středa 24. února 2021

RawTherapee - pár tipů ohledně použití demozaikovacích algorimů

RawTherapee je vynikající open source nástroj pro převod surových dat z fotoaparátu do obecného obrazového formátu, prostě pro zpracování "rawů". Oproti všem ostatním podobným aplikacím je pro mě od začátku velmi intuitivní a současně mi většinou dává i nejlepší výsledky s minimální námahou. Dnes bych se chtěl věnovat především problematice demozaikovacích algoritmů, protože RT jich pro snímače s Bayerovou maskou nabízí celou řadu a žádný není zcela univerzální. Je zásadní rozdíl mezi zpracováním krajinářské fotografie na ISO 100 a momentkou pořízenou na ISO 6400+ v tmavé místnosti. ...

RawTherapee nabízí už v základu slušnou nadílku demozaikovacích algoritmů, v aktuální verzi 5.8 je jich pro Bayera k dispozici 15, včetně speciálních, jakými jsou např. pixel shift, nebo duální algoritmy složené ze dvou různých. Reálně použitelných je jich méně, ale stále jich napočítám alespoň 9.

Používám fotoaparáty Ricoh GR a Canon 80D, tak budou všechny ukázky z APS-C snímače s Bayerovu RGBG maskou, kterou používá i většina ostatních fotoaparátů, resp. jejich snímačů. Výjimku tvoří především fotoaparáty střední a vyšší třídy od Fujifilmu, jejichž X-Trans snímač používá jinou barevnou masku a RawTherapee pro ně nabízí speciální demozaikovací algorimy, které nedávají takovou škálu možností, jako ty pro Bayera.

Přehled demozaikovacích algoritmů RT

Nejprve přehled, některé detaily rozvedu dál.

AMaZE - výchozí metoda, která umí ze snímku vyždímat největší množství detailů, vhodná pro málo zašuměné snímky. Při větším množství šumu je schopna vytvářet na homogenních plochách takzvaná bludiště a odšumovací algoritmy si s tím pak neporadí dobře. Tento efekt falešných detailů se samozřejmě zvýrazní použitím doostřovacích algoritmů, nepříjemné je to například v obloze. Dalším neduhem, kterým tento algoritmus trpí, jsou lehce rozbité diagonály, které nemají přesně 45° sklon, a křivky. Ukážu dál. Na druhou stranu, pokud nepoužijete doostřování, nevšimnete si toho většinou ani při velkém zvětšení, pokud to nebudete hledat.

RCD - nejnovější algoritmus, který ze snímku vydoluje podobné množství detailů, jako AMaZE, ale zaměřuje se na zjemnění chyb korekcí falešných barev ve snímku, které vznikají na kontrastních hranách. Manuál RT ho doporučuje např. pro astro fotografii. Je vhodný i pro fotografie s mnoha detaily pořízené přes ostrý objektiv, snímačem bez AA filtru, na nízké ISO, kde v těch nejjemnějších detailech mívá o malinko lepší korekci falešných barev, než AMaZE. RCD kontrastní přechody zjemňuje obecně, nejen barevně, a komplikovanější tvary na limitu rozlišení umí mnohdy podat lépe, než AMaZE. Ale jindy je to zase naopak, tohle se posouvá i v rámci jednoho snímku, záleží na konkrétním vzoru. Lépe umí ale především diagonály a křivky. To zjemňování přechodů se projevuje i v nekontrastních plochách, méně vytahuje šum. Ale fakt se bavíme o velmi drobných detailech a pokud si snímek na běžném Full HD monitoru nezvětšíte alespoň na 200% většinou si rozdílu nevšimnete.

DCB - je algoritmem, který má také podobné výstupy, jako AMaZE a má být zaměřený především na lepší korekci falešných barev a proto vhodný pro výstupy ze snímačů bez AA filtru. V nastavení algoritmu musí být zaškrtnutá volba DCB enhancement (DCB vylepšení), jinak jsou výsledky nezajímavé, či spíše nedostatečné. Naopak vliv šoupátka s počtem iterací se mi zatím podařilo najít pouze mezi 0 a 1 a to takový, že nulu nebrat. Mé pokusy ukázaly, že ve zmíněných oblastech, hlavně falešných barvách, je většinou lepší RCD, i když výjimky se najdou a v některých případech dosahuje DCB nejlepšího rozlišení opakujících se vzorů na hranici rozlišení a v interpretaci diagonál a křivek bývá také o chlup lepší, než AMaZE.

AMaZE+VNG4, RCD+VNG4, DCB+VNG4 - Algoritmy zaměřené na detaily mívají problémy s šumem na nekontrastních plochách snímku bez kresby, který zvýrazňují a často vytváří různá bludiště a podobné artefakty. Proto do RT přibyla možnost využít kombinaci dvou algoritmů současně, z nichž první se postará o detaily a druhý o části bez kresby. Kontrastní práh (Contrast treshold), který rozděluje působnost obou algoritmů, je nastavitelný šoupátkem, k dispozici je i automatika, která si vhodný práh najde sama (zaškrtávátko vedle šoupátka) a funguje dobře. Je to fajn vylepšení a mnohdy kombinace s VNG4 vyřeší problém šumivé oblohy, nebo bludiště v taškách střechy. Na další ukázce je vidět příklad použití konkrétně RCD+VNG4 ale AMaZE a DCB v této kombinaci dávají v tomto případě téměř identický výsledek. Tašky na střeše nutí tyto "hloubavé" algoritmy tvořit bludiště, proti tomu je VNG4 imunní. Stačí tedy dobře nastavit kontrastní práh, aby takovou nejednoznačnou oblast s detailem nedetailem požral právě VNG4.

RCD+VNG4 vs RCD (zvětšeno na 300%)


LMMSE a IGV - jsou vhodné především pro převod fotografií s vyšší hladinou šumu, který bude následně potlačován odšumovacími algoritmy. Nemají tendenci se zaplést s bludišťovými efekty, zvlášť IGV je odolnější. Jsou vhodné i pro středně zašuměné snímky bez jasového odšumování, kde se ztratí jejich obecně "rozsypaný" výstup. Na ukázce tento (značně zvětšený) detail vypadá nepoužitelně, ale na fotografiích se šumem se takové nešvary efektivně ztratí.

 VNG4 - tento algoritmus má být odolnější proti efektům přetékání světla do okolních pixelů senzoru při velmi ostrém úhlu, ve kterém dopadá světlo na senzor, což se týká krajních pixelů ve spojení s širokoúhlým objektivem blízko snímače. Toto na svých snímcích nemohu ověřit, obecně je to algoritmus s mizerným detailem, obraz je z něj takový rozsypaný, místo má ale v plochách bez kresby, kde zbytečně nezvýrazňuje šum a pak má pro mě nejpřirozenější (nejméně digitální) výstup u snímků s vysokou mírou šumu.

AHD, EAHD a HPHD - starší algoritmy, se kterými se v podstatě nemá cenu zabývat, žádné silné stránky jsem u nich neobjevil.

Pixel Shift - pro fotoaparáty Sony a Pentax, které umí udělat čtyři snímky za sebou, přičemž u každého posunou snímač o jeden pixel do jedné ze stran a tím získají pro každý pixel obrazu kompletní RGB informaci a celé to nacpou do jednoho rawu. Tento algoritmus umí informace složit dohromady, včetně pokusu o eliminaci artefaktů vznikajících pohybem částí snímků mezi jednotlivými expozicemi.

Zpracování snímků s velmi nízkou hladinou šumu - AMaZE, RCD, DCB

Není-li ve snímku skoro žádný šum, zato je v něm spousta drobných detailů, dostávám dlouhodobě nejlepší výsledky z výchozího demozaikovacího algoritmu AMaZE a nověji i RCD. Rozlišení a kresba výsledného obrazu je vynikající, samozřejmě s ohledem na použitou optiku. Následující ukázka obsahuje nezmenšený výřez z 16 Mpx originálu, pořízeného Ricohem GR, jehož snímač neobsahuje low pass (AA) filtr a objektiv je nadprůměrně ostrý. Toto je na demozaikování opravdu náročná scéna plná jednopixelových čar a opakujících se vzorů na hranici rozlišení snímače.


Algoritmus AMaZE, výřez 1:1

LMMSE také nedává úplně špatný výsledek, ale zanáší do obrazu víc šumu a nepřesností, ačkoli to v některých detailech může být i naopak. Například když AMaZE zaškobrtne na taškách střech na hranici rozlišení (viz následující obrázek) a "sežere" kus okraje, kdežto LMMSE  (další obrázek) si s tímto detailem poradí lépe, proti bludištím je odolnější. Celá střecha je zasažena aliasingem, za což může právě ostrý objektiv a snímač bez low pass filtru. Nepomohlo ani to, že jsem fotil z ruky a strkal do mě nárazový vítr, takže jsem byl neustále v pohybu - s širokoúhlým objektivem a časem 1/500 to k většímu rozmazání nestačilo.

AMaZE                                                                      LMMSE
VNG4

Detaily na hranici rozlišení, jako jsou v ukázce výš sloupky a rámy oken silné jeden bod, chytají často falešné barvy, pak pomáhá u nastavení demozaikovací metody pošoupnout táhlo pro potlačení těchto efektů. Ale pozor, ono to má globální účinnost, takže v některých případech to může napáchat i víc škody než užitku, zmizí barva i tam, kde o to nestojíte a naopak se jinde přidají kontury, nebo vám to vyzobalo šípky z keře. Totéž platí o funkci Defringe (česky tam bude něco o lemu), která umí potlačit takové ty, nejčastěji fialově, nebo červeně, lemované hrany kontrastních přechodů. To pak zjistíte, že vám to "opravilo" třeba i přikazovací dopravní značku, okap a podobné detaily.

Mezi algoritmy pro dolování detailů jsou viditelnější rozdíly i ve zmíněném zpracování diagonál, ty zvýrazňuje použití maskování neostrosti - čím víc doostřujete, tím víc je to vidět. Následující, na 400% zvětšené ukázky, jsou z Canonu 80D s Tokinou 12-24/4 DX - kombinace 24 Mpx snímače s AA filtrem a výchozího nastavení doostření (Radius: 0.5, Amount: 200) a vlastně je tu použit i Defringe pro odstranění fialového lemu kolem kontrastních hran, kterýmžto neduhem Tokina trpí.

Porovnání algoritmů ve zpracování diagonál (doostřeno,zvětšeno na 400%)

 

Můžete si všimnout, že každý algoritmus tu nabízí nějakou výhodu (snad krom VNG4) a současně nevýhodu. Na hraně stínu je nejlépe vidět problém AMaZE s diagonálami. RCD má nejlepší podání diagonál, ale ve spáře mezi taškami a trámem (jde o střechu) se mu pletou barvy. V tomto případě se jeví nejlepším kompromisem DCB, ale rozdíl je tak malý, že pravděpodobně nebude stát za to. Navíc se dá argumentovat i tím, že vlastně AMaZE potřebuje méně doostřovat, neb zanechává hrany kontrastnější. VNG4 dávám především proto, abych nemrhal místem, výsledek má v porovnání plno jiných problémů.

Na další ukázce zas můžete vidět, jak i RCD umí poprasit tašky na střeše a naopak často slabší DCB si s nimi poradil výrazně lépe. Ve stínu, kde je nižší kontrast, předčil i AMaZE. Ovšem i zde je vidět, že jak se změní orientace tašek vpravo, AMaZE se dostane do velmi lehkého vedení. Je to opět výřez (na 200% zvětšený) ze snímku pořízeného snímačem bez low pass (AA) filtru, tudíž extrémně náchylného na produkci falešných detailů, kterých se v tomto případě ujal především RCD.

Je zkrátka nutno experimentovat a zkoušet, stává se, že na různé části snímku se hodí různé algoritmy.





 

Zpracování středně zašuměných snímků s čistými detaily

Pro snímky pořízené na vyšší ISO, kde je přinejmenším část scény dobře osvětlená a v některých plochách se šum skoro neprojevuje, jsou algoritmy AMaZE / RCD / DCB méně vhodné, protože dolují detaily i ze šumu ve stínech a vyrábí nepěkné digitální artefakty. Lepší výstupy dávají metody IGV a LMMSE, výsledek je podobný, ale LMMSE je daleko pomalejší, i podle toho, kolik vylepšení si táhlem v nastavení objednáte. Tyto dva algoritmy jsou vhodné pro použití s redukcí jasového šumu.

Použitelné jsou i nové kombinace algoritmů AMaZE, RCD a DCB s VNG 4 s vhodným nastavením kontrastního prahu (automatické nastavení prahu většinou vyhovuje). Také je dobré zapnout likvidaci mrtvých a naopak neustále svítících pixelů (dead/hot pixels).

Základem je vyhnout se doostřování ploch bez detailů, které zvýrazní šum. Pokud snímek doostřit potřebujete, bývá vhodnější větší poloměr (Radius), než u běžných snímků, a naopak snížit sílu efektu, tím se sníží doostřování jemného šumu.

Používal jsem i redukci impulsního šumu, ale ve snímcích s jemnějšími detaily vám to může například "vyzobat" díry v jednopixelových linkách, což nechcete. Dále používám redukci barevného šumu v rozumné míře, jasový šum nikdy nežehlím, vadí mi daleko méně, než to, co vyrobí jakýkoliv odšumovač. Ale to je samozřejmě subjektivní věc.

Jisté je, že jakmile se fotí na vyšší citlivosti a začne se objevovat šum, snímače bez antialiasing filtru mají zcela zásadní výhodu, protože pokud máte kvalitní objektiv, a správně zaostřeno, doostřovat v editoru tolik potřebovat nebudete.

Zpracování snímků s velmi vysokou mírou šumu

U snímků s velkým množstvím šumu už zpravidla nejde o nějaké extra detaily, bývají to různé momentky, u kterých šum nevadí, často právě naopak dodá atmosféru. Základem je tedy vypnout doostřování a protože barevný šum je humus, bývá spásou převod do černobílé, který nás jednoho problému úplně zbaví. Největší starostí je pak, krom vyladění převodu do BW, jak bude vypadat jasový šum, který ve snímku máme. Ostrý digitální šum je zabijákem nálady a tady se mi jednoznačně osvědčil algoritmus VNG4.

Snímkům pořízeným ve špatném světle na ISO v řádu tisíců, většinou nejvíc sluší měkký šum, který tato metoda generuje.

Rozhodně je dobré použít eliminaci hot/dead pixelů, případně i redukci impulsního šumu, ale tou moho vznikat i nechtěné díry tam, kde to není vhodné. Zapínám i výchozí odšumování barvy, které i pod BW zjemní některé komplikovanější části fotky.

Na následujících ukázkách jsou nezmenšené výřezy (po rozkliknutí) z momentky pořízené Ricohem GR na ISO 12800. Je hodně vytažen kontrast a trochu potažena křivka.

AMaZE dělá "bludiště" (RCD, DCB dopadnou velmi podobně)

LMMSE je lepší, ale stále tvoří digi žmolky, IGV podobně


VNG4 se mi zdá nejméně rušivý

Na prvním výřezu je použita metoda AMaZE, která vyrábí nepěkná digitální bludiště. Na druhé je výsledek metody LMMSE se všemi svými "vylepšeními" (to horní šoupátko v nastavení na 6). Výsledek je lepší, ale stále je takový "digi". Na poslední je použita metoda VNG4, která je podle mě nejkoukatelnější.

Doostřování takovýchto snímků považuji za kontraproduktivní, zde mají přirozeně ostré snímky značnou výhodu a absence low pass (AA) filtru na snímači udělá hodně, stejně jako ostrý objektiv.


Žádné komentáře:

Okomentovat

Zkuste prosím při komentováni používat místo volby Anonymní volbu Název/adresa URL, kde vyplníte nějakou přezdívku, adresu zadávat nemusíte. Vědět, které příspěvky jsou od jednoho člověka, je fajn. Díky.

Pokud by se vám náhodou odeslaný komentář na stránce nezobrazil, vytáhnu ho z koše hned jak si toho všimnu. I Google spam filter se občas sekne.