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,才能在屏幕上显示出来。 这种转换可以在相机内部完成,将图像输出为 JPEG 或 TIFF 等文件并保存在存储卡上;也可以将图像保存为 RAW 文件,稍后通过 DxO PhotoLab 或 DxO PureRAW 等软件进行转换。

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,这一 RAW 转换流程的标准至关重要。

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,很容易忘记这张照片并非以全彩记录。 事实上,传感器记录了一系列值,用以表示每个感光点上光的强度。

这些感光点对所有光线都天然敏感,无法感知单独的颜色,因此制造商会在传感器上叠加彩色滤镜。

因此,每个感光点仅记录红光、绿光或蓝光的强度数据——类似于人眼中的视锥细胞。

在大多数相机传感器中,这些感光点以交错的方式布置,每两个绿色感光点对应一个红色感光点和一个蓝色感光点,分布比例为绿色占一半、红色和蓝色各占四分之一。

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,需要进行转换才能显示出原始色彩。

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,更在于如何应用去马赛克以实现忠实的细节渲染。 不良的去马赛克处理会在像素级别造成各种视觉错误。 这包括彩色伪影,例如锐利边缘的色差和一些高频图案上的摩尔纹干扰,所有这些都会使图像看起来不自然。 例如,像毛皮或羽毛这样的精细纹理可能会丧失必要的清晰度,并在内部生成迷宫般或随机的像素。

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,但拥有 2000 万像素传感器且去马赛克技术良好的照相机仍能生成比拥有 4000 万像素传感器且去马赛克技术较差的照相机更精细的图像。 因此,使用优秀的处理方法,摄影师可以确保最大限度地发挥相机传感器的性能。

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,其余部分需要通过算法进行推算。 虽然有许多不同的去马赛克算法,但它们都拥有同一个目标:将记录的数据转化为对人眼来说真实、自然的图像。

针对每个像素,其周围像素会被采样,并预测出真实颜色。 如果一个像素显示出很高的绿色光强度,而其周围的像素显示出非常低的蓝光和红光强度,则可假定真实的颜色是一种尽管不纯粹但浓郁的绿色调。

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,但在许多情形下可能大错特错;例如,当颜色突然变化时,比如在画面边缘或纹理处。

为获取更合理的结果,算法需要对潜在场景做出假定。 但这些假定必须有所来由,因此需要经过训练。

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 DxO 算法始终领先于时代。 如今,我们能比相机制造商自身从设备中读取出更多像素。 没错——DxO 可能比您的佳能、索尼或徕卡相机能为您提供的像素还更多。

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。 DeepPRIME 的突破即在于能够同时执行这两项处理,从而企及前所未见的品质水平。

为打造 DeepPRIME,我们提供了数十亿例图像用以训练一个神经网络;这使其能够学习在现实世界中最常出现的结构和模式,以及如何在马赛克化图像中识别它们。

由此生成的算法建立在经验知识的基础上,其结果始终优于自数码摄影发明以来任何人工编写的算法。

结论

在 DxO,我们率先引领了关于如何对 RAW 文件进行降噪和去马赛克处理的研究,确保摄影师获取至优的照片效果。 如果您正在使用 DxO PhotoLab 8DxO PureRAW 5尖端科技可确保您获取经过至精至善处理的图像。