去噪是一門很深的理論,從人類有電訊通訊開始就有這專門學科了,噪音是永遠去不掉的,你只能減少,不可能徹底消除。噪音學科沒有人拿到諾貝爾獎,如同攻克癌症一樣艱難。但今天新主角的出現,有可能會改變這一切
我以前拍過一張,相機是噪聲極大的7D外加林蔭道里光線極差的沒太陽,地點在魁北克,走着走着前面攔腰突然竄出一隻發情松雞,我急忙掏傢伙拍了一張,回看非常沮喪。但我有一特點,再爛的片我都留着,因為當時當景非常刺激,就非常珍貴。但無意中讓我等到AI出現。如同能熬到今天的癌症患者遇到新藥一般。
原片

我用我的軟件調了一下:

AI的結果,明顯比我的好很多,

於是在此基礎上我用自己軟件又調了一下,比原圖改進不少,雖然不是十全十美,但在AI背書條件下,這已經是目前所有方法的最佳效果,沒有之一,除非AI克隆一個放在原地原位,但那已經不是我的專屬了。

因此我繼續跟AI聊去噪
---為什麼數碼相機感光能力大幅提高而依然採用膠片機相同光圈鏡頭從而價格依然昂貴?新感光器為什麼不能使用小光圈從而降低鏡頭成本,這是相機廠家故意設置的陷阱嗎?
---
為了讓攝影師平滑過渡: 數碼相機發明時,為了讓習慣了膠片的人能繼續使用以前的曝光經驗(測光表、陽光十六法則等),國際標準化組織制定了數碼 ISO 標準。數碼相機的“ISO 100”在曝光量上被故意校準得和膠片“ISO 100”的亮度表現一致。
但底層的“降噪能力”和感光效率完全不同:
膠片: 靠鹵化銀顆粒感光。膠片想提高感光度(比如到 ISO 1600 或 3200),就必須把銀鹽顆粒做大,畫面就會充滿巨大的、粗糙的化學銀鹽顆粒感光噪點,且色彩會嚴重斷層,放大看慘不忍睹。
數碼傳感器對“斜射光”的耐受性差: 膠片是平面的化學物質,光線哪怕從很斜的角度(大光圈時邊緣光線角度很刁鑽)射上來,也能感光。但數碼CMOS表面有微透鏡和“深井”結構的像素,它更喜歡直射光。如果鏡頭光圈開得過大,邊緣的斜射光根本進不到數碼像素的“井底”,反而會導致嚴重的邊緣暗角和畫質下降。因此數碼時代設計大光圈鏡頭,難度反而比膠片時代更大。
數碼相機確實極大地提高了降噪能力和暗光拍攝能力。以前膠片時代在夜間幾乎無法手持拍攝,而現在數碼相機可以輕鬆開到 ISO 12800 配合機身防抖拍出清晰夜景。
之所以“光圈”看起來沒變,是因為光圈是鏡頭的物理屬性,數碼革命改變的是鏡頭後面的接收器(CMOS)的效率。數碼相機用同樣的物理光圈,通過更高的光電轉換效率和高感降噪算法,已經實現了遠超膠片的暗光拍攝自由
---- 好,這個說法我接受。現在暗光攝影的降噪辦法是拍攝多幅照片,然後疊加去噪,你能否用一張照片混入N次噪聲再疊加去噪?
簡單的結論是:不能。如果對“同一張照片”重複混入N次噪聲再疊加,不僅無法去除噪聲,反而會讓畫面里的噪聲變得越來越大、原畫質越來越差。
空間域濾波(Neighbor Smoothing): 既然沒有其他照片可以對比,算法就會對比同一個畫面里相鄰的像素。如果周圍像素都是黑的,只有這一個像素是雪白的,算法就會認定它是噪聲,並用周圍像素的平均顏色把它“抹平”。(缺點:畫面會變糊,失去細節)。
AI 深度學習降噪(如 Topaz DeNoise / 手機內建AI): 算法在出廠前已經看過了幾百萬張“高清無噪點”和“暗光多噪點”的對比照片。當它看到你的一張爛照片時,它不是在做數學疊加,而是在用大腦“腦補”和“重畫”畫面,把噪點擦掉,把邊緣描紅。
而單張照片裡的噪聲已經變成了“固定屍體”,無論在電腦里折騰多少次、混入多少新噪聲,都無法改變原圖信號已經缺失的事實。
待續