નવો લેખ: કોમ્પ્યુટેશનલ ફોટોગ્રાફી

મૂળ લેખ વેબસાઇટ પર પોસ્ટ કરવામાં આવ્યો છે Vastrik.ru અને લેખકની પરવાનગીથી 3DNews પર પ્રકાશિત. અમે લેખનો સંપૂર્ણ ટેક્સ્ટ પ્રદાન કરીએ છીએ, વિશાળ સંખ્યામાં લિંક્સને બાદ કરતાં - તે એવા લોકો માટે ઉપયોગી થશે જેઓ વિષયમાં ગંભીરતાથી રસ ધરાવતા હોય અને કોમ્પ્યુટેશનલ ફોટોગ્રાફીના સૈદ્ધાંતિક પાસાઓનો વધુ ઊંડાણમાં અભ્યાસ કરવા માંગતા હોય, પરંતુ સામાન્ય પ્રેક્ષકો અમે આ સામગ્રીને બિનજરૂરી માનતા હતા.  

આજે, એક પણ સ્માર્ટફોન પ્રેઝન્ટેશન તેના કેમેરાને ચાટ્યા વિના પૂર્ણ થતું નથી. દર મહિને આપણે મોબાઇલ કેમેરાની આગામી સફળતા વિશે સાંભળીએ છીએ: Google Pixelને અંધારામાં શૂટ કરવાનું શીખવે છે, Huawei એ બાયનોક્યુલરની જેમ ઝૂમ કરવાનું શીખવે છે, સેમસંગ લિડર દાખલ કરે છે અને Apple વિશ્વના સૌથી ગોળાકાર ખૂણા બનાવે છે. એવા થોડા સ્થળો છે જ્યાં આ દિવસોમાં નવીનતા ખૂબ ઝડપથી વહે છે.

તે જ સમયે, અરીસાઓ સમયને ચિહ્નિત કરતા હોય તેવું લાગે છે. સોની વાર્ષિક ધોરણે દરેકને નવા મેટ્રિસીસ સાથે વરસાવે છે, અને ઉત્પાદકો આળસથી નવીનતમ સંસ્કરણ અંક અપડેટ કરે છે અને આરામ કરવાનું ચાલુ રાખે છે અને બાજુ પર ધૂમ્રપાન કરવાનું ચાલુ રાખે છે. મારી પાસે મારા ડેસ્ક પર $3000 DSLR છે, પરંતુ જ્યારે હું મુસાફરી કરું છું, ત્યારે હું મારો iPhone લઉં છું. શા માટે?

ક્લાસિકે કહ્યું તેમ, હું આ પ્રશ્ન સાથે ઑનલાઇન ગયો. ત્યાં તેઓ ફોટોગ્રાફીને બરાબર કેવી રીતે અસર કરે છે તેનો કોઈ ખ્યાલ રાખ્યા વિના કેટલાક "એલ્ગોરિધમ્સ" અને "ન્યુરલ નેટવર્ક્સ" વિશે ચર્ચા કરે છે. પત્રકારો મોટેથી મેગાપિક્સેલની સંખ્યા વાંચી રહ્યા છે, બ્લોગર્સ એકસાથે પેઇડ અનબોક્સિંગ જોઈ રહ્યા છે, અને સૌંદર્યશાસ્ત્રીઓ "મેટ્રિક્સના રંગ પેલેટની વિષયાસક્ત દ્રષ્ટિ" સાથે પોતાને ગંધ કરી રહ્યા છે. બધું રાબેતા મુજબ છે.

મારે બેસી જવું પડ્યું, મારું અડધું જીવન પસાર કરવું પડ્યું અને બધું જાતે જ બહાર કાઢવું ​​પડ્યું. આ લેખમાં હું તમને કહીશ કે મેં શું શીખ્યા.

⇡#કોમ્પ્યુટેશનલ ફોટોગ્રાફી શું છે?

વિકિપીડિયા સહિત દરેક જગ્યાએ, તેઓ આ વ્યાખ્યા આપે છે: કોમ્પ્યુટેશનલ ફોટોગ્રાફી એ કોઈપણ ઇમેજ કેપ્ચર અને પ્રોસેસિંગ તકનીક છે જે ઓપ્ટિકલ ટ્રાન્સફોર્મેશનને બદલે ડિજિટલ કમ્પ્યુટિંગનો ઉપયોગ કરે છે. તેના વિશે બધું સારું છે, સિવાય કે તે કંઈપણ સમજાવતું નથી. ઓટોફોકસ પણ તેના માટે યોગ્ય છે, પરંતુ પ્લેનોપ્ટિક્સ, જે પહેલાથી જ અમને ઘણી ઉપયોગી વસ્તુઓ લાવ્યા છે, તે ફિટ નથી. સત્તાવાર વ્યાખ્યાઓની અસ્પષ્ટતા એ સંકેત આપે છે કે આપણે શું વાત કરી રહ્યા છીએ તેની અમને કોઈ જાણ નથી.

કોમ્પ્યુટેશનલ ફોટોગ્રાફીના પ્રણેતા, સ્ટેનફોર્ડ પ્રોફેસર માર્ક લેવોય (જે હવે ગૂગલ પિક્સેલ પર કેમેરા માટે જવાબદાર છે) બીજી વ્યાખ્યા આપે છે - કમ્પ્યુટર વિઝ્યુલાઇઝેશન પદ્ધતિઓનો સમૂહ જે ડિજિટલ ફોટોગ્રાફીની ક્ષમતાઓને સુધારે છે અથવા વિસ્તૃત કરે છે, જેનો ઉપયોગ કરીને નિયમિત ફોટોગ્રાફ મેળવવામાં આવે છે. આ કેમેરા સાથે ટેક્નિકલ રીતે લઈ શકાય તેમ નથી. પરંપરાગત રીતે કેમેરા. લેખમાં હું આનું પાલન કરું છું.

તેથી, સ્માર્ટફોન દરેક વસ્તુ માટે જવાબદાર હતા.

નવા પ્રકારની ફોટોગ્રાફીને જન્મ આપવા સિવાય સ્માર્ટફોન પાસે કોઈ વિકલ્પ નહોતો: કોમ્પ્યુટેશનલ ફોટોગ્રાફી.

તેમના નાના ઘોંઘાટીયા મેટ્રિસિસ અને નાના ધીમા-બાકોર લેન્સ, ભૌતિકશાસ્ત્રના તમામ નિયમો અનુસાર, માત્ર પીડા અને વેદના લાવવી જોઈએ. તેઓએ આમ કર્યું જ્યાં સુધી તેમના વિકાસકર્તાઓએ તેમની નબળાઈઓ - ઝડપી ઈલેક્ટ્રોનિક શટર, શક્તિશાળી પ્રોસેસર્સ અને સોફ્ટવેરને દૂર કરવા માટે તેમની શક્તિનો ચતુરાઈપૂર્વક ઉપયોગ કેવી રીતે કરવો તે શોધી કાઢ્યું.

કોમ્પ્યુટેશનલ ફોટોગ્રાફીના ક્ષેત્રમાં મોટાભાગના ઉચ્ચ-પ્રોફાઇલ સંશોધનો 2005 અને 2015 ની વચ્ચે થયા હતા, જેને વિજ્ઞાનમાં શાબ્દિક રીતે ગઈકાલે ગણવામાં આવે છે. અત્યારે, આપણી નજર સમક્ષ અને આપણા ખિસ્સામાં, જ્ઞાન અને ટેક્નોલોજીનું એક નવું ક્ષેત્ર વિકસિત થઈ રહ્યું છે જે પહેલાં ક્યારેય નહોતું.

કોમ્પ્યુટેશનલ ફોટોગ્રાફી માત્ર ન્યુરો-બોકેહ સાથેની સેલ્ફી વિશે જ નથી. બ્લેક હોલનો તાજેતરનો ફોટોગ્રાફ કોમ્પ્યુટેશનલ ફોટોગ્રાફી તકનીકો વિના શક્ય ન હોત. રેગ્યુલર ટેલિસ્કોપ વડે આવો ફોટો લેવા માટે આપણે તેને પૃથ્વીના કદ જેટલો બનાવવો પડશે. જો કે, અમારા બોલ પર અલગ-અલગ પોઈન્ટ પર આઠ રેડિયો ટેલિસ્કોપના ડેટાને જોડીને અને પાયથોનમાં થોડી સ્ક્રિપ્ટ લખીને, અમે ઘટના ક્ષિતિજનો વિશ્વનો પ્રથમ ફોટોગ્રાફ મેળવ્યો. સેલ્ફી માટે પણ સારું.

⇡#પ્રારંભ કરો: ડિજિટલ પ્રોસેસિંગ

ચાલો કલ્પના કરીએ કે અમે 2007 પાછા ફર્યા. અમારી માતા અરાજકતા છે, અને અમારા ફોટા ઘોંઘાટીયા 0,6-મેગાપિક્સેલ જીપ સ્કેટબોર્ડ પર લેવામાં આવ્યા છે. મોબાઈલ મેટ્રિસીસની દુ:ખને છુપાવવા માટે તેના પર પ્રીસેટ્સનો છંટકાવ કરવાની અમારી પ્રથમ અનિવાર્ય ઇચ્છા છે. ચાલો આપણે આપણી જાતને નકારીએ નહીં.

⇡#મતન અને ઇન્સ્ટાગ્રામ

ઇન્સ્ટાગ્રામની રજૂઆત સાથે, દરેક વ્યક્તિ ફિલ્ટર્સ સાથે ઝનૂની બની ગઈ. અલબત્ત, સંશોધન હેતુઓ માટે X-Pro II, Lo-Fi અને વેલેન્સિયાને રિવર્સ-એન્જિનિયર કરનાર વ્યક્તિ તરીકે, મને હજુ પણ યાદ છે કે તેમાં ત્રણ ઘટકો હતા:

• રંગ સેટિંગ્સ (હ્યુ, સેચ્યુરેશન, લાઇટનેસ, કોન્ટ્રાસ્ટ, લેવલ, વગેરે) - સરળ ડિજિટલ ગુણાંક, ફોટોગ્રાફરોએ પ્રાચીન સમયથી ઉપયોગમાં લીધેલા કોઈપણ પ્રીસેટ્સની જેમ.
• ટોન મેપિંગ્સ એ મૂલ્યોના વેક્ટર છે, જેમાંથી દરેકે અમને કહ્યું: "128 ની ટિન્ટ સાથેનો લાલ રંગ 240 ના ટિન્ટમાં ફેરવવો જોઈએ."
• ઓવરલે એ એક અર્ધપારદર્શક ચિત્ર છે જેમાં ધૂળ, અનાજ, શબ્દચિત્ર અને બીજું બધું છે જે જૂની ફિલ્મની મામૂલી અસર મેળવવા માટે ટોચ પર મૂકી શકાય છે. હંમેશા હાજર ન હતા.   

આધુનિક ફિલ્ટર્સ આ ત્રણેયથી દૂર નથી, તેઓ માત્ર ગણિતમાં થોડા વધુ જટિલ બન્યા છે. સ્માર્ટફોન્સ પર હાર્ડવેર શેડર્સ અને ઓપનસીએલના આગમન સાથે, તેઓ ઝડપથી GPU માટે ફરીથી લખવામાં આવ્યા હતા, અને આ ખૂબ જ સરસ માનવામાં આવતું હતું. 2012 માટે, અલબત્ત. આજે, કોઈપણ વિદ્યાર્થી સીએસએસમાં તે જ કરી શકે છે, અને તેને હજુ પણ સ્નાતક થવાની તક મળશે નહીં.

જો કે, ફિલ્ટર્સની પ્રગતિ આજે અટકી નથી. ઉદાહરણ તરીકે, દેહાન્સરના લોકો, બિનરેખીય ફિલ્ટર્સનો ઉપયોગ કરવામાં મહાન છે - શ્રમજીવી ટોન મેપિંગને બદલે, તેઓ વધુ જટિલ બિનરેખીય પરિવર્તનનો ઉપયોગ કરે છે, જે તેમના મતે, ઘણી વધુ શક્યતાઓ ખોલે છે.

તમે બિનરેખીય પરિવર્તન સાથે ઘણું બધું કરી શકો છો, પરંતુ તે અતિ જટિલ છે, અને આપણે મનુષ્યો અતિ મૂર્ખ છીએ. વિજ્ઞાનમાં બિનરેખીય પરિવર્તનની વાત આવતાં જ, અમે સંખ્યાત્મક પદ્ધતિઓ પર જવાનું પસંદ કરીએ છીએ અને દરેક જગ્યાએ ન્યુરલ નેટવર્કને ક્રેમ કરીએ છીએ જેથી તેઓ અમારા માટે માસ્ટરપીસ લખે. અહીં પણ એવું જ હતું.

⇡#ઓટોમેશન અને "માસ્ટરપીસ" બટનના સપના

એકવાર દરેકને ફિલ્ટર કરવાની આદત પડી ગયા પછી, અમે તેને સીધા કેમેરામાં બનાવવાનું શરૂ કર્યું. ઇતિહાસ છુપાવે છે કે કયો નિર્માતા પ્રથમ હતો, પરંતુ તે કેટલો સમય પહેલા હતો તે સમજવા માટે - iOS 5.0 માં, જે 2011 માં પાછું રિલીઝ થયું હતું, ત્યાં ઓટો એન્હાન્સિંગ છબીઓ માટે પહેલેથી જ એક સાર્વજનિક API હતું. ફક્ત જોબ્સ જ જાણે છે કે તે જાહેર જનતા માટે ખોલતા પહેલા કેટલો સમય ઉપયોગમાં હતો.

ઑટોમેશન એ જ કામ કર્યું જે આપણામાંના દરેક એડિટરમાં ફોટો ખોલતી વખતે કરે છે - તે પ્રકાશ અને પડછાયામાં અંતર ખેંચે છે, સંતૃપ્તિ ઉમેરે છે, લાલ આંખો દૂર કરે છે અને રંગ નિશ્ચિત કરે છે. વપરાશકર્તાઓને ખ્યાલ પણ ન હતો કે નવા સ્માર્ટફોનમાં "નાટકીય રીતે સુધારેલ કૅમેરા" એ ફક્ત થોડા નવા શેડર્સની યોગ્યતા છે. Google Pixel ના પ્રકાશન અને કોમ્પ્યુટેશનલ ફોટોગ્રાફી હાઇપની શરૂઆત થવામાં હજુ પાંચ વર્ષ બાકી હતા.

આજે, “માસ્ટરપીસ” બટન માટેની લડાઈ મશીન લર્નિંગના ક્ષેત્રમાં આગળ વધી છે. ટોન મેપિંગ સાથે પૂરતું રમ્યા પછી, દરેક જણ વપરાશકર્તાને બદલે સ્લાઇડર્સ ખસેડવા માટે CNN અને GAN ને તાલીમ આપવા દોડી ગયા. બીજા શબ્દોમાં કહીએ તો, ઇનપુટ ઇમેજમાંથી, શ્રેષ્ઠ પરિમાણોનો સમૂહ નક્કી કરો જે આ છબીને "સારી ફોટોગ્રાફી" ની ચોક્કસ વ્યક્તિલક્ષી સમજણની નજીક લાવશે. સમાન Pixelmator Pro અને અન્ય સંપાદકોમાં અમલમાં મૂકાયેલ છે. તે કામ કરે છે, જેમ તમે ધારી શકો છો, ખૂબ સારી રીતે નહીં અને હંમેશા નહીં. 

⇡#સ્ટેકીંગ એ મોબાઈલ કેમેરાની 90% સફળતા છે

સાચા કોમ્પ્યુટેશનલ ફોટોગ્રાફીની શરૂઆત સ્ટેકીંગ સાથે થઈ હતી - એક બીજાની ઉપર બહુવિધ ફોટોગ્રાફ્સ લેયર કરીને. સ્માર્ટફોન માટે અડધી સેકન્ડમાં ડઝન ફ્રેમ પર ક્લિક કરવું કોઈ સમસ્યા નથી. તેમના કેમેરામાં કોઈ ધીમા યાંત્રિક ભાગો નથી: છિદ્ર નિશ્ચિત છે, અને ફરતા પડદાને બદલે ઇલેક્ટ્રોનિક શટર છે. પ્રોસેસર ફક્ત મેટ્રિક્સને આદેશ આપે છે કે તેણે જંગલી ફોટોનને કેટલા માઇક્રોસેકન્ડમાં પકડવા જોઈએ, અને તે પરિણામ વાંચે છે.

ટેક્નિકલ રીતે, ફોન વિડિયો ઝડપે ફોટા લઈ શકે છે અને ફોટો રિઝોલ્યુશન પર વિડિયો લઈ શકે છે, પરંતુ તે બધું બસ અને પ્રોસેસરની ઝડપ પર નિર્ભર કરે છે. તેથી જ તેઓ હંમેશા પ્રોગ્રામ મર્યાદા નક્કી કરે છે.

સ્ટેકિંગ પોતે લાંબા સમયથી અમારી સાથે છે. દાદાઓએ પણ ફોટોશોપ 7.0 પર પ્લગઈન્સ ઈન્સ્ટોલ કર્યા હતા જેથી કેટલાક ફોટોગ્રાફ્સને આકર્ષક HDRમાં એકસાથે ભેગા કરી શકાય અથવા 18000 × 600 પિક્સેલના પેનોરમાને એકસાથે સ્ટીચ કરી શકાય અને... હકીકતમાં, તેમની સાથે આગળ શું કરવું તે કોઈએ ક્યારેય વિચાર્યું ન હતું. તે દયાની વાત હતી કે સમય સમૃદ્ધ અને જંગલી હતો.

હવે અમે પુખ્ત બની ગયા છીએ અને તેને "એપ્સીલોન ફોટોગ્રાફી" કહીએ છીએ - જ્યારે, કેમેરાના એક માપદંડ (એક્સપોઝર, ફોકસ, પોઝિશન)ને બદલીને અને પરિણામી ફ્રેમને એકસાથે જોડીને, અમને કંઈક મળે છે જે એક ફ્રેમમાં કેપ્ચર થઈ શકતું નથી. પરંતુ આ સિદ્ધાંતવાદીઓ માટે એક શબ્દ છે; વ્યવહારમાં, બીજું નામ રુટ લીધું છે - સ્ટેકિંગ. આજે, હકીકતમાં, મોબાઇલ કેમેરામાં તમામ નવીનતાઓમાંથી 90% તેના પર આધારિત છે.

કંઈક કે જેના વિશે ઘણા લોકો વિચારતા નથી, પરંતુ તમામ મોબાઇલ અને કમ્પ્યુટિંગ ફોટોગ્રાફીને સમજવું મહત્વપૂર્ણ છે: આધુનિક સ્માર્ટફોન પરનો કેમેરા તમે તેની એપ્લિકેશન ખોલતાની સાથે જ ફોટા લેવાનું શરૂ કરી દે છે. જે તાર્કિક છે, કારણ કે તેણીને કોઈક રીતે છબીને સ્ક્રીન પર સ્થાનાંતરિત કરવાની જરૂર છે. જો કે, સ્ક્રીન ઉપરાંત, તે ઉચ્ચ-રિઝોલ્યુશન ફ્રેમ્સને તેના પોતાના લૂપ બફરમાં સાચવે છે, જ્યાં તે તેને થોડી વધુ સેકન્ડો માટે સંગ્રહિત કરે છે.

જ્યારે તમે "ફોટો લો" બટનને દબાવો છો, ત્યારે તે વાસ્તવમાં પહેલેથી જ લેવામાં આવ્યું છે, કૅમેરા ફક્ત બફરમાંથી છેલ્લો ફોટો લે છે.

આજના સમયમાં કોઈપણ મોબાઈલ કેમેરા આ રીતે કામ કરે છે. ઓછામાં ઓછા તમામ ફ્લેગશિપમાં કચરાના ઢગલામાંથી નહીં. બફરિંગ તમને માત્ર શૂન્ય શટર લેગની અનુભૂતિ કરવાની મંજૂરી આપે છે, જે ફોટોગ્રાફરોએ લાંબા સમયથી સપનું જોયું છે, પણ નકારાત્મક પણ - જ્યારે તમે બટન દબાવો છો, ત્યારે સ્માર્ટફોન ભૂતકાળમાં જુએ છે, બફરમાંથી છેલ્લા 5-10 ફોટાઓ અનલોડ કરે છે અને ઉદ્ધતપણે વિશ્લેષણ કરવાનું શરૂ કરે છે. અને તેમને પેસ્ટ કરો. HDR અથવા નાઇટ મોડ માટે ફ્રેમ પર ક્લિક કરવા માટે ફોનની રાહ જોવાની જરૂર નથી - ફક્ત તેને બફરમાંથી લો, વપરાશકર્તાને ખબર પણ નહીં પડે.

માર્ગ દ્વારા, તે નકારાત્મક શટર લેગની મદદથી છે જે iPhones માં લાઇવ ફોટો લાગુ કરવામાં આવે છે, અને HTC પાસે 2013 માં વિચિત્ર નામ Zoe હેઠળ કંઈક આવું જ હતું.

⇡#એક્સપોઝર સ્ટેકીંગ - HDR અને કોમ્બેટિંગ બ્રાઇટનેસ ચેન્જ

કેમેરા સેન્સર આપણી આંખો માટે સુલભ તેજની સમગ્ર શ્રેણીને કેપ્ચર કરવામાં સક્ષમ છે કે કેમ તે ચર્ચાનો જૂનો ગરમ વિષય છે. કેટલાક ના કહે છે, કારણ કે આંખ 25 એફ-સ્ટોપ સુધી જોવા માટે સક્ષમ છે, જ્યારે ટોપ ફુલ-ફ્રેમ મેટ્રિક્સમાંથી પણ તમે મહત્તમ 14 મેળવી શકો છો. અન્ય લોકો સરખામણીને ખોટી કહે છે, કારણ કે મગજ આપમેળે એડજસ્ટ થઈને આંખને મદદ કરે છે. વિદ્યાર્થી અને તેના ન્યુરલ નેટવર્ક સાથે ઇમેજને પૂર્ણ કરે છે, અને ત્વરિત આંખની ગતિશીલ શ્રેણી વાસ્તવમાં માત્ર 10-14 એફ-સ્ટોપ્સ કરતાં વધુ નથી. ચાલો આ ચર્ચા ઇન્ટરનેટ પરના શ્રેષ્ઠ આર્મચેર વિચારકો પર છોડીએ.

હકીકત એ છે કે: જ્યારે તમે કોઈ પણ મોબાઈલ કેમેરા પર HDR વિના તેજસ્વી આકાશ સામે મિત્રોને શૂટ કરો છો, ત્યારે તમને કાં તો સામાન્ય આકાશ અને મિત્રોના કાળા ચહેરા અથવા સારી રીતે દોરેલા મિત્રો મળે છે, પરંતુ આકાશ મૃત્યુ માટે સળગી જાય છે.

એચડીઆર (ઉચ્ચ ગતિશીલ શ્રેણી) નો ઉપયોગ કરીને તેજ શ્રેણીને વિસ્તૃત કરવા - ઉકેલની લાંબા સમયથી શોધ કરવામાં આવી છે. તમારે અલગ-અલગ શટર ઝડપે અનેક ફ્રેમ્સ લેવાની અને તેમને એકસાથે ટાંકાવાની જરૂર છે. જેથી એક "સામાન્ય" છે, બીજો હળવો છે, ત્રીજો ઘાટો છે. અમે લાઇટ ફ્રેમમાંથી અંધારાવાળી જગ્યાઓ લઈએ છીએ, અંધારામાંથી ઓવરએક્સપોઝર ભરીએ છીએ - નફો. ઓટોમેટિક બ્રેકેટિંગની સમસ્યાને હલ કરવાનું બાકી છે - દરેક ફ્રેમના એક્સપોઝરને કેટલું સ્થાનાંતરિત કરવું જેથી તે વધુ પડતું ન થાય, પરંતુ હવે તકનીકી યુનિવર્સિટીમાં બીજા વર્ષનો વિદ્યાર્થી ચિત્રની સરેરાશ તેજ નક્કી કરવાનું સંભાળી શકે છે.

નવીનતમ iPhone, Pixel અને Galaxy પર, HDR મોડ સામાન્ય રીતે ઑટોમૅટિક રીતે ચાલુ થાય છે જ્યારે કૅમેરાની અંદર એક સરળ અલ્ગોરિધમ નક્કી કરે છે કે તમે સન્ની દિવસે કોન્ટ્રાસ્ટ સાથે કંઈક શૂટ કરી રહ્યાં છો. તમે એ પણ નોંધી શકો છો કે એક્સપોઝરમાં સ્થાનાંતરિત ફ્રેમ્સને સાચવવા માટે ફોન રેકોર્ડિંગ મોડને બફર પર કેવી રીતે સ્વિચ કરે છે - કેમેરામાં fps ઘટી જાય છે, અને ચિત્ર પોતે જ રસદાર બને છે. બહાર ફિલ્માંકન કરતી વખતે સ્વિચ કરવાની ક્ષણ મારા iPhone X પર સ્પષ્ટપણે દેખાય છે. આગલી વખતે પણ તમારા સ્માર્ટફોનને નજીકથી જુઓ.

એક્સપોઝર બ્રેકેટિંગ સાથે HDR નો ગેરલાભ એ નબળી લાઇટિંગમાં તેની અભેદ્ય લાચારી છે. ઓરડાના દીવાના પ્રકાશ સાથે પણ, ફ્રેમ્સ એટલી અંધારી થઈ જાય છે કે કોમ્પ્યુટર તેને એકસાથે ગોઠવી અને ટાંકી શકતું નથી. પ્રકાશની સમસ્યાને ઉકેલવા માટે, 2013માં ગૂગલે તત્કાલીન રિલિઝ થયેલા નેક્સસ સ્માર્ટફોનમાં HDR માટે એક અલગ અભિગમ દર્શાવ્યો હતો. તેણે ટાઈમ સ્ટેકીંગનો ઉપયોગ કર્યો.

⇡#સમય સ્ટેકીંગ - લાંબા એક્સપોઝર સિમ્યુલેશન અને સમય વિરામ

ટાઇમ સ્ટેકીંગ તમને ટૂંકી શ્રેણીનો ઉપયોગ કરીને લાંબા એક્સપોઝર બનાવવાની મંજૂરી આપે છે. પાયોનિયરો રાત્રિના આકાશમાં સ્ટાર ટ્રેલ્સનો ફોટોગ્રાફ કરવાના ચાહકો હતા, જેમને એક સાથે બે કલાક માટે શટર ખોલવાનું અસુવિધાજનક લાગ્યું. અગાઉથી બધી સેટિંગ્સની ગણતરી કરવી એટલી મુશ્કેલ હતી, અને સહેજ ધ્રુજારી સમગ્ર ફ્રેમને બગાડે છે. તેઓએ માત્ર થોડી મિનિટો માટે શટર ખોલવાનું નક્કી કર્યું, પરંતુ ઘણી વખત, અને પછી ઘરે જઈને ફોટોશોપમાં પરિણામી ફ્રેમ પેસ્ટ કરી.

તે તારણ આપે છે કે કેમેરાએ વાસ્તવમાં ક્યારેય લાંબી શટર સ્પીડ પર શૂટ કર્યો નથી, પરંતુ અમે એક પંક્તિમાં લેવામાં આવેલી ઘણી ફ્રેમ્સ ઉમેરીને તેનું અનુકરણ કરવાની અસર મેળવી છે. સ્માર્ટફોન માટે ઘણી બધી એપ્સ લખવામાં આવી છે જે લાંબા સમયથી આ યુક્તિનો ઉપયોગ કરે છે, પરંતુ લગભગ તમામ પ્રમાણભૂત કેમેરામાં આ સુવિધા ઉમેરવામાં આવી હોવાથી તે બધાની જરૂર નથી. આજે, આઇફોન પણ લાઇવ ફોટોમાંથી લાંબા એક્સપોઝરને સરળતાથી એકસાથે જોડી શકે છે.

ચાલો તેના રાત્રિ HDR સાથે Google પર પાછા જઈએ. તે બહાર આવ્યું છે કે સમય કૌંસનો ઉપયોગ કરીને તમે અંધારામાં સારા HDR અમલમાં મૂકી શકો છો. આ ટેકનોલોજી સૌપ્રથમ Nexus 5 માં દેખાઈ હતી અને તેને HDR+ કહેવામાં આવી હતી. બાકીના એન્ડ્રોઇડ ફોન્સે તેને ભેટ તરીકે મેળવ્યા હતા. ટેક્નોલોજી હજી પણ એટલી લોકપ્રિય છે કે નવીનતમ પિક્સેલ્સની રજૂઆતમાં પણ તેની પ્રશંસા કરવામાં આવે છે.

HDR+ એકદમ સરળ રીતે કામ કરે છે: તમે અંધારામાં શૂટિંગ કરી રહ્યાં છો તે નિર્ધારિત કર્યા પછી, કૅમેરા બફરમાંથી છેલ્લા 8-15 RAW ફોટાને એકબીજાની ટોચ પર ઓવરલે કરવા માટે અનલોડ કરે છે. આમ, અવાજ ઘટાડવા માટે એલ્ગોરિધમ ફ્રેમના ઘેરા વિસ્તારો વિશે વધુ માહિતી એકત્રિત કરે છે - પિક્સેલ્સ જ્યાં, કેટલાક કારણોસર, કૅમેરો બધી માહિતી એકત્રિત કરવામાં અસમર્થ હતો અને ખોટું થયું હતું.

તે એવું છે કે જો તમને ખબર ન હોય કે કેપીબારા કેવો દેખાય છે અને તમે પાંચ લોકોને તેનું વર્ણન કરવા કહ્યું, તો તેમની વાર્તાઓ લગભગ સમાન હશે, પરંતુ દરેકમાં કેટલીક અનન્ય વિગતોનો ઉલ્લેખ હશે. આ રીતે તમે માત્ર એક પૂછવા કરતાં વધુ માહિતી એકત્રિત કરશો. તે પિક્સેલ સાથે સમાન છે.

એક બિંદુથી લેવામાં આવેલી ફ્રેમ ઉમેરવાથી ઉપરના તારાઓની જેમ જ નકલી લાંબી એક્સપોઝર અસર મળે છે. ડઝનેક ફ્રેમ્સના એક્સપોઝરનો સારાંશ આપવામાં આવે છે, એકમાં ભૂલો અન્યમાં ઓછી કરવામાં આવે છે. કલ્પના કરો કે આ હાંસલ કરવા માટે તમારે દર વખતે કેટલી વાર DSLR શટર પર ક્લિક કરવું પડશે.

જે બાકી હતું તે સ્વચાલિત રંગ સુધારણાની સમસ્યાને હલ કરવાનું હતું - અંધારામાં લેવામાં આવેલી ફ્રેમ્સ સામાન્ય રીતે પીળી અથવા લીલા રંગની બને છે, અને આપણે એક પ્રકારની ડેલાઇટની સમૃદ્ધિ ઇચ્છીએ છીએ. HDR+ ના પ્રારંભિક સંસ્કરણોમાં, આને ફક્ત સેટિંગ્સમાં ફેરફાર કરીને હલ કરવામાં આવ્યું હતું, જેમ કે ફિલ્ટર્સ a la Instagram માં. પછી તેઓએ મદદ માટે ન્યુરલ નેટવર્ક્સને બોલાવ્યા.

આ રીતે નાઇટ સાઇટ દેખાય છે - Pixel 2 અને 3 માં "નાઇટ ફોટોગ્રાફી" ની તકનીક. વર્ણનમાં તેઓ કહે છે: "HDR+ ની ટોચ પર બનેલી મશીન લર્નિંગ તકનીકો, જે નાઇટ સાઇટને કાર્ય કરે છે." સારમાં, આ રંગ સુધારણા તબક્કાનું ઓટોમેશન છે. શ્યામ કુટિલ ફોટાના કોઈપણ સેટમાંથી એક સુંદર બનાવવા માટે મશીનને "પહેલા" અને "પછીના" ફોટાના ડેટાસેટ પર તાલીમ આપવામાં આવી હતી.

માર્ગ દ્વારા, ડેટાસેટ સાર્વજનિક રૂપે ઉપલબ્ધ કરવામાં આવ્યો હતો. કદાચ એપલના લોકો તેને લેશે અને અંતે તેમના કાચના પાવડાઓને અંધારામાં યોગ્ય રીતે ચિત્રો લેવાનું શીખવશે.

વધુમાં, લાંબા શટર સ્પીડ સાથે નિશ્ચિતપણે થતા અસ્પષ્ટતાને સામાન્ય બનાવવા માટે નાઇટ સાઇટ ફ્રેમમાં ઑબ્જેક્ટના ગતિ વેક્ટરની ગણતરીનો ઉપયોગ કરે છે. તેથી, સ્માર્ટફોન અન્ય ફ્રેમમાંથી સ્પષ્ટ ભાગો લઈ શકે છે અને તેમને ગુંદર કરી શકે છે.

⇡#મોશન સ્ટેકીંગ - પેનોરમા, સુપરઝૂમ અને અવાજ ઘટાડો

પેનોરમા એ ગ્રામીણ વિસ્તારોના રહેવાસીઓ માટે લોકપ્રિય મનોરંજન છે. ઇતિહાસ હજુ સુધી એવા કોઈ કિસ્સાઓ જાણતો નથી કે જેમાં સોસેજનો ફોટો તેના લેખક સિવાય અન્ય કોઈને પણ રસ હશે, પરંતુ તેને અવગણી શકાય નહીં - ઘણા લોકો માટે, આ તે છે જ્યાં સ્ટેકીંગ પ્રથમ સ્થાને શરૂ થયું હતું.

પૅનોરમાનો ઉપયોગ કરવાની પ્રથમ ઉપયોગી રીત એ છે કે કૅમેરા મેટ્રિક્સ પરવાનગી આપે છે તેના કરતાં વધુ ઊંચા રિઝોલ્યુશનનો ફોટોગ્રાફ મેળવવો અને ઘણી ફ્રેમ્સને એકસાથે જોડીને. ફોટોગ્રાફરો લાંબા સમયથી કહેવાતા સુપર-રિઝોલ્યુશન ફોટોગ્રાફ્સ માટે અલગ-અલગ સોફ્ટવેરનો ઉપયોગ કરી રહ્યા છે - જ્યારે સહેજ ખસેડવામાં આવેલા ફોટોગ્રાફ્સ પિક્સેલ વચ્ચે એકબીજાને પૂરક લાગે છે. આ રીતે તમે ઓછામાં ઓછા સેંકડો ગીગાપિક્સેલની ઇમેજ મેળવી શકો છો, જો તમારે તેને ઘરના કદના જાહેરાત પોસ્ટર પર છાપવાની જરૂર હોય તો તે ખૂબ જ ઉપયોગી છે.

અન્ય, વધુ રસપ્રદ અભિગમ પિક્સેલ શિફ્ટિંગ છે. સોની અને ઓલિમ્પસ જેવા કેટલાક મિરરલેસ કેમેરાએ તેને 2014 માં સમર્થન આપવાનું શરૂ કર્યું, પરંતુ તેઓએ હજી પણ પરિણામને હાથથી ગુંદર કરવું પડ્યું. લાક્ષણિક મોટા કેમેરા નવીનતાઓ.

સ્માર્ટફોન્સ અહીં એક રમુજી કારણસર સફળ થયા છે - જ્યારે તમે ફોટો લો છો, ત્યારે તમારા હાથ ધ્રુજે છે. આ દેખીતી સમસ્યા સ્માર્ટફોન પર મૂળ સુપર રિઝોલ્યુશનના અમલીકરણ માટેનો આધાર બનાવે છે.

આ કેવી રીતે કાર્ય કરે છે તે સમજવા માટે, તમારે યાદ રાખવાની જરૂર છે કે કોઈપણ કેમેરાનું મેટ્રિક્સ કેવી રીતે રચાયેલ છે. તેના દરેક પિક્સેલ્સ (ફોટોડિયોડ) માત્ર પ્રકાશની તીવ્રતા - એટલે કે આવનારા ફોટોનની સંખ્યાને રેકોર્ડ કરવામાં સક્ષમ છે. જો કે, પિક્સેલ તેનો રંગ (તરંગલંબાઇ) માપી શકતો નથી. RGB ચિત્ર મેળવવા માટે, અમારે અહીં પણ ક્રૉચ ઉમેરવાની હતી - કાચના બહુ-રંગીન ટુકડાઓની ગ્રીડ વડે સમગ્ર મેટ્રિક્સને આવરી લો. તેના સૌથી લોકપ્રિય અમલીકરણને બેયર ફિલ્ટર કહેવામાં આવે છે અને આજે મોટાભાગના મેટ્રિસિસમાં તેનો ઉપયોગ થાય છે. નીચે ચિત્ર જેવું લાગે છે.

તે તારણ આપે છે કે મેટ્રિક્સનો દરેક પિક્સેલ ફક્ત R-, G- અથવા B- ઘટકને પકડે છે, કારણ કે બાકીના ફોટોન બેયર ફિલ્ટર દ્વારા નિર્દયતાથી પ્રતિબિંબિત થાય છે. તે પડોશી પિક્સેલ્સના મૂલ્યોને સ્પષ્ટપણે સરેરાશ કરીને ગુમ થયેલ ઘટકોને ઓળખે છે.

બેયર ફિલ્ટરમાં વધુ લીલા કોષો છે - આ માનવ આંખ સાથે સામ્યતા દ્વારા કરવામાં આવ્યું હતું. તે તારણ આપે છે કે મેટ્રિક્સ પરના 50 મિલિયન પિક્સેલ્સમાંથી, લીલો 25 મિલિયન, લાલ અને વાદળી - દરેક 12,5 મિલિયન કબજે કરશે. બાકીની સરેરાશ કરવામાં આવશે - આ પ્રક્રિયાને ડિબેયરાઇઝેશન અથવા ડેમોસેસિંગ કહેવામાં આવે છે, અને આ એક ફની ફની ક્રચ છે. જે બધું આરામ કરે છે.

વાસ્તવમાં, દરેક મેટ્રિક્સનું પોતાનું ઘડાયેલું પેટન્ટ ડેમોસેસિંગ અલ્ગોરિધમ છે, પરંતુ આ વાર્તાના હેતુઓ માટે અમે આની અવગણના કરીશું.

અન્ય પ્રકારના મેટ્રિસિસ (જેમ કે ફોવૉન) કોઈક રીતે હજી સુધી પકડાયા નથી. જોકે કેટલાક ઉત્પાદકો તીક્ષ્ણતા અને ગતિશીલ શ્રેણીને સુધારવા માટે બેયર ફિલ્ટર વિના સેન્સરનો ઉપયોગ કરવાનો પ્રયાસ કરી રહ્યા છે.

જ્યારે થોડો પ્રકાશ હોય છે અથવા કોઈ વસ્તુની વિગતો ખૂબ જ નાની હોય છે, ત્યારે અમે ઘણી બધી માહિતી ગુમાવીએ છીએ કારણ કે બેયર ફિલ્ટર અનિચ્છનીય તરંગલંબાઇ સાથે ફોટોનને સ્પષ્ટપણે કાપી નાખે છે. તેથી જ તેઓ પિક્સેલ શિફ્ટિંગ સાથે આવ્યા - તે બધાને પકડવા માટે મેટ્રિક્સને 1 પિક્સેલ ઉપર-નીચે-જમણે-ડાબે શિફ્ટ કરીને. આ કિસ્સામાં, ફોટો 4 ગણો મોટો થતો નથી, કારણ કે એવું લાગે છે, પ્રોસેસર દરેક પિક્સેલના મૂલ્યને વધુ સચોટ રીતે રેકોર્ડ કરવા માટે આ ડેટાનો ઉપયોગ કરે છે. તે તેના પડોશીઓ પર સરેરાશ નથી, તેથી બોલવા માટે, પરંતુ તેના પોતાના ચાર મૂલ્યોથી વધુ છે.

ફોન પર ફોટા લેતી વખતે હાથ ધ્રુજવાથી આ પ્રક્રિયા કુદરતી પરિણામ બની જાય છે. Google Pixel ના નવીનતમ સંસ્કરણોમાં, જ્યારે પણ તમે ફોન પર ઝૂમનો ઉપયોગ કરો છો ત્યારે આ વસ્તુ લાગુ કરવામાં આવે છે અને ચાલુ થાય છે - તેને સુપર રેઝ ઝૂમ કહેવામાં આવે છે (હા, મને તેમનું નિર્દય નામકરણ પણ ગમે છે). ચીનીઓએ પણ તેને તેમના લાઓફોનમાં નકલ કરી, જો કે તે થોડું ખરાબ બહાર આવ્યું.

એકબીજાની ઉપર સહેજ શિફ્ટ કરેલા ફોટોગ્રાફ્સને ઓવરલે કરવાથી તમે દરેક પિક્સેલના રંગ વિશે વધુ માહિતી એકત્રિત કરી શકો છો, જેનો અર્થ છે મેટ્રિક્સના મેગાપિક્સેલની ભૌતિક સંખ્યા વધાર્યા વિના અવાજ ઘટાડવો, તીક્ષ્ણતા વધારવી અને રિઝોલ્યુશન વધારવું. આધુનિક એન્ડ્રોઇડ ફ્લેગશિપ્સ આ આપમેળે કરે છે, તેમના વપરાશકર્તાઓ તેના વિશે વિચાર્યા વિના પણ.

⇡#ફોકસ સ્ટેકીંગ - ફીલ્ડની કોઈપણ ઊંડાઈ અને પોસ્ટ-પ્રોડક્શનમાં રીફોકસ

પદ્ધતિ મેક્રો ફોટોગ્રાફીમાંથી આવે છે, જ્યાં ક્ષેત્રની છીછરી ઊંડાઈ હંમેશા સમસ્યા રહી છે. સમગ્ર ઑબ્જેક્ટ ફોકસમાં હોય તે માટે, તમારે ફોકસને આગળ-પાછળ ખસેડવાની સાથે અનેક ફ્રેમ્સ લેવાની હતી, અને પછી તેમને એક સાથે એક તીક્ષ્ણ એકમાં સ્ટીચ કરો. આ જ પદ્ધતિનો વારંવાર લેન્ડસ્કેપ ફોટોગ્રાફરો દ્વારા ઉપયોગ કરવામાં આવતો હતો, જે અગ્રભૂમિ અને પૃષ્ઠભૂમિને ઝાડાની જેમ તીક્ષ્ણ બનાવે છે.

આ બધું સ્માર્ટફોનમાં પણ ગયું છે, જો કે ખૂબ હાઇપ વિના. 2013 માં, નોકિયા લુમિયા 1020 “રિફોકસ એપ” સાથે રજૂ કરવામાં આવ્યું હતું, અને 2014 માં, સેમસંગ ગેલેક્સી S5 “સિલેક્ટિવ ફોકસ” મોડ સાથે. તેઓએ સમાન યોજના મુજબ કામ કર્યું: એક બટન દબાવીને, તેઓએ ઝડપથી 3 ફોટોગ્રાફ્સ લીધા - એક "સામાન્ય" ફોકસ સાથે, બીજો ફોકસ સાથે આગળ અને ત્રીજો ફોકસ સાથે પાછળ ખસેડ્યો. પ્રોગ્રામે ફ્રેમને સંરેખિત કરી અને તમને તેમાંથી એક પસંદ કરવાની મંજૂરી આપી, જેને પોસ્ટ-પ્રોડક્શનમાં "વાસ્તવિક" ફોકસ કંટ્રોલ તરીકે ઓળખવામાં આવે છે.

ત્યાં આગળ કોઈ પ્રક્રિયા કરવામાં આવી ન હતી, કારણ કે આ સરળ હેક પણ Lytro અને તેના સાથીદારોના ઢાંકણમાં તેમના પ્રમાણિક પુનઃફોકસ સાથે બીજી ખીલી ચલાવવા માટે પૂરતું હતું. માર્ગ દ્વારા, ચાલો તેમના વિશે વાત કરીએ (સંક્રમણ માસ્ટર 80 એલવીએલ).

⇡#કોમ્પ્યુટેશનલ મેટ્રિસિસ - પ્રકાશ ક્ષેત્રો અને પ્લેનોપ્ટિક્સ

જેમ આપણે ઉપર સમજી ગયા તેમ, અમારી મેટ્રિસિસ ક્રૉચ પર ભયાનક છે. અમને તેની આદત પડી ગઈ છે અને અમે તેની સાથે જીવવાનો પ્રયાસ કરી રહ્યા છીએ. સમયની શરૂઆતથી તેમની રચનામાં થોડો ફેરફાર થયો છે. અમે ફક્ત તકનીકી પ્રક્રિયામાં સુધારો કર્યો છે - અમે પિક્સેલ્સ વચ્ચેનું અંતર ઘટાડ્યું છે, દખલગીરીના અવાજ સામે લડ્યા છે અને તબક્કા શોધ ઓટોફોકસ માટે વિશેષ પિક્સેલ્સ ઉમેર્યા છે. પરંતુ જો તમે સૌથી મોંઘા ડીએસએલઆર પણ લો અને રૂમની લાઇટિંગમાં તેની સાથે દોડતી બિલાડીનો ફોટોગ્રાફ કરવાનો પ્રયાસ કરો - બિલાડી, તેને હળવાશથી કહીએ તો, જીતશે.

અમે લાંબા સમયથી કંઈક સારું શોધવાનો પ્રયાસ કરી રહ્યા છીએ. "કમ્પ્યુટેશનલ સેન્સર" અથવા "નોન-બેયર સેન્સર" માટે આ ક્ષેત્રમાં ઘણા બધા પ્રયાસો અને સંશોધનો Google કરવામાં આવ્યા છે, અને ઉપરોક્ત પિક્સેલ શિફ્ટિંગ ઉદાહરણ પણ ગણતરીઓનો ઉપયોગ કરીને મેટ્રિસિસને સુધારવાના પ્રયાસોને આભારી છે. જો કે, છેલ્લા વીસ વર્ષોમાં સૌથી આશાસ્પદ વાર્તાઓ કહેવાતા પ્લેનોપ્ટિક કેમેરાની દુનિયામાંથી ચોક્કસપણે અમારી પાસે આવી છે.

તોળાઈ રહેલા જટિલ શબ્દોની અપેક્ષાથી તમે ઊંઘી ન જાઓ તે માટે, હું એક આંતરિક વાત કરીશ કે નવીનતમ Google Pixelનો કૅમેરો ફક્ત "થોડો" પ્લેનોપ્ટિક છે. માત્ર બે પિક્સેલ્સ, પરંતુ આ પણ તેને બીજા કેમેરા વિના પણ ફ્રેમની સાચી ઓપ્ટિકલ ઊંડાઈની ગણતરી કરવાની મંજૂરી આપે છે, જેમ કે દરેક અન્ય.

પ્લેનોપ્ટીક્સ એ એક શક્તિશાળી શસ્ત્ર છે જે હજી સુધી ફાયર થયું નથી. અહીં મારી પ્રિય તાજેતરની એકની લિંક છે. પ્લેનોપ્ટિક કેમેરાની ક્ષમતાઓ અને તેમની સાથેના આપણા ભવિષ્ય વિશેના લેખો, જ્યાંથી મેં ઉદાહરણો ઉધાર લીધા છે.

⇡#

પ્લેનોપ્ટિક કેમેરા - ટૂંક સમયમાં આવી રહ્યું છે

1994 માં શોધાયેલ, 2004 માં સ્ટેનફોર્ડ ખાતે એકત્રિત. પ્રથમ ગ્રાહક કેમેરા, લિટ્રો, 2012 માં રજૂ કરવામાં આવ્યો હતો. VR ઉદ્યોગ હવે સમાન તકનીકો સાથે સક્રિયપણે પ્રયોગ કરી રહ્યો છે.

એક પ્લેનોપ્ટિક કેમેરા પરંપરાગત કેમેરાથી માત્ર એક જ ફેરફારમાં અલગ પડે છે - તેનું મેટ્રિક્સ લેન્સના ગ્રીડથી ઢંકાયેલું હોય છે, જેમાંથી દરેક ઘણા વાસ્તવિક પિક્સેલને આવરી લે છે. થોડું આના જેવું:

જો તમે ગ્રીડથી મેટ્રિક્સ સુધીના અંતર અને છિદ્રના કદની યોગ્ય રીતે ગણતરી કરો છો, તો અંતિમ ઇમેજમાં પિક્સેલના સ્પષ્ટ ક્લસ્ટરો હશે - મૂળ ઇમેજના નાના-આવૃત્તિઓના પ્રકાર.

તે તારણ આપે છે કે જો તમે દરેક ક્લસ્ટરમાંથી એક સેન્ટ્રલ પિક્સેલ લો અને માત્ર તેનો ઉપયોગ કરીને ઇમેજને એકસાથે ગુંદર કરો, તો તે નિયમિત કૅમેરાથી લેવામાં આવેલા કરતાં અલગ નહીં હોય. હા, અમે રિઝોલ્યુશનમાં થોડું ગુમાવ્યું છે, પરંતુ અમે ફક્ત સોનીને નવા મેટ્રિસિસમાં વધુ મેગાપિક્સેલ ઉમેરવા માટે કહીશું.

મજા માત્ર શરૂઆત છે. જો તમે દરેક ક્લસ્ટરમાંથી બીજો પિક્સેલ લો અને ચિત્રને ફરીથી એકસાથે જોડો, તો તમને ફરીથી એક સામાન્ય ફોટોગ્રાફ મળશે, જેમ કે તે એક પિક્સેલની પાળી સાથે લેવામાં આવ્યો હોય. આમ, 10 × 10 પિક્સેલના ક્લસ્ટરો ધરાવતા, આપણને "થોડા" અલગ-અલગ બિંદુઓથી ઑબ્જેક્ટની 100 છબીઓ મળશે.

મોટા ક્લસ્ટર કદનો અર્થ છે વધુ છબીઓ, પરંતુ ઓછું રીઝોલ્યુશન. 41-મેગાપિક્સેલ મેટ્રિસિસવાળા સ્માર્ટફોનની દુનિયામાં, જો કે આપણે રિઝોલ્યુશનને થોડી અવગણી શકીએ છીએ, દરેક વસ્તુની મર્યાદા હોય છે. તમારે સંતુલન જાળવવું પડશે.

ઠીક છે, અમે પ્લેનોપ્ટિક કૅમેરો એસેમ્બલ કર્યો છે, તો તે અમને શું આપે છે?

પ્રામાણિક રીફોકસ

લિટ્રો વિશેના લેખોમાં બધા પત્રકારો જે વિશેષતા વિશે ગુંજી રહ્યા હતા તે પોસ્ટ-પ્રોડક્શનમાં પ્રામાણિકપણે ધ્યાન કેન્દ્રિત કરવાની ક્ષમતા હતી. વાજબી રીતે અમારો અર્થ એ છે કે અમે કોઈપણ અસ્પષ્ટ અલ્ગોરિધમ્સનો ઉપયોગ કરતા નથી, પરંતુ ફક્ત હાથમાં રહેલા પિક્સેલનો ઉપયોગ કરીએ છીએ, તેમને જરૂરી ક્રમમાં ક્લસ્ટરોમાંથી પસંદ કરીને અથવા સરેરાશ કરીએ છીએ.

પ્લેનોપ્ટિક કેમેરાથી RAW ફોટોગ્રાફી વિચિત્ર લાગે છે. સામાન્ય તીક્ષ્ણ જીપને તેમાંથી બહાર કાઢવા માટે, તમારે પહેલા તેને એસેમ્બલ કરવી પડશે. આ કરવા માટે, તમારે RAW ક્લસ્ટરોમાંથી એક જીપના દરેક પિક્સેલને પસંદ કરવાની જરૂર છે. અમે તેમને કેવી રીતે પસંદ કરીએ છીએ તેના આધારે પરિણામ બદલાશે.

ઉદાહરણ તરીકે, મૂળ બીમના બનાવના બિંદુથી ક્લસ્ટર જેટલું આગળ છે, આ બીમ વધુ ધ્યાન બહાર છે. કારણ કે ઓપ્ટિક્સ. ફોકસ-શિફ્ટેડ ઇમેજ મેળવવા માટે, અમારે મૂળ એકથી ઇચ્છિત અંતરે પિક્સેલ્સ પસંદ કરવાની જરૂર છે - કાં તો નજીક અથવા આગળ.

 

તમારી તરફ ધ્યાન કેન્દ્રિત કરવું વધુ મુશ્કેલ હતું - સંપૂર્ણ શારીરિક રીતે, ક્લસ્ટરોમાં આવા ઓછા પિક્સેલ્સ હતા. શરૂઆતમાં, વિકાસકર્તાઓ વપરાશકર્તાને તેમના હાથ વડે ધ્યાન કેન્દ્રિત કરવાની ક્ષમતા પણ આપવા માંગતા ન હતા - કેમેરાએ જ સોફ્ટવેરમાં આ નક્કી કર્યું હતું. વપરાશકર્તાઓને આ ભવિષ્ય ગમ્યું ન હતું, તેથી તેઓએ પછીના ફર્મવેરમાં "ક્રિએટિવ મોડ" તરીકે ઓળખાતી સુવિધા ઉમેરી, પરંતુ બરાબર આ કારણોસર તેમાં ખૂબ જ મર્યાદિત પુનઃફોકસ કર્યું.

એક કેમેરાથી ડેપ્થ મેપ અને 3D   

પ્લેનોપ્ટિક્સની સૌથી સરળ કામગીરીમાંની એક ઊંડાઈનો નકશો મેળવવી છે. આ કરવા માટે, તમારે ફક્ત બે અલગ-અલગ ફ્રેમ્સ એકત્રિત કરવાની જરૂર છે અને ગણતરી કરવાની જરૂર છે કે તેમાંના ઑબ્જેક્ટ્સ કેટલા સ્થાનાંતરિત છે. વધુ શિફ્ટ એટલે કેમેરાથી વધુ દૂર.

Google એ તાજેતરમાં Lytro ને ખરીદ્યું અને મારી નાખ્યું, પરંતુ તેના VR અને... Pixel કેમેરા માટે તેમની તકનીકનો ઉપયોગ કર્યો. Pixel 2 થી શરૂ કરીને, કેમેરા માત્ર બે પિક્સેલના ક્લસ્ટરો સાથે હોવા છતાં, પ્રથમ વખત "થોડો" પ્લેનોપ્ટિક બન્યો. આનાથી Google ને બીજા બધા લોકોની જેમ બીજા કેમેરાને ઇન્સ્ટોલ કરવાની નહીં, પરંતુ માત્ર એક ફોટામાંથી ઊંડાઈના નકશાની ગણતરી કરવાની તક મળી.

ઊંડાઈનો નકશો એક સબપિક્સેલ દ્વારા ખસેડવામાં આવેલી બે ફ્રેમનો ઉપયોગ કરીને બનાવવામાં આવ્યો છે. દ્વિસંગી ઊંડાઈના નકશાની ગણતરી કરવા અને અગ્રભૂમિને પૃષ્ઠભૂમિથી અલગ કરવા અને હવે ફેશનેબલ બોકેહમાં બાદમાંને અસ્પષ્ટ કરવા માટે આ પૂરતું છે. આવા લેયરિંગનું પરિણામ પણ ન્યુરલ નેટવર્ક્સ દ્વારા સરળ અને "સુધારેલ" છે જે ઊંડાણ નકશાને સુધારવા માટે પ્રશિક્ષિત છે (અને અસ્પષ્ટ નહીં, જેમ કે ઘણા લોકો વિચારે છે).

યુક્તિ એ છે કે અમને સ્માર્ટફોનમાં પ્લેનોપ્ટિક્સ લગભગ મફતમાં મળે છે. કોઈક રીતે તેજસ્વી પ્રવાહને વધારવા માટે અમે આ નાના મેટ્રિસિસ પર પહેલેથી જ લેન્સ મૂક્યા છે. આગામી પિક્સેલમાં, Google વધુ આગળ વધવાની અને લેન્સ વડે ચાર ફોટોડિયોડ્સને આવરી લેવાની યોજના ધરાવે છે.

સોર્સ: 3dnews.ru