转自：https://www.birdnet.cn/thread-4741358-1-1.html
先来复习一下为什么很多时候我们不得不拍摄高ISO的图像： 野生动物摄影、体育摄影、纪实摄影，包括很多婚纱摄影师 在室内低光环境中拍摄婚礼现场时，不得不拍摄ISO很高的图像。 以野生动物摄影来说，大多数野生动物最活跃的时候， 是日出日落前后的半个小时，尤其是拍摄金钱豹这种全夜行的猫科动物， 拍摄时间一定是在低光，它又喜欢潜伏在树丛里，所以拍摄环境总是非常暗。 而为了拍摄高速动态场景，比如捕猎打斗， 我们需要起码1/1600s或更快的快门速度来清晰地冻结动物的动作， F5.6、F8或更小的光圈来获得足够的景深， 以使得即使不在一个焦平面的两个主体都清晰。这样我们要获得足够感光度的 唯一办法是提高ISO。我拍摄野生动物的曝光模式设置是M档， 快门速度1/1600s以上，光圈F5.6以上，ISO自动不设上限。 这样，ISO的数值经常是10000以上，会充斥着噪点，所以我研究出了 一个高ISO图像的拍摄以及后期处理工作流程——“杰夫流程”， 来处理这些有很多噪点的图像，以达到可已使用的程度。 比如下面我在2018年在马赛马拉拍摄的的一个猎豹捕猎的场景， 发生在日落之间的树林里，光线已经非常暗了，这张照片的ISO是14400, 用“杰夫流程”处理后达到了专业摄影的要求， 发表在2019年2月6日英国《泰 晤 士 报》上： 1.为什么要更新“杰夫流程” 从2014年我发布了“杰夫流程—高ISO，高速摄影噪点控制工作流程” 到现在已经6年了；这六年里，“杰夫流程”在各个摄影网站， 我的书和教学视频在网络的传播已经超过50万次，我也收到了很多得到 这个流程帮助的摄友的反馈，能够帮助到广大摄影师们我很高兴， 这也是我当初把它放在网络上传播最主要的原因。后期流程是帮助完善摄影师 创作的工具，这些后期的工具一定会在这个技术高速发展的时代很快过时， “杰夫流程”的主要技术概念——用“向右曝光”的方法来尽可能多地记录 获得图像细节，然后用软件来除去噪点并尽可能保持住画质这个做法没有改变， 这是基于数码感应器记录数据的物理特性决定的。这六年来， 除噪软件在不断进步，但是由于噪点像素形成会不可避免地占用、影响图像实际 纹理像素的质量，从而影响到图像质量，所有的除噪软件的完善都是 在更加精细地区分这些像素，在技术上没有一个根本的突破。 由于是用“杰夫流程”的关系,我一直在网上注意新的降噪软件的出现并试用， 这几年我分别使用过的软件有： Noiseware Skylum Luminar Nik Dfine 2 Noise Ninja Neat image pro DxO Optics Pro 11 elite Topaz DeNoise AI Topaz Denoise 是一款旧的软件，去年它出了人工智能AI版， 马上引起了我的注意，刚刚试用时它的效果并不好，经常犯一些特别“二”的 错误；但是现在AI软件的优势是可以通过不断升级的方式快速调整、完善算法， 到今年（2020年）3月份的这次升级，它的效果终于让我惊艳并决定使用 人工智能来进行高ISO图像的处理，因为AI技术的插值功能和旧的降噪软件 有本质的不同，因此新的“杰夫流程”也必须做一个相应的改变。 2.人工智能降噪软件相对于其他降噪软件的区别： 在技术上，人工智能降噪软件相对于其他传统降噪软件全片均匀 降噪方法的本质区别是DRIR，即“侦测（Detection）”、 “识别(Recognition）”、“插值（Interpolation）”和 “再渲染（Re-rendering）”。 “侦测”是指对于不清晰的像素对比度的分析来对焦内焦外、和边缘的定位。 “识别”是对图像的内容进行理解，并比较其数据库里的内容， 进行判断图像的纹理逻辑推定。“插值”是在“侦测”和“识别”的基础上， 是对画面里不清楚（特别是焦距外和噪点多的地方）的内容进行解读， 对图像画质差的部分重新定义安排像素，并根据内容进行不同程度的降噪 和画面细节修补的计算。 “再渲染”是根据“插值”计算完的结果重新安排像素，渲染形成新的图像。 下面我们会用实例说明新的“杰夫流程”怎样利用这些功能来对充斥着 噪点的高ISO图像进行降噪和画质控制。 “杰夫流程2.0” 第一步：向右曝光（ETTR） 敲黑板说重点——这一步的关键是：直方图右边不要被切断（除非是有目的的） 以防止高光溢出。 自从2003年摄影师麦克尔.瑞克曼（Michael Reichmann）的文章 “向右曝光（EXPOSE RIGHT）”开始，12年来网上有无数文章讨论 “向右曝光”这个理论的科学依据，有兴趣的摄友可以自己去搜一些回来看。 我先简单地说一下什么是向右曝光： “向右曝光”指的是通过曝光补偿的方法，在保持高光不溢出的前提下， 把图像强制过曝一定程度，使得图像直方图向右移动，来减小噪点的数量， 提高画质。 首先我们来看一下直方图： 直方图的横轴是图像的亮度，左边是暗区，左边边界是纯黑；越向右越亮， 右边边界就是纯白。 直方图的纵轴是像素记录的分布，越高则像素数量越多，上图是一个典型的 正常测光、曝光的图像的直方图，左右各有一定的距离，也就是这片子里 没有死黑死白的部分。 噪点在直方图里的分布范围趋势图如下，我们可以看到噪点在图像里的分布 主要在暗区，随着亮度的增加急剧减少，在中亮度部分左右逐渐消失， 在亮区几乎没有噪点： 我们把这两张片子叠加，它们的像素记录信号重叠的部分（黄色） 就是噪点出现的位置和数量： 如果我们拍摄时用曝光补偿加曝一档得到的直方图（红线区）， 和之前的图像的直方图叠加： 我们可以看到，新的图像直方图亮度增加了，但最右边并没有被右边边界切断， 因此高光没有溢出而失去亮部细节，但是整个直方图向右边移动了； 这就是“向右曝光”，它与噪点分布的重合部分（绿色）的面积小于正常曝光的 噪点分布区（黄色），也就是说“向右曝光”后的噪点数量减少了； 这就是“向右曝光”的方法减少噪点的物理原理：在记录图像信号数量同样多 的情况下，向右曝光的图像噪点的数量减少了，所以记录信号与噪点信号数据的 比例，即信噪比S/N ratio更大；而信噪比是衡量图像画质的一个最重要的指标， 信噪比越高，画质越好。
最新留言
加载中
|
还没有评论，快来抢沙发！