Warum wird dieses Porträt nicht mit 1: 29 aufgenommen?


25

Ich bin verwirrt, warum dieses Bild nicht scharf ist. Dies ist eine Porträtaufnahme bei F / 29 ISO100 1/250 mit einem 17-85-mm-Objektiv, das auf 38 mm fokussiert ist. Die Objektentfernung betrug 1,2 m. Meine DOF-App sagt mir, dass mein DOF ~ 82,98 cm oder ungefähr 1 m betragen sollte.

Ich bin verwirrt, warum dieses Bild nicht so scharf ist, wie es sein sollte. Für diesen Screenshot habe ich ihn auf 200% vergrößert. Ist so viel Unschärfe bei 200% normal?

BEARBEITEN: Einige Leute haben Fragen zum DOF in dieser Aufnahme. Hier sind einige Informationen, die von jedem Online-DOF-Rechner abgerufen werden können. Meine Schätzung für 82,8 cm stammte von einer App, und 1,2 MB stammten von den EXIF-Informationen. Mit diesem Online-Tool würde der DOF bei F28 wie folgt lauten:

 Subject distance   1.2 m

 **Depth of field** 
 Near limit     0.84 m
 Far limit      2.13 m
 Total          1.29 m

 In front of subject        0.36 m  (28%)
 Behind subject             0.93 m  (72%)

 Hyperfocal distance         2.7 m
 Circle of confusion       0.019 mm

Das ist auch richtig, denn so weit war ich eigentlich von der Kamera entfernt - 1,2M. Damit diese Aufnahme unscharf ist, müsste ich ungefähr einen halben Meter von der Kamera entfernt sein, woran ich mich nicht erinnere. Möglicherweise liegt die in diesem Foto beobachtete Unschärfe nicht daran, dass das Motiv unscharf ist.

Porträt F / 29 ISO100 1/250


6
Beugung spielt bei dieser Blende eine Rolle
null

7
Bestimmt verwandt, wenn nicht sogar ein Duplikat: Was ist eine „Beugungsgrenze“? .
Philip Kendall

1
War das Objektiv auf 38 mm oder 38 cm fokussiert? mm scheint unwahrscheinlich.
Mattdm

9
Nirgendwo in Ihrer Beschreibung Ihrer Einstellungen haben Sie angegeben, auf welche Entfernung Ihr Objektiv fokussiert war. Beachten Sie, dass dies nichts mit der Brennweite zu tun hat, auf die Ihr Zoomobjektiv eingestellt wurde. Möglicherweise haben Sie die Linse nach unserem Wissen auf Unendlich fokussiert. OK, vielleicht nicht unendlich, aber einfach der fehlende Fokus ist ein wahrscheinlicher Kandidat.
Osullic

2
"Fokussiert auf" und "Brennweite" sind zwei unterschiedliche Konzepte. Mehr hier .
Mattdm

Antworten:


48

Wie in den anderen Antworten erwähnt, hat die Beugung zu Unschärfe geführt. Um dies zu testen, kann versucht werden, das Bild durch Dekonvolution zu schärfen, indem die Punktstreufunktion verwendet wird, die F / 29 entspricht. Für die Beugung haben wir (bis zu einer Gesamtnormalisierung)

P (s) = {J 1 [ & pgr ; rs / ( & lgr ; F )] / [ & pgr ; rs / ( & lgr ; F )]} 2

wobei J 1 die Bessel-Funktion der ersten Ordnung 1 ist ,
s die in Pixeln gemessene Entfernung im Bild ist,
r die Größe eines Pixels ist (typischerweise etwa 4,2 × 10 ^ (- 6) Meter für Erntesensoren),
λ ist die Wellenlänge des Lichts und
F die F-Zahl, in diesem Fall 29.

Dies gilt dann für monochromatisches Licht, um die Punktstreufunktion für die Farbkanäle zu approximieren, die wir über einen geeigneten Wellenlängenbereich mitteln können. Außerdem sollte man P (s) über die Fläche des durch s angegebenen Pixels integrieren.

Wenn wir auf diese Weise 3-Punkt-Spread-Funktionen für die 3 Farbkanäle kompilieren, können wir das Bild schärfen, indem wir es in einen linearen Farbraum transformieren, einen Entfaltungsalgorithmus anwenden und dann zurück in sRGB transformieren. Ich habe folgendes Ergebnis erhalten:

Geschärftes Bild

Das Gesicht wurde also nur anhand der Daten über die Blendenzahl und der Annahme über die Größe des Pixels deutlich geschärft. Streifenartefakte sind im dunklen Teil des Bildes sichtbar. Dies liegt an der Posterisierung nach der Umwandlung in sRGB.

Auf Wunsch füge ich weitere Details zu den verwendeten Programmen hinzu. Ich habe ImageJ und ImageMagick verwendet , ich habe auch Mathematica verwendet, um die Punktverteilungsfunktion zu berechnen, aber es kann auch in ImageJ durchgeführt werden. Zunächst erkläre ich, wie ich mit ImageJ eine Dekonvolution durchführe, wenn ich bereits über die Punktverteilungsfunktion verfüge. Um die Dekonvolution durchzuführen, müssen Sie ein Plugin für ImageJ installieren. Ich habe dieses Plugin für diesen Fall verwendet, aber es gibt auch andere Plugins, z. B. das DeconvolutionLab- Plugin.

Zuerst müssen Sie in einen linearen Farbraum konvertieren. Ich habe ImageMagick verwendet, um das unscharfe Bild (input.jpg) mit dem folgenden Befehl in einen linearen Farbraum zu konvertieren:

convert input.jpg -colorspace RGB output.tif

Dann öffnen Sie mit ImageJ die Datei output.tif. Dann wählen Sie aus den Menüoptionen "Bild", dann "Farbe" und dann "Kanäle spucken". Wählen Sie dann im Menü "Plugins" und dann "Parallel iterative Deconvolution" und dann "2d interative Deconvolution".

Sie erhalten dann das Entfaltungsfenster, Sie wählen dann das Bild aus und "PSF" bedeutet die Punktstreufunktion, dort wählen Sie die Bilddatei aus, die die Punktstreufunktion enthält. Für die Methode wähle ich "WPL", die auf dem Wiener-Filter basiert, der normalerweise für rauscharme Bilder einigermaßen gut funktioniert. Aktivieren Sie in den Optionen für WPL das Kontrollkästchen "PSF normalisieren", und ändern Sie den Wert für den Tiefpassfilter auf 0,2. Standardmäßig ist es 1. Ein niedrigerer Wert ist jedoch besser für rauscharme Bilder. wird ein weniger scharfes Bild erhalten). Die anderen Optionen, Grenze kann als reflexiv gewählt werden, Größenänderung kann auf "nächste Potenz von 2" eingestellt werden, Ausgabe kann auf 32 Bit eingestellt werden, Genauigkeit kann auf doppelt gesetzt werden. Ich habe die maximale Anzahl der Iterationen auf 15 festgelegt.

Anschließend führen Sie das Programm aus, indem Sie auf "deconvolve" klicken. Sie erhalten dann eine 32-Bit-Bilddatei als Ausgabe. Normalerweise sind die Pixelwerte ziemlich ähnlich wie im Originalbild, aber Sie können einige Pixel haben, die das Maximum für das Originalbildformat überschreiten. In diesem Fall haben wir mit 8-Bit-Bildern begonnen, aber im entfalteten Bild können Grauwerte über 255 auftreten, wodurch das gesamte Bild zu dunkel wird. Dies muss behoben werden, indem diese Pixel auf 255 gekürzt werden. Dies können Sie tun, indem Sie im Menü "Prozess" und dann "Mathematik" und dann "Max" auswählen. Der Maximalwert wird dann zum Abschneiden der Grauwerte verwendet, die diesen Wert überschreiten. Beachten Sie, dass dies für das Bild gilt, auf das Sie zuletzt geklickt haben. Sie können auch sehen, welche Datei die "aktuelle Datei" ist, indem Sie "

Sobald Sie die 3 Farbkomponenten entschlüsselt haben, können Sie sie kombinieren, indem Sie im Menü "Bild", dann "Farbe" und dann "Kanäle zusammenführen" auswählen. Sie erhalten dann ein zusammengesetztes Bild, das Sie mit dem Befehl "Stack to RGB", den Sie dort finden, in 8-Bit-RGB konvertieren können.

Speichern Sie dann das Bild, nennen wir es im.tif. Schließlich müssen Sie dies in sRGB konvertieren, dies können Sie mit ImageMagick mit dem folgenden Befehl tun:

convert im.tif -set colorspace RGB -colorspace sRGB output.tif

Die verbleibende Frage ist dann, wie die Punktverteilungsfunktion erhalten werden kann. In der Praxis hätten Sie, wenn Sie ein Bild wie das hier beschriebene aufgenommen hätten, einfach ein Bild einer Punktquelle, z. B. eines Sterns bei F / 29, und dieses Bild als Punktverteilungsfunktion verwenden können. Alternativ können Sie sich Grenzen mit hohem Kontrast ansehen und die Punktstreufunktion aus der Art und Weise extrahieren, in der sich die Grauwerte über die Grenze hinweg von einem Wert zum anderen ändern. Aber dann versuchen Sie, das Bild so gut wie möglich zu schärfen.

In diesem Fall bestand das Ziel darin, die Punktverteilungsfunktionen für den Farbkanal basierend auf den erwarteten Werten für F / 29 zu kompilieren, das Bild damit zu dekonvolvieren und zu prüfen, ob das Ergebnis so gut aussieht. Mit Mathematica habe ich einige Berechnungen durchgeführt, und mit einem solchen fortschrittlichen Computeralgebra-Programm lassen sich alle Arten von Manipulationen durchführen, einschließlich der Mittelung über ein Wellenlängenintervall und der Integration über Pixelbereiche, um die PSF realistischer zu gestalten.

Mit ImageJ können Sie jedoch auch ein neues Bild erstellen, das Sie als Punktverteilungsfunktion verwenden können. Wenn Sie auf "Datei" und dann auf "Neu" klicken, können Sie ein 32-Bit-Bild mit einer Größe von 64 x 64 erstellen, das mit Schwarz gefüllt ist. Sie können dann eine Formel für die Grauwerte programmieren, indem Sie "process", dann "Math" und dann "Macro" auswählen. Um die Punktverteilungsfunktion für diesen Fall zu erhalten, bei der es sich um die Bessel-Funktion handelt, können Sie die Tatsache verwenden, dass sie durch die ersten Begriffe der Reihenerweiterung gut beschrieben wird. Die MathWorld-Seite, auf die ich verlinkt habe, gibt Ihnen diese Reihenerweiterungen , sodass J 1 (x) 2 / x 2 mit x = π rs / ( λF ) durch eine Funktion der Form A + B s 2 + C s 4 ersetzt werden kann. Diese Annäherung wird ungültig, wenn s zu groß ist. Jetzt wissen wir, dass der PSF gegen Null tendiert, dh in einem Abstand von ungefähr 5 oder 6 Pixeln kann er auf Null gesetzt werden. Unter der Annahme, dass das Polynom bei diesen Werten noch klein ist, können Sie das Makro wie folgt schreiben:

if(d<7) v = A + B  * pow(d,2) +  B * pow(d,4)

Sie erstellen dann 3 Bilder, beispielsweise für Lambda = 650 nm, 500 nm und 400 nm, oder welche anderen Werte Ihrer Meinung nach für die Darstellung der Beugung in den 3 Farbkanälen geeignet sind. Sie können dann die Mittelung über einige verschiedene Wellenlängen durchführen, indem Sie Bilder für verschiedene Lambda-Werte erstellen und dann "Verarbeiten", dann "Bildrechner" und dort "Hinzufügen" auswählen. Sie können dann ein weiteres Bild zu diesem Ergebnis hinzufügen. Wenn Sie fertig sind, können Sie dividieren, um den Durchschnitt zu erhalten, indem Sie "Verarbeiten", dann "Mathematik" und dann "Dividieren" auswählen.


Das ist schon erstaunlich. Ich frage mich, wie lange es dauern wird, bis Kameras über dieses integrierte Arsenal für die automatische Korrektur verfügen und so etwas selbstverständlich angewendet wird.
Mattdm

2
+10 (kann aber nicht wirklich +10 machen) für das Hinzufügen der Mathematik. Schön, dass Sie es hinzugefügt haben. Können Sie dafür ein Zitat geben? Ich möchte das selbst ausprobieren. Je detaillierter Mathe desto besser!
Beschädigter MyStack

Das ist wirklich erstaunlich. In welcher Software hast du das gemacht? Dies scheint unglaublich nützlich für die Makrofotografie zu sein.
Whelkaholism

@mattdm Deconvolution erfordert einiges an Rechenleistung, aber dann können einige Algorithmen wie Richardson-Lucy Deconvolution einfacher in die Hardware implementiert werden als andere. Die Kamera-Software, die zum Verarbeiten der Rohdateien auf ihren Computern verwendet wird, kann auch eine Dekonvolution enthalten, die speziell für die Bewältigung der tatsächlichen Unschärfe aufgrund von Defokussierung und Beugung optimiert ist.
Count Iblis

1
@CorruptedMyStack In der Antwort füge ich weitere Details hinzu. Sie sollten in der Lage sein, einen viel besseren Job zu machen, wenn Sie die Rohdatei haben. Sie können die Sensorgröße nachschlagen und daraus die Pixelgröße berechnen. Sie können die Berechnungen aber auch überspringen und die Punktstreufunktion direkt messen, indem Sie Bilder von einem Punkt wie einem Objekt aufnehmen und dann einfach die Punktstreufunktion daraus extrahieren. Im Falle einer Beugung wird die Entfaltung am besten mit den Rohdateien durchgeführt, im Gegensatz zu anderen Fällen haben Sie jetzt Farbsäume, die nicht korrigiert werden sollten, bevor die Entfaltung durchgeführt wird.
Count Iblis

51

Sie haben die Beugungsgrenze überschritten . Durch ein kleines Loch hindurchtretende Lichtstrahlen divergieren und interferieren miteinander und es entsteht ein Muster - eine Art Streifenbildung, bei der unterschiedliche Frequenzen / Platzierungen dazu führen können, dass sich separate Strahlen addieren oder gegenseitig negieren. Je kleiner die Öffnung wird, desto größer wird diese Divergenz / Interferenz. Dieses Muster wird als Airy-Disk bezeichnet. Wenn der Durchmesser des Spitzenwerts der Airy-Festplatte größer als ein Pixel ist und die Airy-Festplatten für jedes Pixel zu verschmelzen beginnen, erhalten Sie Weichheit. Je höher die Pixelanzahl Ihres Sensors und je kleiner Ihr Sensor, desto schneller werden Sie Ich werde es sehen, wenn du aufhörst.

In einem "glücklichen Medium" sind Sie im Allgemeinen schärfer. Wo sich das "Happy Medium" Ihrer Ausrüstung befinden kann, hängt von der Pixeldichte / -größe und dem Linsendesign ab. Mit Sensoren der Größe APS-C, die ich anhand der 17-85-Objektivreferenz klugerweise erkenne, möchten Sie wahrscheinlich nicht ohne guten Grund und ohne die Bereitschaft, auf Schärfe zu verzichten, über 1: 11 hinausgehen. Theoretische Beugungsgrenzen werden wahrscheinlich im Bereich von f / 5.6-f / 8 liegen. Sie möchten auch herausfinden, wo sich der "Sweet Spot" Ihres Objektivs befindet - viele Objektive erzielen eine bessere Leistung, wenn sie 1-2 Blendenstufen von weitem geöffnet sind. Zum Beispiel liegt der "Sweet Spot" des EF 50mm 1: 1,8 II im Bereich von 1: 4 bis 5,6.

Ich würde auch sagen, Schärfe bei 200% Vergrößerung zu beurteilen, bedeutet nur, dass alle Ihre Linsen wie Hundefleisch aussehen sollen. Dies ist keine realistische Vergrößerung in Bezug auf die Betrachtungsentfernungen, die Sie von einem typischen Ausdruck haben würden, und es ist ein seltenes Objektiv, das dieser Art von Test standhält, selbst wenn es an seinem Sweet Spot verwendet wird. Stoppen Sie das Pixel-Peeping. Schauen Sie sich den Ausdruck an.

Siehe auch: http://www.cambridgeincolour.com/tutorials/diffraction-photography.htm


Wenn Sie beurteilen, wie der Ausdruck aussehen könnte, gehen Sie folgendermaßen vor: Zoomen Sie das Bild so, dass es auf dem Bildschirm in etwa der Größe des Ausdrucks entspricht, und betrachten Sie den Bildschirm aus etwa der gleichen Entfernung wie das Bild drucken. Das gibt Ihnen eine viel bessere Vorstellung davon , was das Endergebnis aussehen wird, auch wenn das nicht eine perfekte Methode ist. @CorruptedMyStack
ein CVn

15

Wegen der Beugung. 1: 29 ist viel zu viel, als dass Sie ein scharfes Bild erwarten könnten. Versuchen Sie, dasselbe bei 1: 8 zu machen, und Sie werden den Unterschied bemerken.

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.