Новости
Все новости...
User Menu
Задать вопрос

Ваше имя:

Ваш емайл:

Тема:

Сообщение:

verification image, type it in the box
Код вписать ниже:
Инструмент для автоматической адаптации контрастных цифровых фотоснимков (HDR) к печати
Проекты по разработке услуг

Инструмент для автоматической адаптации контрастных цифровых фотоснимков (HDR) к печати

ООО «Трехмерные Технологии», ООО «Павлин Технологии», 2007

Алексей Горяев, Павел Скрибцов, Март 2007

 

Введение. Если снимаемый объект или сцена освещены равномерно, то контрастности обычной фотобумаги достаточно для точного отображения всех полутонов и фотография выглядит «естественно». Большинство сюжетов, однако, снимаемых фотографами, имеют большой контраст. Например, в кадре может быть здание с открытым окном и «черной» комнатой и солнце. Такие ситуации характеризуют изображения с так называемым «высоким динамическим диапазоном» (по-английски – «High Dynamic Range», или, сокращенно «HDR»). Если сравнивать возможности к восприятию динамического диапазона, то у человека, камеры и фотобумаги эти диапазоны отличаются и приблизительно следующие (см. Таблица 1).

 

Таблица 1. Максимальное воспринимаемое отношение перепадов яркости.

фотобумага

~ 30

любительские цифровые камеры с матрицей 1/2.5

~ 500

зеркальные цифровые камеры

~ 4000

человеческий глаз

до 10000

 

Возможность передачи диапазона во время съемки ограничена только отражениями и рассеяниями в оптической системе фотокамеры [1]. Для неподвижных сюжетов популярна технология снятия серии кадров с разной экспозицией HDR. Подробнее об этом, а также пример применения градиентного светофильтра в работах [2,3]. Во многих случаях диапазон может быть дополнительно расширен, если на кадрах серии с максимальной экспозицией перекрывать источники света. Но даже без применения HDR технологий съемки получается множество снимков, контраст которых воспроизвести нельзя. Кроме того, именно такие сюжеты привлекают фотолюбителей - ночной город, закат. Для реалистичной 3D графики, в воспроизводимый на мониторе и, тем более, на печати, диапазон, тоже уложиться не всегда удаётся. Тем не менее, в мире существует множество пейзажей, где художники обычными маслеными красками изображали подобные сюжеты. Художники, скорее всего, о динамическом диапазоне не думают, и, рисуя закат, показывают солнце оранжевым. Если бы этот же сюжет снял фотограф – то он получил бы ушедшие в чёрный цвет детали, не относящиеся к небу, а солнце стало бы белёсым. При этом фотографы имеют полное право рассматривать эти эффекты как своё преимущество - ведь их же работа больше похожа на правду. Кроме того, при больших яркостях у человека притупляется чувствительность к перепадам [4]. Из изложенного выше видно, что проблема воспроизведения сюжетов с большим динамическим диапазоном существовала, и каким то способом решалась всегда. До появления массовых фотосервисов, для чёрно-белой фотопечати существовал ряд фотобумаг разной степени контрастности, которые подбирались в зависимости от параметров конкретного кадра. В массовом плёночном фотосервисе существовало решение - использовали такие материалы, чтобы двукратный перепад яркости сюжета вызывал полуторо-кратный перепад на фотоснимке.

 

Тоновые кривые. Самый простой аналог подбора фотобумаги в цифровой фотографии - это тоновые кривые, присутствующие во многих графических редакторах (см. Рис 1). По умолчанию, алгоритмы подобной обработки настроены так, чтобы результат коррекции похож на результаты плёночной фотографии. Основной недостаток данного подхода - падение контраста изображения, причём и на тех участках, где его следовало бы сохранить.

 

Рис. 1. Тоновые кривые.

Исключением могут быть те изображения, у которых на гистограмме отсутствует участок со средними тонами (см. Рис. 2).

 

Рис. 2. Успешная коррекция изображения с отсутствующими средними тонами при помощи тоновой кривой.

 

Работа с объектами по отдельности.

Лучшее, и наиболее трудоёмкое решение данной проблемы – это ручное разбиение сюжета на объекты и слои (в CorelPhotoPaint - objects, в Adobe Photoshop - layers) и применения отдельных преобразований к каждому объекту или слою. Здесь всё зависит от опыта, и опытные люди вручную добиваются впечатляющих результатов.

 

Другие методы без использования ручного выделения объектов. Теперь о наиболее продвинутых методах, работающих без ручного разделения:

1) Нередко разделение можно выполнить с помощью пороговой обработки канала яркости или другой комбинации каналов, например красный канал - частное решение в отдельных случаях.

2) Фильтр Adobe Photoshop ShadowHighligts работает примерно так. Пусть дано исходное изображение (Рис. 3) и его черно-белый вариант (Рис. 4). Используя инструмент curve, преобразуем Ч/Б вариант (получаем негатив повышенной контрастности), и размоем по Гауссу. Это будет канал прозрачности (Рис. 5) для более светлого слоя (Рис. 6), который мог быть получен с помощью съёмки с другой экспозицией, или во многих графических редакторах с помощью Levels, Curves.

Рис. 3. Оригинал. Заметна потеря деталей на темных участках.

 

Рис. 4. Чёрно-белый вариант.

 

 

Рис. 5. Канал прозрачности (маска).

 

Рис. 6. Осветленный слой.

 

Используем это как канал прозрачности слоя, получаем вот такой результат (см. Рис. 7).

 

Рис. 7. Результат объединения исходного и осветленного изображений с учетом созданной маски.

 

Однозначно, что изображение улучшено. Но недостатки у метода есть. Это артефакты около границ тёмного и светлого объекта, когда светлый объект имеет избыточную яркость.

Фильтр Adobe Photoshop ShadowHighlights - это комбинация трёх слоёв. Нижний - исходный. Следующий - слой, направленный на повышение контраста светлых деталей и верхний, направленный на коррекцию тёмных деталей. Иные методы, которые применяются в других продуктах, заключаются в том, что при подготовки каналов прозрачности используются другие алгоритмы сглаживания канала прозрачности. Часто, удаётся подобрать, подходящие для обрабатываемого изображения настройки и добиться желаемого результата. Но иногда подобные методы ошибаются (Рис. 8). Пример взят из Интернета. Ажурная конструкция и провода привели к ошибке.

 

Рис. 8. Пример ошибочной коррекции, создающей неестественное изображение.

 

Новый инструмент. В ходе научно-исследовательских работ разработан алгоритм, позволяющий менять воспринимаемый контраст изображения, таким образом, чтобы не было отсечения сюжетно важных тёмных и светлых деталей, и не возникало артефактов на контрастных границах таких, какие возникают при использовании фильтра Unsharp Mask с большим радиусом. Возникла идея использовать данный алгоритм для коррекции снимков с большим динамическим диапазоном: корректировать яркость с помощью Curves, а затем восстанавливать контраст. Но в силу того, что известно, что наибольшей популярностью пользуются программы, где можно добиваться результата, тратя минимальные усилия, мы занялись разработкой функции AutoCurves, которая отличается от curves так же, как AutoLevels от Levels. Задача оказалась крайне сложной, поскольку ни один из методов, таких как AutoLevels, Histogram Equalization не помогают. Но, перебрав огромное количество подходов, нашей группе разработчиков удалось подобрать такой алгоритм, который хоть и не всегда добивается максимального эффекта, однако корректно ведёт себя в самых разных случаях. Далее, на рисунках 9 – 15 отображены изображения на входе алгоритма и результат автоматической обработки.

 

Рис. 9. Камин. Низкая освещенность, поэтому видно лишь пламя и контуры дров.

 

Рис. 10. После обработки, фотография камина обрела заметную кирпичную кладку.

Рис. 11. Лампа. Из-за ярких источников света, детали ажурных конструкций стали незаметны.

 

Рис. 12. После обработки все детали абажура стали хорошо различимыми, проявилась арка на стене.

 

Рис. 13. Человек на фоне деревьев. Пример фотографии «нормального качества».

 

Рис. 14. Пример обработки фотографии «нормального качества».

 

На рис. 14 заметно, что алгоритм увеличил читаемость текстуры куртки и повысил четкость коры деревьев.

 

Рис. 15. Результат автоматической обработки изображения с Рис. 3.

 

В настоящий момент проводится работа над системой управления цветом, построенных на аналогичных принципах и готовим к выпуску линейку графических инструментов, направленных на быструю автоматическую обработку фотографий. Для заинтересовавшихся рекомендуем ознакомиться с дополнительной литературой [5-8].

Ссылки

 
 
Наши продукты
Sample Image NNGPULIB 1.0

Программный модуль ускорения расчета выхода многослойных нейронных сетей прямого распространения сигнала с применением графического процессора. Подробнее...

Sample Image PWNLIB 1.0

С++ Библиотека класса нейронных сетей типа “FeedForward”.

Подробнее...

Наши услуги

Распознавание и классификация

Способ распознавания и систематизации объектов с использованием нейронных сетей при на данный момент считается максимально эффективным.
Подробнее...

Системы контроля доступа

С 2009 г. посредством нашего партнера, компании УП "Техноэксклюзив" , Павлин Техно предлагает эффективные системы контроля доступа и учета рабочего времени для системных интеграторов и компаний-установщиков.
Подробнее...

Автоматизация и интеллектуальные системы

Услуге автоматизации производства и разработке интеллектуальных роботизированных систем: разработка стратегии автоматизации для Вашего предприятия, создание и внедрение разработанного по индивидуальному сценарию программного обеспечения с интеллектуальными компонентами.
Подробнее...

Программная реализация

Создание интеллектуального программного обеспечения на заказ, которое будет решать задачи именно Вашего бизнеса: начиная с выявления и формулировки задач, стоящих перед будущей программой и заканчивая обучением сотрудников, которые будут работать с ней.
Подробнее...

Вычислительные алгоритмы

Анализ ситуации, разработка математической модели, построение соответствующего вычислительного алгоритма, его тестирование и адаптация к архитектуре будущей системы, дальнейшая разработка программы для использования алгоритма.
Подробнее...
Все услуи »
Опрос
Скажите, пожалуйста, кто Вы, и почему Вы интересуетесь вопросами нейросетевых технологий и AI?