ее и внимательно прочитать - Юджин

Негосударственное образовательное частное учреждение
средняя общеобразовательная школа
«ЮДЖИН – ЦЕНТР»
Измерение уровня цветовых шумов в цифровой фотографии
исследовательская работа
Авторы: Ефремов Александр (11 класс), Гатина
Мария (10 класс), Щербакова Анфиса (10 класс),
Йонах Даниэль (10 класс), Копысов Николай (10
класс), Арустамян Спартак (10 класс)
Руководитель: Ерохин Алексей Юрьевич,
ИТ-директор школы «Юджин-Центр»,
кандидат технических наук
Москва
2015
2
Содержание:
1. Введение
.
.
.
.
.
.
.
3
2. История проблемы .
.
.
.
.
.
6
3. Физические основы возникновения шумов
.
.
10
4. Анализ артефактов .
.
.
.
.
.
15
5. Статистическая проверка гипотезы
.
.
.
18
6. Заключение
.
.
.
.
.
.
21
Список источников
.
.
.
.
.
.
22
3
1. Введение
Настоящая исследовательская работа выполнена в области физики и технического
творчества и посвящена созданию метода измерения цветовых шумов в цифровой фотографии.
Данная проблема актуальна для большинства специализированных СМИ, занимающихся тестированием цифровых фотокамер разного класса, от простейших компактных фотоаппаратов до профессиональных зеркальных камер. Дело в том, что при оценке качества
изображения (задаче, с которой непременно сталкивается тестовая лаборатория издания) в
большинстве СМИ используются качественные критерии, основанные на визуальном анализе изображения. В лучшем случае используется количественная экспертная оценка, которая,
по сути, также является качественным показателем, только выраженным цифровыми символам. Настоящий же количественный показатель, вычисленный на базе определенной методики и напрямую связанный с уровнем цветового шума, не используется ни в одном известном
российском или зарубежном издании, даже на информационных порталах Digital Camera Review (www.dpreview.com) и Imaging Resource (www.imaging-resource.com) — признанных
мировых лидерах.
Наша работа началась с того, что информационный и технический партнер нашей
школы — портал iXBT.com — предложил нашей исследовательской группе участвовать в
разработке нового тестового стенда для оценки качества фотоаппаратуры. И поручил нам
создать часть общей методики, касающуюся вышеназванной проблемы — количественной
оценке уровня цветовых шумов. Перед нами были поставлены две задачи:
Первая: эмпирическое доказательство, что количественное измерение уровня шумов
возможно. Причем не при создании цифровой фотографии (мы вполне допускаем, что производители цифровых фотокамер обладают подобной методикой, непосредственно снимая
шумовые показатели светочувствительной матрицы), а постфактум — посредством анализа
уже созданного цифрового изображения. При выполнении первой задачи, как следствие,
возникала вторая: разработка метода количественного измерения уровня шумов. Метода, который мог бы стать основой алгоритма для ручного или автоматического анализа.
Из озвученных задач вытекает, что объектом нашего исследования является цифровая
фототехника, а непосредственным предметом исследования — шумы цифровых фотоснимков, которые иногда называют цифровыми, иногда делят на цветовые и яркостные. Но мы
предпочитаем называть их просто цветовыми, поскольку обычное их проявление — искажение яркости в каналах RGB. И поскольку такое искажение никогда не бывает одинаковым во
4
всех каналах, то возникающие артефакты1 большей частью связаны с цветовым изменениями, а не чисто яркостными.
После предварительного анализа множества тестовых фотографий (их любезно
предоставила нашей группе лаборатория iXBT), мы создали классификацию артефактов, и
наше внимание привлекли артефакты, возникающие на однородных полях — где все пиксели, по идее, должны иметь одинаковую яркость во всех каналах RGB. Разумеется, пиксели
даже в идеальных условиях съемки не могут иметь одинаковые яркости RGB — всегда имеет
место искажение цветопередачи в процессе создания цифровой фотографии и при ее воспроизведении. Но идеальные условия предполагают съемку на минимально возможной чувствительности. И здесь разброс яркостей минимален, едва заметен. Но при увеличении чувствительности, когда уровень шумов многократно возрастает, на однородном поле сложно не заметить значительные яркостные изменения. Другими словами, разброс яркостей пикселей,
которые в идеале должны иметь одинаковые яркости RGB, становится очевиден. И чем выше
поднимается чувствительность, тем в большей степени проявляется эффект разброса яркостей. У разных фотокамер данный эффект проявляется по-разному, в основном это зависит
от размера светочувствительной матрицы, количества пикселей на матрице и уровня подавления шумов. Но в любом случае разброс яркостей при увеличении чувствительности растет.
И нашей гипотезой стало следующее утверждение: «При увеличении чувствительности качество изображения падает. Мерой падения качества можно считать дисперсию яркостей
в каналах RGB, если выборка пикселей производилась в пределах однородного поля».
Экспериментально подтвердить данную гипотезу было несложно. Наша группа исследовала множество тестовых фотографий. Первые образцы мы исследовали в ручном режиме, это был весьма трудоемкий процесс. Но потом, когда контуры анализа обрисовались
довольно четко, мы создали простейшее ПО (набор операций или макросов Adobe
Photoshop), это позволило автоматизировать наиболее рутинные операции и многократно
ускорить анализ. В итоге уже подтвержденная гипотеза стала основой для метода количественной оценки качества изображения.
Если выделить основные этапы нашей работы, для решения проблемы количественного измерения шумов и доказательства гипотезы были поставлены и выполнены следующие задачи:

изучение тестовых фотографий, сделанных разными камерами на разных уровнях светочувствительности;

1
проведение серии экспериментов с обработкой небольшого количества пикселей;
Артефактами в фотографии называют дефекты изображения самого разного происхождения.
5

статистическое подтверждение гипотезы (выявление статистической зависимости
между уровнем шумов и разбросом яркостей пикселей на однородном поле).

создание специализированного ПО (на уровне макросов), позволяющей быстро обрабатывать относительно большое число пикселей за относительно небольшое время.
Созданные нами макросы Adobe Photoshop стали прообразом специализированной
программы, которую разработали программисты iXBT. Так что в широком смысле базой
нашего исследования стала не только библиотека тестовых фотографий и вычислительная
техника школы «Юджин-Центр». Мы не можем сбрасывать со счета труд профессиональных
программистов, которые по нашему алгоритму написали программу для анализа тестовых
фотографий по большому числу пикселей. Если вручную мы могли построить выборку из 10,
максимум 20 пикселей, то программа iXBT позволила нам обрабатывать тысячи пикселей на
каждом однородном поле, что в более полной мере подтвердило нашу гипотезу и позволило
более точно вычислять дисперсию однородного поля. И, как следствие, более точно определять меру падения качества изображения.
Если подытожить основные и дополнительные задачи, выполненные в ходе нашей работы, полную методологическую основу нашего исследования составили:

системный анализ явления цифровых шумов;

ряд аналогий, позволивший наглядно представить природу и характер поведения цифровых шумов светочувствительной матрицы;

логическая индукция, позволившая на основе частных данных сделать обобщающие выводы;

математическое моделирование, позволившее проводить исследование не с
фототехникой, а с уже имеющейся базой тестовых фотографий.

методы статистической обработки данных.
А теоретической основой исследования стали теоретические основы цифровой фотографии и научные публикации по изучению природы цифровых шумов в светочувствительных матрицах разных типов.
Практическая значимость работы заключается в том, что созданная нами методика
стала частью лабораторного комплекса портала iXBT для тестирования цифровых фотокамер, цифровых видеокамер, а также т.н. «камерофонов» — цифровых камер, встроенных в
сотовые телефоны и планшетные компьютеры. При этом продуктом работы стала не только
созданная методика оценки уровня шумов, но и постановка задачи для дальнейших исследований, целью которых будет создание более точной методики, учитывающей разные режимы
уровня подавления шумов.
6
История проблемы
Первенство в создании цифровой фотокамеры оспаривают многие производители фототехники. Это, как минимум, Canon, Casio, Fujifilm, Kodak (совместно с Apple), Nikon и
Sony. Без специального исследования сложно разобраться, кому из них принадлежит истинное первенство, известно лишь, что в 1995 году были выпущены первые потребительские
фотоаппараты Apple QuickTake 150, Casio QV-11 (это первая цифровая фотокамера с LCD-
Рис. 1. Выпущенная в 1995 году фотокамера Casio QV-11.
дисплеем), Kodak DC40 и Sony Cyber-Shot. Тогда фотолюбители и некоторые производители
фототехники не без основания считали первые камеры «дорогими игрушками» и делали прогнозы, что они такими и останутся, а «цифра» никогда не сможет заменить «пленку». Еще
бы, ведь их разрешение тогда исчислялось килопикселями, а максимальная светочувствительность редко превышала 100 единиц ISO. Например, фотокамера Casio QV-11 (Рис. 1)
выпущенная в 1995 имела разрешение 320 x 240 пикселей — менее 77 килопикселей. А розничная цена находилась на уровне 1000 долларов США. И, тем не менее, именно эту модель
называют первой коммерчески успешной [1].
При таких параметрах сложно было говорить о какой-либо конкуренции с пленочными фотокамерами. Но уже к концу 90-х годов прошлого века прогнозы относительно будущего цифровых фотокамер стали меняться, а в 2000 году PR-служба Canon сформулировала
совершенно другой прогноз: «Производители, не освоившие выпуск цифровых моделей в
течение пяти лет, перестанут быть производителями» [2].
7
Это вполне закономерно, поскольку к 2000 году основные характеристики цифровых
фотокамер выросли в разы. И тогда же стало ясно, что основной «враг» качества цифровых
фотографий — низкая чувствительность CCD-матриц того времени. На минимальной чувствительности качество изображения оставалось относительно высоким, но при повышении
даже до небольшого по нынешним меркам верхнего уровня потребительской фотопленки
(ISO 400) качество падало настолько, что негативные прогнозы относительно будущего цифровых фотокамер продолжали появляться в самых разных публикациях: от популярных, до
серьезных научных [3].
Негативные прогнозы, в частности, были связаны с тем, что многие эксперты не видели возможностей для существенного улучшения характеристик CCD-матриц, основных светочувствительных элементов того времени. Альтернативная технология, производство
CMOS-матриц в конце 90-х годов прошлого века, казалось, никогда не принесет коммерческого успеха. При всех видимых плюсах этой технологии, опять же из-за высокого уровня
шумов, производство фотографических CMOS-матриц казалось невозможным.
И все же именно в 2000 году появилась зеркальная фотокамера Canon EOS D30 —
цифровой зеркальный фотоаппарат серии EOS компании Canon. Он был оснащен CMOSматрицей с разрешением 3,1 млн. пикселей и возможностью увеличения светочувствительности до 1600 единиц ISO. Появление этой камеры стало революционным и знаковым событием, окончательно разрушившим базу для негативных прогнозов относительного будущего
цифровой фототехники.
Именно в 2000 году — на грани веков и тысячелетий — в специализированных СМИ
появляются тестовые лаборатории, профессионально изучающие возможности цифровых
фотокамер. Именно в 2000 году потребительский интерес к цифровой фототехнике достиг
необходимого предела, чтобы ведущие СМИ пошли на необходимые затраты по обустройству лабораторий и начали разрабатывать методики тестирования потребительской фототехники. Именно тогда для фотолюбителей стали очевидными факты, что размер матрицы, ее
разрешение и максимальная светочувствительность являются базовыми для качества изображения. И, тем не менее, каждая модель фотокамеры имеет свой «почерк» в создании изображения, что определяется не только технологией производства матрицы, но и технологиями
обработки сигналов, а также особенностями алгоритмов шумоподавления.
При этом до недавнего времени специализированные СМИ не могли предложить читателям количественной оценки качества изображения. Даже наиболее авторитетный в мире
тестовый центр фототехники — информационный портал Digital Photography Review
8
(www.dpreview.com) — по сей день предлагает читателям только описательные оценки качества изображения и возможность визуально сравнивать тестовые фотографии (см. Рис. 2).
Рис. 2. Пользовательский интерфейс для визуального сравнения тестовых фотографий — информационный портал Digital Photography
Review (www.dpreview.com).
Для многих фотолюбителей это неподъемных труд, им действительно необходим объективный количественный показатель. И в начале 2013 года ведущий российский тестовый
информационный портал iXBT (www.ixbt.com) приступил к созданию новой методики тестирования фотокамер, которая в частности, предполагает количественные оценки качества
9
Рис. 3. Матрица или сенсор цифровой фотокамеры.
Что же происходит в каждом фотодиоде или пикселе при падении световых лучей?
Рассмотрим это на примере приборов с зарядовой связью или CCD (Charge-Coupled Devices).
При столкновении с фотодиодом, фотон света поглощается, и при этом выделяется
электрон (происходит внутренний фотоэффект). В результате образуется заряд, который
нужно как-то сохранить для дальнейшей обработки. Для этой цели в кремниевой подложке
матрицы встроен полупроводник, над которым располагается прозрачный электрод из поликристаллического кремния. И в результате подачи на данный электрод электрического потенциала в обеднённой зоне под полупроводником образуется так называемая потенциальная
яма, в которой и хранится полученный от фотонов заряд (см. Рис. 4).
При считывании с матрицы электрического заряда осуществляется перенос зарядов
(хранящихся в потенциальных ямах) по электродам переноса к краю матрицы (последовательный регистр сдвига) и в сторону усилителя, который усиливает сигнал и передает его в
аналогово-цифровой преобразователь (АЦП), откуда преобразованный сигнал направляется
в процессор, который обрабатывает сигнал и сохраняет полученное изображение на карту
памяти.
10
Рис. 4. Физический процесс преобразования фотона в электрон в приборах с зарядовой связь.
В матрицах CMOS, или КМОП-матрица (Комплементарные Металл-Оксидные Полупроводники) происходит похожий процесс, с той разницей, что CMOS-матрица содержит
отдельный транзистор в каждом светочувствительном элементе (пикселе), в результате чего
преобразование заряда выполняется точечно. Полученный заряд может быть считан из каждого пикселя индивидуально, поэтому отпадает необходимость переноса заряда (как это
происходит в ПЗС-матрицах). Пиксели CMOS-матрицы интегрируется непосредственно с
аналогово-цифровым преобразователем или даже с процессором. В результате применения
такой рациональной технологии происходит экономия энергии за счет сокращения цепочек
действий по сравнению с матрицами CCD, а также удешевление устройства за счет более
простой конструкции.
В настоящее время CCD-матрицы применяются в относительно недорогих фотоаппаратах, а CMOS-матрицы — в относительно дорогих. Но и в том и другом случае процесс
накопления заряда можно сравнить с накоплением воды в какой-либо емкости. Здесь метод
аналогий поможет нам разобраться в сути проблемы.
11
полутона
света̀
тени
Рис. 5. Процесс накопления заряда при нормальной освещенности и
низкой светочувствительности.
Как показано на рисунке 5, при нормальной освещенности кадра (матрицы), когда
светочувствительность можно держать на нижнем уровне, падение света приводит к прямо
пропорциональному накоплению заряда в потенциальной яме. Чтобы далее не отвлекаться
на малопонятные термины, мы будем использовать псевдо-термины «ёмкость» (аналог пикселя) и «накопленный заряд» или просто «заряд». Так вот: при падении сильного светового
потока емкость практически полностью наполняется зарядом. После оцифровки этот пиксель
получит высокое значение яркости и станет частью свето̀в — так в фотографии называют
области высокой освещенности. Соответственно, в областях средней освещенности емкость
заполнится наполовину и станет частью полутонов (областей средней освещенности). А при
малом потоке света накопленный заряд будем совсем мал, а пиксель с малым зарядом вольется в область теней.
Это нормальный для фотографии процесс, который даже в недорогих фотокамерах
дает весьма высокий по качеству результат. Но при недостаточном освещении картина изменится — как показано на рисунке 6.
12
света̀
полутона
тени
Рис. 6. Процесс накопления заряда при низкой освещенности и низкой светочувствительности.
В этом случае света будет слишком мало, недостаточно, чтобы заполнить емкость
пикселя. Самые светлые участки изображения получат при этом половинную яркость, средние — примерно треть от максимума, а темные — близкую к нулю. В таких условиях фотография получится слишком темной — недосвеченной. Что же делает фотограф, чтобы избежать подобной ситуации? Он повышает чувствительность матрицы, точно так же, как пленочные фотографы раньше использовали более светочувствительную пленку.
На практике это означает усиление сигнала, искусственную накачку пикселей зарядом. При этом наши емкости получают дополнительное «вливание».
13
света̀
дополнительный заряд
полутона
дополнительный заряд
тени
дополнительный заряд
Рис. 7. Процесс накопления заряда при низкой освещенности и увеличенной светочувствительности.
Как видно на рисунке 7, картина при этом выравнивается и напоминает ту, что мы
наблюдали при нормальной освещенности матрицы. Но при этом имеют место как минимум
два негативных процесса:
1. Уровни заряда неточно совпадают с «нормальными» уровнями.
2. Дополнительный заряд приводит к увеличению флуктуаций. Это можно сравнить
с наполнением емкости кипящей водой, когда поверхность воды становится неровной (бурлит), а отдельные брызги переплескиваются в соседние емкости (пиксели).
Первый процесс не ведет к неприятным последствиям — процессор фотокамеры может ввести необходимые поправки и выровнять уровни яркостей так, чтобы соотношения
тени/света̀/полутона оставались примерно теми же, что и при нормальном освещении. А второй процесс — флуктуации и паразитное переливание заряда в смежные пиксели — ведет к
появлению артефактов, которые проявляются в случайном искажении яркости отдельных
пикселей, а также в размытии всего изображения (снижения общей резкости).
14
Эти явления и называют цифровыми шумами. Порой их разделяют на яркостные и
цветовые. Первые приводят к появлению массы излишне светлых и темных точек. Вторые —
к цветовым искажениям, поскольку нарушение баланса в каналах RGB приводит к случайному изменению цвета пикселей. Несколько забегая вперед, скажем, что при анализе и классификации артефактов мы не стали производить подобное деление, поскольку изменение яркостей всегда приводит к изменению цвета. Так что, по большому счету, все цифровые шумы матрицы можно называть цветовыми.
15
3. Анализ артефактов
После того, как физическая суть происходящих процессов стала нам ясна, мы также
поняли, как выглядят шумовые артефакты и почему они так выглядят. Иными словами мы
поняли, что нам (исследователям), надо «ловить» при анализе тестовых фотографий, предоставленных лабораторией iXBT.
На этом этапе выдвигались разные гипотезы, но в конечном счете победила одна: информационно значимые артефакты надо искать на однородных полях фотографии.
Почему так, и с чем это связано?
ISO
100
ISO
1600
ISO
3200
Рис. 8. Однородные поля тестовой шкалы Kodak Gray Scale #13, снятые на разных чувствительностях.
При повышении чувствительности артефакты распространяются по всему полю фотографии. Их везде видит человеческий взгляд, человек может определить наличие шумов, но
16
не в состоянии измерить их. В лучшем случае он может дать экспертную оценку уровня шума или качества фотографии. Это хорошо для продвинутых фотолюбителей, которые могут
не спеша проанализировать массу снимков (примерно, как это делали мы). Но одна из особенностей работы современных СМИ — потребители буквально требуют от поставщиков
контента точной и сжатой информации. Время на длительный анализ могут найти далеко не
все, большая часть аудитории требует четких ориентиров — количественных показателей,
которые однозначно устанавливают уровни качества отдельных характеристик. И по небольшой совокупности таких показателей читатель может сделать вывод — что ему предлагает рынок (отличный товар, средний или плохой).
Этот социальный запрос нам пришлось держать в уме еще до начала анализа артефактов. И отчасти поэтому мы пришли к идее анализа не всей площади тестового кадра, а только
тех частей, что содержат однородные поля. На тестовых фотографиях iXBT это, в частности,
фрагменты, на которых отображена шкала серых тонов Kodak Gray Scale #13.
На рисунке 8 хорошо видно, что поля тестовой шкалы Kodak Gray Scale #13, снятые
на низкой чувствительности ISO 100 практически не содержат видимых артефактов, пиксели
каждого поля визуально имеют одинаковую яркость. Хотя при анализе изображения с помощью инструментов графического редактора, мы можем зафиксировать незначительный разброс яркостей пикселей.
ISO
100
ISO
16 00
ISO
3200
Рис. 9. Увеличенные фрагменты однородных полей тестовой шкалы
Kodak Gray Scale #13, снятые на разных чувствительностях.
Картина, снятая на относительно высокой чувствительности ISO 1600, кардинально
отличается. Здесь ровные поля становятся совсем не ровными — именно так выглядят цве-
17
товые шумы. Как несложно заметить даже при визуальном анализе, разброс яркостей пикселей в пределах каждого поля становится намного больше, чем при ISO 100.
И завершает общую картину тестовая фотография, снятая на ISO 3200. Здесь шумовые артефакты еще более заметны, а измерение разброса яркостей в графическом редакторе
дает еще больший показатель. Чтобы продемонстрировать шумовые артефакты еще нагляднее, на рисунке 9 мы продемонстрировали увеличенные фрагменты серой шкалы.
На этом этапе исследования мы не могли точно связать падение качества фотографии
и разброс яркостей пикселей на однородном поле. Но у нас появилась гипотеза, что эти характеристики статистически связаны.
18
4. Статистическая проверка гипотезы
Общий алгоритм статистической проверки гипотезы несложен:
1. На каждом однородном поле серой шкалы мы берем несколько контрольных точек, они выбираются случайным образом.
2. С помощью инструментов Adobe Photoshop мы делаем замеры яркостей в контрольных точках и заносим данные в таблицу MS Excel. Яркости пикселей измеряются отдельно в каждом канале RGB.
3. Далее мы рассчитываем среднюю яркость контрольных пикселей в каждом канале
RGB.
4. Далее для каждого поля рассчитывается дисперсия — разброс яркостей относительно средней.
Данные расчеты не требуют знаний, выходящих за рамки школьного курса «Теория
вероятностей и статистика», описание расчета дисперсии можно найти в школьном учебнике
[6]. На рисунке 10 представлена зависимость усредненной дисперсии на разных однородных
полях. Ось абсцисс демонстрирует номер поля шкалы Kodak Gray Scale #13; первое поле белое, последнее — черное. Чем больше номер, тем в более темное поле мы смещаемся. Ось
ординат демонстрирует величину дисперсии или разброс яркостей2 контрольных пикселей в
пределах одного поля.
По графику видно, что наибольший разброс наблюдается на светлых полях, по мере
снижения яркости поля снижается и разброс — что вполне закономерно, при высоких значениях яркости пикселей величина разброса обязательно будет больше, чем при низких значениях. Но здесь радует другая закономерность: на каждом поле разброс при чувствительности
ISO 100 всегда меньше, чем разброс при ISO 1600. И последний, в свою очередь, меньше
разброса при ISO 3200.
Мы провели множество замеров на разных тестовых фотографиях, эта закономерность ни разу не была нарушена. При росте чувствительности качество изображение падает,
а мера падения качества напрямую связана с величиной разброса яркостей. Таким образом,
наша гипотеза получила первоначальное подтверждение.
После того, как по нашим рекомендациям программисты iXBT написали специальную
программу, у нас появилась возможность оценивать разброс не по десяти контрольным пикселям, а по большей части пикселей поля (тысячам пикселей, полной выборке). Но с ростом
Напомним, что яркость пикселя в каждом цветовом канале может меняться от нуля (нулевая яркость, отсутствие цвета) до 255 (максимальная яркость при 8-битной глубине цвета).
2
19
числа точек характер зависимости не менялся. Зато достоверность статистической оценки
становилась выше.
18
16
14
12
ISO 100
10
ISO 1600
8
ISO 3200
6
4
2
1
5
9
13
17
Рис. 10. Величина дисперсии яркостей пикселей в разных однородных
полях.
Уверенность в том, что закономерность справедлива для любого поля серой шкалы,
позволила нам перейти к осредненной характеристике — осредненной дисперсии по множеству полей серой шкалы. В итоге мы получили интегральную оценку, которая однозначно
характеризует падение качества изображения на данной светочувствительности.
На рисунке 11 приведены три зависимости для трех фотокамер разного уровня. Это
компакт Panasonic DMC-FT25, компакт премиум класса Fujifilm X20 и полупрофессиональная зеркальная камера Canon EOS 7D. При низкой чувствительности ISO 100 все три камеры
дают изображение высокого уровня, и преимущества зеркальной камеры перед компактами
не столько очевидны. Они становятся заметны на высокой чувствительности ISO 1600. Для
зеркальной камеры это не слишком высокий порог, наш показатель падения качества также
остается невысоким. Но для компакта премиум класса ISO 1600 — практический предел, когда качество изображения становится низким (а показатель падения качества — высоким).
Для компакта начального уровня запредельная чувствительность, показатель падения качества становится очень высоким.
Еще более яркая картина раскрывается на ISO 3200. Это довольно высокая чувствительность для зеркальной камеры класса Canon 7D, запредельно высокая для компакта премиум-класса. Что касается обычной компактной камеры начального уровня, на такой высо-
20
кой чувствительности она выдает изображение крайне низкого качества, соответственно, показатель падения качества находится на запредельно высоком уровне.
16
14
Panasonic
DMCFT25
12
Fujifilm
X20
10
8
Canon
EOS 7D
6
4
ISO 100
ISO 1600
ISO 3200
Рис. 11. Зависимость осредненной дисперсии (показателя падения качества
изображения) от светочувствительности.
После анализа множества тестовых фотографии можно выделить условные границы:

осредненный разброс яркостей до 8 единиц — очень хорошее качество;

до 9 единиц — хорошее качество;

до 10 единиц — среднее качество;

до 11 единиц — плохое качество;

свыше 11 единиц — очень плохое.
Соответственно, при тестировании самых разных фотокамер эксперт получает универсальный инструмент измерения качества. Причем время получения тестовой оценки практически
равно нулю, программа выделяет тестовые поля и рассчитывает осредненную дисперсию за
доли секунды. А полученные оценки — они понятны и очень наглядны, позволяют сравнивать фотокамеры одного класса, камеры разных классов, и даже работу одной модели в разных условиях (например, при съемке в форматах JPG и RAW).
21
5. Заключение
Говорят, что когда в лаборатории Эрнеста Резерфорда проходил стажировку молодой
исследователь, и Резерфорд принимал отчет о проделанной работе, он после знакомства с
исследовательской работой говорил две фразы. Первую довольно часто: «Мы очень благодарны вам, вознаграждение можете получить в бухгалтерии». Вторую фразу Резерфорд произносил очень редко, и звучала она примерно так: «Я буду рад, если вы станете сотрудником
нашей лаборатории».
Что могло повлиять на решение великого физика? Если в заключении работы просто
перечислялись и обобщались полученные результаты, он произносил первую фразу. Если же
молодой физик раскрывал общую картину исследования, показывал какую малую долю от
огромной работы он смог выполнить, что он предлагает для дальнейшего исследования проблемы, тогда великий Резерфорд произносил вторую фразу.
К сожалению, мы должны признать, что проблему оценки качества цифровой техники
наша работа не решает. Если бы она была проделана пятнадцать лет назад, проблема была
бы решена, но сегодня — нет. Производители фотокамер научились «сглаживать» шумы, в
профессиональной речи фотографов появился термин «фильтр шумов». Раньше фактором
падения качества были только цветовые шумы, сегодня (при включенном фильтре) к ним
добавилась грубая обработка изображения, часто напоминающая фильтр Unsharp Mask Adobe Photoshop. Человеческий глаз при включении фильтра шумов видит, что реальную фотографию ПО камеры заменяет на более-менее удачную обработку во встроенном графическом
редакторе. А наша программа анализа шумов — не видит.
Это не значит, что она не работает, она прекрасно работает при выключенном фильтре шумов и стала частью комплексного теста фототехники в лаборатории iXBT. Но, к сожалению, ее применение не такое широкое, как мы рассчитывали в начале работы.
Поэтому исследовательская работа должна быть продолжена, мы уверены, что ее
можно завершить, хотя это потребует гораздо более детального анализа изображения, чем
расчет дисперсии яркостей на однородных полях. Скорее всего, в тестовую картинку должно
быть включено поле со множеством мелких деталей, которые пропадают как при возрастании уровня шумов, так и при работе сглаживающего фильтра. Здесь возникают дополнительные трудности: детальный анализ усложнит методику и, соответственно, программное
обеспечение тестовой лаборатории. Но мы уверены, что проблема может быть решена, хотя
и не в рамках данной работы.
22
Список источников
1. Асмаков Сергей. 10 лет цифровой фотографии: основные итоги. [Электронный ресурс] // Электронная версия журнала «Компьютер-пресс» — 2005 — №8. Адрес:
http://www.compress.ru/article.aspx?id=14384&iid=684
2. ММЦ — система межрегиональных маркетинговых центров. [Электронный ресурс]
//
Обзор
российского
рынка
цифровых
фотокамер.
Адрес:
http://www.marketcenter.ru/content/doc-2-9353.html
3. Бахвалов Тимофей. Вся наша жизнь — мгновенья... [Электронный ресурс] // Электронная
версия
журнала
«Компьютерра»
—
2004
—
№8.
Адрес:
http://old.computerra.ru/offline/2004/532/32397/
4. НПК «Фотоника». КМОП- и ПЗС-матрицы. [Электронный ресурс] // Адрес:
http://www.npk-photonica.ru/content/products/ccd-and-cmos-sensors
5.
Бирюков Евгений, Эволюция датчиков изображения: от ПЗС к КМОП. [Электронный ресурс] // Электронная версия журнала «Компоненты и технологии» —
2007 — № 10. Адрес: http://kit-e.ru/articles/sensor/2007_10_24.php.
6. Тюрин Ю.Н., Теория вероятностей и статистика: учеб. пособие для средней школы/ Тюрин Ю.Н., Макаров А.А., Высоцкий И.Р., Ященко И.В. - М.: МЦНМО,
Московские учебники, 2008. - 256 с.