کاهش نویز با استفاده از روش میانگین یابی چند تصویر
تصاویر با دامنة دینامیکی بالا این امکان را به عکاس می دهد که بتواند تصاویری که دامنة دینامکی آنها بیشتر از تک فریم هائی که یک دوربین می تواند ثبت کند ، را ارائه نماید . این روش راهکاری است برای روش های نوردهی که پیش از این بعلت - عدم وجود امکان - تکنیکی کاملا مشخص ، به آن پرداخته نمی شده است . یک امکان جدید در نرم افزار فتوشاپ با عنوان " merge to HDR " که امکان ترکیب مجموعه ای از عکس های تهیه شده از یک موضوع با نوردهی های با میزان اختلاف اندک بمنظور دستیابی به یک تصویر با دامنة دینامیکی بالا (دامنه ای به اندازة تمام طیف های نوری موجود در عکس ها) می باشد ، ارائه شده است .
در این قسمت به مقایسه دو روش متداول برای کاهش نویز تصویر می پردازیم و سپس یکی از این روش ها را که روش " کاهش نویز استفاده از روش میانگین یابی چند تصویر" می باشد را پیشنهاد می کنیم . میانگین چند تصویر آخرین روش متعارف در عکاسی نجوم می باشد ، اما برا ی تصاویری که در نور ضعیف تهیه می شوند و یا تصاویری از شب هنگام دارای کاربرد نبوده و نتایج قابل قبولی ارائه نمی دهد . روش میانگین یابی واقعا قابلیت کاهش نویز را بدون به مخاطره انداختن جزئیات تصویر دارا می باشد ، چونکه واقعا موجب کاهش signal to noise ratio (SNR) تصویرمی شود . پیامد دیگر روش میانگین یابی می تواند افزایش عمق بیتی تصویر - بیشتر از مقدار عمق بیتی ممکن در یک تصویر تک فریم - باشد . حداقل عدد ISO ارائه شده در برخی از دوربین ها (مثل اغلب دوربین های SLR شرکت Nikon ) عدد 200 می باشد ، با کمک روش میانگین یابی می توان بطور خاص نیاز کسانی را که مایلند کیفیتی نظیر تصاویر با ISO 100 را بدست بیاورند ، را برآورده نمود .
اساس کار روش میانگین یابی بر این فرض بنا نهاده شده است که تصویر مورد نظر ما دارای نویز با پراکندگی کاملا تصادفی باشد . به این ترتیب مقدار نوسانات تصادفی بالا و پائین تصویر واقعی بصورت تدریجی نسبت به مقدار میانگین آن بیشتر و بیشتر می شود . اگر شما دو تصویر از یک تکه صاف خاکستری رنگ با تنظیمات مشخص (از لحاظ دما ، روشنائی و غیره) از یک دوربین داشته باشید ، بنابر این شما باید تصاویری نظیر آنچه که در سمت چپ تصویر ذیل نشان داده شده است را بدست بیاورید .
در نمودار شکل فوق نوارهای پیکسل آبی و قرمز رنگ بترتیب نمایانگر نوسانات روشنائی در تصاویر از تکه های خاکستری بالائی و پائینی می باشند . خط چین افقی موجود در شکل فوق نمایانگر میانگین ، یا آنچه که در صورت عدم وجود نویز در تصویر بدست خواهد آمد می باشد . بطور مستقل به چگونگی نوسانات هریک از نوارهای آبی و قرمز در بالا و پائین خط چین افقی دقت نمائید . اگر مقدار میانگین روشنائی پیکسل های متناظر در هر دو شکل را که معادل میانگین مقدار روشنائی در دو نوار آبی و قرمز برای پیکسل مورد نظر می باشد را محاسبه نمائیم ، میزان نوسانات مطابق شکل ذیل کاهش خواهد یافت :
تفسیر نوار میانگین دو نوار آبی و قرمز این است که مقدار حداکثر انحراف روشنائی ، تاحد زیادی کاهش می یابد . نتیجه این میانگین یابی از لحاظ بصری در شکل سمت چپ که دارای نویز کمتری می باشد قابل مشاهده است . در مقام مقایسه میزان کاهش نویز حاصل از میانگین روشنائی دو تصویر قابل مقایسه است با نتیجه حاصل از نصف شدن تنظیمات ISO وقتی که مقدار حساسیت آن نصف شود ، بنابراین حاصل میانگین دو تصویر با حساسیت ISO 400 ، معادل همان تصویر با حساسیت ISO 200 خواهد بود . بطور کلی میزان کاهش نویز (نوسانات روشنائی) برابر است با ریشه دوم تعداد تصاویری که میانگین یابی می شوند (میانگینشان محاسبه می شود) ، بنابراین برای نصف شدن میزان نویز تصویرنهائی به چهار تصویر اولیه نیاز می باشد .
در مثال شکل ذیل می توانید یک نمونه واقعی از اثربخشی روش میانگین یابی روشنائی تصویر را ملاحظه نمائید . عکس ذیل دارای حساسیت ISO 1600 می باشد ، که با دوربین Canon مدل EOS 300D عکاسی شده است ، که دارای نویز بیش از اندازه می باشد .
 |
برشی از تصویر سمت راست |
| تصویر اولیه |
دو تصویر |
چهار تصویر |
 |
 |
 |
 |
 |
 |
 |
 |
 |
توجه نمائید که با میانگین یابی و در نتیجه آن کاهش نویز ، چگونه به جزئیات بیشتنری در نقاط مختلف تصویر دسترسی پیدا می کنیم . در میان برنامه های کاربردی کاهش میزان نویز ، می توان از برنامه Neat Imageبعنوان بهترین انتخاب یاد کرد ، و بنابراین در ادامه از آن بعنوان معیار محک استفاده می کنیم :
نرم افزار Neat Image بهترین انتخاب برای کاهش نویز در آسمان صاف است ولی در مواردی مثل شاخ و برگ درختان و خطوط عمودی (ملات / دوغاب) بین آجرهای دیوار موفقیت چشمگیری ندارد و جزئیات تصویر را از دست می دهد . بکارگیری ابزار اصلاح وضوح تصویر بمنظور بهبود وضوح تصویر برای جزئیات موجود می باشد و تا حد قابل توجهی سبب ارتقای وضوح کلی تصویر می شود ، ولی این ابزار قادر به بازیابی اطلاعات (جزئیات) از دست رفته نمی باشد . استفاده از فیلتر median که در اغلب نسخه های نرم افزار فتوشاپ موجود می باشد ، یکی از ابتدائی ترین تکنیک ها میانگین یابی می باشد . در این روش مقدار هر پیکسل با توجه به میانگین پیکسل های اطرافش تعیین می شود . این روش برای اصلاح تصاویری با نویز نه چندان زیاد مناسب است ولی برای مواردی که نوسانات روشنائی بیشتر باشد ، موجب از دست رفتن جزئیات می شود . بطور کلی نرم افزار Neat Image برای مواردی که قادر به استفاده از میانگین یابی نیستیم (عکس هائی که بدون استفاده از سه پایه تهیه شده باشند) بهترین انتخاب می باشد . بطور کلی نتیجه ایده آل از ترکیب دو روش میانگین یابی بمنظور افزایش SNR تا حد ممکن و بکارگیری ابزار Neat Image برای کاهش مابقی نویز ها می باشد .
به این نکته توچه نمائید که با بکارگیری ترکیب دو روش میانگین یابی و ابزار Neat Image ضمن کاستن نویز ، جزئیات خطوط عمودی آجرهای دیوار نیز حفظ و با کیفیت بهتری ارائه شده است . از اشکالات روش میانگین یابی نیاز به مقدار حافظه بیشتر می باشد (استفاده از چندین تصویر بجای یک تصویر) وهمچنین در صورت امکان به مدت زمان نوردهی بیشتری نیازمند می باشد . روش میانگین یابی برای تصاویری که دارای نویز banding یاfixed pattern باشد ، کاربردی ندارد . توجه داشته باشید که میزان روشنائی نقاط سفید و روشن واقع در منتهی الیه سمت چپ قسمت بالائی و پائینی تصویر در اثر بکارگیری روش میانگین یابی ، کاهش نمی یابد . روش میانگین یابی علاوه برنیاز به عدم جابچائی دوربین بین نوردهی های مختلف یک عکس مستلزم عدم لرزش و جابجائی دوربین طی زمان نوردهی نیز می باشد .برای استفاده از روش میانگین یابی به مراقبت های زیادی در هنگام عکاسی نیاز است و فقط برای عکس هائی که بر روی سه پایه های مناسب تهیه شده باشد ، کاربرد دارد .
اجرای روش میانگین یابی تصویر در نرم افزار فتوشاپ ، با استفاده از خصوصیت لایه ها
اجرای روش میانگین یابی تصویر در نرم افزار فتوشاپ ، با استفاده از خصوصیت لایه ها کاری نسبتا سریع می باشد . ایده ای که در اینجا از آن بهره برده می شود این است که از چندین لایه که هرکدام حاوی یکی از عکس ها می باشد ، استفاده می شود ؛ و با فرض سهم مشارکت برابر لایه ها ، آنها را با هم یکپارچه می کنیم . چنانچه به هردلیل میزان وزن (opacity) هر یک از لایه ها کم شود ، کارائی ترکیب (یکپارچه کردن) نخواهد داشت .
در ابتدا باید تمام تصاویری را که می خاهیم در میانگین یابی تصویر مشارکت داشته باشند را در فتوشاپ باز کرده و سپس تک تک آنها را در لایه های مختلف یک پروژه جدید کپی می کنیم . بمحض انجام این کار کار میانگین یابی شروع می شود . نکته کلیدی در میانگین یابی با ابزار فتوشاپ را که باید بخاطر بسپارید این است که میزان opacity هر لایه تعیین کننده مقدار قابل دین بودن لایه زیرین می باشد و همینطور مقدار opacity لایه پائینی تعیین کننده مقدار قابل دیدن بودن لایه زیرتر بوده و الی آخر . این بدان معنی نیست که opacity تمام لایه ها 25% باشد بلکهاگر از چهار تصویر استفاده کنیم ، opacity لایه زیرین 100% و برای یک لایه بالاتر از آن 50% و برای دو لایه بالاتر از آن 33% و برای بالاترین لایه 25% باید باشد . این روند به شرح ذیل خواهد بود :
 |
رای میانگین یابی از چند تصویر ، مقدار opacity برای هر تعداد از تصاویر مطابق فرمول زیر محاسبه می شود :
قابل تذکر است مواردی که در شکل فوق با رنگ قرمز مشاهده می شوند ، صرفا جهت اطلاع بوده و در فتوشاپ قابل مشاهده نمی باشند . |
برخلاف شرایط فوق اگر از مدت زمان نوردهی زیاد و سرعت ISO کم استفاده کنیم ، در چه مواقعی می توانیم از روش میانگین یابی استفاده نمائیم ؟در ادامه به یک سری از شرایط مشخص که ممکن است ثابت باشند ، اشاره می کنیم :
- برای اجتناب از نویزهای fixed-pattern در نوردهی های طولانی مدت
- در دوربین هائی که فاقد امکان bulb (نوردهی با هر مدت زمان دلخواه) باشند ، شای بتوانید مدت زمان نوردهی را بین 15 تا 30 ثانیه تعیین نمائید . در چنین مواردی بعنوان نمونه دو عکس با ISO 800 و مدت زمان نوردهی 30 ثانیه تهیه نمائید تا با روش میانگین یابی به تصویری معادل ISO 400 و مدت زمان نوردهی 60 ثانیه دست پیدا کنید . به همین منوال ترکیبات بسیار متفاوتی را می توانید تجربه نمائید .
- برای مواقعی که نمی توان تضمین نمود که نوردهی های بدون وقفه بیشتر از یک زمان معینی صورت گیرد . بعنوان مثال برای تهیه تصویری با نویز کم از مکان های عمومی که بعلت عبور افراد در آن ، نوردهی طولانی مدت میسر نمی باشد . می توانید چندین عکس متوالی با مدت زمان های نوردهی کمتر تهییه نمائید .
- برای ثبت با جزئیات نه چندان زیاد از حرکت یک موضوع متحرک ، موضوعات با سرعت بیشتر دارای نویز کمتری نسبت به موضوعات کندتر خواهند بود . مثال عینی برای آن می تواند شاخ و برگ یک درخت در پیش زمینه در شبی پر ستاره باشد .
- برای مواردی که می خواهیم (با وجود سرعت ISO پائین) با ویرایش تصویر پس از ثبت آن به جزئیات بیشتری در ناحیه تصویر دست پیدا نمائیم .
منابع : http://www.cambridgeincolour.com/tutorials/image-averaging-noise.htm
ترجمه : جابر يزدانخواه كناري
