца от момента, когда на матрицу падает свет, до момента, когда свет достигает глаз примерно линейная. Если вам нужно честно отрендерить изображение, так, как оно попало на фотоматрицу то это всё, что вам нужно от конвертера RAW.

+ Отображение тона: адаптация к динамическому диапазону устройства вывода

Однако, как мы увидим, базовое преобразование файлов RAW в существующих цифровых камерах почти никогда не даёт удовлетворительного результата, поскольку у большей части устройств вывода (фотобумага, мониторы) коэффициент контрастности уступает тому, который способны запечатлеть хорошие цифровые камеры. Поэтому практически необходимо провести коррекцию тонов, чтобы привести широкий динамический диапазон камеры к узкому динамическому диапазону устройства. Это может быть простая кривая контрастности или более сложное отображение тона вместе с локальной и глобальной подстройкой теней, ярких участков, чёткости и т.п. (стандартные ползунки в коммерческих редакторах и ПО конвертеров). Обычно это делается при редактировании рендера но если вы стремитесь получить точный цвет, в идеале отображение тона должно быть частью 6-го шага цветокоррекции во время конвертирования RAW (см. отличный сайт Алекса Торгера с описанием цветовых профилей).

После семи базовых шагов конвертирования можно переходить к редактору, с тем, чтобы объективно скорректировать несовершенства, выявленные в конкретном кадре и в конкретном выводе картинки на устройство вывода а также сделать изображение субъективно более приятным глазу художника. К примеру, исправить дисторсию объектива и латеральную хроматическую аберрацию; применить уменьшение шума; применить фильтр увеличения резкости. Возможно, некоторые из этих функций лучше выполнять в линейном пространстве, перед определёнными шагами конвертирования RAW, но обычно они необязательны, и их можно точно так же сделать и в редакторе после рендеринга в гамма-пространстве.

В данной статье мы сконцентрируемся на базовой части рендеринга, связанной с преобразованием RAW, а отображение тона и редактирование оставим для другого раза.

1. Загрузить линейные данные из файла RAW и вычесть уровни чёрного

Первый шаг в преобразовании RAW простая загрузка данных из файла RAW в память. Поскольку форматы RAW отличаются от камеры к камере, большинство конвертеров используют вариации программ LibRaw/dcraw с открытым кодом. Следующие команды для LibRaw или dcraw перепакует RAW в линейный 16-битный TIF, который смогут прочесть приложения для обработки (Matlab, ImageJ, PS, и т.д.). Установка программы не требуется, нужно только, чтобы исполняемый файл был в переменной PATH или находился в той же директории.

unprocessed_raw -T  yourRawFile

или

dcraw -d -4 -T  yourRawFile

Если ваша фотоматрица хорошо спроектирована и находится в рамках спецификаций, записанные данные будут находиться в линейном соотношении с яркостью света, однако обычно они хранятся со смещением, зависящим от камеры и канала. Т.н. уровни чёрного имеют величины в несколько сотен или тысяч DN, и их нужно вычесть из оригинальных необработанных данных, чтобы нулевая интенсивность пикселей совпадала с нулевым количеством света. dcraw с приведённой выше командной строкой сделает это для вас (хотя и применит некие средние значения). При использовании unprocessed_raw вам нужно знать значение уровня чёрного для вашей камеры и вычесть его соответственно (или можно использовать параметр B, который, правда, в текущей версии LibRaw, похоже, не поддерживается).

Оказывается, что Nikon вычитает уровни чёрного из каждого канала перед записью в файлы D610, поэтому для нашего справочного кадра любая из команд сработает. Я загрузил её командой dcraw -d -4 T, которая также масштабирует данные до 16 бит (см. шаг 3 по коррекции яркости далее).

Загруженные на этой стадии данные просто представляют собой интенсивность серой шкалы изображения. Однако в них есть соответствие положению на матрице, связанное с определённым цветовым фильтром, под которым оно находится. В байеровских матрицах идут ряды перемежающихся красного с зелёным цветов и зелёного с синим как показано на картинке. Точный порядок определяется по первому квартету активной области матрицы в данном случае это RGGB, однако возможны и три других варианта.


Рис 2: матрица цветного фильтра Байера: расположение RGGB.

Байеровская матрица для D610 имеет раскладку RGGB. Необработанные данные выглядят на этом этапе следующим образом, как недоэкспонированное чёрно-белое изображение:


Рис. 3: Шаг 1: линейное необработанное изображение с вычтенными уровнями чёрного. Должно выглядеть таким же ярким, как следующий рис. 4. Если нет ваш браузер неправильно обрабатывает цвета (я использую Chrome, и он, очевидно, обрабатывает их неправильно).

Если фото чёрное, то ваш браузер не знает, как показывать правильно размеченные линейные данные. Интересно, что редактор WordPress показывает изображение верно, но после публикации в Chrome оно выглядит неправильно (примечание: к 2019 году это, наконец, исправили) [статья 2016 года / прим. перев.]. Вот, как должно выглядеть это изображение:


Рис. 4: то же фото, но в виде CFA grayscale

Вот как линейные данные CFA выглядят непосредственно в файле. Выглядит темновато, поскольку я сместил экспозицию вправо, чтобы не обрезать блики водопада это мы исправим позже, на шаге линейной коррекции яркости.

Изображение выглядит как полноценное чёрно-белое из-за малого размера, но на самом деле это не так: даже на одинаково освещённых участках видна пикселизация. Это происходит из-за того, что соседние цветовые фильтры, имея разную спектральную чувствительность, собирают разную информацию о цветах. Это легко видно при увеличении изображения. Вот как выглядит участок изображения сразу под карточкой WhiBal с увеличением до 600%:


Рис 5: CFA-пикселизация видна на равномерно серой карточке (сверху) и на окрашенных листьях.

2. Данные о балансе белого

Из-за спектрального распределения энергии источника света (в данном случае это частично закрытое облаками небо, свет которого проникает сквозь листву) и спектральной чувствительности фильтров, расположенных на матрице, различные цветные пиксели записывают пропорционально большие или меньшие значения даже при одном и том же освещении. Особенно это очевидно в нейтральных частях изображения, где, казалось бы, должны проявляться одинаковые средние значения по всем цветовым плоскостям. В данном случае на нейтрально серой карточке красные и синие пиксели записали значения в 48,8% и 75,4% от зелёного значения соответственно, поэтому они кажутся темнее.

Поэтому следующий шаг применить баланс белого к линейным данным CFA, умножив каждый красный пиксель на 2,0493 (1/48,8%), а каждый синий на 1,3256 (1/75,4%). В терминах Adobe мы получим чёрно-белое изображение, нейтральное относительно камеры. Тогда гарантированно, за исключением шума, все пиксели покажут одинаковые линейные значения на нейтральных частях изображения.


Рис. 6: после балансировки белого пикселизация серой карточки исчезает, но на цветных объектах она ещё видна.

Посмотрите, как исчезла пикселизация вверху изображения для калиброки использовалась нейтрально серая карточка. Но, конечно, с цветных объектов пикселизация не исчезла: информация о цветах хранится в разности интенсивностей трёх каналов.

3. Корректировка линейной яркости

Большинство современных цифровых камер с заменяемыми объективами дают необработанные данные размерностью 12-14 линейных битов. Стандартная битовая глубина файлов (jpeg, TIFF, PNG) обычно задаётся в виде множителей 8, и любимой глубиной большинства редакторов сегодня являются 16 бит. Мы не можем просто взять 14-битные данные с вычтенным уровнем чёрного и сохранить их в 16 бит всё попадёт в нижние 25% линейного диапазона и будет слишком тёмным. В идеале нам нужно обрезать данные после балансировки белого и вычитания чёрного, чтобы соответствовать обрезанным данным 16-битного файла, и соответствующим образом их масштабировать (см. шаг 4). Простой способ примерного приведения данных просто умножить 14-битные данные на 4, масштабируя их до 16 бит. Именно это было сделано на шаге 1 после вычитания чёрного (dcraw -d -4 -T делает это автоматически, а с unprocessed_raw нужно будет сделать это вручную).

Говоря о масштабировании, мы можем также захотеть подправить нашу яркость. Этот шаг субъективен, и его, вероятно, не стоит делать, если вы гонитесь за честным рендером изображения, таким, какое оно получилось на матрице и записалось в файл RAW. Однако ни у кого не получается идеально выставить экспозицию, а разные камеры часто измеряют среднее серое в разных процентах от необработанных данных, поэтому полезно иметь возможность подправлять яркость. Поэтому у многих конвертеров относительные ползунки называются коррекция экспозиции или компенсация экспозиции. В Adobe есть связанная с этим метка DNG, нормализующая экспонометр для разных камер, BaselineExposure. Для D610 она равняется 0,35 шага.

На мой вкус наше изображение темновато, и карточка WhiBal, которая должна иметь 50% отражающей способности, в полном масштабе даёт всего 17%. Линейная коррекция яркости это умножение каждого пикселя в данных на константу. Если мы посчитаем, что на данном снимке не нужно сохранять самые яркие участки изображения яркостью выше 100% рассеянного белого света, то эта константа в данном примере будет равняться 50/17, примерно 1,5 шага коррекции. В данном случае я решил применить субъективно-консервативную коррекцию в +1,1 шага линейной яркости, умножив все данные в файле на 2,14, и получилось следующее:


Рис. 7: CFA-изображение после вычитания уровней чёрного, балансировки белого, обрезки, коррекции линейной яркости на 1,1 шаг

Уже лучше. Но, как вы можете видеть, расплачиваться за линейную коррекцию яркости приходится засветкой частей водопада. Тут приходят на помощь продвинутые ползунки нелинейного сжатия ярких участков и восстановления теней, имеющиеся в большинстве конвертеров RAW.

4. Убедиться в ровной обрезке данных по балансу белого

Если в необработанных данных изначально был обрезан зелёный канал, возможно, после применения множителей баланса белого придётся обрезать и два других до полного масштаба, чтобы исправить возникшую нелинейность. Полный масштаб показан на гистограммах ниже в виде нормализованного значения 1,0. Видно, что зелёный канал оригинальных необработанных данных был обрезан (из-за нагромождения значений), а другие не были.


Рис. 8: Сверху вниз: гистограммы R, G, B после применения множителей баланса белого к необработанным данным, до обрезки. Обязательно обрезать все три до уровня меньшего из каналов, чтобы в ярких областях не появилось ложных цветов. Данные изображения отложены на отрезке 0-1, где 1 полный масштаб.

Обрезка на полном масштабе необходима, поскольку в тех местах, где нет данных от всех трёх каналов, полученный цвет, скорее всего, будет неверным. В итоговом изображении это может проявить себя как, допустим, розоватый оттенок на участках, близких к максимальной яркости. Это очень раздражает, допустим, на снимках заснеженных гор. Поэтому обрезка бескомпромиссно решает эту проблему.


Рис. 9: Слева: правильно обрезанное изображение после применения баланса белого. Справа: изображение не обрезано. Жёлтой стрелкой показана область, близкая к максимальной яркости, где неполная информация от цветовых каналов даёт розоватый оттенок.

Вместо обрезки можно было бы сделать определённые предположения о недостающих цветах и дополнить относительные данные. В продвинутых конвертерах RAW этим занимаются алгоритмы или ползунки с названиями типа реконструкция ярких участков. Способов сделать это существует множество. К примеру, если не хватает всего одного канала, как в случае с зелёным от 1,0 до 1,2 на рис. 8, проще всего предположить, что яркие участки находятся в районе нейтрально белого цвета, а в необработанных данных изображения сделан правильный баланс белого. Тогда в любом квартете, где зелёный цвет будет обрезан, а два других не будут, то значение зелёного будет равняться среднему значению двух других каналов. Для данного снимка такая стратегия смогла бы реконструировать не более 1/4 шага в ярких участках (log₂(1,2)). Затем потребовалось бы провести сжатие ярких участков и/или повторную нормализацию новой полной шкалы до 1,0.

5. Дебайеризация данных CFA

До сего момента CFA-изображение находилось на одной чёрно-белой плоскости, из-за чего цветные участки казались пикселизированными, как видно на рис. 6. Пришло время дебайеризации разделения красных, зелёных и синих пикселей, показанных на рис. 2, на отдельные полноразмерные цветовые плоскости, путём аппроксимации отсутствующих данных (на рис. ниже они показаны в виде белых квадратов).


Рис. 10: дебайеризация заполнение отсутствующих данных в каждой цветовой плоскости с использованием информации из всех трёх плоскостей.

На этом шаге можно использовать любой из большого количества продвинутых алгоритмов дебайеризации. Большинство из них работают очень хорошо, но некоторые получаются лучше других, в зависимости от ситуации. Некоторые конвертеры RAW типа открытых RawTherapee и dcraw предлагают пользователю выбрать алгоритм из списка. Большинство конвертеров не дают такой возможности, и используют один алгоритм дебайеризации. Знаете ли вы, какой алгоритм дебайеризации использует ваш любимый конвертер RAW?

В данном испытании я решил схитрить и просто сжать каждый квартет RGGB в единый пиксель RGB, оставив значения R и B для каждого квартета такими, какие они есть в необработанных данных, и усреднив G по двум (это эквивалентно режиму dcraw h). Это алгоритм дебайеризации 22 по ближайшим соседям. Он даёт более удобное в работе изображение вдвое меньшего размера (по линейным измерениям, или вчетверо по площади).


Рис. 11: необработанное RGB-изображение после вычитания уровней чёрного, балансировки белого, обрезки, коррекции линейной яркости и дебайеризации 22 по ближайшим соседям (эквивалент dcraw h).

На рис. 11 видно, что наши необработанные данные теперь представлены в RGB-формате с тремя полностью заполненными цветовыми плоскостями. Цвета такие, какие записала камера, показал браузер и монитор. Выглядят блекловато, но не сильно отличаются от оригинала. Оттенки хранятся не в стандартном RGB-пространстве, поэтому ПО и железо не всегда понимают, что с ними делать. Следующий шаг преобразовать эти цвета в общепринятое колориметрическое стандартное цветовое пространство.

Figure 11 shows that our raw capture data is now in RGB format with three fully populated color planes. The colors are those recorded by the camera (can we say camera space?) as shown by your browser through your video path and monitor. They seem a bit bland but not too far off. The tones are not in a standard RGB color space, so imaging software and hardware down the line do not necessarily know what to make of them. The next step is therefore to convert these colors to a generally understood, colorimetric, standard color space.

6. Преобразование и коррекция цветов

Это один из наименее интуитивно понятных но наиболее важных шагов, необходимых для получения готового изображения с приятными глазу цветами. Все производители ревностно хранят секреты своих цветовых фильтров в CFA их матриц, однако при наличии подходящего оборудования не так уж сложно вывести функции спектральной чувствительности. Примерное представление о функциях вашей камеры вы можете составить даже при помощи дешёвого спектрометра.

Вооружившись всем этим, а также сделав множество предположений по поводу типичных источников света, сцен и способов просмотра, можно сгенерировать компромиссную линейную матрицу, преобразующую цвет, полученный в CFA-изображении (таком, как показано на рис. 11), в стандартный цвет, который смогут распознать распространённые программы типа редакторов или браузеров, а также устройства типа дисплеев и принтеров.

К счастью для нас, измерением и расчётом этих матриц занимается несколько прекрасных лабораторий а потом они выкладывают расчёты в открытый доступ. К примеру, DXOmark.com выпускает матрицы для преобразования данных из необработанного фото после балансировки белого в sRGB для двух источников для любой камеры из их базы данных. Вот, например, их матрица для Nikon D610 и стандартного источника света D50:


Рис 12: цветовая матрица от DXO lab для источника света D50: от данных, прошедших балансировку белого и дебайеризации к sRGB.

Какая из компромиссных матриц будет лучшей, зависит от спектрального распределения энергии источника света в момент снятия кадра, поэтому реальную матрицу обычно интерполируют на основе парочки ссылок. В мире Adobe сегодня это стандартные источники света A и D65, отвечающие за предельные варианты типичного освещения в повседневной фотографии, от лампы накаливания до дневной тени и съёмки в помещении. Затем преобразованные данные адаптируются к источнику света, соответствующему итоговому цветовому пространству для sRGB это, например, D65. В итоге получается некая матрица, как, например, та, что показана на рис. 12. Потом остаётся просто перемножить её на RGB-значения каждого дебайеризованного пикселя после шага 5.

В спецификации своего DNG Converter Adobe советует более гибкий процесс. Вместо прямого перехода от CFA камеры к колориметрическому цветовому пространству Adobe сначала преобразует данные в цветовое пространство Profile Connection (XYZ D50), умножая данные после балансировки белого и дебайеризации на интерполированную линейную прямую матрицу [forward matrix], а потом уже приходит в итоговое цветовое пространство типа sRGB. Иногда Adobe также применяет дополнительную нелинейную цветовую коррекцию с использованием специальных профилей в XYZ (на языке DNG это HSV-коррекции через ProPhoto RGB, HueSatMap и LookTable).

Прямые матрицы камеры, сделавшей снимок, записываются в каждый DNG-файл, хвала Adobe. Я скачал оттуда матрицы для D610, а матрицы XYZD50 -> sRGBD65 с сайта Брюса Линдблума, и получил итоговое изображение:


Рис. 13: Честно сконвертированное изображение. Необработанные данные, вычтены уровни чёрного, произведена балансировка белого, обрезка, подправлена яркость, дебайеризация через ближайшего соседа 22, цвет подкорректирован и преобразован в цветовое пространство sRGB.

Теперь цвета такие, какие ожидают встретить программы и устройства в цветовое пространство sRGB. Если вам интересно, то данное изображение практически идентично тому, что выдаёт конвертер необработанных данных Capture NX-D от Nikon с профилем Flat. Однако выглядит оно не очень резко из-за плохой контрастности наших мониторов (см. Отображение тона).

7. Применение гаммы

Последний шаг зависит от выбранного цветового пространства. Gamma для пространства sRGB равна около 2,2. Я отмечаю это особо только для того, чтобы показать, что на этом этапе процесс рендеринга становится нелинейным. С этого момента изображение приведено к колориметрическому гамма цветовому пространству, и его можно как загружать в любимый редактор, так и выводить на экран. В теории все предыдущие шаги были линейными, то есть легко обратимыми.

+ Отображение тона

В 2016 году почти всегда требуется ещё и коррекция тона, чтобы выбрать, как именно втиснуть большой динамический диапазон камеры в небольшой диапазон отображающего устройства. К примеру, в зависимости от вашей устойчивости к шуму, динамический диапазон моего D610 имеет 12 шагов, при том, что у моего совсем неплохого монитора коэффициент контрастности равен 500:1, или порядка 9 шагов. Это значит, что три нижних шага с камеры не будут видны на мониторе из-за его подсветки.

Кривая RGB субъективно перераспределит тона по диапазону, так, чтобы некоторые тени стали виднее за счёт некоторых самых ярких участков (поэтому эту кривую называют градационной кривой). На момент написания статьи такую кривую обычно применяет Adobe в ACR/LR во время рендеринга перед тем, как показать изображение в первый раз:


Рис. 14: градационная кривая применяемая ACR/LR ближе к концу процесса рендеринга в Process Version 3 (2012-2016). Горизонтальная ось нелинейна.

В данном случае я её не использовал. Я просто применил кривую увеличения контраста и добавил немного резкости в Photoshop CS5 к рис. 13, чтобы получить итоговое изображение:


Рис. 15: Итоговое sRGB изображение. Изначально необработанные данные, вычтены уровни чёрного, произведена балансировка белого, обрезка, подправлена яркость, проведена дебайеризация, цвет подкорректирован, применена градационная кривая

Конечно, применение кривой контраста на позднем этапе меняет хроматичность и насыщенность цветов, однако именно это происходит, когда вы применяете эти подстройки гамма-RGB пространстве после рендера изображения. Исторически так всё происходило в фотоаппаратах, и так всё происходит в популярных конвертерах RAW такова процедура, и к такому мы с годами привыкли. Альтернативной для достижения точности цветопередачи будет использовать цветовой профиль с сайта Торгера, и уже не трогать тона.

Подытожим

Итак, для базовой конвертации RAW с линейной подстройкой яркости и цветов требуется:

1. Загрузить линейные данные из файла RAW и вычесть уровни чёрного.
2. Провести балансировку белого.
3. Подправить линейную яркость.
4. Обрезать данные изображения.
5. Провести дебайеризацию.
6. Применить преобразования и коррекции цветов.
7. Применить гамму.

И всё покров тайны с конвертертации необработанных данных сорван.

Скрипты для Matlab для получения изображений, приведённых в этой статье, можно скачать по ссылке. 7 базовых шагов отмечены жёлтым:

s = raw2RGB(DSC_4022 , ROI , 1.1)

После использования скрипта сохраните файл в формате TIFF, загрузите в редактор цветов и примените выбранное цветовое пространство, чтобы увидеть правильные цвета.

Объективы наподобие Nikon Z 50mm F1.2 S больше, тяжелее, дороже и сложнее, чем старые объективы F1.2. Но почему?

Для начала немного истории оптики

В те времена, когда корабли строили из дерева, у людей уже были надёжные оптические инструменты. Одним из таких инструментов являлся объектив с постоянным фокусным расстоянием, изготовленный по схеме двойной объектив Гаусса. До начала двадцатого века проектировщики объективов уже создали пять из шести типов объективов, ставших основой для тех, которые мы используем сегодня. (Ретрофокусный объектив появился в 1920-х, а зум-объективы, если вам любопытно, по сути, являются модифицированными триплетами Кука.)

С конца 19-го века двойной объектив Гаусса был основной конструкцией объективов с постоянным фокусным расстоянием и большой светосилой. В течение многих лет конструкторы добавляли новые группы для получения большего количества света, коррекции аберраций и совершенствования объективов в целом. Но вплоть до современности фундаментом для объективов с постоянным фокусным расстоянием оставался двойной Гаусс. Вспомните любой известный объектив с постоянным фокусным расстоянием, и он скорее всего будет изготовлен по схеме двойного Гаусса: Speed Panchro, Planar, Xenon, Summicron, Takumar, Ultron, и так далее.



Наверху: объектив Петцваля, апланат, двойной объектив Гаусса. Внизу: триплет Кука, телеобъектив, обратный телеобъектив (ретрофокусный).


В большинстве схем двойного Гаусса есть особенности, имеющие практическую важность (обратите внимание, что я сказал в большинстве, а не во всех). Проще всего проектировать двойной объектив Гаусса с углом обзора, эквивалентным фокусному расстоянию 40-60 мм полнокадровых камер. Поэтому в сфере 50 мм обычно властвуют двойные объективы Гаусса, а объективы с большим или меньшим фокусным расстоянием обычно становятся телеобъективами или ретрофокусными объективами. Во-вторых, аберрации в двойных объективах Гаусса проще контролировать при диафрагме F2.8 и меньше. Приличный 50-миллиметровый двойной объектив Гаусса с диафрагмой F2.8 можно изготовить всего из пяти элементов, а диафрагмы большего диаметра требуют больше элементов для коррекции аберраций (см. схему выше).

Но объективы меняются

За последнее десятилетие 50-миллиметровые объективы стали более сложными. Сравните тридцатилетнюю конструкцию Canon 50mm F1.2 (справа) с более новыми Sigma 50mm F1.4 Art и Zeiss Otus 55mm F1.4 (слева).


Схемы объективов (слева направо) Zeiss 55mm Otus, Sigma 50mm F1.4 Art и Canon 50mm EF F1.2L.

Недавно три крупных производителя представили объективы 50mm F1.2 с ещё более сложной схемой, содержащие от 13 до 18 элементов, с несколькими асферическими и низкодисперсионными компонентами. В них достаточно сложно увидеть какое-то бы ни было влияние схемы двойного объектива Гаусса.


Схемы объективов (слева направо): Sony FE 50mm f1.2 GM, Nikkor Z 50mm f1.2 S и Canon RF 50mm f1.2L.

Конструкторы объективов добавляют всё это новое стекло не для того, чтобы повысить цену и сделать схему более крутой. Эти новые более дорогие и сложные конструкции предназначены для преодоления ограничений, с которыми мы сталкивались у 50-миллиметровых объективов с постоянным фокусным расстоянием и сверхширокой диафрагмой. По крайней мере, они решат эти проблемы в теории и моих ожиданиях. А мы знаем, чем обычно заканчиваются ожидания.

Поговорим про объективы со сверхширокой диафрагмой

Кстати, об ожиданиях: многие годы фотографы тратили целые состояния на объективы F1.2 в надежде, что несмотря на снижение резкости при полностью открытом отверстии, хотя бы при уменьшении отверстия они будут так же хороши, как более дешёвые 50-миллиметровые объективы. Ведь уменьшение отверстия способно решить все проблемы, не так ли?

К сожалению, всё работало не так, по крайней мере, для двойных объективов Гаусса с диафрагмой больше, чем F1.4. Разумеется, уменьшение относительного отверстия делало их резче, особенно в центре. Но вдали от центра они никогда не были очень чёткими; скорее, становились приемлемыми. Например, ниже представлено сравнение классического объектива Canon 50mm EF F1.2L и более нового Sigma 50mm F1.4 Art, протестированных при F5.6. Как видите, Sigma превосходит Canon.


Функция передачи модуляции (ФПМ) объективов Canon 50mm EF 50mm F1.2L (слева) и Sigma 50mm F1.4 Art (справа).

График кривизны поля демонстрирует, что это не её влияние (хотя некоторая кривизна присутствует). Скорее, эти объективы имеют аберрации, которые не очень снизились благодаря уменьшению относительного отверстия (астигматизм третьего и пятого порядка, эллиптическая кома и другие аберрации высокого порядка при диафрагмах меньшего размера устраняются не так хорошо).


Эти диаграммы показывают, что несмотря на уменьшение относительного отверстия внешние части объектива не такие уж резкие и присутствует большая степень астигматизма.

Именно такой была ситуация. Объектив со сверхширокой диафрагмой по цене 1500 долларов давал потрясающие снимки при F1.2, но при уменьшении отверстия до F5.6 или F8, обычно более резким оказывался объектив F1.8 за 300 долларов. Я использовал в качестве примера Canon EF 50mm F1.2L, но то же самое, по сути, было справедливо для всех сверхшироких (F1.2 или шире) объективов, в том числе и ценой 3000 долларов.

Тестируем новую Sony FE 50mm F1.2 GM

Компания Sony прислала мне для предварительного тестирования пять новых объективов FE 50mm F1.2 GM. Это неполное тестирование, потому что объективов всего пять, но этого должно быть достаточно, чтобы дать нам некоторую информацию. И хотя я не тестировал 50-миллиметровые Canon и Nikon, их конструкция предполагает, что результаты должны быть примерно одинаковыми.

Тесты с полностью открытым отверстием

Если сравнивать со старым EF Canon 50mm F1.2, то видно, что последние 30 лет проектирования объективов не прошли даром. Sony (справа) значительно лучше.


Canon EF 50mm F1.2L @ F1.2 | Sony FE 50mm F1.2 GM @ F1.2

Вот показатель, дающий представление о том, насколько хорош Sony: при F1.2 он имеет лучшее разрешение, чем превосходный Sigma 50mm F1.4 Art при F1.4.


Sigma 50mm F1.4 Art при F1.4 | Sony FE 50mm F1.2 GM при F1.2

Так вот в чём преимущество новой конструкции: при полностью открытом отверстии он так же хорош, как превосходный 50mm F1.4. Это определённо стоит своих денег для многих фотографов. Но мне всё равно было любопытно насколько повышается резкость при уменьшении отверстия?

Сравнения с уменьшенным отверстием

Давайте начнём с очевидного: сравним один объектив F1.2 GM с одним объективом Sony Planar 50mm F1.4 ZA, оба с диафрагмой F5.6. ZA не такой уж потрясающий объектив, но многие пользователи FE работали с ним. При уменьшении отверстия представленная ниже диаграмма ФПМ демонстрирует его высокий астигматизм. Я ожидал, что GM будет лучше него; так и оказалось.


Sony FE 50mm F1.2 GM при F5.6 | Sony FE 50mm F1.4 ZA при F5.6

Теперь давайте проведём более сложное сравнение, между одним из GM и Sigma 50mm F1.4 Art (на графике я поменял их местами, то есть Sony справа). Есть незначительные отличия, но если вы захотите сказать, что один точно лучше другого, то я предпочту промолчать, потому что вы ошибётесь. Sigma чуть-чуть получше по краям, Sony в центре, и у Sony чуть меньше астигматизма. Но различия очень незначительны, вплоть до того, что они окажутся в пределах отклонения выборки, и будут незаметны на фотографиях.


Sigma 50mm F1.4 Art при F5.6 | Sony FE 50mm F1.2 GM при F5.6

Именно это я и надеялся увидеть. Раньше, если вы покупали объектив F1.2 или с более широкой диафрагмой, то ожидали, что при открытом отверстии картинка будет нерезкой, и даже при уменьшении отверстия она не станет такой же резкой, как у более дешёвого и медленного объектива. Современные (и более сложные) конструкции позволяют объективам F1.2 быть потрясающе резкими при полностью открытом отверстии, а при уменьшении отверстия такими же резкими, как объективы с меньшими диафрагмами. И это, на самом деле, очень важно.

Разумеется, разрешение это ещё не всё. Вероятно, это даже не самое важное. Но важно то, что, по крайней мере, у объективов F1.2 до недавнего времени таких показателей не было.

И надеюсь, теперь вы начинаете понимать, почему эти новые объективы состоят из такого количества элементов (хотя на самом деле причина не только в этом).

---

На правах рекламы

Закажите и сразу работайте! Создание VDS любой конфигурации в течение минуты, в том числе серверов для хранения большого объёма данных до 4000 ГБ, CEPH хранилище на основе быстрых NVMe дисков от Intel. Эпичненько :)

Присоединяйтесь к нашему чату в Telegram.