Перейти на главную страницу
Helicon Filter и шумы
Программы для обработки фотографий | Графические редакторы Загрузка программ для обработки фотографий Написать письмо
Перейти на главную страницу
Программы для обработки фотографий

 

Шумы: причины возникновения и методы изничтожения

 

Ренат Якубов

Едва ли найдется хоть один человек, сколько-нибудь серьезно занимающийся цифровой фотографией, и при этом никогда не сталкивавшийся с неприятной зернистостью на гладких поверхностях предметов, запечатленных на изображении – иными словами, с шумом. Ввиду распространенности проблемы было придумано множество способов борьбы с ней. Однако из-за того, что многие борцы недостаточно осведомлены о причинах появления шумов, их методы зачастую далеки от идеала. И очень скоро вы увидите, что если бороться с причиной, а не со следствием, то можно достичь весьма впечатляющего результата!

О шумах среди фотографической общественности ходит масса легенд. Утверждается например, что-де появляются они только и единственно из-за несовершенства сенсоров современных камер. Вот подождите, мол, пару-тройку лет, и любая «мыльница» сможет сделать абсолютно бесшумный снимок даже на ISO 25600. Ах если бы все было так просто… Нет, совершенствование матриц, безусловно, поможет до некоторой степени снизить шумы – но отнюдь не устранит их полностью. Чтобы понять, почему все так, а не иначе, придется взяться за теорию, рассказать, из каких компонентов складывается итоговая зашумленность картинки, с какими физическими процессами мы имеем при этом дело.

Вот типичный пример сильно зашумленной картинки:

Типичный пример сильно зашумленной картинки

Но вначале нам стоит задаться более общим вопросом. Что вообще такое – «шум»? Выясняется, что разные люди ответят по-разному. Физик скажет, что это беспорядочные колебания различной природы. А с точки зрения фотографа, шум – это просто характерная «зернистость» снимка. Казалось бы, второе определение есть частный случай первого: ведь зернистость - это именно что беспорядочные колебания уровня видеосигнала. Однако при ближайшем рассмотрении становится ясно - это не совсем так. Ибо случайные флуктуации уровня сигнала присутствуют всегда, но фотограф говорит о шумах лишь в том случае, когда эти колебания заметны глазу.
А в каком случае они видны? Скажем, если при фиксации некоего изображения пиксель накопил заряд в тысячу электронов, а в результате всяческих флуктуаций могут добавиться еще пять – шумы на итоговом изображении заметны не будут. Однако представим, что с момента предыдущего нажатия на кнопку «спуск» прошло несколько часов, наступил вечер. И вот мы снова делаем снимок, сохранив значения выдержки и диафрагмы неизменными. Света уже мало, и полезный накопленный сигнал – всего 50 электронов. Совершенно очевидно, что в данном случае зернистость изображения уже будет заметна, и весьма. А если сделать снимок еще позже – ночью – сигнал будет еще меньше – ну, скажем, два электрона. Вполне ясно, что в данном случае разобрать на такой «фотографии» нельзя будет уже ничего. Ибо максимально возможный уровень шума – 5 электронов – значительно выше, чем у накопленного сигнала. Короче говоря, когда фотограф говорит о «шумах», «зашумленном снимке», он подразумевает не столько их непосредственно, сколько не устраивающее его соотношение сигнала и шума. Запомним это.
Теперь посмотрим, из каких же компонентов складывается зашумленность снимка. Во-первых – как бы это ни выглядело странно – неоднородным, то есть зашумленным, является сам световой поток. То есть если снять с помощью некоего идеального фотоаппарата абсолютно однородную поверхность, совершенно гладким ее изображение не будет, одни пиксели будут светиться чуть ярче, другие чуть слабее. По-научному это явление называется фотонным шумом. Возникает оно вследствие того, что число фотонов, из которых, собственно, и состоит свет, конечно, и распределяются они между пикселями матрицы не вполне равномерно. Чтобы снизить уровень фотонного шума, надо собрать больше фотонов, накопить больший сигнал. В этом случае его флуктуации станут куда как менее заметными. Ибо соотношение сигнала и шума прямо пропорционально квадратному корню из количества собранных за время экспонирования кадра фотонов.
Собственно говоря, именно фотонный шум является главным – и, увы, непреодолимым! – препятствием для получения бесшумной картинки при использовании в фотоаппарате высоких ИСО. Кстати, о сущности этого самого ИСО тоже стоит сказать пару слов. Бытует мнение, что при повышении ИСО изменяется светочувствительность матрицы – разумеется, оно в корне не верно. На самом деле уровень чувствительности у каждой матрицы всего один, а ИСО - суть лишь степень усиления полученного с нее сигнала. Применяется оно обычно лишь тогда, когда накопленный сигнал мал – и именно поэтому картинка на высоких ИСО бывает столь некачественной; основной причиной служит именно малое количество собранных фотонов, а не некие дефекты матрицы или усилителя.
Впрочем, усилитель, равно как и прочие компоненты системы считывания и оцифровки накопленного сигнала, так же вносят свои погрешности. Шум, создаваемый ими, так и называется – шум считывания. Впрочем, у современных фотоаппаратов он уже столь незначителен, что в большинстве случаев им можно смело пренебречь.
Однако прежде, чем оцифровывать электрический сигнал, его еще нужно накопить, преобразовав фотоны, падающие на матрицу, в электроны. В ходе этого процесса мы накапливаем весьма приличную порцию шумов.
Во-первых, матрица может до некоторой степени влиять на уровень фотонного шума. «Да как же это?» - спросит пытливый читатель – «Ведь несколькими абзацами ранее утверждалось, что фотонный шум есть свойство самого света, и техника не может на него повлиять!». Верное замечание – а дело все в том, что матрица может зафиксировать большее или меньшее количество фотонов, а уровень фотонного шума тем ниже, чем больше мы их собрали. Так что противоречие в нашем случае – лишь кажущееся.
Часть фотонов просто попадает не на светочувствительные пиксели, а на перегородки между ними, теряясь, и, более того, нагревая матрицу. Чтобы минимизировать этот эффект, производители всячески стараются увеличить площадь матрицы, занимаемую пикселями. А заодно устанавливают перед каждым из них микролинзу, направляющую свет строго туда, куда требуется – это весьма значительно уменьшает светопотери.
Но даже если фотон благополучно достиг поверхности пикселя, это еще не означает, что его энергия будет затрачена на «выбивание» электрона. Процент потерь на данном этапе отображает такой параметр матрицы, как квантовая эффективность. У современных образчиков она довольно высока – до 90% для некоторых длин волн. Максимально чувствительна «цифра» к красным и особенно инфракрасным лучам, на хорошем уровне воспринимается также желто-зеленая часть спектра. При переходе к синим лучам чувствительность несколько падает, а уж фиолетовые и тем паче ультрафиолетовые фиксируются сравнительно плохо.
Первые матрицы были довольно несовершенны, и производители весьма быстро исправляли их недочеты, повышали квантовую эффективность, снижали уровень тепловых шумов и шумов считывания. Потому фотоаппараты следующих поколений давали значительно менее шумную картинку, нежели их предшественники. Вот вследствие этого факта и возникла у многих вера во всесилие технического прогресса. Людям казалось, что такое развитие будет всегда, но в реальности все было несколько иначе. Резервы, позволявшие «малой кровью» улучшить качество изображения, были быстро выбраны. Дальнейший прогресс обходится дорого, да и результат приносит очень скромный. Понятно, что двигатель с коэффициентом полезного действия 10% проще усовершенствовать, чем тот, у которого аналогичный показатель составляет 90%. Выше ста процентов-то не прыгнешь, это фундаментальный ограничитель.
Но неужели и в самом деле не осталось ничего серьезно снижающего эффективность цифрового фотоаппарата, неужели мы уже вплотную подошли к теоретическому пределу? Нет, один резерв все же есть, и он напрямую связан с методом, используемым для получения цветных, а не черно-белых изображений.
Пиксель сам по себе преобразует попавший на него свет в электроны, и узнать цвет лучей – то есть длину волны – не представляется возможным. Так вот, чтобы картинка заиграла всеми цветами радуги, перед каждым светочувствительным элементом устанавливается светофильтр. Комбинации примененных цветов могут быть очень разными, но наибольшее распространение получила так называемая Байеровская схема, когда из четырех пикселей два имеют зеленый светофильтр, один красный, и еще один - синий. Те, кто не забыл еще школьные уроки изобразительного искусства, помнят, что красный, зеленый и синий – это основные цвета, из которых можно при смешении получить все остальные.

Один из вариантов Байеровской матрицы:

Один из вариантов Байеровской матрицы

Однако для смешения нам нужно знать интенсивность излучения всех трех цветов для каждого пикселя, а у нас, напротив, каждая точка изображения несет информацию лишь по одному каналу. Для решения этой проблемы были придуманы сложные методы интерполяции, высчитывающие недостающие значения для каждого пикселя на основе информации из соседних. Кстати, совершенствование применяемых на этом этапе алгоритмов также позволило значительно снизить уровень шумов конечного изображения.  Но где же тогда резерв для дальнейшего прогресса?
Внимательный читатель уже, возможно, догадался, где. Вполне очевидно, что зеленый цвет не пропускает красные и синие лучи, а синий – зеленые и красные. То есть из-за Байеровских фильтров мы теряем, ни много ни мало, около 66% собранного света. Вот это и есть резерв – если нам каким-то образом удастся не «выбрасывать» эти фотоны, а тоже фиксировать их, мы получим прирост в чувствительности приблизительно на два стопа. «Всего на два стопа?» – неприятно удивится кто-то – «Но это же маловато, вместо ИСО 400 на компактах можно будет использовать всего ИСО 1600, да и то с некоторыми ограничениями!». На самом деле, удивляться тут нечему – ибо шкала-то логарифмическая, и потому увеличение сигнала втрое даст нам не столь впечатляющий прирост качества, как хотелось бы.
Однако и два стопа на дороге не валяются – как мы можем их получить? Есть ли уже сейчас технологии, позволяющие отказаться от примитивной фильтрации? И если да, то почему не стали они абсолютно доминирующими? Ну, кое-какие методы есть, но они имеют и серьезные недостатки, о которых мы сейчас и расскажем.
Итак, первый вариант – использовать цветоделительную призму и три матрицы, по одной для красных, синих и зеленых лучей. Именно такая модель и реализована в трехматричных видеокамерах. Благодаря чему удалось заметно поднять светочувствительность, чего мы, собственно, и добиваемся.

Вот так выглядит цветоделительная призма:

Цветоделительная призма

Проблема, однако, в том, что бытовые видеокамеры оснащены очень маленькими матрицами, в фотоаппаратах они заметно больше. Поэтому такая конструкция малоприменима в фототехнике, ибо займет слишком уж много места, да и стоить будет очень дорого. Нет, нам надо ограничиться одной матрицей.
И такая возможность есть – ее предоставляют нам сенсоры Foveon X3, производимые одноименной компанией. В данном случае цветоделение осуществляется за счет дисперсных свойств кремния матрицы. Попросту говоря, свет поглощается не на поверхности, а в глубине сенсора, причем для каждого цвета глубина эта - своя. Так, синие лучи поглощается верхним слоем матрицы (его толщина 0.2 мкм), зелёные - средним (толщина 0.4 мкм) и красные - нижним (толщиной более 2 мкм). Информация из каждого слоя считывается независимо. Казалось бы, это то, что нужно – но, но, но…  Во-первых, разделение цвета оказалось совсем неидеальным – попросту говоря, заметная часть фотонов поглощается не в том слое, где должна бы. От этого не только страдает цветопередача, но и появляются неоднородности изображения – то есть все тот же шум, уровень которого мы надеялись снизить. Во-вторых, из-за все тех же проблем с цветоделением исходная картинка получается довольно малоконтрастной и блеклой, в результате чего ее приходится довольно агрессивно обрабатывать, что также увеличивает уровень шумов. Короче говоря, современные образчики Foveon X3 не позволяют нам снизить уровень зашумленности картинки, совсем наоборот. Хуже того, не видно особых оснований рассчитывать на скорое улучшение ситуации, ибо проблемы обусловлены главным образом физическими свойствами самого кремния, и что с ними делать – непонятно.

Камера Sigma SD14, построенная на базе сенсора Foveon X3:

Камера Sigma SD14

К тому же существует еще один вид шума, на уровень которого непосредственно влияет тип матрицы. Это тепловой шум, таже называемый шумом Джонсона-Найквиста - и с ним у Foveon X3 все тоже не слава Богу. Дело в том, что электроны под действием нагревания начинают двигаться – что может привести – да и приводит – к их попаданию в потенциальные ямы пикселей без всякого воздействия фотонов. Это и есть тепловой шум, и проявляется он тем сильнее, чем выше температура и длиннее выдержка. Почему этот вид шума сильней действует на матрицы Foveon, нежели на обычные, сказать сложно. Но факт есть факт – для камер, использующих трехслойные сенсоры, выдержки в десятки секунд представляют серьезную проблему. Возможно, все дело в относительной молодости технологии и более хитроумной структуре светочувствительного элемента.
Можно ли ослабить тепловой шум? Да, конечно – для этого нам надо «всего лишь» охладить сенсор. Эмпирические данные показывают, что для двукратного снижения уровня этого типа шума надо остудить матрицу на семь градусов. Но как это сделать? Человечество не изобрело для таких случаев ничего более подходящего, чем элементы Пельтье, у которых при подаче электрического тока одна сторона охлаждается, а другая, напротив, нагревается. Но для фотоаппаратов они подходят плохо ввиду своей прожорливости – аккумулятор-то не бесконечен. Да и отводить генерируемое в процессе охлаждения тепло в ультракомпактном корпусе сложновато. Другое дело, если фотоаппарат расположен стационарно или полустационарно – как это часто бывает у астрономов или военных. Вот тогда данный метод вполне применим, и потому специализированные ПЗС-матрицы обычно выпускаются со встроенными в их корпус элементами Пельтье.

Вот он, типичный элемент Пельтье:

Типичный элемент Пельтье

Завершая разговор о матрицах, скажем и еще об одном виде артефактов, каковые тоже являются своего рода шумом. Как известно, современные сенсоры имеют миллионы миниатюрных пикселей – и разумеется, часть из них являются неработоспособными, «битыми». Пиксель может быть «мертвым» - в этом случае он никогда не выдает никакого сигнала и всегда выглядит на изображении черным. Пиксель также бывает «горячим» – в этом случае он может выдавать разный сигнал – но к сигналу исходному он никакого отношения иметь не будет. Такие лучше всего заметны на темных сюжетах, снятых с длительной выдержкой. Яркие синие, зеленые и красные точки – это именно они и есть. Вообще говоря, для обычной фотографии такие дефекты не страшны, ибо производитель тестирует матрицу, диагностирует битые пиксели и подвергает их процедуре ремаппинга. Попросту говоря, создается карта «битых» пикселей, и процессор камеры интерполирует их значения на основании данных, полученных от соседей. Однако на длительных выдержках проблемы могут вылезать и у условно-нормальных пикселей.
Итак, должно быть уже очевидно, что проблема шумов не может быть полностью решена производителями фототехники. В обозримой перспективе, во всяком случае. Значит, нам ничего не остается, как научиться минимизировать их самим.
Наиболее распространенный метод борьбы предусматривает некоторое размытие изображения либо его частей. При этом могут применяться достаточно хитроумные алгоритмы, призванные подавлять только шум, по-возможности отделяя его от мелких деталей и контрастных границ объектов. Однако шум в данном случае рассматривается как нечто однородное, не учитывается разница между его компонентами, и борьба идет со следствием, а не с причиной. В результате мы имеем гораздо менее впечатляющий результат, чем могли бы – но пару слов стоит сказать и об этом способе. Ибо он имеет одно весьма существенное достоинство – его очень просто использовать. В некоторых не слишком сложных случаях – например, когда шум слаб, а мелких деталей у нас мало – этого будет вполне достаточно.

Здесь шум был «задавлен» традиционными средствами:

Шум «задавлен» традиционными средствами

Итак, функционал вкладки «Шум» программы Helicon Filter весьма обширен – что и не удивительно, если учесть ранние этапы ее истории. Создавалась-то она первоначально именно для борьбы с шумами, и была известна как Helicon NoiseFilter. Так вот, у нас есть возможность выставить уровень шума, как для всего изображения, так и отдельно в цветах и в тенях. Можно корректировать степень зашумленности каждого цветового канала – особенно полезной эта функция будет в том случае, если на фотографии присутствуют большие однотонные области – голубое небо, например. Также можно настроить интенсивность шумоподавления, в том числе и отдельно для цветного шума. Это полезно, так как цветной шум больше раздражает, а его полное изничтожение картинку не портит. В то время как полностью размывать яркостной шум обычно не стоит, ибо изображение после такой операции выглядит до крайности неестественно. Однако мы не будем подробно освещать принципы использования этого инструментария, просто потому, что и так уже существует масса материалов на данную тему. Можно порекомендовать, например, такой: http://www.photo-soft.ru/filter/help/russian/shortcuts/index_how_to_noise.html.
Ну а мы перейдем к более хитроумной методике. Можно заметить, что все приведенные в начале статьи типы шума относятся к двум группам. Первую составляют шумы случайные: фотонный, считывания и тепловой. Вторую – постоянные: «битые» пиксели и опять-таки тепловой шум. Последний, как видно, входит сразу в две группы. Это от того, что он может вызывать как случайно расположенные, так и стабильно проявляющиеся артефакты – например, тепловую «засветку» нагреваемого электроникой камеры угла матрицы. Разумеется, методы борьбы с шумами из разных групп также различны.
От постоянных шумов избавляются, вычитая из основного изображения так называемый «темновой кадр». Как он делается? Просто – после нормального снимка делается еще один, с той же выдержкой и светочувствительностью, но при закрытом затворе. Разумеется, температура фотоаппарата также не должна меняться – как мы помним, уровень зашумленности напрямую зависит от того, насколько сейчас тепло или холодно. Что представляет из себя темновой кадр? Да просто черное поле с отдельными точками «горячих» пикселей. То есть, по-сути дела, мы получаем подробную карту постоянных шумов. Вычтя ее из основного изображения, мы избавимся от этого вида зашумленности. Это в идеале, а что на практике? А на практике все несколько хуже – нет, безусловно от «битых» пикселей мы избавимся, но… Добавим при этом случайных шумов! Почему? Да потому, что темновой кадр от них сам не свободен, вследствие ненулевой температуры матрицы. Представим теперь, что у нас есть набор из трех пикселей, и численное значение испускаемого ими сигнала составляет 50. Теперь вычтем из них гипотетический зашумленный темновой кадр – в нем значения пикселей составляют, например, 10, 15 и 5. Теперь один пиксель будет светиться с интенсивностью 40, второй – 35, а третий – 45. То есть вместо равномерно освещенного участка изображения мы получили участок зашумленный.

Вот фрагмент кадра без вычитания темнового кадра:

Фрагмент кадра без вычитания темнового кадра

А вот – с вычитанием. «Горячие» пиксели исчезли, но и шумов прибавилось:

Фрагмент кадра с вычитанием темнового кадра

И что же делать с этими случайными шумами – и с основными, и с дополнительными, полученными при изничтожении шумов постоянных? Можно ли их как-то побороть? Да, можно – путем увеличения количества накопленных электронов. Ибо мы помним, что для нас важны не сами по себе шумы, а их отношение к накопленному сигналу, так как именно оно и определяет визуальное качество картинки. Самый простой путь – удлинить выдержку. Однако так можно сделать не всегда – например, объект может быть слишком контрастным, и в том случае, если затвор открыт длительное время, светлые части снимка уйдут в глубокий пересвет, в то время как темные все равно достаточно не проработаются. Могут быть и другие ограничители максимально доступной выдержки – порывистый ветер, скажем, или просто возможности самого фотоаппарата. У него запросто может не быть длинных выдержек, или они могут существовать только «для галочки», так как тепловой шум при их использовании получится запредельным. В этом случае надо снять много недоэкспонированных кадров, а потом сложить их все вместе. Таким образом мы улучшим соотношение сигнал\шум. Эффект будет тем заметнее, чем больше количество отснятых кадров – впрочем, особенно увлекаться тоже не стоит, ибо зависимость логарифмическая, и по мере набора экспозиций прогресс все замедляется и замедляется. Снимков двадцать будет для большинства сюжетов вполне достаточно.

Результат шумоподавления методом усреднения кадров впечатляет!

Результат шумоподавления методом  усреднения кадров

Следует, конечно, понимать, что снимки надо делать с надежного штатива, и лучше с использованием пульта дистанционного управления, а также  функции предподъема зеркала. Если, конечно, таковое имеется в вашем фотоаппарате. Это потому, что кадры должны быть абсолютно идентичны – в случае малейшего смещения камеры или запечатлеваемых ею предметов мы тут же лишимся резкости. Поэтому наш способ подойдет далеко не для всех видов сюжетов – динамику так не поснимаешь. Даже с пейзажами могут быть проблемы из-за подвижной на ветру растительности. А вот архитектура – самое то.
Для того чтобы выполнить сложение, в Helicon Filter’е нам надо выбрать подпункт «Усреднить для уменьшения шума».

Вот здесь все и будем делать:

Усреднить для уменьшения шума

После этого нам будет предложено выбрать несколько кадров с идентичным сюжетом.

Выбираем предназначенные для сложения файлы:

Выбираем предназначенные для сложения файлы

Теперь нам придется немного подождать, прежде чем программа сообщит об успешном окончании операции. Вот, теперь картинка выглядит не в пример лучше!
Кстати говоря, усреднение нескольких кадров может нам помочь и при изготовлении кадра темнового. Ибо оно позволяет нам избавиться от случайной компоненты шумов, оставив лишь постоянную. А стало быть, мы предотвращаем внесение дополнительной порции шума в основной кадр. Однако это все-таки слишком трудоемко – если речь не идет о специальных видах фотографирования, конечно. К тому же большинство людей предпочитает делать вычитание темнового кадра именно в фотоаппарате, сразу после съемки. Да, включение функции шумоподавления, как правило, и дает команду использовать темновой кадр. Именно поэтому фотоаппарат при съемке в темное время суток как бы «подвисает» после съемки основного кадра – он просто должен снять еще и кадр темновой, а по времени это занимает ровно столько же, сколько и основная экспозиция.
Короче говоря, использовать вычитание темнового кадра, либо же нет, надо решать по ситуации. Перед ответственной съемкой стоит поэкспериментировать со своим фотоаппаратом, дабы понять, в каких случаях данная функция полезна, а в каких – вредна.

Ну вот и подошел к концу наш разговор о шумах и методах борьбы с ними. Хочется надеяться, что читатель теперь гораздо лучше представляет себе причины появления этой напасти. И благодаря этому сможет применять те методы борьбы, каковые в данном конкретном случае наиболее эффективны. Когда-то можно ограничиться стандартным шумодавом, а в другой ситуации потребуется еще и сложение нескольких экспозиций, и вычитание темнового кадра. В любом случае, выбор самой подходящей методики - за вами!

Все программы | Helicon Filter | Helicon Focus | Helicon Photo Safe | Загрузить | Купить | Наш E-mail
© 2012 Helicon Soft Ltd. Все права защищены.