我们的一位读者迈克·贝克今天给我发了下面的电子邮件。我认为这是一个很好的和有趣的分析,为什么减少采样的图像可以减少噪音,所以我决定分享给你(当然,在他的允许下)。试图消化这些东西让我头晕目眩,但这是一本很棒的书。你可能需要读几遍才能理解他的意思,尤其是所有的数学公式(我必须这么做):
你最近评论说要将高分辨率图像缩小到较低分辨率,以减少明显的噪声。虽然我知道这是一种有效的方法来减少图像中可见的噪声,但我并没有详细考虑为什么这样做的技术原因。
经过一个漫长的晚上对这个问题的思考,并向我的朋友和工程师同事提出了几个问题,我相信我对这个问题有了一个(合理的,尽管可能不完美!)处理……
如果图像信号和图像噪声具有相似的性质,为了降低分辨率而对相邻像素进行平均并不会提高信噪比。然而,信号和噪声具有不同的性质。
(通常)相邻像素中的噪声之间没有关系。技术迷们称之为“无相关性”。
相关性是两个信号N1 x N2乘积的长期平均值。如果两个信号没有相关性,那么它们乘积的均值为零。
相邻像素之间的信号具有较高的相关性。如果你添加不相关的信号,那么它们的“功率”也会被添加,这意味着合并的信号是合并功率的平方根。
N_comb =√(N1^2+N2^2),对于N1 = N2 = N,我们得到N_comb =√(2)*N,其中N1, N2是噪声的均方根(RMS)值。
然而,如果信号高度相关,那么它们的和实际上是它们大小的和:
S_comb = S1+S2,对于S1=S2=S我们得到S_comb = 2*S
因此,如果我们将两个相邻像素的内容相加,我们得到:
SNR_comb = S_comb/N_comb =√(2)*(S/N)
因此,信噪比增加了根号2,大约是40%
现在,你可能会说相邻像素中的信号并不总是100%相关的。信号之间的相关性取决于图像内容。如果图像内容非常流畅,相关性就高。如果图像内容变化很快,相关性就很低。当然,平滑区域的噪声会更明显,重新采样的效果也会更强。
自适应噪声滤波器考虑了绝对信噪比和图像内容。它们在平滑和信噪比差的区域降低更多的分辨率,而在图像内容变化强烈和高信噪比的区域保持原始分辨率。你可以把它看作是信噪比和分辨率的联合优化。
现在,我们还需要研究一下噪音的不同来源:
- 噪声的第一个来源是暗电流,它是由电子积聚在单个像素中引起的,即使没有光子进入(镜头盖上)。长时间曝光时暗电流占主导地位。对于正常的曝光,俘获电子的误差可以忽略不计。
- 第二个噪音源是读出噪声。这基本上是由两个来源产生的:A)放大器添加的噪声和B)模数转换器产生的噪声。它是在读出过程中添加到每个图像的固定数量的噪声。当你在你的相机上选择ISO设置时,你实际上设置了读出增益,因此读出噪声。ISO越高,读出增益越高,读出噪声越小。当然,如果你选择的ISO太高,你会得到信号饱和。因此,在光线较暗的情况下,总是选择一个不高于所需的ISO来捕捉你想要的图像。
- 噪声的第三个来源被称为“量化噪声”,这有点难以理解。这与这样一个事实有关,即(在弱光条件下)我们并没有对平滑、连续的光子流进行采样,而是对离散的光子束进行采样。问题是,光源不会产生时间间隔相等的光子流。所以,如果你成像一个低光源,它平均每秒发出100个光子,你可能在第一秒收到90个光子,第二秒收到105个光子,等等。平均误差将是光子(或像素传感器中的电子)数量的平方根的数量级。一个典型的传感器阱在充满电时包含2万到6万个电子。最大数量取决于像素大小。一个带有20,000个电子的传感器阱在充满电时误差约为+/-141个电子或+/-0.7%。一个有60,000个电子的阱在充满电时误差约为+/-245个电子或+/-0.4%。虽然我们可以通过冷却传感器来降低暗电流和读出噪声,但实际上我们对此无能为力。 If we keep on shrinking the pixels, we will have smaller and smaller electron wells and less and less electrons trapped.
上述0.7%或0.4%的误差显得相当小,我们无法注意到它们。然而,在低光环境下,传感器井只会被部分填充。如果我们只能捕获1000个电子,误差就变成3%。如果我们只捕获100个电子,误差就变成10%。
请注意,术语“量化噪声”与模数转换器的信号量化无关。这与信号是以能量量子形式到达的事实有关。
你们怎么看?有人想质疑迈克的分析吗?:)
嗨Nasim,
幸运的是,除了我现在需要修理的D800,我还打算买一个新的机身(静音快门失灵,顶部LCD损坏)。我是剧院摄影业务的专业用户,静音操作和低iso噪声是我的关键bobsports官网规格。我一直在等待索尼A7sII,它现在在这里,根据低ISO噪音和静音操作与D810竞争。还有另一个强大的竞争对手,A7RII。我想像你们一样,在全面评估的基础上做出决定……当然,现在还没有。换句话说,我更喜欢你的真实世界的评论/比较,而不是公式。你所看到的就是你能得到的。所以,至于ISO噪声,我非常感兴趣的是比较上述相机之间的图像质量,包括降低采样以匹配A7SII较低的像素。或者已经有可能在这个阶段根据理论预测ISO质量,从而得出建议?对我来说最重要的是ISO在800-6400之间的范围。 pm: I count on a dedicated AF Nikon G to Sony E adapter in nearby future, but don’t know if that is realistic.
的问候!
嗨Nasim,
我只是想问一下,是不是所有摄像头都做了“下采样”?我的意思是,所有相机是如何从它们的原生“大”尺寸中产生“中”和“小”图像的。例如,单反相机有一个24mp传感器。因此,当设置为“大”时,传感器将利用所有像素。现在我想知道的是,“中”和“小”的图像是如何产生的?当相机设置为“中”时,是否只使用12mp,并且有一种机制可以阻止传感器中剩余的mp ?或者相机使用所有的24mp,并将其降采样到用户设置的“12mp”中等和“6mp”小。
期待您的回复。
的问候。
嗨Nasim,
我读了你关于新D800的文章,试图找到更多关于“降采样”如何降低噪音的信息,然后写了这篇文章。恐怕像我之前的大多数人一样,技术解释对我来说太复杂了。
我更感兴趣的是如何“降低样本”,如果可能的话,使用Lightroom 3.5或PSE10。也许你已经写过这个主题,但我还没有在你的网站上找到它。你有什么建议吗?
的问候。
迈克的分析是正确的。然而,他使用的术语可能有点令人困惑。他所说的“量化噪声”,是由光的量子性质引起的,通常被称为“光子射噪声”。术语“量化噪声”通常用来指A-D转换器中量化过程引入的噪声。由于a - d转换器将无限可变的模拟信号转换为离散的步骤数,因此它必须近似模拟信号的值。这种近似引入了一个误差,这些误差就是量化噪声的来源。
我问:“安塞尔,当我们需要你的时候,你在哪里?你怎么能在不知道这些的情况下发挥你的天赋呢?”
安塞尔回答说:“振作起来,儿子。不要迷失在森林里,因为树木的美丽不需要技术方程式。你的愿景比N1或N2更有价值。美没有公式。”
我:Wheww !谢谢你,安塞尔。我开始担心了。我现在感觉还好。
彼得,
根据我对他的了解,他使用当时最好的设备和宾得测光表。更不用说他是那个时候Photoshop的专家,一个暗房。毫无疑问,他是个有天赋的摄影师。但他也使用了最好的工具。但最终,愿景才是最重要的。
事实上,亚当斯有3个曝光仪:一个SEI和两个weston。
我明白了。我从这里得到了这些信息,他也是一位著名的摄影师……
kenrockwell.com/tech/meters.htm
这是我获取信息的地方,在第一页的底部:
我每天都读洛克威尔的书,但他偶尔也会犯错误。他推荐的相机需要根据个人经验进行三次检查。他有明显的偏见。
彼得,
你对他的看法是对的。我不想在这里谈论他。让我们就此打住。:)
纳西姆,我有个问题要问你。
摄影师们普遍认为,像素太多会增加噪音,所以不好。如果噪音可以通过降低图像采样来降低,那么使用更多的像素是否有任何危害?如果你想要细节,那就不要对图像进行低采样,但如果你想要噪音更少,那就简单地对图像进行低采样。这样,即使传感器的像素数较低,也会得到相同的噪声。
让我们设想一个场景,其中有两个具有相似传感器技术的相似大小的传感器。
传感器1:12 MP,在特定设置下噪声= N1
传感器2:24mp:在类似设置下拍摄的图像,图像向下采样到12mp。现在我们设噪声为N2(对于1200万像素的图像)
我的问题是,你认为N1和N2相似还是N1比N2低?
megapizels, believe, the too many
几行字里有太多错误:)
这取决于哪个噪声源占主导地位。
当光子发射噪声(由光的量子特性产生的噪声,Mike称之为“量化噪声”)是主要噪声源时,那么低采样的高分辨率传感器应该会产生相同的图像尺度信噪比。这是因为增加感光位点的数量并不会增加噪声的数量(这是到达传感器的光的基本属性),而只是简单地将其重新分配到更多的桶中;向下采样将这些桶组合在一起,以获得与低分辨率传感器相同的信号和噪声。
当读出噪声占主导地位时,来自高分辨率传感器的低采样图像将比来自低分辨率传感器的图像具有更多的噪声,因为噪声是由每个光位点(以及放大器和ADC转换)产生的,因此更多的光位点意味着更多的噪声。
对DXOmark上的nexx - 5n (16 MP)和nexx -7 (24 MP)信噪比测量的比较表明,尽管光位点尺寸减小,但图像尺度信噪比没有下降,这表明目前的技术水平允许小到4 um的光位点被光子射噪声所支配。
哇,这对我来说太过分了。我现在就想喝一杯!!
也给我来一杯。事实上,我有3-4个。
嘿,谢谢你发布这篇文章——对于喜欢工程的人来说,这是一本很好的书。
对于普通人,我会试着做一个更简单的解释(迈克,请原谅这种简化带来的任何不准确):
如果你将图像采样到较低的分辨率,你实际上是在平均邻近像素。
每个像素的值由两部分组成:信号(好的部分)和噪声(坏的部分)。
*信号比较平滑,在像素间变化缓慢。所以两个相邻信号值的平均值或多或少就是信号值本身(例如50和52 = 51的平均值)。
*每个像素的噪声基本上是随机的。它可以是正的,也可以是负的,平均为零。因此,如果对相邻像素进行平均,它们的噪声就会被抵消。(例如-10和+8的平均值为-1)
下面是一个例子,便于理解:
你从两个值分别为40和59的像素开始。如果没有噪音,它们实际上应该是50和52,但你和相机没有办法知道。但因为噪音是随机的,而且是零均值,你知道它会被抵消。因此,如果你将图像采样降低50%,你就可以平均到像素,得到(40 + 59)/2 = 99/2 = 49.5。对了——这非常接近于如果绝对没有噪音的话你会得到的理想平均值,(50+52)/2 = 101/2 = 50.5。
所以在这个例子中,你几乎消除了噪音,代价是分辨率减半。现在您有了一个噪点值为1的像素,而不是噪点值为10和8的两个像素。
PS:这也是为什么如果你平均很多有噪声的照片,你会得到非常好的无噪声图像(只要场景中没有任何东西移动,你的相机保持完美静止)。信号不会随着时间的推移而改变,但随机噪声往往会抵消掉,剩下的是一张平滑的无噪声图像。人们用这种技术拍摄天文照片。实际上,这意味着你必须让你的相机跟踪星星(它们在头顶上移动),所以当然说起来容易做起来难。
很简单的解释!
伟大的解释。谢谢,不过我看错日期了,以为是2021年而不是2012年!!
Uuuugh !Uuuugh !是4月1日吗?
购买NIK Define 2,跳过这篇文章。
纳西姆,你的击球率是1000,但这篇文章把你的平均击球率降到了987。
这篇文章不仅仅是“深入杂草”,而是深入分子。”
每个人在任何摄影入门课的第一天都会学到这个…:)bobsports官网