Vấn đề khử nhiễu trong hình ảnh và video và các cách tiếp cận khác nhau cho giải pháp của nó. Giảm nhiễu thông qua trung bình hình ảnh

Tiếng ồn có thể là tương tự ngẫu nhiên, xung động và nhiều loại xác định khác nhau.

Tiếng ồn tương tự ngẫu nhiên

Theo quy luật, nhiễu tương tự ngẫu nhiên được tạo ra bởi cấu trúc hạt của chất liệu ảnh, nhưng từ đó ảnh gốc được tạo ra. Tiếng ồn trở nên phù hợp khi được phóng đại hơn 8 lần.

Để loại bỏ nhiễu như vậy, các phương pháp lọc làm mịn được sử dụng.

Hoạt động của các phương pháp này dựa trên lọc kỹ thuật số bằng cách lấy trung bình giá trị tín hiệu trên vùng lân cận của pixel đọc. Trong các chương trình như PhotoShop, các bộ lọc làm mịn này được gọi là Blur, Gaussian Blur.

Blur sẽ cho điểm trung bình trực tiếp. Gaussian Blur đưa trọng số pixel vào ma trận tính trung bình Gaussian.

Blur không được dùng nữa vì nó không cho phép bạn điều chỉnh mức độ lấy trung bình. Mức độ làm mịn được kiểm soát bằng cách áp dụng bộ lọc nhiều lần.

Gaussian Blur hiện đại hơn. Trong đó, bạn có thể điều chỉnh thông số trung bình, do đó điều chỉnh độ mịn.

Cần phải nhớ rằng việc sử dụng các bộ lọc như vậy có thể làm mất độ sắc nét của hình ảnh, vì không chỉ cấu trúc nhiễu được tính trung bình, mà còn cả các pixel tạo thành đường viền hình ảnh. Trong một số trường hợp, bạn nên thực hiện thêm quy trình đắp mặt nạ sau khi làm mịn.

Tiếng ồn xung động ngẫu nhiên

Nhiễu xung ngẫu nhiên đề cập đến các khuyết tật đơn lẻ tương đối hiếm, chẳng hạn như vết xước, các hạt bụi. Khi áp dụng cho chúng, quy trình làm mịn thường không hiệu quả do kích thước của các khuyết tật như vậy là khá lớn.

Để loại bỏ những khiếm khuyết như vậy, các bộ lọc của lớp thứ tự xếp hạng được sử dụng. Các bộ lọc thứ tự xếp hạng như vậy tạo ra các chuỗi pixel dọc theo một dòng, sắp xếp các chuỗi này theo thứ tự tăng dần, loại bỏ các giá trị pixel tối thiểu và tối đa có thể bị lỗi và tìm giá trị trung bình trong chuỗi này. Giá trị trung bình này được đặt ở vị trí của các pixel được phân tích.

Bằng cách này, các khuyết tật tương đối nhỏ như trầy xước và bụi có thể được loại bỏ. Về nguyên tắc, có thể thay đổi chiều dài chạy và do đó chọn các khuyết tật lớn hơn.

Tuy nhiên, đối với các khuyết tật đủ lớn vượt quá độ dài của chuỗi pixel, phương pháp này không được áp dụng.

Đây chính xác là cách hoạt động của bộ lọc Bụi và Vết xước.

Với nhiễu xung lớn hơn, cần phải dùng đến chỉnh sửa bán tự động, trong đó việc loại bỏ các khuyết tật hình ảnh được thực hiện bằng cách thay thế các pixel bị lỗi bằng các pixel có màu từ môi trường gần của chúng. Một pixel được chọn từ môi trường gần và được đặt vào vị trí bị lỗi.

Trong phần mềm, quy trình này được gọi là dập và tốn nhiều thời gian. Trước khi tiến hành quy trình như vậy, cần phải phân tích hình ảnh ở thang độ phóng đại trong quá trình tái tạo và loại bỏ những khuyết tật có thể nhận thấy ở thang đo này. Về nguyên tắc, quy trình tương tự có thể được sử dụng để chỉnh sửa biên tập, khi cần bổ sung một số chi tiết hình ảnh bị mất.

Nhiễu hình ảnh xác định

Đại diện nổi bật nhất của nhiễu hình ảnh xác định là cấu trúc raster của hình ảnh, nếu bản in đa sắc được sử dụng làm bản gốc.

Việc đọc hình ảnh raster có thể dẫn đến sự tương tác không mong muốn giữa cấu trúc raster của hình ảnh với cấu trúc raster mới được tạo ra trong quá trình xuất ảnh.

Có hai cách khả thi để giải quyết vấn đề này:

1. loại bỏ cấu trúc raster của bản gốc trong quá trình quét và xử lý. Đối với điều này, các phương pháp tương tự như các phương pháp lọc khẩu độ được sử dụng khi đọc một hình ảnh có khẩu độ lớn hơn, hoặc đối tác kỹ thuật số của chúng, nghĩa là lấy trung bình pixel và hình thành tín hiệu trung bình.

Về mặt lý thuyết và thực nghiệm đã chỉ ra rằng kết quả tốt nhất thu được bằng cách khớp kích thước của khẩu độ với kích thước của phần tử raster của cấu trúc raster của bản gốc. Do đó, trong quá trình quét, cần phải xác định chính xác tuyến tính raster đã được sử dụng trong bản gốc và chọn bộ lọc derasterization phù hợp với tuyến tính này.

Có thể sử dụng các bài kiểm tra đặc biệt để xác định tuyến tính raster trong bản gốc. Một số chương trình hiện đại, chẳng hạn như LinoColor, cho phép bạn xác định tuyến tính trong quá trình quét trước và, phù hợp với nó, đặt bộ lọc giải quyết tối ưu.

Nhược điểm của việc loại bỏ này:

1) mất độ sắc nét của hình ảnh;

2) kết quả là các góc độ khác nhau xoay các cấu trúc hình ảnh raster cho màu sắc khác nhau, không có sự thống nhất đầy đủ giữa khẩu độ lọc và cấu trúc raster, và các dao động dư trong hình ảnh (hình thành moire) là không thể tránh khỏi.

2. đọc cấu trúc raster với sự bảo toàn đầy đủ của nó. Kết quả là, chúng tôi sẽ nhận được ba hình ảnh phân tách màu raster trong khi đọc cấu trúc raster. Trên thực tế, chúng ta sẽ nhận được một hình ảnh trong hệ thống SMUK. Hơn nữa, hình ảnh này có thể được chuyển đến Phòng thí nghiệm, do đó làm mất thông tin về cấu trúc raster. Sau đó chuyển tất cả quá trình xử lý sang Lab và chuyển đến CMUK với cấu trúc raster của riêng nó.

Để làm được điều này, bạn cần đọc ở độ phân giải cao. СopiDot - tương ứng phần mềmđể dịch QMS sang Lab.

Hiện tại, khó khăn nằm ở chỗ, việc đọc các hình ảnh màu gặp khó khăn đáng kể. Do đó, loại công nghệ CopiDot này hiện đang được sử dụng để đọc các dạng ảnh được phân tách bằng màu và được phân loại.

Đặc biệt quan tâm là công nghệ này, Gần đâyđã phát triển vượt bậc, nhu cầu sử dụng một số loại ảnh lưu trữ Công nghệ C-t-P(mẫu in trên máy vi tính).

3. sàng lọc lại bằng cách sử dụng một raster có cấu trúc không đều (được điều chế tần số).

Hình ảnh có thể bị hỏng do nhiễu và nhiễu do nhiều nguồn gốc khác nhau, chẳng hạn như nhiễu cảm biến video, nhiễu hạt ảnh và lỗi trong kênh phát. Ảnh hưởng của chúng có thể được giảm thiểu bằng cách sử dụng các phương pháp lọc thống kê cổ điển. Một cách tiếp cận khả thi khác là dựa trên việc sử dụng các phương pháp heuristics xử lý không gian khác.

Nhiễu từ cảm biến video hoặc lỗi trong kênh truyền thường xuất hiện trong hình ảnh dưới dạng những thay đổi rải rác trong các phần tử biệt lập không có mối tương quan về không gian. Các phần tử bị bóp méo thường khác biệt khá nhiều so với các phần tử lân cận. Quan sát này là cơ sở cho nhiều thuật toán khử nhiễu.

Việc sử dụng bộ lọc hình ảnh kỹ thuật số có thể cải thiện đáng kể chất lượng của hình ảnh thu được trong quá trình định âm UWB. Tiếp theo, chúng ta sẽ xem xét việc sử dụng lọc tuyến tính để làm mịn nhiễu trong ảnh (lọc tần số thấp), nhấn mạnh ranh giới của các đối tượng bằng cách sử dụng lọc tần số cao, cũng như phương pháp lọc trung vị để loại bỏ nhiễu dạng xung.

Cơm. 7 giải thích một phương pháp giảm nhiễu ngưỡng đơn giản để đo độ sáng của tất cả các yếu tố hình ảnh một cách tuần tự.

Cơm. 3.7. Phương pháp khử nhiễu theo ngưỡng.

Nếu độ sáng phần tử đã cho vượt quá độ sáng trung bình của một nhóm các phần tử lân cận theo một số giá trị ngưỡng, độ sáng của phần tử được thay thế bằng độ sáng trung bình:

Nếu
]

Vì tiếng ồn có liên quan đến trang trí trong không gian, nên phổ của nó thường chứa các tần số không gian cao hơn so với phổ của một hình ảnh bình thường. Do đó, một bộ lọc không gian tần số thấp đơn giản có thể phục vụ công cụ hiệu quả làm mịn tiếng ồn. Mảng Q có kích thước MM của hình ảnh đầu ra được hình thành bằng cách tích chập rời rạc của mảng F có kích thước NN của hình ảnh gốc với một mảng làm mịn H có kích thước LL theo công thức

Làm mịn nhiễu được cung cấp bằng cách lọc thông thấp sử dụng mảng H với các phần tử dương. Sau đây là ba loại mảng làm mịn, thường được gọi là mặt nạ làm giảm:

Các mảng này được chuẩn hóa để đạt được sự thống nhất để quy trình giảm nhiễu không gây ra sự thay đổi độ sáng trung bình của hình ảnh được xử lý. Nếu việc giảm nhiễu cần thiết liên quan đến việc sử dụng các mảng lớn, thì nên thực hiện phép tích chập một cách gián tiếp bằng cách áp dụng phép biến đổi Fourier, vì điều này thường mang lại hiệu quả về khối lượng tính toán.

Nhấn mạnh đường viền.

Trong hệ thống quét hình ảnh điện tử, tín hiệu video thu được có thể được truyền qua bộ lọc thông cao điện. Một cách khác để xử lý hình ảnh được quét là sử dụng mặt nạ không che. Trong trường hợp này, hình ảnh được quét bởi hai khẩu độ chồng lên nhau, một trong số đó tương ứng với độ phân giải bình thường và khẩu độ còn lại tương ứng với khẩu độ giảm. Kết quả là lần lượt thu được mảng ảnh bình thường F (j, k) và mảng ảnh mờ F L (j, k). Sau đó, một mảng hình ảnh có mặt nạ được hình thành

F M (j, k) = c F (j, k) - (1-c) F L (j, k),

trong đó C là hệ số tỷ lệ. Thông thường giá trị của C nằm trong khoảng từ 3/5 đến 5/6, tức là Tỷ lệ của các thành phần là bình thường và giảm độ trong thay đổi từ 1,5 đến 5.

Nhấn mạnh cạnh cũng có thể được thực hiện bằng cách thực hiện lọc rời rạc theo phương trình (1) sử dụng đáp ứng xung tần số cao H. Dưới đây là ba mặt nạ điển hình để thực hiện lọc tần số cao:

Các mặt nạ này khác nhau ở chỗ tổng các phần tử của chúng bằng một.

Một cách khác để nhấn mạnh các ranh giới là cái gọi là sự khác biệt thống kê. Giá trị độ sáng của mỗi phần tử được chia cho ước tính thống kê của độ lệch chuẩn  (j, k)

G (j, k) = F (j, k) /  (j, k).

độ lệch chuẩn

được tính trong một vùng lân cận N (j, k) nào đó của phần tử có tọa độ (j, k). Chức năng
là giá trị độ sáng trung bình của ảnh gốc tại điểm có tọa độ (j, k), được xác định gần đúng bằng cách làm mịn ảnh bằng toán tử lọc tần số thấp theo công thức (3.1). Hình ảnh cải tiến, được đại diện bởi mảng G (j, k), khác với hình ảnh gốc ở chỗ độ sáng của nó cao hơn ở các đường viền, các phần tử của nó không giống như các phần tử lân cận và thấp hơn ở tất cả các khu vực khác. Cần lưu ý rằng sự nhấn mạnh vào các ranh giới hữu ích đi kèm với sự gia tăng các thành phần nhiễu.

Bộ lọc trung vị.

Lọc trung vị là một kỹ thuật xử lý tín hiệu phi tuyến tính được phát triển bởi Tukey. Phương pháp này hữu ích để giảm nhiễu trong ảnh. Bộ lọc trung vị một chiều là một cửa sổ trượt bao gồm một số phần tử hình ảnh lẻ. Phần tử trung tâm được thay thế bằng phần trung bình của tất cả các phần tử hình ảnh trong cửa sổ. Trung vị của một chuỗi rời rạc

a 1, a 2, ..., a N với N lẻ là phần tử có (N-1) / 2 phần tử nhỏ hơn hoặc bằng nó, (N- 1) / 2 lớn hơn hoặc bằng nó kích cỡ. Để các phần tử hình ảnh có mức 80, 90, 200, 110, 120 vào cửa sổ; trong trường hợp này, phần tử trung tâm nên được thay thế bằng giá trị 110, là giá trị trung bình của chuỗi có thứ tự 80, 90, 110, 120, 200. Nếu trong ví dụ này, giá trị 200 là nhiễu tăng đột biến trong chuỗi tăng đơn điệu, thì lọc trung vị sẽ cung cấp một cải tiến đáng kể. Ngược lại, nếu giá trị 200 tương ứng với xung tín hiệu hữu ích (khi sử dụng cảm biến băng thông rộng), thì quá trình xử lý sẽ dẫn đến mất độ rõ nét của hình ảnh được tái tạo. Do đó, bộ lọc trung vị trong một số trường hợp cung cấp khả năng triệt nhiễu, trong một số trường hợp khác, nó gây ra sự triệt tiêu tín hiệu không mong muốn.

Bộ lọc trung vị không ảnh hưởng đến các chức năng bước hoặc răng cưa, đây thường là một đặc tính mong muốn. Tuy nhiên, bộ lọc này ngăn chặn các tín hiệu xung có thời lượng nhỏ hơn một nửa chiều rộng cửa sổ. Bộ lọc cũng làm phẳng đỉnh của hàm hình tam giác.

Khả năng phân tích hoạt động của bộ lọc trung vị bị hạn chế. Có thể chứng minh rằng trung vị của tích của hằng số K và dãy f (j) là

med (K f (j)) = K med (f (j)).

Bên cạnh đó,

med (K + f (j)) = K + med (f (j)).

Tuy nhiên, trung vị của tổng của hai dãy tùy ý f (j) và g (j) không bằng tổng các trung vị của chúng:

med (g (j) + f (j)) = med (g (j)) + med (f (j)).

Có thể có nhiều chiến lược khác nhau để áp dụng bộ lọc trung vị để khử nhiễu. Một trong số họ khuyên bạn nên bắt đầu với bộ lọc trung bình có cửa sổ bao gồm ba phần tử hình ảnh. Nếu sự suy giảm tín hiệu không đáng kể, cửa sổ bộ lọc được mở rộng thành năm phần tử. Điều này được thực hiện cho đến khi lọc trung vị gây hại nhiều hơn lợi. Một khả năng khác là thực hiện lọc trung bình theo tầng của tín hiệu bằng cách sử dụng chiều rộng cửa sổ cố định hoặc thay đổi. Nói chung, những khu vực không thay đổi sau một lần xử lý bộ lọc không thay đổi sau quá trình xử lý lặp lại. Các khu vực trong đó thời lượng của tín hiệu xung nhỏ hơn một nửa chiều rộng của cửa sổ sẽ có thể thay đổi sau mỗi chu kỳ xử lý.

Khái niệm về bộ lọc trung vị có thể dễ dàng được khái quát thành hai chiều bằng cách áp dụng một cửa sổ 2D có hình dạng mong muốn, chẳng hạn như hình chữ nhật hoặc gần với hình tròn. Rõ ràng, bộ lọc trung vị hai chiều với cửa sổ LL cung cấp khả năng triệt nhiễu hiệu quả hơn so với bộ lọc trung vị một chiều ngang và dọc được áp dụng tuần tự với cửa sổ L1; Tuy nhiên, xử lý 2D dẫn đến sự suy giảm tín hiệu đáng kể hơn.

Bộ lọc trung vị khử nhiễu xung phân tán hiệu quả hơn nhiễu mịn. Lọc ảnh trung vị để khử nhiễu nên được coi là một phương pháp heuristic. Nó không thể được sử dụng một cách mù quáng. Ngược lại, bạn nên kiểm tra kết quả thu được để đảm bảo rằng việc lọc trung vị là phù hợp.

Giảm nhiễu hình ảnh

Thông thường, khi tạo dữ liệu trực quan, hình ảnh thu được bị nhiễu. Điều này là do sự không hoàn hảo của thiết bị, ảnh hưởng yếu tố bên ngoài Vân vân. Cuối cùng, điều này dẫn đến sự suy giảm chất lượng của nhận thức thị giác và giảm độ tin cậy của các quyết định sẽ được đưa ra dựa trên việc phân tích các hình ảnh đó. Do đó, vấn đề loại bỏ hoặc giảm mức độ nhiễu trong hình ảnh là có liên quan. Rất nhiều công trình được dành cho giải pháp của vấn đề lọc tiếng ồn, có Các phương pháp khác nhau và các thuật toán. Trong công việc này, chúng tôi chỉ xem xét một số cách tiếp cận và khả năng triển khai của chúng trong hệ thống Matlab.

Bước 1: Đọc ảnh gốc.

Bước 2: Hình thành nhiễu ảnh.

Bước 3: Sử dụng bộ lọc trung vị để loại bỏ nhiễu xung động.

Bước 4: Loại bỏ thành phần nhiễu bằng thao tác làm mịn.

Bước 5: Phương pháp khử nhiễu theo ngưỡng.

Bước 6: Lọc thông thấp bằng mặt nạ giảm nhiễu.

Bước 1: Đọc ảnh gốc.

Đọc hình ảnh từ một tệp không gian làm việc Matlab và hiển thị nó trên màn hình điều khiển.

L = imread ("kinder.bmp");

hình, imshow (L);

Hình 1 Hình ảnh gốc.

Bước 2: Hình thành nhiễu ảnh.

Trong hệ thống Matlab (Hộp công cụ xử lý hình ảnh) có khả năng hình thành và chồng lên ba loại nhiễu trên hình ảnh. Đối với điều này, chức năng tích hợp sẵn imnoise được sử dụng, chủ yếu nhằm mục đích tạo ảnh thử nghiệm được sử dụng trong việc lựa chọn và nghiên cứu các phương pháp lọc nhiễu. Hãy xem một vài ví dụ về việc áp dụng nhiễu cho hình ảnh.

1) Thêm nhiễu xung vào hình ảnh (theo mặc định, mật độ nhiễu bằng tỷ lệ pixel bị méo):

L2 = imnoise (L, "muối & tiêu", 0,05);

hình, imshow (L2);

Hình 2. Hình ảnh nhiễu (tiếng ồn xung động).

2) Thêm nhiễu trắng Gaussian vào hình ảnh (theo mặc định, giá trị trung bình là 0 và phương sai là 0,01):

L1 = imnoise (L, "gaussian");

hình, imshow (L1);

Hình 3. Hình ảnh nhiễu (tiếng ồn Gaussian).

3) Thêm nhiễu nhân vào hình ảnh (theo mặc định, kỳ vọng toán học là 0 và phương sai là 0,04):

L3 = imnoise (L, "đốm", 0,04);

hình, imshow (L3);

Hình 4. Hình ảnh nhiễu (nhiễu bội).

Bước 3: Sử dụng bộ lọc trung vị để loại bỏ nhiễu xung động.

Một trong những cách hiệu quả để loại bỏ nhiễu xung động trong hình ảnh là sử dụng bộ lọc trung vị. Hầu hết lựa chọn hiệu quả là một triển khai dưới dạng một khẩu độ trượt.

Với i = 1 + n1: N + n1; disp (i) cho j = 1 + m1: M + m1; nếu j == 1 + m1; D = 0; cho a = -n1: n1; cho b = -m1: m1; D (n1 + 1 + a, m1 + 1 + b) = Lr (i + a, j + b); chấm dứt; chấm dứt; chấm dứt; nếu j> 1 + m1; cho a = -n1: n1; D (n1 + 1 + a, m + 1) = Lr (i + a, j + m1); chấm dứt; D = D (1: n, 2: m + 1); chấm dứt; Lvyh (i, j) = median (D (:)); chấm dứt; chấm dứt; Lvyh = Lvyh (n1 + 1: N + n1, m1 + 1: M + m1); hình, imshow (Lvyh);

Để so sánh trực quan, chúng tôi đưa ra ba hình ảnh cùng nhau: ảnh gốc, nhiễu và tái tạo.

Cơm. 5. Tái tạo hình ảnh bị méo do nhiễu xung sử dụng phương pháp lọc trung vị.

Hình ảnh được tái tạo chỉ khác một chút so với hình ảnh gốc và tốt hơn nhiều về mặt cảm nhận hình ảnh so với hình ảnh nhiễu.

Bước 4: Loại bỏ thành phần nhiễu bằng thao tác làm mịn.

Có một loại hình ảnh mà việc loại bỏ thành phần nhiễu có thể được thực hiện bằng cách sử dụng hoạt động làm mịn (phương pháp lọc không gian tần số thấp). Cách tiếp cận này có thể được áp dụng để xử lý ảnh các vùng chứa khu vực rộng lớn với cùng một mức độ sáng. Lưu ý rằng mức độ của thành phần tiếng ồn phải tương đối nhỏ.

F = cái (n, m); % n và kích thước m của khẩu độ trượt

Lser = filter2 (F, Lroshyrena, "giống nhau") / (n * m);

Cơm. 6. Khôi phục hình ảnh bị méo do nhiễu xung bằng thao tác làm mịn.

Nhược điểm của phương pháp này trái ngược với phương pháp lọc trung vị là nó dẫn đến việc làm mờ ranh giới của các đối tượng ảnh.

Bước 5: Phương pháp khử nhiễu theo ngưỡng.

Các phần tử hình ảnh bị nhiễu có sự khác biệt đáng kể so với các phần tử lân cận. Tính chất này hình thành cơ sở của nhiều phương pháp khử nhiễu, trong đó đơn giản nhất là phương pháp được gọi là ngưỡng. Khi sử dụng phương pháp này, độ sáng của tất cả các yếu tố hình ảnh được kiểm tra tuần tự. Nếu độ sáng của phần tử này vượt quá độ sáng trung bình của vùng lân cận cục bộ, thì độ sáng của phần tử này được thay thế bằng độ sáng trung bình của vùng lân cận.

Với i = 1 + n1: N + n1; disp (i) cho j = 1 + m1: M + m1; nếu j == 1 + m1; D = 0; cho a = -n1: n1; cho b = -m1: m1; D (n1 + 1 + a, m1 + 1 + b) = Lr (i + a, j + b); chấm dứt; chấm dứt; chấm dứt; nếu j> 1 + m1; cho a = -n1: n1; D (n1 + 1 + a, m + 1) = Lr (i + a, j + m1); chấm dứt; D = D (1: n, 2: m + 1); chấm dứt; LS = mean (có nghĩa là (D)); nếu abs (Lr (i, j) -LS)> 10/255; % Đặt ngưỡng Lvyh (i, j) = LS; else Lvyh (i, j) = Lr (i, j); chấm dứt; chấm dứt; chấm dứt; Lvyh = Lvyh (n1 + 1: N + n1, m1 + 1: M + m1, :); hình, imshow (Lvyh);

Cơm. 7. Phục hồi hình ảnh bị méo do nhiễu xung sử dụng phương pháp khử nhiễu ngưỡng.

Bước 6: Lọc thông thấp bằng mặt nạ giảm nhiễu.

TRONG Bước 4 việc sử dụng một hoạt động làm mịn để loại bỏ tiếng ồn đã được xem xét. Hãy xem xét các ví dụ về lọc thông thấp bằng cách sử dụng các mặt nạ giảm nhiễu khác. Đây có thể là những mặt nạ sau:

Mặt nạ 1: Mặt nạ 2: .

Các mặt nạ triệt nhiễu được trình bày dưới dạng một mảng chuẩn hóa để có được độ lợi hợp nhất để việc triệt nhiễu không làm sai lệch độ chói trung bình. Các số liệu cho thấy kết quả của việc xử lý một hình ảnh nhiễu. mặt nạ 1 Và mặt nạ 2.

F = (1/10) *;

hình, imshow (Lvyh);

Cơm. 8. Kết quả của việc khôi phục một hình ảnh bị nhiễu với nhiễu xung động bằng cách sử dụng mặt nạ 1.

F = (1/16) *;

Lvyh = filter2 (F, L, "giống nhau") / (3 * 3);

hình, imshow (Lvyh);

Cơm. 9. Kết quả của việc khôi phục hình ảnh bị nhiễu với nhiễu xung bằng cách sử dụng mặt nạ 2.

Đây là những ví dụ về triệt tiêu tiếng ồn xung động. Chúng ta hãy xem xét các ví dụ tương tự về triệt tiêu tiếng ồn Gaussian và số nhân.

Cơm. 10. Kết quả của việc khôi phục một hình ảnh bị nhiễu với nhiễu Gaussian bằng cách sử dụng mặt nạ 1 Và mặt nạ 2.

Cơm. 11. Kết quả của việc khôi phục một hình ảnh bị nhiễu với nhiễu bội số bằng cách sử dụng mặt nạ 1 Và mặt nạ 2.

Lưu ý rằng không có phương pháp chung nào và mỗi hình ảnh nên được xử lý riêng lẻ. Nếu chúng ta đang nói về lọc trung bình và lọc thông thấp, thì chất lượng xử lý phần lớn phụ thuộc vào sự lựa chọn tốt các kích thước khẩu độ địa phương.

Các phương pháp được xem xét sau một số sửa đổi có thể được sử dụng để xử lý ảnh màu. Hãy để chúng tôi đưa ra một ví dụ về khử nhiễu xung trong ảnh màu.

Hãy xem một số hình ảnh ban đầu (Hình 12):

L = imread ("lily.bmp");

hình, imshow (L);

Cơm. 12. Hình ảnh màu gốc.

Chúng tôi áp đặt cho nó tiếng ồn xung với một số đặc điểm:

L = imnoise (L, "muối & tiêu", 0,05);

hình, imshow (L);

Cơm. 13. Hình ảnh ồn ào.

Ngã ba = 1: s; % xử lý riêng cho từng thành phần L = Lin (:,:, k); i = 1 + n1: N + n1; disp (i) cho j = 1 + m1: M + m1; nếu j == 1 + m1; D = 0; cho a = -n1: n1; cho b = -m1: m1; D (n1 + 1 + a, m1 + 1 + b) = L (i + a, j + b); chấm dứt; chấm dứt; chấm dứt; nếu j> 1 + m1; cho a = -n1: n1; D (n1 + 1 + a, m + 1) = L (i + a, j + m1); chấm dứt; D = D (1: n, 2: m + 1); chấm dứt; Lres (i, j) = median (D (:)); chấm dứt; chấm dứt; chấm dứt;

Cơm. 14. Đã khôi phục hình ảnh bằng phương pháp lọc trung vị.

Các phương pháp trên khá thuật toán hiệu quả khôi phục hình ảnh đã bị bóp méo bởi xung, Gaussian hoặc nhiễu đa số. Các phương pháp này là cơ sở để xây dựng các phương pháp phức tạp giải quyết vấn đề để loại bỏ thành phần nhiễu trong ảnh.

Có những tình huống đáng buồn trong cuộc sống khi thiếu ánh sáng, và không có cách nào để mở (mạnh hơn) khẩu độ hoặc tăng tốc độ cửa trập. Người ta cho rằng một bức tranh "xấu" tốt hơn một bức ảnh vắng mặt. Làm sao để? Tha thứ. Hoặc sử dụng một mẹo nhỏ - lấy một vài khung hình và áp dụng giá trị trung bình.

ISO6400, đã được trở thành.

Để bắt đầu, bạn sẽ phải chụp nhiều bức ảnh giống nhau (càng nhiều, càng tốt).

Một trong một loạt. Như bạn có thể thấy, ngay cả trong một kích thước giảm đi đáng kể, lượng tiếng ồn vẫn rất đáng sợ.

Để tính trung bình, chúng tôi tải tất cả vào một tài liệu Photoshop dưới dạng các lớp.
Nếu việc chụp được thực hiện bằng tay, các lớp phải được căn chỉnh bằng cách sử dụng photomerge, trước đây (tại đây) hoặc sử dụng lệnh Edit - Auto-Align Layers (Chỉnh sửa - Tự động căn chỉnh các lớp).
Tiếp theo, để tính trung bình, hãy đặt độ trong suốt của các lớp: cho 100% dưới cùng, 50% tiếp theo, 33%, 25%, ...

Sẽ thuận tiện hơn nhiều khi sử dụng chế độ xếp chồng, đặc biệt là khi thêm một số lượng lớn hình ảnh.

Mở Photoshop và ra lệnh File - Scripts - Load Files into Stack (File - Scripts - Tải tệp vào ngăn xếp)
Đánh dấu vào ô Create Smart Object after Loading Layers (Tạo một đối tượng thông minh khi tải các lớp), tùy chọn - Attempt to Automatically Align Source Images (Cố gắng tự động căn chỉnh các hình ảnh nguồn).
Do đó, chúng tôi có một nhóm hoặc ngăn xếp. Không cần thiết phải liên tưởng đến sự minh bạch, bởi vì. để thực hiện các phép tính trên ngăn xếp, có một menu riêng Lớp - Đối tượng thông minh - Chế độ ngăn xếp (Layers - Smart Object - Stack Mode). Khi xử lý ảnh và video, chỉ có hai chế độ quan trọng - trung bình (trung bình hoặc trung bình số học) và trung bình (trung vị), các chế độ còn lại được sử dụng khi xử lý hình ảnh y tế, khoa học và pháp y, v.v. Nếu chế độ ngăn xếp thay đổi, các phép tính sẽ được thực hiện lại (với kết quả ban đầu, không phải kết quả trước đó).
Hãy xem xét 100% cây trồng từ các khu vực khác nhau và so sánh kết quả.

Từ trái sang phải: gốc, trung vị, trung bình. Mười khung đã được sử dụng.

Làm thế nào nó hoạt động? Trong trường hợp của chế độ trung bình, độ sáng của mỗi pixel được thêm vào trên mỗi kênh và kết quả được chia cho số lượng ảnh. Ví dụ: (3 + 2 + 1 + 2 + 9 + 3 + 1) / 7 = 3
Ở chế độ trung bình, giá trị trung bình được chọn từ chuỗi 1,1,2, 2 , 3,3,9 - trung bình 2. Tức là nhỏ mạnh không có tác dụng.
Từ quan điểm thực tế, điều này có nghĩa là các đối tượng chuyển động sẽ chỉ để lại dấu vết nếu chúng xuất hiện trong một số khung hình của loạt phim. Tuy nhiên, mean sẽ khắc phục tiếng ồn tốt hơn.

Nói chung, các cây trồng tự nói lên điều đó - không có xử lý khung hình đơn lẻ nào có thể giảm nhiễu hiệu quả như vậy, bởi vì. kích thước của tiếng ồn trong ví dụ này vượt quá kích thước của một số chi tiết.

Phương pháp này được áp dụng khi nào?
- khi chụp với không đủ ánh sángở tốc độ màn trập ngắn (không có cài đặt tốc độ cửa trập hoặc bị giới hạn bởi máy ảnh, không có giá ba chân, không có khả năng chụp trong thời gian dài, v.v.)
- nếu cần, giảm nhiễu ở iso thấp, ví dụ, trước khi xử lý hậu kỳ tích cực.

Nó không giúp được gì?
- khi chụp các đối tượng chuyển động (mặc dù có thể loại bỏ nhiễu chọn lọc ở các khu vực tĩnh).
- sẽ không loại bỏ thành phần nhiễu liên tục

Trong phần đầu tiên của bài học này, chúng tôi đã phân tích nguyên nhân gây ra nhiễu trong nhiếp ảnh, các thành phần của nó và những việc cần làm để không làm xuất hiện chúng. Trong hướng dẫn này, chúng ta sẽ học cách giảm tiếng ồn trong Photoshop, Capture One, Digital Photo Professional Và Phòng ánh sáng. Tất cả các chương trình này đều có một công cụ để giảm nhiễu trong nhiếp ảnh, được gọi theo thuật ngữ của các nhiếp ảnh gia " giảm tiếng ồn».

sân khấu này

Nếu trong quá trình chụp chỉ có hai phương án: chụp ảnh không bị nhiễu (độ nhạy thấp của ma trận camera) nhưng không sắc nét, hoặc có nhiễu nhưng sắc nét thì mình chọn phương án thứ hai. Vì bạn không thể loại bỏ độ mờ, nhưng bạn vẫn có thể chống lại tiếng ồn.
Không phải lúc nào cũng cần loại bỏ hoàn toàn nhiễu trong một bức ảnh, thường chỉ cần giảm mức độ của nó xuống mức chấp nhận được là đủ.
Luma và nhiễu màu được loại bỏ khác nhau.
Ở tỷ lệ hình ảnh 100% trên màn hình, chúng tôi thấy nhiễu có diện tích lớn hơn nhiều lần so với khi chúng xuất hiện trên bản in, trong ấn phẩm in ấn hoặc album ảnh trực tuyến.

Trong hướng dẫn này, có những ảnh lớn được tự động thu nhỏ nếu kích thước màn hình của bạn nhỏ hơn mức cần thiết. Khi điều này xảy ra, nút thu phóng 100% sẽ xuất hiện ở góc trên cùng bên phải của ảnh. Chỉ có thang đo này mới cho phép bạn đánh giá chính xác cường độ và kích thước của tiếng ồn. Để xem những phần bị ẩn của hình minh họa, hãy dùng chuột kéo hình ảnh theo phần trung tâm của nó. Để đóng ảnh và quay lại bài viết, hãy nhấn phím Esc.

Điều kiện ban đầu: tất cả khử nhiễu bị tắt trong máy ảnh của tôi, chụp được thực hiện trong Định dạng RAW, độ nhạy được đặt thành 3200 (tôi vẫn cho phép giá trị này khi chụp) và 6400 (chúng tôi sẽ xem liệu tôi có thể sử dụng độ nhạy này trong trường hợp khẩn cấp hay không). Để kiểm soát, một khung được lấy ở độ nhạy ma trận là 100 đơn vị. Tất cả các bức ảnh đã được điều chỉnh thành +0,5 điểm dừng. Điều này làm tăng một chút mức độ nhiễu trong ảnh, nhưng lỗi phơi sáng xảy ra trong quá trình chụp, vì vậy việc hiệu chỉnh này gần với tình huống thực tế hơn đối với nhiếp ảnh gia. Từ các bức ảnh thử nghiệm đã được cắt ra ( ảnh 1): a) mảnh vỡ từ bao bì thực phẩm của Shnyr (để kiểm soát độ sắc nét của văn bản và biến dạng màu sắc); b) thang đo với các trường độ đậm nhạt khác nhau (kiểm soát cường độ của tiếng ồn ở các âm sắc khác nhau); c) một mảnh cơ thể của sinh vật thần thoại Gava (để có vẻ đẹp tuyệt vời hơn). Trên ảnh 2 chúng tôi thấy rằng với độ nhạy ngày càng tăng, các điểm nhiễu phát triển trong tất cả các trường mục tiêu, điều này khá tự nhiên và được mong đợi.

Ảnh 1: ảnh thử nghiệm.
Ảnh 2: tăng độ nhạy của ma trận camera dẫn đến tăng nhiễu.
Ảnh 3: Giảm nhiễu độ chói làm giảm độ sắc nét bộ phận nhỏ trong hình.

Cách loại bỏ nhiễu trong Photoshop (Photoshop).

Ôi, những kẻ chơi khăm, đã không chụp ở định dạng RAW hoặc quên loại bỏ nhiễu ở giai đoạn chuyển đổi tệp RAW? Đôi khi nó xảy ra. Mở ảnh của chúng ta trong Photoshop, sau đó trong menu: Filter> Noise> Reduce Noise… (Filter> Noise> Reduce Noise…). Đây là cách giảm tiếng ồn được thử nghiệm đầu tiên của chúng tôi.

Tiếng ồn phát sáng.Đó là hai thanh trượt đầu tiên (Sức mạnh và Bảo tồn Chi tiết) chịu trách nhiệm giảm nó. Nếu chúng ta kéo Cường độ (Strength) sang mép bên phải, thì chúng ta sẽ thấy nhiễu độ chói giảm đi, nhưng chữ trở nên mờ hơn ( ảnh 3). Tệ hại chính của nhiễu độ sáng: cuộc chiến chống lại chúng dẫn đến giảm độ sắc nét và chi tiết của ảnh. Người đọc chú ý sẽ nhận thấy rằng thanh trượt Preserve Details (Lưu chi tiết), vừa, và được thiết kế để đảm bảo rằng hình ảnh không bị giảm chất lượng. Di chuyển thanh trượt thứ hai sang bên phải, và bạn sẽ thấy độ sắc nét và chi tiết trở lại. Nhưng tiếng ồn cũng trở lại cùng với nó, hóa ra "họ đã đổi dùi lấy xà phòng." Các cài đặt tôi đã sử dụng cho ISO 3200: Độ mạnh - 9, Bảo tồn chi tiết 6%. Nếu ảnh của bạn không có các chi tiết nhỏ, chẳng hạn như văn bản, kết cấu, thì Bảo tồn Chi tiết có thể được giảm xuống tới 0. Đối với ISO 6400, các cài đặt này khá yếu, vì vậy tôi đã tăng Cường độ lên 10 và Chi tiết giảm xuống 3 %, phần nào gây hại đến độ sắc nét của văn bản ( ảnh 5).

Nhiễu sắc độ (màu) dường như là ít ác hơn. Bằng cách di chuyển thanh trượt Giảm nhiễu màu đến giá trị lớn nhất ( ảnh 4) độ sắc nét của văn bản không bị giảm, nhiễu màu gần như biến mất, nhưng các đối tượng kích thước nhỏ mất độ bão hòa màu (nhìn vào ô màu đỏ và xanh lam). Cũng lưu ý rằng một quầng màu được hình thành xung quanh khuôn đỏ. Đôi khi, sự thay đổi màu sắc của các chi tiết nhỏ như vậy có thể rất quan trọng và không thể đối với một bức ảnh. Do đó, chúng ta nên cố gắng áp dụng giảm nhiễu ở mức độ tối thiểu: đối với ISO 3200, tôi đã áp dụng giá trị Giảm nhiễu màu là 70% và đối với ISO 6400 - 100%.

Trên ảnh 5 và 6 bạn sẽ thấy kết quả của việc giảm nhiễu trong Photoshop. Nếu đối với ISO 3200, sau khi khử nhiễu, nhiễu biểu hiện ở mức có thể chấp nhận được và vẫn còn một số dự trữ để triệt tiêu nhiều hơn, thì đối với ISO 6400, chúng đã quá mức đối với một số cảnh chụp và tôi sẽ cố gắng hết sức để tránh sử dụng cảm biến này nhạy cảm.

Ảnh 4: Giảm nhiễu màu có thể làm giảm chi tiết màu và quầng màu.
Ảnh 5: giảm nhiễu trong Photoshop, ISO 3200.
Ảnh 6: kết quả của việc sử dụng Photoshop giảm nhiễu cho ISO 6400.

Kết luận: Giảm nhiễu độ sáng là không thể nếu không giảm độ sắc nét của ảnh. Việc sử dụng tính năng giảm nhiễu giúp có thể sử dụng độ nhạy 3200 đơn vị, nhưng độ nhạy 6400 có thể không phù hợp với các yêu cầu nâng cao về chất lượng ảnh. Nếu bạn chụp ảnh cho Internet hoặc bản in nhỏ, thì tôi có thể sử dụng độ nhạy 6400 đơn vị. Bằng cách giảm nhiễu độ chói trong một bức ảnh, chúng tôi không loại bỏ nhiễu màu và ngược lại.

Đôi khi, người xem có thể không chú ý đến khả năng khử nhiễu sắc trong nhiếp ảnh. Nhưng nếu độ chính xác của màu sắc trong các chi tiết nhỏ là quan trọng khi chụp, thì việc sử dụng quá nhiều cài đặt giảm nhiễu trong Photoshop là không thể chấp nhận được, chẳng hạn như khi chủ đề nhiếp ảnh hoặc trong chụp ảnh đồ ăn. Cài đặt giảm nhiễu mà chúng tôi sử dụng càng “nhẹ nhàng” (không chỉ trong Photoshop, nói chung, bất kỳ), hình ảnh của chúng tôi sau khi xử lý càng tốt.

Ảnh kỹ thuật số chuyên nghiệp

Bài thứ hai cho bài học này tôi đã chọn Canon Digital Photo Professional(sau đây gọi là DPP). Đây là một công cụ chuyển đổi tệp RAW rất đơn giản dành cho máy ảnh Canon, và cùng với nó, tôi giới thiệu cho các học viên của khóa học nhiếp ảnh dành cho người mới bắt đầu về các khả năng của định dạng RAW. Để giảm nhiễu DPP, bạn cần chọn tab NR / Lens / AOL trên Tool Palette (bảng công cụ). Tất nhiên, chúng tôi quan tâm đến khối Noise Reduce (giảm nhiễu), trong đó chỉ có hai thanh trượt: Luminance ... - để giảm nhiễu độ sáng, và Chrominance ... - cho chromatic ( ảnh 7). Như trong trường hợp giảm nhiễu của Photoshop, tôi đã cố gắng sử dụng các cài đặt như vậy trong DPP để duy trì sự cân bằng chất lượng cho các chi tiết đẹp và Bề mặt nhẵn. Đối với ISO 3200, các thông số sau đã được sử dụng: Độ chói - 7, Độ sắc - 12 ( ảnh 8). Đối với ISO 6400 - 12 và 20 tương ứng ( ảnh 9). Kết quả rất giống với kết quả thu được trong quá trình khử nhiễu của Photoshop.

Đặt giảm nhiễu trong DPP. Tôi nhận thấy rằng khi tắt tính năng giảm nhiễu của máy ảnh, DPP áp dụng tính năng giảm nhiễu của riêng nó cho các tệp RAW. Việc tắt tính năng giảm nhiễu ảnh luôn không thuận tiện, vì vậy bạn cần đảm bảo rằng DPP không sử dụng tính năng này theo mặc định. Để thực hiện việc này, hãy chuyển đến cài đặt DPP (phím Ctrl + K), chuyển đến tab Bảng công cụ (bảng công cụ), bật khóa chuyển Đặt làm mặc định, đặt tất cả các thanh trượt thành 0, nhấp vào OK và khởi động lại DPP ( ảnh 10).

Ảnh 7: Canon Digital Photo Professional khử nhiễu.
Ảnh 8: Kết quả của việc sử dụng giảm nhiễu DPP cho ISO 3200.
Ảnh 9: kết quả của việc áp dụng cùng một cách khử nhiễu cho ISO 6400.
Ảnh 10: Cài đặt giảm nhiễu DPP.

Chụp một

Đến nay, Capture One là công cụ chuyển đổi tệp RAW chính của tôi. Như trong trường hợp DPP, khả năng giảm tiếng ồn của nó ( ảnh 11) không bị tắt và áp dụng cho các tệp RAW bất kể cài đặt máy ảnh. Hơn nữa, ngay cả khi không cần giảm nhiễu, ví dụ như ở độ nhạy thấp. Tôi đã thực hiện một nghiên cứu nhỏ về thuật toán giảm nhiễu trong Capture One và nó khiến tôi quan tâm đến mức tôi quyết định đọc sự trợ giúp của bộ chuyển đổi RAW này. Than ôi, không có thông tin hữu ích theo nguyên tắc giảm nhiễu trong Capture One, tôi không tìm thấy nó. Do đó, kết quả phỏng đoán, giả định và nghiên cứu của tôi sẽ được mô tả dưới đây.

Theo trợ giúp của Capture One, tính năng giảm nhiễu của trình chuyển đổi này sẽ thay đổi cài đặt của nó sau khi tệp được phân tích. Tôi thú nhận rằng trong vài năm làm việc trong Capture One, tôi chỉ điều chỉnh các cài đặt để giảm nhiễu của nó một vài lần. Tính năng khử tiếng ồn hoạt động nhẹ nhàng, thông minh, không phô trương và xuất sắc trong chế độ tự động rằng tôi chỉ quên về sự tồn tại của nó.

Điều đầu tiên tôi kiểm tra là ảnh của tôi sẽ cải thiện như thế nào khi tôi xóa cài đặt giảm nhiễu cho ISO 100. Và không có gì xảy ra. Có nghĩa là, nếu không có tiếng ồn, thì việc giảm tiếng ồn không hoạt động. Sau đó, tôi nhận thấy rằng khi tăng độ nhạy, chỉ giá trị Màu (ảnh hưởng đến nhiễu màu) thay đổi, nhưng không thay đổi Độ sáng (nhiễu độ sáng). Sau đó, tôi giả định rằng với cùng một giá trị Độ chói và với độ nhạy ngày càng tăng, nhiễu độ chói sẽ tăng lên tương ứng với cách nó xảy ra trong trường hợp không giảm nhiễu. Nó không có ở đó. Tiếng ồn tăng lên, nhưng không quá nhiều. Tôi sẽ không đoán điều này xảy ra như thế nào, nhưng tôi hài lòng với kết quả của sự thông minh của Capture One.

Trong thử nghiệm tiếp theo, tôi đã cố gắng tìm cài đặt giảm nhiễu tối thiểu có thể làm tôi hài lòng và so sánh mức độ nhẹ nhàng hơn cài đặt của tôi với cài đặt mà Capture One cung cấp theo mặc định. Các thay đổi rất nhỏ nên có thể bị bỏ qua: đối với ISO 3200, Capture One đề xuất giá trị là 25 và 54 (Độ chói và Màu sắc), nhưng tôi thấy các giá trị nhẹ nhàng hơn \ u200b \ u200b có thể chấp nhận được: tương ứng là 20 và 50. Đối với ISO 6400, cài đặt giảm nhiễu của Capture One hoàn toàn khiến tôi hài lòng và tôi không đụng đến chúng (25 và 57).

Có một số tính năng khác giúp giảm tiếng ồn hiệu quả hơn nữa. Surface (bề mặt) cho phép bạn giảm các điểm nhiễu quy mô lớn trên các bề mặt nhẵn, có độ tương phản thấp, đồng thời không chạm vào các chi tiết nhỏ như văn bản (giá trị 70 cho ISO 3200 và 90 cho ISO 6400). Single Pixel cho phép bạn loại bỏ nhiễu pixel đơn lẻ (từng pixel bị loại bỏ riêng lẻ) mà không làm mất các chi tiết nhỏ. Đúng, những pixel như vậy chỉ xuất hiện ở ISO 6400 hoặc khi ma trận quá nóng trong chế độ Live View. Mặc dù thực tế là độ nhạy của ma trận 6400 đơn vị đã được sử dụng trong thử nghiệm giảm nhiễu, tôi không sử dụng cài đặt Chụp một lần này, vì tác động của các công cụ chính là đủ.

Tôi rất hài lòng với chất lượng và tính năng khử nhiễu của Capture One. Không giống như các chất làm giảm chất lượng được thảo luận ở trên, Capture One không tạo ra quầng màu hoặc giảm độ bão hòa màu ở các chi tiết nhỏ của hình ảnh. Nhiễu màu ở các vùng bóng mờ cũng được khử tốt hơn đáng kể so với các đối thủ trước đó. Điều này cho thấy chất lượng cao của thuật toán giảm nhiễu màu. Nhờ tác động của Bề mặt, nhiễu độ sáng cũng có vẻ yếu hơn, đặc biệt là trên các bề mặt đồng bằng.

Bạn có thể xem kết quả giảm nhiễu trong Capture One trên ảnh 12 và 13. Tuy nhiên, nó vẫn còn để kiểm tra một đối thủ cạnh tranh giữa các bộ chuyển đổi RAW - làm giảm chất lượng trong Lightroom.

Ảnh 11: Chụp Một lần giảm nhiễu.
Ảnh 12: kết quả của việc sử dụng tính năng giảm nhiễu Capture One cho ISO 3200.
Ảnh 13: kết quả của việc áp dụng cùng một cách khử nhiễu cho ISO 6400.

Lightroom và Adobe Camera RAW

Tôi thậm chí còn tải xuống Lightroom mới - 4.3 ... Trong tất cả các phiên bản trước của Lightroom, tính năng giảm nhiễu của nó, theo người dùng, được coi là một liên kết yếu và không được khuyến khích sử dụng. Những, cái đó. sau khi chuyển đổi tệp RAW sang Lightroom, việc giảm nhiễu phải được thực hiện trong Photoshop. Nhưng tính năng giảm nhiễu của Photoshop làm mất đi chất lượng công việc ít nhất là Capture One, và tôi không thể khuyến nghị nó theo bất kỳ cách nào chuỗi này(Lightroom> Photoshop) để giảm nhiễu. Tôi đã gặp một đề cập trên các diễn đàn rằng tính năng giảm tiếng ồn của Lightroom, bắt đầu từ phiên bản thứ tư, đã được cải thiện. Vì muốn làm rõ thông tin này từ những người dùng có kinh nghiệm, tôi lại kết thúc trên diễn đàn Lightroom. Và những gì tôi đọc ở đó không làm tôi hài lòng theo bất kỳ cách nào: phanh gấp, khó khăn trong công việc, trục trặc, nói chung, mọi thứ vẫn như mọi khi với trình chuyển đổi tệp RAW của Adobe. Điều này cuối cùng đã khiến tôi không thể cài đặt Lightroom và thay vì tính năng giảm nhiễu của nó, tôi sẽ thử nghiệm một công cụ Photoshop tương tự - Adobe Camera RAW. Tôi đã nhận thấy cách đây khá lâu rằng cài đặt của hai sản phẩm Adobe này giống hệt nhau và dẫn đến kết quả giống nhau sau khi xử lý tệp RAW. Có nghĩa là, thuật toán hoạt động của cả hai chương trình đều giống nhau (sẽ rất lạ nếu một nhà sản xuất tạo ra hai phiên bản khử nhiễu). Nếu tôi sai và bạn có lý do chính đáng cho việc này, vui lòng cho tôi biết.

Để giảm nhiễu trong Adobe Camera RAW, bạn cần chuyển đến tab Chi tiết (Chi tiết). Giảm nhiễu này có nhiều cài đặt hơn so với giảm nhiễu trong Photoshop (ảnh 14). Theo mặc định, đối với các tệp có cả độ nhạy sáng, Camera RAW không cung cấp giảm nhiễu độ sáng mà để giảm nhiễu màu (Độ chói - 0, Màu - 25, Chi tiết màu - 50). Ở các cài đặt này, nhiễu màu được triệt tiêu một cách độc đáo và (như trong Capture One), tôi không nhận thấy bất kỳ quầng màu nào. Tuyệt vời. Thanh trượt Chi tiết màu giúp điều chỉnh (trả lại) độ bão hòa màu cho bộ phận nhỏ(hãy nhớ rằng, Photoshop đã gặp vấn đề với việc khử nhiễu). Tôi đã để giá trị Chi tiết màu mặc định, tức là 50. Nhưng tôi đã giảm cài đặt Màu chính xuống 15 (cho ISO 3200) và 20 (ISO 6400).

Các mảng độ sáng trên bề mặt nhẵn vẫn hiển thị nhưng không bị che khuất ở các giá trị Độ sáng 55 (đối với ISO 3200) và 70 (ISO 6400), nhưng đã làm giảm một chút chi tiết văn bản. Do đó, tôi đã chọn giá trị thỏa hiệp của Chi tiết độ sáng - 40 (cho ISO 3200) và 50 (ISO 6400).

Tôi thực sự thích cách Adobe Camera RAW giảm nhiễu ( ảnh 15 và 16) mà tôi đã tự hỏi liệu việc sử dụng rộng hơn độ nhạy 6400 trên máy ảnh của tôi có được chấp nhận hay không. Nếu chúng tôi thêm cài đặt Bề mặt như trong Capture One để giảm tiếng ồn này, thì nó sẽ không bằng. Tôi tự hỏi các vị trí trong số các nhà lãnh đạo giảm nhiễu sẽ được phân bổ như thế nào ở phần cuối của bài học nhiếp ảnh này.

Ảnh 14: Giảm nhiễu Adobe Camera RAW (cài đặt giống với Lightroom).
Ảnh 15: Kết quả của việc sử dụng Adobe Camera RAW giảm nhiễu cho ISO 3200.
Ảnh 16: kết quả của việc áp dụng cùng một cách khử nhiễu cho ISO 6400.

Kết quả kiểm tra giảm tiếng ồn

Kết quả của bài kiểm tra khử nhiễu ở ảnh 17 và 18: kém nhất - ở trên cùng, tốt nhất - ở dưới cùng. Khi chụp ở các giá trị độ nhạy cao, tôi không khuyên bạn nên sử dụng tính năng khử nhiễu của Photoshop cho ảnh bitmap và Canon Digital Photo Professional. Nguyên nhân chính là do quầng màu mạnh xung quanh các phần màu trong ảnh. Cũng rất khó để tìm ra sự thỏa hiệp giữa mức độ nhiễu chói trên bề mặt nhẵn và độ sắc nét của các chi tiết nhỏ trong các thiết bị khử nhiễu này. Chụp một, dựa trên nền của hai ảnh đầu tiên, có vẻ đang ở một vị trí chiến thắng, cho đến khi tính năng giảm nhiễu Adobe Camera RAW phát huy tác dụng. Kết quả sau cho thấy rằng trong nhiều trường hợp, tôi cũng có thể sử dụng độ nhạy 6400 để chụp ảnh thương mại: giảm nhiễu độ sáng đáng kinh ngạc cho các bề mặt nhẵn trong khi vẫn duy trì các chi tiết đẹp và làm tốt lắmđể giảm nhiễu màu. Tôi không hiểu những người làm việc trong Lightroom phàn nàn về điều gì?

Ảnh 17: bảng so sánh giảm nhiễu cho ISO 3200.
Ảnh 18: Bảng so sánh khả năng khử nhiễu của ISO 6400.
Ảnh 19: Tiếng ồn quyến rũ.

Phần kết luận

Nếu trong khi chụp bạn muốn sử dụng các giá trị độ nhạy cao, thì hãy bắt đầu xử lý nhiễu ở giai đoạn chụp - chụp ở định dạng RAW. Không chuyển quá trình khử nhiễu sang Photoshop, hãy thực hiện trong trình chuyển đổi RAW khi chỉnh sửa ảnh. Sử dụng bộ chuyển đổi ít bị mất hơn (và không thể tránh khỏi mất mát) sẽ giảm nhiễu trong ảnh. Sử dụng giá trị tối thiểu cài đặt giảm tiếng ồn.

Nếu bức ảnh có âm thanh ôn ào, sau đó trong một số trường hợp, có thể tự giới hạn bản thân trong việc giảm các đốm màu duy nhất. Phần nhiễu chói còn lại sẽ rất giống với hạt phim. Đôi khi sự bắt chước hạt này thậm chí còn thích hơn hình ảnh mịn của máy ảnh kỹ thuật số. Ví dụ: nếu bạn cách điệu một bức ảnh thành một bức ảnh cũ. Trong các trường hợp khác, hạt có thể tạo ra một nét quyến rũ nhất định cho bức tranh ( ảnh 19). Không có gì ngạc nhiên khi có các bộ lọc Photoshop tạo ra một hạt phim tương tự. Nhưng, đó là một chủ đề cho một bài học khác.

Tái bút: Không phải phiên bản mới nhất của Adobe Camera RAW và Capture One đã được sử dụng trong bài kiểm tra khử nhiễu này. Do đó, có thể các thuật toán giảm nhiễu trong các chương trình này thậm chí còn trở nên tiên tiến hơn.
Tái bút: Đừng làm ồn!