去马赛克原理
DxO
如何做到更好
DxO 20 年来一直走在 RAW 图像处理的前沿,我们比其他 RAW 转换软件呈现更优秀的效果。 以下就为您揭开其中的奥秘。
RAW 转换的根基
当您按下相机的快门时,所有打在传感器上的光都被记录为 RAW 数据,但这些数据需要转换成其他格式,
无论采用何种流程,对于希望再现高品质逼真场景的摄影师来说,
什么是去马赛克?
当您将相机的传感器暴露于光线之下,然后在相机屏幕或电脑显示器上观看所拍摄的图像时,
这些感光点对所有光线都天然敏感,无法感知单独的颜色,
因此,
在大多数相机传感器中,这些感光点以
拜尔滤镜是最常用的设计,但此外也有其他设计。 富士的 X-Trans 相机采用了一种略有不同的模式。 您可以在上图中看到区别。
这种光接收模式生成的是马赛克数据,
如果不进行去马赛克处理,您看到的的将是一张由不同强度的红色、绿色和蓝色像素组成的图像。
然而,正如前面提到的,这不仅仅是简单应用去马赛克的问题,


糟糕的去马赛克效果对于那些试图制作具有精细细节的大尺寸照片的摄影师,以及那些通过裁剪来放大拍摄对象(如放大野生动物照片)的摄影师来说,是一个尤为严重的问题。
优秀的去马赛克可提升相机的有效分辨率
例如,尽管去马赛克技术不会增加图像的像素尺寸,


它是如何运作的?
由于场景中只有三分之一的实际颜色信息能被观察到,
针对每个像素,其周围像素会被采样,
但这个简单的算法假定了每个像素的颜色与其相邻像素相同。 虽然对于大多数像素来说这可能是正确的,
为获取更合理的结果,
构成图像这一微小部分的马赛克可以有多种演绎可能。 诀窍在于创建能对原始信息做出智能假定的算法,并尽可能准确地再现信息。
DxO 优于其他方法之处
20 多年来一直身处 RAW 图像处理领域前沿的
此外,机器学习让我们得以让 RAW 处理技术更进一步。
以往,去马赛克和降噪向来是作为单独的处理流程运行。 这带来了一个巨大的劣势,因为无论先进行哪项处理,都可能削弱第二项处理的质量。
为打造 DeepPRIME,我们提供了
由此生成的算法建立在经验知识的基础上,
结论
在 DxO,我们率先引领了关于如何对