iSolen.se
Guest
Tycker det är lite kul att många gamla diskussioner är så tidlösa...diskussionen kunde lätt fortsätta nu utan att förutsättningarna ändrats.
Diffraktion - behöver man bry sig?
- Trådstartare Gården
- Start datum
Tycker det är lite kul att många gamla diskussioner är så tidlösa...diskussionen kunde lätt fortsätta nu utan att förutsättningarna ändrats.
A.Dent
Aktiv medlem
Nä, fysikens lagar rubbar man inte så lätt... ;-)
PMD
Aktiv medlem
Nån som har provat Canons DLO (Digital Lens Optimizer) som finns i senare versioner av deras råkonverterare DPP?
Enligt Canon själva kan man reducera effekterna av diffraktion märkbart.
Fungerar det så bra i verkligheten?
Enligt Canon själva kan man reducera effekterna av diffraktion märkbart.
Fungerar det så bra i verkligheten?
bildterapeuten
Avslutat medlemskap
Det handlar om att matematiskt backa den oskärpa som uppstår när ljuset passerar genom objektivets och den ljusspridning som uppstår när ljusstrålarna passerar bländaren, samt också för det gussiska filter som ett aa-filter utgör, detta är fullt möjligt , det är en mycket sofistikerad uppskärpning vi ser som medför att bla brusbilden ökar.
Emil Martinec har beskrivit det så här
For the more technically inclined, a more detailed explanation is that a good way to think about imaging components is in terms of spatial frequencies; for instance, MTF's are multiplicative -- for a fixed spatial frequency, the MTF of the entire optical chain is the product of the MTF's of the individual components. So if the component doing the blurring has a blur profile B(f) for as a function of spatial frequency f, and the image has spatial frequency content I(f) at the point it reaches this component, then the image after passing through that component is I'(f)=I(f)*B(f). Thus, if one knows the blur profile B(f), one can recover the unblurred image by dividing: I(f)=I'(f)/B(f). The problem comes that B(f) can be small at high frequencies, since it is a low pass filter that is removing these frequencies from the image. Dividing by a small number is inherently numerically unstable, and so choosing the wrong blur profile, or having a bit of noise in the image, all those inaccuracies get amplified by the method. So in practice one includes a bit of damping at high frequency (quite similar to the 'radius' setting in USM) to keep the algorithm from going too far astray.
Emil Martinec har beskrivit det så här
For the more technically inclined, a more detailed explanation is that a good way to think about imaging components is in terms of spatial frequencies; for instance, MTF's are multiplicative -- for a fixed spatial frequency, the MTF of the entire optical chain is the product of the MTF's of the individual components. So if the component doing the blurring has a blur profile B(f) for as a function of spatial frequency f, and the image has spatial frequency content I(f) at the point it reaches this component, then the image after passing through that component is I'(f)=I(f)*B(f). Thus, if one knows the blur profile B(f), one can recover the unblurred image by dividing: I(f)=I'(f)/B(f). The problem comes that B(f) can be small at high frequencies, since it is a low pass filter that is removing these frequencies from the image. Dividing by a small number is inherently numerically unstable, and so choosing the wrong blur profile, or having a bit of noise in the image, all those inaccuracies get amplified by the method. So in practice one includes a bit of damping at high frequency (quite similar to the 'radius' setting in USM) to keep the algorithm from going too far astray.
bildterapeuten
Avslutat medlemskap
PMD
Aktiv medlem
Tack!
Convolution (faltning på svenska) var nyckelordet. Med det hittar man massor av information.
Jag gissar att DPP inte behöver gissa(!) sina ingångsparametrar lika mycket som "vanlig" deconvolution eftersom programmet vet vilket objektiv som bilden har tagits med och har dess egenheter inprogrammerade.
Man kan alltså ännu mer strunta i risken för diffraktionsoskärpa om man har tillgång till sådana metoder.
Convolution (faltning på svenska) var nyckelordet. Med det hittar man massor av information.
Jag gissar att DPP inte behöver gissa(!) sina ingångsparametrar lika mycket som "vanlig" deconvolution eftersom programmet vet vilket objektiv som bilden har tagits med och har dess egenheter inprogrammerade.
Man kan alltså ännu mer strunta i risken för diffraktionsoskärpa om man har tillgång till sådana metoder.
PMD
Aktiv medlem
OK, lite efterforskningar ger vid handen att programmet antagligen använder en iterativ algoritm som kallas "Richardson-Lucy" och att om den konvergerar så får man en lösning som ger det mest sannolika ursprungsvärdet för varje pixel.
Koolt! Finns det andra råkonverteringsprogram som kan det här också?
Koolt! Finns det andra råkonverteringsprogram som kan det här också?
